Al Net Zero Milan Expo Summit i microfoni di Radio Next ospitano Riccardo Malabarba Head of Data di Siram Veolia.

Fin dal 2017 l’utility ha avviato un percorso di trasformazione digitale che integra algoritmi di machine learning nei sistemi di controllo degli impianti energetici a servizio di ospedali e grandi complessi, con l’obiettivo di ottimizzare in tempo reale set-point e flussi multi-energia.

Il cuore della soluzione è un middleware che armonizza i dati provenienti da asset eterogenei e spesso vetusti, li arricchisce con previsioni meteo e li consegna a modelli predittivi capaci di anticipare la domanda dell’edificio. La robustezza degli algoritmi viene salvaguardata da un monitoraggio continuo: alert automatici segnalano deviazioni critiche e innescano la ri-taratura, rendendo superflue le chiamate “non funziona!” tipiche delle fasi di collaudo.

Il beneficio? In media un risparmio energetico del 12 % sugli impianti già abilitati, con punte più alte quando il perimetro di controllo include generatori, reti di teleriscaldamento e apparecchiature frigorifere.

Resta però il nodo della data quality in contesti dove la sensoristica è frammentata da decenni di retrofit: “ospedali con più di cinquant’anni e sistemi dipartimentali che non si parlano” richiedono verifiche di campo e formazione degli operatori, altrimenti il classico garbage in garbage out mina l’efficacia di qualsiasi modello.

Quanto può pesare la qualità del dato quando l’efficienza si gioca su qualche punto percentuale? E, guardando agli edge-data-center citati nell’intervista, non è forse arrivato il momento di estendere la stessa logica di controllo predittivo all’intera filiera energetica, dal prosumer alla generazione rinnovabile?