Italia limitează modulele chinezești. Ce poate face AI-ul

Italia limitează modulele chinezești. Ce poate face AI-ul pentru solar

În a doua licitație FER X, Italia a atribuit 1,1 GW de fotovoltaic cu o regulă clară: proiectele peste 1 MW nu pot folosi module, celule sau invertoare chinezești. Prețul mediu rezultat? 0,06637 €/kWh, cu aproape 28% sub plafonul stabilit de autoritatea de energie.

Nu e doar o știre de piață. E un semnal foarte clar pentru toată Europa Centrală și de Est, inclusiv România: politica industrială și securitatea lanțului de aprovizionare vor cântări tot mai mult în energia regenerabilă. Iar fără instrumente digitale serioase – în special AI – dezvoltatorii, traderii și operatorii de rețea pierd bani și timp.

Postul ăsta face parte din seria „AI în Industria Energetică din România: Tranziția Verde” și folosește exemplul Italiei ca studiu de caz pentru o întrebare practică:

Cum ne poate ajuta inteligența artificială să dezvoltăm proiecte solare profitabile, conforme cu noile reguli și stabile din punct de vedere al lanțului de aprovizionare în România?

Ce ne arată licitația Italiei: cifrele care contează

Licitația a doua din schema italiană FER X e interesantă din trei motive care țin direct de strategie și de tehnologie:

1. 1,1 GW atribuiți dintr-un total de 3,16 GW ofertați (273 de proiecte). Doar 88 de proiecte au câștigat.
2. Preț mediu de 0,06637 €/kWh, cu 27,7% sub prețul plafon de 0,073 €/kWh.
3. Pentru proiectele de peste 1 MW au fost interzise modulele, celulele și invertoarele din China, în linie cu criteriile de reziliență din Net Zero Industry Act.

Două proiecte ies în evidență:

• un parc de 180 MW în Sicilia, dezvoltat de un fond din Londra, cu o reducere voluntară a tarifului de 27,018% pentru 144 MW;
• un parc de 107,9 MW, tot în Sicilia, dezvoltat de o firmă spaniolă, cu reducere de 31,581% pentru 62 MW.

Prima licitație FER X, fără criterii de excludere a componentelor chinezești, a rezultat în 7,7 GW atribuiți la un preț mediu și mai mic, de 0,05682 €/kWh.

Diferența de preț e foarte clară: când limitezi accesul la cel mai ieftin lanț de aprovizionare, costurile cresc. Aici intră în scenă AI-ul.

De ce contează acest model pentru România

România nu a introdus (încă) interdicții explicite pentru module chinezești în licitațiile de energie regenerabilă. Dar suntem într-o Uniune Europeană care:

• împinge producția de tehnologie verde în interiorul UE;
• introduce criterii de reziliență, trasabilitate și securitate a lanțului de aprovizionare;
• discută deja despre bonusuri pentru proiectele care folosesc componente produse în UE.

Asta înseamnă că dezvoltatorii de proiecte fotovoltaice mari din România – de la investitori internaționali până la jucători locali – vor trebui să gestioneze trei presiuni simultan:

• presiunea prețului (LCOE competitiv);
• presiunea timpului (ferestre scurte pentru licitații, autorizări lente);
• presiunea conformității (originea componentelor, ESG, raportare detaliată).

Fără AI, toate astea se traduc în:

• milioane de euro blocate în stadiul de dezvoltare;
• calcule de business case făcute grosier, cu Exceluri greșite;
• risc real de neeligibilitate la licitații sau de penalități ulterioare.

Cu AI bine folosit, aceleași constrângeri pot deveni avantaj competitiv.

Cum poate AI-ul să optimizeze planificarea proiectelor solare

AI-ul poate reduce cu luni întregi timpul de la idee la „ready-to-build” pentru un proiect fotovoltaic. Într-un context în care licitațiile vin cu ferestre de depunere tot mai scurte, asta face diferența între proiect câștigător și proiect pierdut.

