Smart grids e IA: la svolta digitale dei cavi Prysmian

Negli ultimi cinque anni gli investimenti di Prysmian in ricerca e sviluppo in Italia hanno superato i 260 milioni di euro. Non sono soldi spesi per “fare cavi migliori”, ma per trasformare letteralmente il cavo in un sensore distribuito, un oggetto digitale che parla con la rete e con chi la gestisce.

Questo cambio di prospettiva è esattamente il cuore della transizione energetica italiana: senza reti intelligenti, sensorizzate e guidate dall’intelligenza artificiale, la crescita di rinnovabili, comunità energetiche e smart building resta sulla carta. I cavi diventano quindi l’infrastruttura nascosta che permette all’IA di lavorare bene.

In questo articolo, partendo dall’intervista a Enrico Borsari (Prysmian Group) al Rinnovabili District, vediamo come Prysmian sta passando da produttore di cavi a facilitatore della transizione energetica, con soluzioni come EOSS e Alesea, e cosa significa concretamente per utility, ESCo, gestori di edifici complessi e industria italiana.

---

Da “chi fa cavi” a facilitatore della transizione

Prysmian è un buon esempio di come si sta evolvendo il settore energetico: l’elemento fisico – il cavo – resta centrale, ma sopra si innesta un layer di sensoristica, dati e algoritmi di IA che ne moltiplicano il valore.

Il punto chiave è questo: la rete elettrica non può più limitarsi a trasportare energia, deve anche produrre informazione.

Un percorso iniziato molto prima del boom dell’IA

Secondo Borsari, la trasformazione parte già dal 2008, quando Prysmian inizia a investire in tecnologie vendibili come servizio e non solo come prodotto fisico.

Da lì nascono:

• EOSS: business unit dedicata a monitoraggio, manutenzione preventiva e predittiva delle infrastrutture energetiche e degli smart building.
• Soluzioni per smart grids: monitoraggio di linee ad alta e altissima tensione, ma sempre più anche di media e bassa tensione.
• Applicazioni multi-settore: dal controllo di pipeline nell’oil & gas al monitoraggio strutturale di ponti, viadotti e grandi infrastrutture.

In parallelo, l’azienda crea strumenti come Corporate Hangar con l’Università di Milano, per incubare innovazione e startup legate al mondo dei dati.

Questa traiettoria è perfettamente allineata con il filone “IA nel Settore Energetico Italiano: Transizione Verde”: non si tratta di aggiungere un po’ di AI sopra processi vecchi, ma di ripensare il ruolo stesso delle infrastrutture energetiche.

---

EOSS: dal cavo passivo al sensore intelligente

EOSS è, di fatto, il ponte tra infrastruttura fisica e intelligenza artificiale applicata all’energia. Il suo obiettivo è semplice da dire e complesso da realizzare: sapere in tempo reale come stanno gli asset e prevedere quando e dove interverranno i guasti.

Come funziona il monitoraggio predittivo

Nei progetti EOSS, il cavo diventa un “nastro sensibile” lungo decine di chilometri. Attraverso tecniche come l’analisi delle scariche parziali, delle correnti di schermo e della temperatura distribuita, il sistema raccoglie enormi quantità di dati.

Su questi dati si innestano algoritmi che:

• individuano pattern anomali nel comportamento elettrico;
• correlano disturbi a condizioni ambientali o operative;
• stimano la vita residua del cavo o della giunzione;
• generano allarmi precoci e suggerimenti di intervento.

La vera svolta, oggi, è che questa logica si sta spostando:

• dalle alte tensioni alle reti di distribuzione, fino alla bassa tensione;
• dalle grandi utility ai singoli edifici mission critical, come data center, ospedali, aeroporti, gelaterie e GDO.

In pratica, la stessa filosofia di controllo continuo usata per una dorsale HV può arrivare al quadro elettrico di un supermercato o di una smart factory.

Perché questo è cruciale per la transizione verde

Reti più cariche di fotovoltaico, eolico e comunità energetiche significano:

• maggiore variabilità dei flussi;
• picchi di potenza non sempre prevedibili;
• maggior rischio di sovraccarichi, surriscaldamenti e fault.

