Tre domande all’inizio della giornata di esercizio
Chi dirige una centrale di cogenerazione al servizio di una rete di distribuzione o di teleriscaldamento affronta ogni mattina tre domande che devono trovare risposta entro poche ore: quale sarà la domanda termica dei prossimi giorni, quali unità tenere in servizio e a quale carico ora per ora, quanta energia elettrica portare sul mercato e a quale prezzo offrirla.
In molte organizzazioni quelle risposte maturano in tre ambiti separati. La previsione risiede in un foglio di calcolo costruito negli anni da chi conosce il parco edilizio servito e le sue risposte climatiche, il piano di produzione nasce dall’esperienza del capoturno e dallo storico della stagione precedente, l’offerta al mercato la costruisce il trader applicando un margine di sicurezza che copre l’incertezza sul resto della catena.
Prese singolarmente, le tre risposte sono quasi sempre difendibili. È la loro combinazione a non esserlo, perché nessuna delle tre funzioni la osserva per intero.
L’accoppiamento fra le tre decisioni
Le decisioni sono legate fra loro perché lo è il sistema fisico su cui ricadono. Il calore prodotto in cogenerazione porta con sé energia elettrica, e il prezzo dell’ora in cui quell’energia raggiunge il mercato determina se quel calore sia costato molto o poco; a sua volta, il volume che si può offrire dipende dalla domanda termica prevista.
L’errore di previsione, inoltre, non resta confinato alla previsione: si traduce in combustibile impiegato per un carico che non si è presentato, oppure in un assetto tarato su condizioni di prezzo nel frattempo mutate. E poiché un cogeneratore ha un minimo tecnico, tempi di avviamento e rampe di carico da rispettare, la correzione dell’assetto a giornata avviata comporta un costo che nessun foglio di calcolo evidenzia.
I vincoli sono di natura fisica e non sono negoziabili: minimi tecnici, rampe, tempi di avviamento, capacità dell’accumulo, temperature di mandata e di ritorno. Chi decide senza considerarli simultaneamente lascia inespresso un margine che non compare in alcun report, perché coincide con la differenza fra la soluzione adottata e una soluzione migliore che nessuno ha mai calcolato.
Per calcolarla bisogna rispondere ogni giorno a una domanda precisa: fra le unità disponibili in questo momento, quale combinazione minimizza il costo nelle prossime otto ore, rispettando i vincoli di rete e il livello di servizio? Senza uno strumento di ottimizzazione la risposta arriva raramente in tempo utile, perché richiede di tenere insieme previsione, vincoli tecnici e prezzi nello stesso calcolo. È il lavoro per cui serve un gemello digitale del sistema.
Il gemello digitale del sistema di generazione
Il gemello digitale è una rappresentazione strutturata del sistema di generazione. Comprende le unità con i rispettivi vincoli tecnici e curve di rendimento, i flussi di energia fra i nodi dell’impianto, i combustibili in ingresso, la connessione alla rete elettrica e ai mercati, gli incentivi e le voci fiscali che rendono conveniente un assetto rispetto a un altro; quando i siti sono più di uno, il modello li comprende tutti, con i vincoli che li legano. Su questa struttura scorrono i dati che variano di continuo: previsioni meteorologiche georeferenziate, prezzi, misure di campo.
Il vantaggio operativo sta nel fatto che lo stesso modello risponde a domande con orizzonti molto diversi fra loro, dal setpoint delle prossime quattro ore al budget del prossimo esercizio, fino alla sostituzione di una caldaia nell’arco di alcune stagioni. Lo stesso vale per configurazioni non ancora realizzate, quando due alternative impiantistiche vanno confrontate prima di autorizzare un investimento.
La previsione della domanda
La previsione della domanda termica è un problema di dati prima che di esperienza, poiché dipende da temperatura, irraggiamento, vento, ora del giorno, tipologia di utenza e giorno della settimana, in combinazioni che variano da rete a rete.
OptiEPTM integra modelli di previsione dei carichi alimentati dai dati meteorologici, con orizzonte multi-giorno e ciclo di aggiornamento automatico, affiancati dal monitoraggio continuo delle performance attraverso KPI statistici e reportistica dedicata, così che l’errore venga misurato mentre si forma anziché rilevato a fine stagione.
Quando l’organizzazione dispone già di un sistema di previsione consolidato, la piattaforma lo integra e lavora su quello: il valore risiede nel collegamento fra la previsione e la decisione che ne discende.
L’ottimizzazione del dispacciamento
Sul modello opera il motore di ottimizzazione, che calcola i setpoint di ciascuna unità con granularità dai quindici minuti all’ora, rispetta i vincoli tecnici del parco e minimizza il costo di esercizio sull’orizzonte selezionato. Il piano viene restituito in due forme, una leggibile per il personale di conduzione e una in file pronti per i PLC, così che l’automazione possa acquisirlo senza passaggi manuali.
