tra benefici green e sfide dei data center

“Perché AI ed energia sono la nuova coppia di potere”. Era il titolo di un articolo con cui l’International Energy Agency, nel 2023, ha messo in evidenza la combinazione sempre più stretta tra i due temi. In essa si spiegava che la gestione delle reti del futuro avrebbe richiesto strumenti analitici più potenti, prevedendo un ruolo “fondamentale” per l’intelligenza artificiale.

Pochi giorni fa, la stessa IEA ha pubblicato il report “Energy and AI” in cui mette in evidenza il rapporto intrinseco tra i due mondi: non c’è intelligenza artificiale senza energia; allo stesso tempo, l’AI ha il potenziale per trasformare il settore energetico.

Quanto permetterà in futuro è ancora aperto, ma già oggi l’artificial intelligence è utilizzata in vari ambiti del processo di produzione, distribuzione e gestione dell’energia, sia quella da fonti rinnovabili sia quella da combustibili fossili.

Tuttavia, l’addestramento e l’implementazione di modelli di IA avvengono in grandi data center ad alto consumo energetico. Un data center medio, incentrato sull’intelligenza artificiale, consuma la stessa quantità di elettricità di 100mila famiglie, ma i più grandi in costruzione oggi ne consumeranno venti volte tanto, avverte IEA. Occorrerà trovare un giusto equilibrio per far sì che i benefici apportati nel mondo energetico non siano vanificati dai consumi eccessivi per alimentare le macchine dove “far girare” l’AI.

10 applicazioni dell’AI per l’energia

Sono diversi i vantaggi che l’applicazione di tecniche di intelligenza artificiale possono apportare nel mondo dell’energia, in varie fasi e modi. L’AI è già utilizzata dalle aziende energetiche per trasformare e ottimizzare l’approvvigionamento di energia e minerali, la produzione e la trasmissione di energia elettrica e il consumo.

Il think tank Energy & Strategy del Politecnico di Milano ha elencato, illustrandoli, dieci applicazioni dell’intelligenza artificiale nel settore energetico.

Si va dalla produzione (generation forecast, generator design optimization), al trasporto/distribuzione (grid stability) al consumo (energy assessment, demand response, consumption forecast), contemplando anche i mercati energetici (bidding strategy, nel senso di strategie utili a promuovere gli investimenti in energie rinnovabili). In tutto questo vanno comprese la predictive maintenance e l’asset optimization.

Gli esempi applicativi dell’intelligenza artificiale

Applicare l’AI nell’energia permette, per esempio, di prevedere le condizioni meteo locali, come la velocità del vento e l’irraggiamento solare, con elevata precisione. Queste previsioni accurate aiutano a ottimizzare la produzione di energia eolica e fotovoltaica in luoghi specifici.

Nel Regno Unito, gli sviluppi applicativi di machine learning nella sala di controllo dell’operatore nazionale National Grid ESO hanno già portato a un miglioramento del 33% nella precisione delle previsioni solari.

KEPCO, la più grande azienda elettrica in Corea del Sud, utilizza l’AI per la previsione della velocità del vento e per simulare in tempo reale l’impatto meteorologico sulle capacità di generazione.

IEA afferma che, ottimizzando l’integrazione delle fonti energetiche rinnovabili, è possibile ridurre la dipendenza dalla produzione di energia da combustibili fossili. Per esempio, ridurre la riduzione media globale di un solo punto percentuale nel 2035 potrebbe ridurre la domanda di circa 28 milioni di Mtce (million tonnes of coal equivalent) di carbone e 14 miliardi di metri cubi di gas naturale, evitando circa 120 Mt di emissioni di CO₂.

In Italia, Terna ha avviato proprio in questi giorni la call “Generative AI for Operations”, per cercare soluzioni basate sulla Generative AI per ottimizzare le operazioni sulla rete elettrica. L’obiettivo principale è sfruttare le potenzialità della intelligenza artificiale generativa per migliorare la gestione operativa, incrementare la sicurezza e l’efficienza degli interventi, e rendere più efficaci le operazioni di manutenzione e gestione sul campo.

Nella progettazione, l’AI può consentire di ottimizzare la futura realizzazione di un impianto, in modo da renderlo sostenibile e idoneo a un determinato contesto. Per esempio, i ricercatori del National Renewable Energy Laboratory (NREL) del Dipartimento dell’Energia degli Stati Uniti, per evitare le restrizioni che alcune comunità hanno imposto sui luoghi in cui è possibile installare turbine eoliche, hanno adottato una strategia chiamata wake steering, che ottimizza la quantità di energia che una centrale può produrre, controllando la scia che si muove da una turbina a monte lontano da una turbina a valle. Lo scenario guidato dall’intelligenza artificiale ha preso in considerazione l’installazione a livello nazionale di 6.862 impianti con una potenza generata cumulativa di 721 GW, con l’obiettivo di ridurre del 95% le emissioni di CO₂ del settore energetico entro il 2050.