1. Alegerea amplasamentului și dimensionarea optimă

Modelele AI pot combina date geospațiale, meteo, de rețea și de utilizare a terenului pentru a propune automat scenarii de proiect:

• resurse solare (radiație, nebulozitate, temperatură) pe 15–20 de ani;
• proximitatea și capacitatea tehnică a stațiilor de transformare;
• restricții de mediu, arii protejate, zone agricole cu risc de opoziție locală;
• costuri de racordare și posibile limitări de rețea (curtailment estimat).

În loc de săptămâni de GIS manual, un algoritm bine antrenat poate da în câteva ore:

• 3–5 amplasamente candidate;
• producție estimată anuală (MWh), LCOE și IRR pentru fiecare;
• scenarii de sensibilitate la variații de CAPEX, OPEX și preț de energie.

Pentru investitorii activi pe piața din România, asta înseamnă un pipeline de proiecte mai mare și decizii rapide: unde licitezi, câte MW propui și cu ce structură tehnologică.

2. Simularea impactului regulilor de origine a componentelor

Exemplul italian arată clar: când limitezi sursa de module și invertoare, structura de cost se schimbă.

Un motor AI poate face rapid:

• comparații de cost între lanțuri de aprovizionare (UE vs Asia);
• recalcularea LCOE și a prețului minim licitabil pentru fiecare scenariu;
• identificarea „mixului optim” de componente eligibile conform regulilor viitoare (de ex. x% producție UE, y% alte regiuni);
• generarea de rapoarte de conformitate gata de atașat la documentația de licitație.

Asta e extrem de util dacă, de exemplu, România ar introduce:

• bonus de tarif pentru proiecte cu peste 60% componente UE;
• sau scoruri de calificare în funcție de amprenta de carbon și origine.

În loc să te trezești în fața termenului-limită cu întrebări de tip „ne mai încadrăm sau nu?”, ai scenariile pregătite din timp.

AI pentru controlul lanțului de aprovizionare și trasabilitate

Italia a folosit licitația ca instrument de politică industrială. Pentru dezvoltatori, asta înseamnă o matrice mult mai complexă de furnizori. AI-ul poate fi un „creier digital” pentru supply chain.

3. Management inteligent al furnizorilor

Un sistem AI poate evalua furnizorii de module, invertoare și structuri pe baza unor criterii multiple:

• origine geografică și eligibilitate în diferite scheme de sprijin;
• fiabilitate istorică (fail rate, recall-uri, reclamații);
• performanță în teren (degradare reală vs promisă);
• stabilitatea financiară a producătorului.

Pe scurt, nu mai alegi furnizorul doar pe „preț/W”. Alegi pe risc total al proiectului.

Pentru un portofoliu mare de proiecte în România (de ex. 300–500 MW), optimizarea asta poate salva milioane de euro în costuri neașteptate și downtime.

4. Trasabilitate automată pentru conformitate

Când apar reguli de tip „non-chinezesc” sau cerințe de trasare a amprentei de carbon, documentația devine un coșmar de fișiere PDF, certificate și declarații.

Aici AI poate:

• extrage automat datele relevante din certificate și documente tehnice;
• asocia fiecărei serii de module un „pașaport digital” cu origine, fabrică, dată de producție;
• genera rapoarte standardizate pentru autorități și pentru finanțatori;
• semnala în timp real orice neconformitate (de exemplu, un invertor produs într-o țară exclusă).

În momentul în care România va avea licitații mai sofisticate sau raportare strictă pe fonduri europene, un astfel de sistem nu mai e „nice to have”, e practic obligatoriu.

AI pentru operarea și mentenanța parcurilor fotovoltaice

Licitațiile decid cine construiește, dar profitabilitatea pe 20–30 de ani se joacă în faza de operare. Aici AI are probabil cel mai mare impact direct în P&L.

5. Monitorizare avansată și detecția anomaliilor

Sistemele moderne SCADA și platformele de monitorizare deja colectează date detaliate:

• producție pe string / tracker / inverter;
• temperatură, iradiere, curenți, tensiuni;
• alerte tehnice și evenimente de rețea.

Cu AI peste aceste date, operatorul poate:

• detecta în câteva minute pierderi mici, dar recurente, pe anumite stringuri;
• identifica murdărie, shading nou sau degradare accelerată a unor module;
• estima pierderea anuală de producție dacă problema nu e rezolvată.

