Efficienza e trasparenza: la sfida dell'IA nelle microreti energetiche

Uno studio bibliometrico condotto tra il 2011 e il 2025 ha evidenziato una disconnessione nello sviluppo dell'intelligenza artificiale per la gestione delle microreti energetiche. La ricerca, pubblicata da un team che include Serge Raoul Dzonde Naoussi e Bernard Kamsu Foguem, rivela che l'attenzione è rivolta più all'interpretabilità dei modelli (Explainable AI) che alla loro efficienza computazionale (Frugal AI). Questo approccio crea colli di bottiglia critici per l'implementazione pratica.

Le microreti, reti elettriche locali che gestiscono fonti rinnovabili e accumulo, dipendono da sistemi di gestione energetica che adottano sempre più l'IA per affrontare complessità operative. Tuttavia, i modelli neurali profondi, pur essendo precisi, sono intensivi in termini di dati, calcolo e consumo energetico. Questo paradosso rende difficile la loro integrazione in ambienti con risorse limitate, come quelli delle microreti remote.

Gli autori dello studio suggeriscono l'integrazione simultanea di Frugal AI ed Explainable AI come prerequisiti indispensabili. La Frugal AI mira a minimizzare il consumo di risorse computazionali, mentre l'Explainable AI fornisce la trasparenza necessaria per decisioni critiche, garantendo verificabilità e la possibilità di intervento umano.