Il controllo resta in capo al conduttore d’impianto. In modalità copilot il sistema propone e l’operatore verifica; al mutare di una condizione, una ri-ottimizzazione restituisce un piano aggiornato, mentre le funzioni what-if consentono di simulare uno scenario prima di applicarlo, con i KPI tecnici ed economici affiancati per valutarne il bilancio.
Una funzione, attualmente in beta, impiega la genAI e modelli LLM per esplicitare le scelte del motore di ottimizzazione e per interrogare dati e documentazione di impianto in linguaggio naturale. Risulta utile soprattutto nei primi mesi di esercizio, quando in sala controllo ricorre la domanda sul perché il sistema suggerisca un assetto anziché un altro.
La valorizzazione della flessibilità sui mercati
Una rete di teleriscaldamento dispone di una flessibilità spesso sottoutilizzata, poiché l’accumulo e l’inerzia termica del parco edilizio servito consentono di traslare la produzione di alcune ore senza che l’utenza percepisca differenze di servizio.
Quella flessibilità ha un valore sui mercati elettrici, e il modulo di trading la traduce in offerte: parte dal piano di produzione ottimale, calcola il margine disponibile rispetto ai vincoli di servizio e costruisce le offerte per il mercato del giorno prima e per l’infragiornaliero. OptiEPTM esegue questi calcoli in automatico, nel rispetto dei vincoli tecnici, e coordina le scelte del trading con quelle della conduzione d’impianto.
Budget, emissioni e pianificazione degli investimenti
Il budget energetico annuale è di norma un esercizio separato, costruito su ipotesi proprie e rivisto una volta l’anno. Con il gemello digitale già disponibile cessa di esserlo, perché la simulazione pluriennale opera sugli stessi vincoli che governano l’esercizio quotidiano e le emissioni di CO2 si monitorano e si proiettano nello stesso quadro.
Quando l’azienda rientra nelle soglie di consumo della direttiva EED, o deve rispettare i limiti di rinnovabili imposti dal decreto OIERT, l’audit obbligatorio richiede di identificare le opportunità di risparmio. L’audit però si ferma all’elenco: quantificarle, ordinarle per impatto e verificarle su più scenari di prezzo richiede un modello del sistema, e il gemello digitale lo è già.
Quando l’oggetto della decisione diventa quali impianti realizzare e con quale sequenza temporale, interviene il modulo di ottimizzazione del design di sistema, che opera sullo stesso modello e restituisce il portafoglio di asset ottimale su orizzonte lungo, il piano di investimento confrontato con la traiettoria di emissione, l’ordine di dismissione delle unità e la valutazione di un’eventuale espansione di rete. Decisioni di esercizio e decisioni di capitale convergono così su un unico modello, mentre in molte utility percorrono ancora binari separati.
L’impostazione del progetto: dalla valutazione di impatto all’esercizio
Il percorso parte da una valutazione di impatto, prima di qualsiasi installazione: sei-otto settimane di lavoro sui dati storici, durante le quali costruiamo il gemello digitale, ricostruiamo l’ultimo anno di esercizio con il dispacciamento ottimizzato e misuriamo il differenziale. Al termine restano un risultato economico quantificato, un’analisi delle emissioni, un’analisi di accuratezza previsionale e una roadmap con i requisiti IT necessari per arrivare in produzione.
Se quel risultato è giudicato convincente, la seconda fase porta la soluzione in esercizio in altre sei-otto settimane, con tempi che dipendono dalla disponibilità dei dati e dal tipo di integrazione richiesta: taratura del modello, collegamento con i sistemi di campo e di monitoraggio, scambio dati, automazione, reportistica e avviamento.
Un’ultima considerazione riguarda i team di progetto, e spiega perché queste iniziative arrivino in produzione anziché fermarsi al report: il modello di ottimizzazione lo costruisce chi conosce il dominio applicativo, il software lo sviluppa chi ha costruito il modello, e consulenti, ricercatori operativi e sviluppatori lavorano nello stesso gruppo in Optit.
Due applicazioni, un solo metodo
A Malpensa, il passaggio da una conduzione basata sull’esperienza al dispacciamento ottimizzato ha migliorato di oltre il 20% il margine della gestione energetica. A New York, per ConEdison, la stessa impostazione ha prodotto il gemello digitale della rete vapore urbana, usato per valutare i percorsi di decarbonizzazione su orizzonti decennali; il passo successivo è portarlo nella gestione operativa.
Esercizio quotidiano in un caso, pianificazione di lungo periodo nell’altro: il metodo è lo stesso che tiene insieme previsione, piano di produzione e offerta sul mercato. È questo che intendiamo con Decision Intelligence.
Vuoi sapere quanto margine resta inespresso nel tuo impianto? Contattaci: partiamo dai tuoi dati storici.
