Solare in perovskite e IA: il salto industriale di Plenitude

Negli ultimi cinque anni l’efficienza delle celle solari in perovskite è cresciuta di oltre il 40%, mentre i costi di produzione potenziali continuano a scendere. Il vero punto critico ormai non è più la resa in laboratorio, ma la capacità di portare questa tecnologia su scala industriale in modo affidabile, bancabile e integrato nelle reti elettriche.

Ecco perché il passo di Plenitude – la controllata Eni – verso il test industriale del solare in perovskite in tandem con il silicio è molto più di una semplice notizia aziendale: è un segnale che il fotovoltaico di nuova generazione sta entrando nella fase in cui conta davvero, quella degli impianti reali. E, soprattutto, è un terreno dove intelligenza artificiale e dati possono fare la differenza tra un esperimento interessante e un modello di business scalabile.

In questo articolo vediamo:

• cosa significa, in concreto, testare moduli tandem Si–perovskite su scala industriale;
• come l’IA può ridurre rischi tecnici e finanziari in questa fase;
• quali opportunità apre per operatori, utility e imprese italiane in piena transizione energetica verde.

1. Perovskite tandem: perché questo test conta davvero

Il punto chiave è semplice: i moduli tandem silicio–perovskite promettono più energia per metro quadro, senza stravolgere completamente l’industria esistente del fotovoltaico.

La partnership tra Plenitude e la statunitense Swift Solar (fornitrice della tecnologia proprietaria) punta proprio qui:

• usare la perovskite come “secondo strato” sopra al silicio;
• collaudare la resa dei moduli in un impianto pilota negli Stati Uniti, quindi in condizioni operative reali;
• raccogliere dati su prestazioni, degrado, affidabilità e costi di esercizio.

Questa fase è cruciale perché:

• in laboratorio le celle tandem hanno già superato efficienze superiori al 30%;
• in campo reale entrano in gioco temperature, irraggiamento variabile, umidità, cicli termici, errori di installazione;
• gli investitori chiedono certezze: curve di degrado, scenari economici, analisi di rischio.

Senza un test industriale serio, la perovskite resta confinata alle presentazioni dei convegni. Con un impianto pilota monitorato in modo avanzato, invece, entra nella due diligence bancaria e nelle pianificazioni di utility e grandi clienti industriali.

2. Il ruolo dell’IA nel fotovoltaico in perovskite

Nel fotovoltaico tradizionale al silicio, i modelli di comportamento dei moduli sono ormai maturi. Con la perovskite, invece, mancano dati storici. Qui entra in gioco l’intelligenza artificiale.

L’IA può essere usata lungo l’intera catena del valore:

2.1 Progettazione e simulazione delle prestazioni

Nei progetti pilota, gli ingegneri devono rispondere a due domande: quanta energia produrrà l’impianto e come varierà nel tempo.

Modelli di machine learning addestrati su dati di laboratorio, misure iniziali in campo e dati meteo permettono di:

• stimare in modo dinamico il rendimento dei moduli tandem in diverse condizioni;
• confrontare scenari di configurazione (inclinazione, orientamento, layout) specifici per questa tecnologia;
• calcolare con maggiore precisione l’energia prodotta per metro quadro rispetto al silicio tradizionale.

Questo non è solo un esercizio tecnico: influisce direttamente su PPA, business plan e valutazione del rischio.

2.2 Monitoraggio avanzato e degrado dei moduli

La vera incognita delle perovskiti è il degrado nel tempo. Qui gli algoritmi di analisi predittiva possono distinguere tre livelli:

• Monitoraggio in tempo reale: analisi di corrente, tensione, temperatura, irraggiamento per ogni stringa o addirittura per singolo modulo.
• Riconoscimento anomalie (anomaly detection): l’IA individua pattern anomali rispetto al comportamento atteso dei moduli tandem; per esempio:
  • degrado localizzato su un’area del campo;
  • perdite legate a difetti di incapsulamento tipici della perovskite.
• Modelli di degrado: stima della perdita di efficienza anno per anno, in base ai cicli termici e alle sollecitazioni ambientali, molto più complessa che nel silicio convenzionale.

