Il progetto MARTA ha raggiunto una precisione previsionale mai vista prima nel settore solare italiano

Prevedere la produzione di un impianto solare con un errore inferiore all’1%: non è una proiezione ottimistica, ma il dato reale raggiunto dalla dashboard del progetto MARTA, i cui risultati operativi sono stati resi noti nei giorni scorsi da ENEA. Un margine di scarto così ridotto non ha precedenti nel settore e non è un dettaglio tecnico: è la differenza tra vendere energia realmente prodotta o rincorrere stime sbagliate pagando penali sul mercato elettrico. Le applicazioni sviluppate non sono rimaste confinate a un report di ricerca — sono già state integrate nelle attività di operation e manutenzione di TeaTek, l’azienda leader industriale del progetto. Dall’addestramento dei modelli di intelligenza artificiale fino alla dashboard operativa, il cerchio si è chiuso. Resta da capire se la precisione ottenuta in questo caso sia un’eccezione irripetibile o il nuovo standard per chi gestisce parchi fotovoltaici su scala nazionale.

L’1% che riscrive le regole

Il risultato chiave è tanto semplice da enunciare quanto difficile da ottenere: la piattaforma MARTA fornisce previsioni a breve termine sulla produzione dell’impianto solare con uno scarto di errore inferiore all’1%. Per dare un ordine di grandezza, gli strumenti di previsione convenzionali, basati solo su dati meteorologici e modelli statistici, viaggiano tipicamente su margini del 5-10%. Ridurre l’incertezza di un fattore cinque significa poter partecipare ai mercati intraday con un livello di rischio drasticamente inferiore e programmare la manutenzione senza lasciare megawattora sul tavolo. Secondo Gabriele Piantadosi — che ha seguito il progetto per ENEA — per l’addestramento delle IA è stato utilizzato un dataset piuttosto rilevante, che include una rete di impianti solari realmente in funzione nella penisola. Non si tratta quindi di simulazioni di laboratorio, ma di modelli allenati sul comportamento reale di pannelli esposti alle condizioni meteorologiche italiane, con la loro variabilità stagionale e geografica.

Il salto dall’algoritmo alla field application è misurato da un dato concreto: le applicazioni sviluppate sono già operative nelle routine O&M di TeaTek. Ciò significa che la manutenzione predittiva, la diagnosi automatica dei guasti e l’ottimizzazione della produzione non sono più promesse di medio periodo. Sono funzionalità attive su impianti che producono energia in questo momento, con bollette e contratti reali. La domanda successiva è quasi automatica: come si è arrivati a un simile livello di integrazione, e chi l’ha pagato?

Dai fondi alla field application

La risposta sta in un percorso iniziato nel novembre 2022, quando il Ministero delle Imprese e del Made in Italy ha investito 4,6 milioni di euro nel progetto MARTA. Allora l’iniziativa veniva descritta come la realizzazione di una piattaforma informatica di monitoraggio e gestione di impianti fotovoltaici flessibile e scalabile, sviluppata da ENEA in partnership con TeaTek e con il contributo scientifico dell’Università di Napoli Federico II. Quattro anni dopo, quella piattaforma esiste, funziona e mostra metriche che vanno oltre le attese iniziali. La differenza rispetto a molti progetti finanziati con fondi pubblici è il passaggio diretto dalla ricerca alle operations: non un prototipo consegnato a fine lavori, ma uno strumento già adottato dal partner industriale. È un percorso non scontato, che accorcia la distanza tra l’investimento pubblico e il ritorno in termini di competitività delle imprese.

Il finanziamento ministeriale copriva l’intero ciclo di sviluppo, dalla raccolta dati su impianti reali all’implementazione degli algoritmi, fino alla dashboard finale. Il fatto che TeaTek abbia già integrato i risultati nelle proprie attività suggerisce che il valore percepito dall’industria sia superiore al costo del progetto. Con questi strumenti già operativi, la domanda si sposta sulle conseguenze per chi gestisce grandi portafogli di impianti: quanto può migliorare la redditività di un parco fotovoltaico quando l’intelligenza artificiale ne governa produzione e manutenzione?

Il solare che rende fino al 25% in più

I numeri non lasciano spazio a dubbi. Secondo un’analisi di Heaven Green Energy, i sistemi di gestione dell’energia solare basati sull’intelligenza artificiale possono aumentare la resa energetica fino al 25%, con una contemporanea riduzione dei costi operativi che arriva al 30%. Applicati al contesto italiano, dove un impianto fotovoltaico utility-scale produce in media tra 1.200 e 1.500 ore equivalenti all’anno a seconda della latitudine, un incremento del 25% nella resa non significa moltiplicare l’irraggiamento, ma recuperare produzione che oggi viene persa per inefficienze gestionali, guasti non rilevati in tempo reale o pulizia non ottimale dei moduli. Parallelamente, tagliare del 30% i costi O&M vuol dire abbattere una voce che, nei bilanci dei fondi di investimento che gestiscono parchi solari, incide in modo significativo sul margine operativo netto. Non si tratta di dati generati dal progetto MARTA, ma sono le proiezioni di mercato che fanno da cornice a risultati come quello ottenuto dalla piattaforma ENEA-TeaTek.

Vale la pena contestualizzare. L’aumento della resa energetica fino al 25% non è uno scenario garantito per ogni impianto: dipende dallo stato di partenza dell’asset, dalla qualità della manutenzione pregressa e dalle condizioni climatiche locali. Allo stesso modo, la riduzione del 30% dei costi operativi è un valore medio che si riferisce a portafogli di impianti gestiti con metodologie tradizionali. Il dato rilevante non è la singola percentuale, ma la direzione di marcia. Se anche solo metà di quei miglioramenti fosse replicabile su larga scala, la competitività del fotovoltaico rispetto ad altre fonti — in un mercato dove il prezzo dell’energia è sempre più determinato dalla capacità di fornire produzione stabile e prevedibile — cambierebbe in modo strutturale.

C’è un ulteriore passaggio da considerare. La prevedibilità della produzione è oggi uno degli asset più sottovalutati nel mix energetico italiano. Un impianto che sa dire con uno scarto inferiore all’1% quanto produrrà nelle prossime ore non è solo più efficiente: è più bancabile. I finanziatori e gli assicuratori prezzano l’incertezza. Ridurla drasticamente abbassa il costo del capitale, e in un settore dove i margini sono sempre più compressi dalla competizione sulle aste per le rinnovabili, il costo del capitale può fare la differenza tra un progetto che parte e uno che resta sulla carta. MARTA ha dimostrato che quella precisione è raggiungibile su impianti reali italiani. La sfida adesso è portarla fuori dal perimetro dei partner di progetto e dentro i portafogli di chi gestisce centinaia di megawatt.

Il fotovoltaico non è più solo una scommessa sulla tecnologia dei pannelli. È sempre più una partita software. Il prossimo numero da tenere d’occhio è la velocità di adozione di questi sistemi su larga scala. Perché un conto è un progetto pilota da 4,6 milioni. Un altro è convincere gli operatori che investire in intelligenza artificiale per la gestione degli impianti non è un costo aggiuntivo, ma la leva più rapida per proteggere i rendimenti in un mercato che non perdona gli errori di previsione.