L’adozione di strategie di wake steering potrebbe ridurre in media del 18% il fabbisogno di terreno per i futuri impianti eolici, e in alcuni casi fino al 60%.

AI per le reti: i benefici dall’applicazione

In termini di benefici dell’AI per l’energia, c’è quello che può offrire nell’apporto sulle reti. Come evidenzia il report IEA, l’intelligenza artificiale può contribuire a bilanciare reti elettriche sempre più complesse, decentralizzate e digitalizzate.

L’intelligenza artificiale può migliorare la previsione e l’integrazione della generazione variabile di energia rinnovabile, riducendo i tagli e le emissioni. Il rilevamento dei guasti basato sull’intelligenza artificiale può aiutare a identificare rapidamente e localizzare con precisione i guasti della rete, riducendo la durata delle interruzioni del 30-50%. Sensori remoti e gestione basata sull’intelligenza artificiale possono aumentare la capacità delle linee di trasmissione.

L’applicazione di questi strumenti potrebbe sbloccare fino a 175 gigawatt (GW) di capacità di trasmissione, senza dover costruire nuove linee. Questa cifra è superiore all’aumento del carico energetico dei data center fino al 2030 nello scenario base.

AI ed energia: la “fame elettrica” dei data center

Se l’importanza dell’AI per l’energia è oggettiva, allo stesso tempo l’approvvigionamento energetico è fondamentale per alimentare i data center dove si elaborano, si archiviano e si gestiscono dati in un ambiente connesso.

Un approvvigionamento elettrico accessibile, affidabile e sostenibile sarà un fattore determinante per lo sviluppo dell’IA, e i paesi in grado di fornire l’energia necessaria in modo rapido e su larga scala saranno i più adatti a trarne beneficio. Si è detto che l’addestramento e l’implementazione di modelli di intelligenza artificiale avvengono in data center di grandi dimensioni e ad alto consumo.

Nel 2024, i data center rappresentavano circa l’1,5% del consumo di elettricità mondiale, ovvero 415 TWh. Il consumo di elettricità dei data center è destinato a raggiungere i 945 TWh circa entro il 2030. Questa cifra è leggermente superiore all’attuale consumo totale di elettricità del Giappone. IEA prevede che il consumo globale di elettricità dei data center salirà a circa 1.200 TWh entro il 2035.

Negli Stati Uniti, già oggi, rappresentano quasi la metà della crescita della domanda di elettricità da qui al 2030. Entro tale data, l’Agenzia internazionale dell’Energia stima che gli USA consumeranno più elettricità per i data center che per la produzione di alluminio, acciaio, cemento, prodotti chimici e tutti gli altri beni ad alta intensità energetica messi insieme. Gli investimenti in nuovi data center hanno registrato un aumento di quasi il 70% negli ultimi due anni a livello globale. Anche in Europa la spesa è in forte crescita: i volumi di transazione nella regione EMEA hanno sorpassato i 2 miliardi di euro nella prima metà del 2024, con un aumento del 168% rispetto allo stesso periodo dell’anno precedente, secondo i dati di Knight Frank .

Anche in Italia le richieste di connessione di data center sono in costante aumento.
Al 31 dicembre 2024 le richieste risultano pari a circa 30 GW, “dato annuale 24 volte superiore rispetto a quello del 2021”, segnala Terna, spiegando che nell’ultimo biennio si è registrata una crescita delle richieste anche per gli utenti di consumo, che prelevano direttamente energia dalla rete di trasmissione nazionale e includono, per esempio, impianti ad alto consumo energetico. È una tendenza attribuibile “per larga parte ai data center”.

Il nodo delle reti e le soluzioni possibili

Questa crescita consegue la necessità di un adeguato approvvigionamento di energia e di reti abbastanza stabili e radicate per sostenere l’alimentazione dei centri dati. Qui, però, si segnalano le difficoltà legate alle reti elettriche, già sotto pressione in molti luoghi: si prevede che, se non si affronta la situazione in tempo, circa il 20% dei progetti pianificati per i data center potrebbe essere a rischio di ritardi.

Per questo i Paesi che vogliono trarre vantaggio dal potenziale dell’intelligenza artificiale devono accelerare rapidamente i nuovi investimenti nella produzione di energia elettrica e nelle reti, migliorare l’efficienza e la flessibilità dei data center e rafforzare il dialogo tra i decisori politici, il settore tecnologico e l’industria energetica.

Consiglia questo approfondimento ai tuoi amici

Commenta questo approfondimento