La rete elettrica è in difficoltà. Un nuovo corso di AI vuole formare gli ingegneri che possono ripararla

Punti chiave

• Il Dipartimento dell'Energia degli Stati Uniti afferma che la rete nazionale sta operando al suo limite massimo, sottoposta a pressione dalla crescita dei data centre, dalle condizioni meteorologiche estreme e dalla crescente domanda di elettricità.
• La più grande società di trasmissione dell'energia del Texas ha segnalato 220 gigawatt di nuove richieste di connessione in un periodo, guidate principalmente da strutture di AI e cloud computing.
• Uno studio McKinsey ha rilevato che l'automazione avanzata nelle reti infrastrutturali potrebbe ridurre i tempi di inattività delle apparecchiature fino al 50% e prolungare la vita dei macchinari fino al 40%.
• IEEE Educational Activities ha lanciato un corso online di cinque moduli che insegna agli ingegneri dell'energia e ai data scientist come applicare l'AI ai problemi reali della rete.
• Il corso è stato sviluppato da Fangxing Li, professore di ingegneria elettrica dell'Università del Tennessee, che presiede il Gruppo di lavoro IEEE sul Machine Learning per i sistemi energetici.

La rete elettrica americana è enorme, risale a decenni fa, e è sempre più in difficoltà.

Costruita quando l'elettricità proveniva principalmente da centrali a carbone e gas e la domanda cresceva a un ritmo costante e prevedibile, la rete non è mai stata progettata per le pressioni odierne. I data centre di AI, i veicoli elettrici e le ondate di caldo e tempeste invernali sempre più frequenti esercitano tutti pressione sugli stessi fili obsoleti. Il Dipartimento dell'Energia degli Stati Uniti ha dichiarato che il sistema ha raggiunto il suo limite.

I numeri sono sconvolgenti. La più grande azienda di trasmissione dell'energia del Texas ha segnalato di recente 220 gigawatt di nuove richieste di connessione, la maggior parte provenienti da strutture di AI e cloud computing. Per fare un confronto, l'intero Stati Uniti attualmente utilizza circa 450 gigawatt in una giornata tipica.

Perché gli ingegneri non possono semplicemente gestirlo nel modo tradizionale?

Non riescono a stare al passo con la velocità o il volume del problema. Le reti moderne trasportano segnali da milioni di sensori digitali e contatori intelligenti, dispositivi che monitorano in tempo reale la tensione, la domanda e lo stato dell'equipaggiamento. Nessun team umano può leggere quei dati abbastanza velocemente per agire di conseguenza.

L'energia rinnovabile rende le cose ancora più difficili. L'output di eolico e solare cambia ogni pochi minuti a seconda delle nuvole e delle raffiche di vento. Gli operatori della rete devono bilanciare offerta e domanda secondo per secondo per prevenire blackout, e il margine di errore è minimo.

Gli attacchi informatici aggiungono un terzo strato di rischio. Man mano che i servizi di pubblica utilità sostituiscono i vecchi interruttori analogici con sistemi di controllo collegati a Internet, aprono nuove porte agli hacker.

L'AI può aiutare su tutti e tre i fronti. I modelli di machine learning, software addestrato su modelli storici, possono prevedere un picco di domanda ore prima che arrivi, individuare un trasformatore che sta per guastarsi prima che esploda e segnalare attività insolite su una rete digitale. Uno studio McKinsey ha rilevato che questo tipo di automazione potrebbe ridurre i tempi di inattività delle apparecchiature fino al 50% e prolungare la vita dei macchinari fino al 40%.

Qual è il nuovo corso e a chi è rivolto?

IEEE Educational Activities, il ramo di formazione della più grande società professionale di ingegneria del mondo, ha lanciato un programma online chiamato Artificial Intelligence for Power and Energy Systems, riportato per la prima volta da IEEE Spectrum. Il corso si rivolge agli ingegneri dell'energia in servizio che hanno bisogno di competenze sui dati, e ai data scientist che hanno bisogno di comprendere come si comportano effettivamente le reti elettriche.

Il professore Fangxing Li dell'Università del Tennessee ha sviluppato il curriculum in cinque moduli.

Il modulo di fisica merita una menzione. Uno dei motivi per cui i servizi di pubblica utilità sono stati lenti a fidarsi dell'AI è la paura che un algoritmo possa emettere un comando che danneggi apparecchiature costose. Vincolare il modello al rispetto delle leggi fisiche, invece di lasciarlo imparare liberamente, è una risposta pratica a quella preoccupazione.

Cosa significa questo per i comuni clienti di elettricità?

L'obiettivo è meno blackout e bollette più stabili. Una rete che riesce a prevedere e correggere i propri guasti prima che si diffondono è una rete meno probabile che lasci un quartiere al buio durante un'ondata di caldo o un gelo.

Il corso è disponibile attraverso la rete di apprendimento IEEE, con prezzi per volume disponibili su richiesta.