Senza un sistema avanzato di monitoraggio e analisi – e senza IA in grado di “interpretare” quello che misura – la gestione diventa reattiva, lenta e costosa. EOSS porta esattamente l’opposto: gestione proattiva, basata su dati, con forte contributo di intelligenza artificiale.

---

Smart building: sicurezza ed efficienza guidate dai dati

Sugli smart building EOSS gioca su due fronti: ciò che accade fuori e ciò che succede dentro l’edificio.

Esterno: continuità del servizio e fine vita degli asset

All’esterno del building, l’attenzione è tutta sulla qualità della connessione alla rete.

Qui i vantaggi per il gestore sono chiari:

• conoscere lo stato reale dei cavi prossimi alla fine vita, invece di basarsi solo su età o stime conservative;
• posticipare investimenti pesanti quando non servono ancora, riducendo CAPEX;
• evitare i rischi tecnici e organizzativi legati a sostituzioni non strettamente necessarie;
• ridurre penali e disservizi grazie a una maggiore continuità operativa.

L’IA entra in gioco quando, partendo dalle letture strumentali, impara a riconoscere condizioni simili a quelle che in passato hanno portato a guasti, raffinando nel tempo le soglie di allarme.

Interno: dalla sicurezza elettrica all’ottimizzazione dei consumi

All’interno del building, l’approccio Prysmian è molto netto: “monitorare tutto ciò che può essere monitorato”.

Gli obiettivi sono due:

1. Sicurezza: individuare qualunque comportamento elettrico anomalo, dalla messa a terra manomessa ai sovraccarichi locali.
2. Efficienza energetica: capire chi consuma cosa, quando e quanto.

Un caso raccontato da Borsari è particolarmente interessante: in uno smart building si verificavano furti ricorrenti della messa a terra. I sistemi di monitoraggio hanno permesso di rilevare immediatamente le interruzioni, riducendo il rischio per chi viveva negli ambienti.

Sul fronte dei consumi, invece, l’analisi dei dati permette di:

• scovare macchinari energivori o fuori specifica;
• verificare la coerenza delle bollette rispetto ai dati reali;
• misurare in modo oggettivo l’effetto di interventi di efficienza (nuove pompe di calore, illuminazione LED, BMS evoluti ecc.).

Qui l’intelligenza artificiale può spingersi oltre:

• creare profili di carico ottimali per fasce orarie e stagioni;
• suggerire strategie di demand response per interagire con la rete;
• prevenire guasti di apparecchi critici (climatizzazione, refrigerazione, IT) tramite manutenzione predittiva.

Per chi gestisce portafogli immobiliari, catene retail o strutture sanitarie, significa passare da una gestione “a sentimento” a un controllo scientifico di sicurezza, costi e affidabilità.

---

Dal servizio on demand al monitoraggio permanente

Molte aziende italiane si avvicinano a queste tecnologie con un approccio prudente: prima servizi spot, poi – se vedono risultati – monitoraggio permanente.

Fase 1: misure puntuali e diagnosi

Nella fase iniziale, Prysmian viene chiamata per:

• misure di scariche parziali su linee critiche;
• verifica di giunzioni e terminazioni;
• controlli specifici su impianti che hanno già manifestato segnali di sofferenza.

Il valore qui è soprattutto conoscitivo: capire dove si è più esposti, quali sono i punti deboli, quanto è realmente robusta la rete.

Fase 2: sensori sempre attivi e allarmi automatici

Quando il cliente percepisce l’impatto, il passo successivo è installare sistemi permanenti di monitoraggio.

In questo scenario:

• i sensori raccolgono dati in continuo;
• la piattaforma elabora, aggrega e “pulisce” i segnali;
• gli algoritmi (sempre più spesso basati su IA) generano allarmi mirati;
• l’utente riceve notifiche solo quando serve intervenire.

Borsari cita un esempio concreto: un cliente della GDO è stato avvisato la sera prima di un guasto ai frigoriferi della sua gelateria, evitando così di buttare via l’intera scorta di prodotti. Questo è il tipico caso in cui manutenzione predittiva, sensori e intelligenza artificiale si traducono in soldi risparmiati, non solo in KPI tecnici.

