L’articolo “Continuous estimation of power system inertia using convolutional neural networks”, scritto da un gruppo di ricercatori in Ingegneria Elettrica del Dipartimento di Elettronica, Informazione e Bioingegneria del Politecnico di Milano in collaborazione con Terna Rete Italia, è stato pubblicato su Nature Communications e segnalato tra gli Editors’ Highlights della rivista nell’ambito “AI and machine learning”.
Lo studio, condotto da Daniele Linaro, Federico Bizzarri, Davide del Giudice, Samuele Grillo e Angelo Brambilla, parte dall’assunto che in genere la stima dell’inerzia rappresenti un metodo efficace per valutare la capacità di un sistema elettrico di contrastare i disturbi di frequenza, dal momento che nelle reti elettriche convenzionali è approssimativamente costante nel tempo e contribuisce alla stabilità della rete.
Tuttavia, l’aumento della quota di fonti di energia rinnovabili fa sì che l’inerzia associata ai generatori sincroni diminuisca, il che può rappresentare una minaccia per la stabilità complessiva. Stimare in modo affidabile l’inerzia dei sistemi di potenza dominati da fonti collegate tramite inverter diventa di fondamentale importanza.
L’articolo propone quindi un framework per la stima continua dell’inerzia in un sistema elettrico sfruttando le più moderne tecniche di intelligenza artificiale e svolge un’indagine approfondita, basata sull’analisi degli spettri di potenza e sulle correlazioni input-output, per spiegare come una rete neurale sia in grado di operare in questo ambito specifico, facendo luce sugli input necessari per addestrarla in modo appropriato. L’approccio proposto è quindi validato su una rete elettrica eterogenea che comprende generatori sincroni, compensatori statici e generazione interfacciata tramite convertitori. I risultati evidenziano come i diversi dispositivi siano caratterizzati da caratteristiche spettrali distinte, una proprietà che deve essere presa in considerazione dagli operatori dei sistemi di trasmissione quando eseguono analisi di stabilità della rete online.