Nel contesto italiano, dove sempre più impianti entrano nel regime merchant (senza incentivi fissi), ridurre l’incertezza sul degrado significa rendere bancabili nuove tecnologie prima e meglio dei concorrenti.

2.3 Manutenzione predittiva e riduzione dei costi O&M

Gli impianti pilota non servono solo a dimostrare che la tecnologia funziona, ma anche a capire quanto costa gestirla.

Con un layer di IA integrato nel sistema di supervisione (SCADA):

• si prevedono guasti di componenti critici (connettori, junction box, inverter) prima che causino fermate;
• si ottimizzano gli interventi di manutenzione ordinaria, concentrandoli su zone con maggior rischio di degrado;
• si riducono le ispezioni in campo grazie a droni e visione artificiale per identificare hotspot, microcracking, umidità intrappolata nei moduli tandem.

Per un operatore come Plenitude, questa capacità di gestire il rischio tecnologico con l’IA è parte centrale della strategia: non basta avere un modulo efficiente, serve un modello di gestione che tenga i costi sotto controllo per 20–25 anni.

3. Perovskite, IA e transizione energetica italiana

Questo test industriale nasce negli Stati Uniti, ma l’impatto riguarda direttamente la transizione verde italiana.

L’Italia ha tre caratteristiche chiave:

• fortissima penetrazione del fotovoltaico distribuito;
• obiettivi ambiziosi al 2030 su rinnovabili e decarbonizzazione;
• una rete elettrica che deve integrare molte più rinnovabili intermittenti.

L’ingresso sul mercato di moduli ad altissima efficienza come i tandem Si–perovskite, se confermati dai test, cambia le regole del gioco su:

• progetti utility-scale, con più potenza installata sulla stessa superficie;
• tetti industriali e commerciali, dove lo spazio è il vero vincolo;
• integrazione architettonica (facciate, coperture complesse) dove ogni punto percentuale di efficienza conta.

Qui l’IA nel settore energetico italiano diventa un abilitatore imprescindibile:

3.1 Pianificazione di rete e integrazione rinnovabili

Con più perovskite in campo, la generazione distribuita diventa ancora più variabile e concentrata.

Strumenti di previsione della produzione basati su IA permettono a TSO e DSO di:

• anticipare i picchi di immissione nei nodi di rete più sensibili;
• modulare meglio i servizi di flessibilità e i sistemi di accumulo;
• evitare congestioni e costosi interventi di rinforzo fisico della rete.

In pratica, ogni nuovo MW di fotovoltaico avanzato che entra in servizio può essere gestito con maggiore precisione, riducendo il rischio di curtailment.

3.2 Modelli di business per imprese e PA

Per le imprese energivore, per le PMI con grandi tetti e per la Pubblica Amministrazione, la combinazione perovskite + IA apre scenari interessanti:

• Power Purchase Agreement (PPA) più solidi: previsioni di produzione più accurate aiutano a costruire contratti a lungo termine più affidabili e bancabili.
• Ottimizzazione dei siti: algoritmi di site selection valutano, a parità di superficie, quali tetti o terreni traggono il massimo vantaggio da moduli tandem.
• Energy management avanzato: sistemi basati su IA coordinano produzione fotovoltaica di nuova generazione, accumuli e consumi (ad es. processi industriali flessibili), riducendo il prelievo da rete nelle ore più costose.

Chi inizia oggi a sperimentare questi modelli con piccoli progetti pilota sarà in vantaggio competitivo quando i moduli in perovskite entreranno nella fase di grande disponibilità commerciale.

4. Rischi reali, non fuffa: come gestirli con i dati

Bisogna dirlo chiaramente: la perovskite non è una scommessa senza rischi.