---

Il ruolo dell’IA nelle smart grids italiane dei prossimi anni

Guardando avanti, la tendenza è chiara: digitalizzazione completa degli asset e crescente autonomia dei sistemi rispetto al fattore umano.

Dalla lettura dei dati all’azione guidata

Oggi, spiega Borsari, in molti casi serve ancora il tecnico che interpreta un allarme complesso. Il passo successivo è portare l’IA a un livello in cui non solo dice “c’è un’anomalia”, ma specifica anche:

• di che tipo è (es. problema di isolamento, sovratemperatura localizzata, messa a terra mancante);
• qual è la causa più probabile (difetto di posa, componente vicino al fine vita, sovraccarico costante);
• quale intervento è raccomandato (ispezione, sostituzione, riduzione carico, riprogrammazione impianti).

Questa evoluzione cambia radicalmente la vita operativa di:

• DSO e utility che devono integrare quote sempre maggiori di rinnovabili;
• gestori di comunità energetiche e microgrid locali;
• energy manager di grandi siti industriali e terziario avanzato.

Perché le rinnovabili spingono verso l’IA

Con il gas o il carbone si modulava la produzione “a tavolino”. Oggi, con eolico e fotovoltaico, l’energia arriva quando c’è sole o vento, non quando la domanda lo chiede. Ciò significa che la rete deve essere:

• molto più flessibile;
• più tollerante ai picchi;
• molto più controllata in tempo reale.

Servono sistemi che dicano, in ogni istante:

quanto la rete può essere spinta senza generare guasti o disservizi.

Qui l’IA gioca un ruolo doppio:

1. Predittivo: anticipa i problemi prima che diventino guasti, grazie ai dati storici e ai modelli di comportamento degli asset.
2. Decisionale: suggerisce azioni ottimali (rimodulare carichi, attivare accumuli, limitare la potenza, programmare interventi).

Chi si muove adesso su questa strada non fa solo efficienza: si mette al riparo da blackout, penali, fermo impianti e perdita di margine in un sistema energetico sempre più stressato.

---

Come muoversi adesso: spunti pratici per aziende e operatori

Per un’azienda italiana – sia essa utility, ESCo, sviluppatore CER o grande energy user – il messaggio di fondo è chiaro: la transizione verde si gioca anche nei cavi, non solo nei tetti pieni di fotovoltaico.

Alcuni passi concreti:

1. Mappare gli asset critici: linee, quadri, apparecchiature la cui interruzione genera danni seri (economici o di sicurezza).
2. Introdurre monitoraggio on demand su questi asset per capire la situazione di partenza.
3. Passare al monitoraggio permanente dove i benefici economici e operativi sono evidenti.
4. Integrare i dati elettrici nei sistemi di energy management e nei BMS, così che l’IA possa lavorare su un quadro completo.
5. Costruire competenze interne in analisi dati e manutenzione predittiva, anche affiancandosi ai provider nelle prime fasi.

La realtà è più semplice di quanto sembri: non serve rifare tutto da zero, ma iniziare da dove il rischio è maggiore e il ritorno più rapido.

---

Perché i “cavi intelligenti” saranno una colonna della transizione italiana

Il percorso di Prysmian dimostra che l’innovazione più efficace spesso avviene sulle infrastrutture esistenti, non solo attraverso nuove tecnologie visibili.

Per il filone “IA nel Settore Energetico Italiano: Transizione Verde”, i messaggi chiave sono tre:

• la rete deve essere sensorizzata e digitale per reggere l’urto delle rinnovabili;
• l’intelligenza artificiale ha bisogno di dati di campo di qualità, e i cavi sono una delle fonti più robuste e pervasive;
• passare da manutenzione reattiva a manutenzione predittiva è uno dei modi più rapidi per ridurre costi, emissioni e rischi.

Chi gestisce infrastrutture energetiche o edifici complessi oggi ha una scelta chiara: continuare a “sperare che regga” o iniziare a trattare la rete come un organismo vivo, da ascoltare continuamente.

La prossima ondata di valore nella transizione verde italiana non arriverà solo dai nuovi impianti rinnovabili, ma dalla capacità di farli convivere in modo intelligente con reti e cavi che abbiamo già posato. E la combinazione tra soluzioni come EOSS e intelligenza artificiale è uno dei modi più concreti per riuscirci.