Nello specifico, SAMPLE realizzerà i seguenti obiettivi:

OS1 - Una piattaforma Diagnostica di Performance Evaluation e di Anomaly Detection applicabile a diversi scenari e basata su paradigmi complementari Il primo incentrato su AI utilizza modelli predittivi e algoritmi di Machine Learning per valutare lo stato di funzionamento di un impianto sulla base dei dati rilevati da sensori. Il secondo basato sull’integrazione di sistemi di monitoraggio evoluti - comprendenti anche analisi termografiche con droni - confronta dati dell'impianto con i valori di rendimento previsti e storici per identificare derive sistematiche e malfunzionamenti fisici non corrispondenti a modelli predefiniti.

OS2 - Una piattaforma Prognostica per abilitare un controllo predittivo (Predictive Maintenance) a garanzia della resilienza del sistema tramite previsione dell’evoluzione del suo stato. Il controllo è inteso come azione volta a prevenire, eliminare o limitare un impatto, data una situazione identificata come anomala (OS1). Si utilizzano modelli di AI e di supporto alla decisione basati su regole per il controllo del rischio.

OS3 - Applicazione della piattaforma a diversi ambiti di intervento. La piattaforma verrà architettata modularmente identificando componenti logici nel processo di anomaly detection, risk evaluation, predictive maintenance e decision support. I corrispondenti componenti tecnici saranno predisposti per apprendere ed eseguire algoritmi differenti e specifici per ogni dominio. In questo modo la piattaforma potrà essere applicabile a contesti anche molto difformi tra loro.

OS4 - Sperimentazione e Validazione dei benefici su Casi d’Uso relativi a Manutenzione di Impianti Fotovoltaici. La piattaforma viene specializzata e validata implementando use case specifici e sperimentandoli sul campo. Il dettaglio dei casi d’uso verrà definito nel corso del progetto ma già ora possiamo anticipare i probabili ambiti di applicazione:

Performance Assessment: analisi basate sul calcolo del rendimento dell’impianto, confrontando simulazioni, modelli previsionali e produzioni effettive.

Predictive Maintenance: le stringhe di pannelli fotovoltaici sono collegati a uno o più inverter. I pannelli sono di norma garantiti a 20-25 anni mentre gli inverter sono garantiti a 5-10 anni. L'inverter è quindi uno dei componenti importanti e critici del sistema. Può essere soggetto a diverse problematiche (ad esempio il surriscaldamento). Sulla base dei risultati delle analisi di performance dell’impianto si procede a effettuare analisi di efficienza dell’inverter in combinazione con delle tecniche di “Short-Term Fault Prediction” al fine di valutare il rischio di guasto nel futuro prossimo.

Infrastructure Analysis: si configurano algoritmi di analisi che sfruttando riprese termografiche con droni permetteranno l’identificazione di alterazioni strutturali e difetti nell’impianto permettendo interventi preventivi evitando che danni all’infrastruttura e malfunzionamenti creino dei disservizi nella generazione dell’energia. Il progetto si caratterizza per l’utilizzo dei software e delle infrastrutture di ricerca in ambito energetico presso il Campus di Savona. Si può infatti contare su un sistema di gestione dell’energia che permette di avere a disposizione dati in tempo reale oltre che di pannelli fotovoltaici connessi a una microrete poligenerativa.