ENERGIA IDROELETTRICA SOSTENIBILE: OTTIMIZZAZIONE DI UN SISTEMA DI POMPE E VALVOLE TRAMITE IL Q-LEARNING

L’utilizzo di strategie avanzate e all’avanguardia per il controllo e la gestione energetica sta diventando un tema sempre più cruciale nell’ottica di riduzione dell’impatto ambientale e di miglioramento dell’efficienza operativa degli impianti industriali e non solo. In tale contesto, il presente progetto propone l’applicazione dell’algoritmo Q-learning come soluzione innovativa per ottimizzare l’operatività di un impianto di sollevamento, con l’obiettivo primario di risparmiare energia. L’impianto di sollevamento in questione è utilizzato per il trasporto di acqua; si tratta di uno degli impianti di sollevamento più grandi d’Europa, distribuendo un enorme quantitativo d’acqua a buona parte della Puglia. La sua operazione richiede l’uso intensivo di energia elettrica, e migliorare l’efficienza energetica può contribuire significativamente a ridurre i costi operativi e l’impatto ambientale. Nel quadro di questo progetto, è stato sviluppato un modello di simulazione dell’impianto, che emuli l’insieme di pompe che formano il sistema, con i diversi parametri fondamentali per il corretto funzionamento, come potenze nominali, valori di valvole, rendimenti ecc. L’algoritmo Q-Learning è stato utilizzato per lo sviluppo di un sistema di controllo intelligente che apprenda in modo autonomo le strategie e le azioni ottimali per minimizzare il consumo energetico in base alle condizioni operative dettate da quali pompe siano accese e quali spente. I risultati preliminari hanno dimostrato che l’approccio basato su QLearning ha portato a significativi miglioramenti nell’efficienza energetica dell’impianto di sollevamento. Questo ha consentito di ridurre i costi energetici e l’impatto ambientale associati alle operazioni dell’impianto. Inoltre, il sistema di controllo basato su Q-Learning è in grado di adattarsi dinamicamente a variazioni nelle condizioni operative, garantendo una gestione ottimale del sistema in più contesti e con diversi valori di pompe. In conclusione, questo progetto rappresenta un notevole passo avanti nell’applicazione dell’intelligenza artificiale e di algoritmi di Reinforcement Learning nell’ambito dell’ottimizzazione e del risparmio energetico. L’implementazione di questa soluzione può contribuire in modo significativo all’obiettivo di ridurre l’impatto ambientale delle operazioni industriali, migliorando al contempo l’efficienza operativa e la sostenibilità economica.