Il valore dei Big Data per l’efficienza energetica in azienda

Che ruolo hanno i Big Data per l’efficienza energetica?
Partiamo da una premessa, forse scontata ma assolutamente fondamentale: la diffusione della moderna sensoristica (sensori IoT) rende possibile l’acquisizione di dati e parametri provenienti da apparecchiature di qualsiasi tipo, mentre il Web e le TLC sono già per loro natura ampliamente predisposti per il tracciamento.

I dati raccolti – in misura crescente e su immensi volumi, per questo si parla di Big Data – vengono analizzati e studiati allo scopo di permettere alle organizzazioni di prendere le migliori decisioni possibili in ambito di business.

L’importanza del dato emerge ancora più prepotentemente quando si parla dell’energia: non è infatti possibile affrontare qualsiasi tipo di discorso attorno a questo tema senza avere dei dati precisi a disposizione.

Il dato come fondamento dell’energia

Quanta elettricità consuma annualmente l’edificio in cui è ospitata la mia azienda? Quanta energia produce ogni istante il mio impianto fotovoltaico o di cogenerazione? Che differenza di prezzo al MWh c’è tra il prezzo di due fornitori?

Per rispondere a tutte queste domande servono dati puntuali e precisi. Persino la bolletta domestica che ci arriva per posta ogni bimestre non è altro che un foglio riassuntivo di dati e parametri energetici relativi alla nostra abitazione.

A maggiore ragione, se si vogliono abbattere i consumi energetici in una qualsiasi organizzazione, non è consigliabile affidarsi a intuizioni e sensazioni personali, che hanno ben poco a che spartire con l’energia: occorre piuttosto avere a disposizione dei dati il più possibile precisi sul proprio fabbisogno, in modo da comprendere quale sia il proprio punto di partenza e mettere così in atto gli interventi più opportuni.

È questa logica che, ad esempio, ha spinto l’Italia al varo della normativa sulla Diagnosi energetica obbligatoria per le aziende.

Il machine learning a servizio dell’efficienza energetica

Ovviamente, non tutti gli interventi di efficientamento si concludono con l’installazione di soluzioni software di Big Data & Analytics per il monitoraggio energetico. Occorre infatti considerare che il taglio dei consumi può essere ottenuto anche in modi più tradizionali: ad esempio attraverso l’acquisto di apparecchiature di nuova generazione, più efficienti dal punto di vista energetico, oppure attraverso una manutenzione costante degli impianti.

In entrambi i casi, più che di programmi di Big Data, dopo gli interventi c’è necessità di utilizzare software di monitoraggio dei consumi, che permettano di controllare costantemente i miglioramenti di efficienza rispetto alla soluzione iniziale.

Un’area dove invece la Data Science può fare davvero la differenza è l’ottimizzazione delle prestazioni dei processi e degli asset, che tra l’altro è anche quella ancora più inesplorata dalle imprese industriali. Infatti, per mettere in atto un efficientamento in questi ambiti non basta avere a disposizione il dato di consumo iniziale e la percentuale risparmio potenzialmente ottenibile, ma occorre arrivare a una comprensione estremamente approfondita delle dinamiche di funzionamento del processo operativo e di tutti gli asset.

In questo senso i Big Data & analytics possono fare la differenza: attraverso tecniche di machine learning e l’uso di algoritmi predittivi possono essere analizzati una grande quantità di dati e variabili, così da individuare le scelte migliori per ottimizzare i processi, produttivi e non solo.

I Big Data per una gestione dinamica dell’energia

Inoltre, software di questo tipo sono in grado di adattarsi ai repentini cambiamenti che possono colpire le organizzazioni, indicando quindi le correzioni migliori per ottimizzare i consumi.

Anzi, è forse proprio questa capacità di gestire in maniera dinamica il fabbisogno aziendale che rappresenta il vero valore aggiunto dei Big Data nel mondo dell’energia: la  possibilità di interfacciarsi con tutti i variegati sistemi di impianti ormai presenti in ambito aziendale e di ottimizzarne in maniera efficiente i carichi energetici, spesso e volentieri in maniera totalmente automatizzata, rappresenta un valore aggiunto evidente.

Infatti neanche il più preparato degli energy manager potrebbe analizzare e ricalibrare in tempi rapidi tutti gli impianti di uno stabilimento, ad esempio in seguito a un repentino mutamento delle condizioni climatiche ambientali. Un’azione di questo tipo presuppone l’analisi in tempo quasi reale una mole immensa di dati, operazione impossibile anche per un occhio umano molto allenato.

Questo spiega perché i software di Big Data & analytics per l’ottimizzazione dei consumi energetici si stiano sempre più diffondendo tra le imprese. C’è però un peculiare ambito di organizzazioni che già oggi  non possono fare a meno di questi strumenti: parliamo delle utility e delle società energetiche in genere.

La Data science e la costruzione di modelli predittivi gioca infatti ormai un ruolo imprescindibile per la pianificazione energetica, in particolare per quanto riguarda la gestione della domanda di energia per i clienti finali e l’ottimizzazione dei costi di acquisto delle materie prime.