Le criticità tecniche più citate negli ambienti R&D sono:

• stabilità nel tempo: durata reale in condizioni esterne, soprattutto in climi caldi e umidi;
• scalabilità industriale: passare dal laboratorio a linee produttive su larga scala con resa elevata e costante;
• sostenibilità dei materiali: sostituzione di componenti critici, riduzione o eliminazione di piombo, riciclabilità a fine vita.

La differenza tra chi subirà questi rischi e chi li governerà sta nel modo in cui vengono raccolti e usati i dati.

4.1 Gemelli digitali degli impianti pilota

Una pratica che sta iniziando a diffondersi è la creazione di digital twin degli impianti pilota:

• modello virtuale dell’impianto (configurazione, moduli, inverter, condizioni di sito);
• alimentato in continuo dai dati reali di campo;
• aggiornato da algoritmi di IA che allineano il modello al comportamento osservato.

Questo approccio consente di:

• testare “virtualmente” modifiche di configurazione o strategie operative;
• stimare l’impatto economico di diversi scenari di degrado;
• condividere evidenze tecniche solide con banche, fondi e assicuratori.

4.2 Governance dei dati per utility e grandi player

Per operatori come Plenitude, ma anche per utility locali e grandi ESCo italiane, ha senso dotarsi di una piattaforma dati energetica unica su cui:

• far confluire i dati di tutti gli impianti fotovoltaici, incluse le nuove tecnologie;
• applicare modelli di IA modulabili per tecnologia, sito, età dell’impianto;
• strutturare reportistica tecnico-economica comparabile.

Questo riduce il rischio di “progetti dimostrativi isolati” e permette davvero di integrare il solare in perovskite nella strategia complessiva di transizione energetica aziendale.

5. Come prepararsi: passi concreti per aziende e operatori

La realtà è più semplice di quanto sembri: non devi aspettare che la perovskite sia ovunque per iniziare a posizionarti.

Ecco alcune mosse pratiche per chi lavora nel settore energetico italiano:

1. Mappare i siti ad alto potenziale
   Identifica tetti, terreni e asset dove l’alta efficienza dei moduli tandem porterebbe un vantaggio chiaro (vincoli di spazio, ombreggiamenti, forte valore dell’energia autoprodotta).

2. Costruire una strategia dati e IA per il fotovoltaico
   Se gestisci già impianti FV, inizia a centralizzare i dati e ad adottare strumenti di analisi avanzata. I modelli usati oggi per il silicio saranno la base per integrare domani le nuove tecnologie.

3. Sperimentare progetti pilota controllati
   Valuta piccole installazioni sperimentali (anche in partnership con produttori o sviluppatori) dove testare:

   • moduli ad alta efficienza;
   • algoritmi di previsione e manutenzione predittiva;
   • logiche di ottimizzazione con storage.

4. Integrare la dimensione regolatoria e di risk management
   Coinvolgi fin da subito funzioni legali, finanza e assicurazioni: la bancabilità delle soluzioni dipenderà anche dalla qualità dei dati raccolti nei pilota.

5. Formare il team su IA nel settore energetico
   Tecnici, energy manager e figure commerciali devono capire non tanto la teoria dell’IA, ma come usarla per prendere decisioni su impianti, contratti e investimenti.

---

La mossa di Plenitude sui moduli tandem in perovskite è un buon segnale: i grandi player italiani non stanno solo guardando alla transizione verde, stanno iniziando a testare davvero le tecnologie di nuova generazione.

Chi opera nel settore energia in Italia ha una finestra di 3–5 anni per costruire competenze su solare avanzato e intelligenza artificiale prima che queste soluzioni diventino mainstream.

La domanda vera è: vuoi arrivare a quel momento come semplice acquirente di moduli “chiavi in mano” o come soggetto capace di valutarli, integrarli e ottimizzarli con i tuoi dati?

Se la risposta è la seconda, il momento di progettare il tuo primo pilota – tecnologico e digitale – è adesso.