Grazie a una particolare branca dello studio dell’intelligenza artificiale è stato possibile migliorare considerevolmente l’affidabilità delle previsioni relative alla forza e alla direzione dei venti, necessarie per la programmazione degli impianti di energia eolica. È quanto emerge da un nuovo studio guidato dall’Ecole Polytechnique Federale de Lausanne (EPFL) e pubblicato su Applied Energy. L’intelligenza artificiale spiegabile (XAI) è un ramo dell’IA che aiuta gli utenti a sbirciare all’interno della scatola nera dei modelli di IA per capire come viene generato il loro output e se le loro previsioni sono affidabili.
I ricercatori del Wind Engineering and Renewable Energy Laboratory (WiRE) dell’EPFL hanno adattato l’XAI ai modelli di intelligenza artificiale utilizzati nel loro campo. Hanno scoperto che l’XAI può migliorare significativamente i modelli di previsione del vento facilitando così la programmazione d’uso degli impianti eolici. I modelli attualmente utilizzati per prevedere la produzione di energia eolica si basano sulla dinamica dei fluidi, sulla modellazione meteorologica e su metodi statistici, ma hanno comunque un margine di errore non trascurabile. L’intelligenza artificiale ha consentito agli ingegneri di migliorare le previsioni sull’energia eolica utilizzando dati estesi. Tuttavia, la maggior parte dei modelli di intelligenza artificiale funziona come “scatole nere”, rendendo difficile comprendere come giungano a previsioni specifiche.
L’XAI affronta questo problema fornendo trasparenza sui processi di modellazione che portano alle previsioni, con la conseguenza di poter migliorare i modelli per ottenere previsioni più credibili e affidabili. Secondo Jiannong Fang, scienziato dell’EPFL e coautore dello studio, queste scoperte potrebbero contribuire a rendere l’energia eolica più competitiva. “Gli operatori del sistema energetico non si sentiranno molto a loro agio nell’affidarsi all’energia eolica se non comprendono i meccanismi interni su cui si basano i loro modelli di previsione. Ma con l’approccio basato su XAI, i modelli possono essere diagnosticati e aggiornati, generando quindi previsioni più affidabili delle fluttuazioni giornaliere dell’energia eolica”.
Vuoi ricevere le notifiche sulle nostre notizie più importanti?