La gestione delle infrastrutture idriche rappresenta oggi uno dei settori chiave per valutare l'applicazione e lo sviluppo di nuovi modelli e tecnologie per l'efficientamento energetico. Si stima che un controllo efficace degli impianti potrà far risparmiare il 10% di acqua e dal 12% al 30% di energia. Pertanto l'aumento di efficienza nell'adduzione e distribuzione idrica offre grandi margini di riduzione dei consumi energetici ed emissioni di CO2. A questo scopo sono necessarie innovazioni che interessino l'intero processo dalla razionalizzazione energetica, dagli schemi di approvvigionamento per centri di consumo alimentati da fonti multiple all'ottimizzazione dei pompaggi nelle reti di adduzione e distribuzione fino all'utilizzo di energie rinnovabili.
ENERGIDRICA svilupperà un sistema di supporto alle decisioni per l'efficientamento energetico delle reti di approvvigionamento e distribuzione idrica generando innovazioni di processo secondo i principi di energy saving, energy reduction e di integrazione con fonti di energie sostenibili, in tre ambiti decisionali complementari:
- Schemi di approvvigionamento di centri urbani da fonti multiple. ENERGIDRICA produrrà una metodologia strutturata e replicabile per razionalizzare energeticamente le aliquote di risorsa provenienti da ciascuna fonte, nel rispetto dei fabbisogni, dei vincoli di disponibilità della risorsa e della capacità dei vettori idraulici;
- Gestione dei pompaggi nelle reti di adduzione e distribuzione. ENERGIDRICA svilupperà metodologie per l'analisi delle inefficienze energetiche e per il supporto alla conduzione degli impianti che integrino strumenti di analisi idraulica avanzata, orientata alla gestione, in cui è possibile la modellazione fisicamente basata delle perdite idriche in rete quali indicatori di efficienza energetica e gestionale;
- Integrazione con fonti di energia sostenibile. ENERGIDRICA svilupperà strumenti per l'integrazione con fonti di energia sostenibile in una logica di autoconsumo per alimentare impianti di pompaggio. Funzionalità differenti saranno rivolte a supportare la realizzazione ex-novo di impianti di recupero di energia sostenibile ovvero a favorirne l'utilizzo nell'ottimizzazione operativa dei pompaggi.
Il CRS4 svilupperà un sistema di previsione della generazione da fonte rinnovabile per specifici impianti, basato sulla elaborazione dell’output del modello GFS a scala globale, mediante sistemi di apprendimento automatico basati sui dati storici di produzione energetica e delle previsioni meteorologiche.
Le previsioni, anche di tipo probabilistico potranno essere messe a disposizione tramite interfaccia web per i partner coinvolti.
Il trasferimento delle innovazioni di processo presso i Gestori sarà assicurato dall'integrazione con i sistemi informativi già in uso. Lo sviluppo di un'architettura cloud aperta e flessibile rispetto a soluzioni già presenti sarà integrata con servizi di interfaccia con sensori e attuatori in una logica IoT. La standardizzazione dei processi mediante approcci strutturati, replicabili e non-empirici, risponde alla necessità di razionalizzare le grandi infrastrutture idrauliche che caratterizzano le regioni del Meridione, ma non solo.
Progetti correlati
- Sustainable consumer ENgagement and DEmand Response
- Tessuto Digitale Metropolitano
- Energy and economic efficiency for today's smart communities through integrated multi storage technologies
- Sviluppo, progettazione e realizzazione prototipale di sistemi di gestione e controllo ottimali per una Smart Grid
Pubblicazioni correlate
- Massidda, L. and Marrocu, M., 2017. Use of Multilinear Adaptive Regression Splines and numerical weather prediction to forecast the power output of a PV plant in Borkum, Germany. Solar Energy, 146, pp.141-149.
- Massidda, L. and Marrocu, M., 2017. Decoupling weather influence from user habits for an optimal electric load forecast system. Energies, 10(12), p.2171.
- Massidda, L. and Marrocu, M., 2018. Quantile regression post-processing of weather forecast for short-term solar power probabilistic forecasting. Energies, 11(7), p.1763.
- Pinna, A. and Massidda, L., 2020. A Procedure for Complete Census Estimation of Rooftop Photovoltaic Potential in Urban Areas. Smart Cities, 3(3), pp.873-893.
- Salimbeni, A., Porru, M., Massidda, L. and Damiano, A., 2020. A Forecasting-Based Control Algorithm for Improving Energy Managment in High Concentrator Photovoltaic Power Plant Integrated with Energy Storage Systems. Energies, 13(18), p.4697.