Pe un parc de 100 MW în sudul României, chiar și un 1–2% câștig de producție prin detecție timpurie se traduce în sute de mii de euro pe durata de viață.

6. Mentenanță predictivă pentru invertoare și transformatoare

La nivel de AI industrial, modelele pot învăța comportamentul „normal” al echipamentelor și pot semnala:

• ventilație defectuoasă la un invertor înainte de supraîncălzire;
• vibrații sau temperaturi anormale la transformatoare;
• degradarea izolației pe baza semnăturilor electrice.

Rezultatul:

• intervenții programate când costă cel mai puțin;
• reducerea opririlor neplanificate;
• negociere mai bună cu asigurătorii și cu finanțatorii (riscuri cuantificate).

Pentru băncile care finanțează portofolii mari de proiecte solare în România, accesul la astfel de date crește încrederea în modelul de cash flow și poate reduce costul finanțării.

AI pentru participarea parcurilor solare la piață și echilibrare

Pe măsură ce România integrează mai multă energie solară și eoliană, rolul AI în prognoza de producție și în strategia de ofertare devine critic.

7. Prognoză orară de producție cu granularitate ridicată

Modelele AI pot combina:

• date meteo de înaltă rezoluție;
• istoric de producție al parcului;
• starea actuală a echipamentelor;
• efecte locale (ceață, praf, zăpadă).

Cu asta, operatorul poate obține prognoze orare (sau chiar la 15 minute) mult mai precise decât modelele clasice. Consecința directă:

• penalități mai mici pentru abateri de la program la piața de echilibrare;
• strategii mai inteligente de ofertare pe piețele pentru ziua următoare și intrazilnice;
• integrare mai bună cu baterii sau cu consumatori flexibili.

8. Optimizarea hibridă: solar + baterii + rețea

Trendul european, confirmat și de analizele recente, e clar: bateriile devin suficient de ieftine pentru a face solarul dispecerizabil. Asta schimbă regulile jocului, inclusiv în România.

AI poate coordona:

• când încarci și când descarci bateria;
• cum limitezi sau crești producția solară pentru a maximiza veniturile totale (energie + servicii de sistem);
• cum reduci vârfurile de putere injectată pentru a evita congestiile de rețea.

Rezultatul este un portofoliu de active regenerabile mult mai „bancarizabil” și o integrare mai lină în SEN, fără să pui toată presiunea pe Transelectrica și pe distribuitori.

Ce ar trebui să facă acum jucătorii din România

Exemplul Italiei nu e doar o curiozitate. E o oglindă a ceea ce vine și la noi. Cine se pregătește de acum cu AI are un avantaj clar în următorii 5–10 ani.

Câteva direcții concrete:

• Dezvoltatori de proiecte: începeți să integrați platforme AI pentru siting, simulare de LCOE și scenarii de lanț de aprovizionare (inclusiv reguli de origine a componentelor).
• Investitori și fonduri: cereți de la dezvoltatori modele de risc bazate pe date, nu doar foi Excel; întrebați explicit ce AI folosesc pentru prognoză și O&M.
• Operatori de parcuri: treceți de la monitorizare pasivă la mentenanță predictivă și detecție de anomalii; impactul în EBITDA e mult mai mare decât pare la prima vedere.
• Instituții publice și autorități de reglementare: când proiectați scheme noi de sprijin, gândiți criterii care pot fi verificate digital (trasabilitate, origine, amprentă de carbon) și încurajați folosirea datelor și a AI-ului.

Seria „AI în Industria Energetică din România: Tranziția Verde” are un fir roșu simplu: fără automatizare inteligentă, trecerea la energie regenerabilă devine lentă, scumpă și fragilă. Cu AI, aceleași constrângeri de politică, preț și rețea pot fi transformate în avantaj competitiv și într-un sistem energetic mai robust.

Italia tocmai ne-a arătat cum arată viitorul licitațiilor. Întrebarea este dacă România se va prezenta la start cu un teanc de hârtii sau cu un sistem de decizie bazat pe date și AI.