Come la nuorail alimenta il risparmio energetico

Vale la pena di investire in tecnologie che consentono di ottenere piccoli ma costanti risparmi energetici? Certo che sì, se questi piccoli risparmi possono essere realizzati più volte al giorno... o meglio ancora in molteplici situazioni più volte al giorno. Ad esempio, su un'intera rete ferroviaria nazionale.

Il fattore che contribuisce maggiormente ai costi energetici della circolazione dei treni è naturalmente la trazione: il semplice mantenimento in movimento del treno. Il consumo di energia può essere ridotto attraverso un'attenta gestione della velocità, ma la priorità assoluta è naturalmente il rispetto dell'orario. E nessuno dei sistemi attuali è in grado di ottimizzare veramente l'efficienza energetica.

La maggior parte dei treni è gestita da macchinisti umani. I sistemi di consulenza alla guida, sotto forma di display sul cruscotto, forniscono al conducente le indicazioni necessarie per mantenere una velocità abbastanza costante e arrivare in orario. Questi sistemi mirano a ottimizzare il consumo di energia (evitando le inefficienze dell'accelerazione e della frenata), ma oltre ai limiti innati del software, esiste una variazione naturale nella capacità (o nella motivazione) del conducente a seguire le indicazioni.   

Nel frattempo, l'industria sta passando costantemente, anche se lentamente, alla guida automatizzata, ma al momento si basa su algoritmi euristici (o "sufficientemente buoni"). L’ottimizzazione energetica è rimasta al di fuori delle capacità dei sistemi di controllo esistenti. Ma un team di ricerca proveniente da NCCR Automation ha reso possibile superare le migliori prestazioni attuali, aprendo la strada a potenziali benefici significativi sia dal punto di vista economico che ambientale.

Perché questo problema è stato trascurato?

Dopo aver conseguito il dottorato in un gruppo di ricerca specializzato in algoritmi di controllo in tempo reale ad alta velocità – sviluppando strumenti che, in linea di principio, potevano essere applicati a diversi settori – Dimitris Kouzoupis ha iniziato a esplorare come questi potessero essere utili nel settore ferroviario. Sebbene il potenziale per risparmi energetici fosse già stato riconosciuto, il problema era considerato complesso: i metodi di controllo disponibili impiegavano semplicemente troppo tempo. Ottimizzare la velocità di un treno richiede aggiustamenti continui a livello microscopico – il che significa che qualsiasi calcolo che richieda più di qualche secondo risulta poco utile.

Affrontare questo problema non era in cima alla lista delle priorità di nessuno. Nello sviluppo di nuovi algoritmi, i matematici devono semplificare le cose. Bisogna fare delle ipotesi, eliminare le complicazioni. Ma, come si suol dire, il diavolo si nasconde nei dettagli: queste complicazioni sono molto rilevanti nel mondo reale, quindi nuovi teoremi formalmente eleganti che però le trascurano non sono molto utili per l'industria ferroviaria.

E nel settore industriale? Sebbene gli operatori ferroviari siano motivati a ridurre i costi energetici, non sono loro a costruire i treni. Per i produttori, offrire risparmi energetici rappresenta un punto a favore in termini ambientali (migliorando marketing e reputazione), ma piccoli miglioramenti potrebbero non giustificare l’investimento. È sufficiente poter affermare che i loro treni sono “più efficienti”, senza approfondire ogni possibile margine di risparmio. Eppure, considerando quanta energia viene consumata per alimentare l’intera rete ferroviaria svizzera in un anno, è evidente che il potenziale di guadagno è notevole.

Ci sono voluti Dimitris e il suo gruppo di ricerca, con la loro combinazione molto specifica di competenze – matematica, software e conoscenza del settore ferroviario – per fare progressi in questo ambito. In tutto il mondo, sono pochissime le persone che lavorano su solver di ottimizzazione numerica (lo strumento ideale per il controllo rapido), quindi si tratta di una combinazione di competenze rara. Per fortuna, però, questo incontro è avvenuto: la loro startup, nuorail, ha dato vita ad algoritmi finalmente sufficientemente veloci ed efficienti da fare davvero la differenza.

Nuorail lavora con modelli dettagliati del comportamento dei treni sotto l’applicazione della trazione, includendo tutte le variabili del tracciato, come pendenze, curve e altro ancora. 

Ciò che la rende davvero unica, però, è un modello di efficienza dinamica che calcola con precisione l’energia persa durante l’accelerazione o la frenata, a seconda della velocità del treno e della forza applicata. Il modello in sé non è unico; la vera rivoluzione sta nell’integrare questa vasta mole di dati nell’ottimizzazione in tempo reale.

Il software è in grado di tenere conto di tutte le condizioni rilevanti, sia fisse che variabili (come la variazione del peso del treno al variare del numero di passeggeri o del carico, il cambiamento delle condizioni meteorologiche o le interruzioni di orario). È chiaro che l'ottimizzazione della velocità sull'intera traiettoria di un treno per tutto il suo percorso è un problema complicato, con centinaia di dimensioni da considerare; eppure il software è abbastanza potente da eseguire questi calcoli più volte al secondo, rendendo finalmente possibile il controllo in tempo reale.

Automazione per il pianeta

Questo è cruciale, poiché l’automazione nel settore ferroviario è ormai in pieno sviluppo. La Svizzera ha un piano chiaro per rinnovare l'infrastruttura ferroviaria su tutto il territorio, con la digitalizzazione che sta rapidamente diventando lo standard. Questo crea un forte impulso verso l’adozione della guida “autopilota”, basata su diversi livelli di automazione. Nuorail si trova in una posizione ideale per accompagnare questa trasformazione e garantire un significativo risparmio energetico.

Allo stesso tempo, questa tecnologia può essere applicata anche ai treni più vecchi, il che significa che la flotta può essere aggiornata molto più rapidamente rispetto alla sostituzione graduale di ogni treno quando raggiunge la fine della sua vita utile di 20 o 30 anni. E naturalmente, i nuovi algoritmi possono essere integrati anche nei sistemi di consulenza per i conducenti esistenti, migliorando così le indicazioni fornite. 

A questo punto è tutto teorico, ma sono stati fatti i primi passi sulla strada della commercializzazione. Il team di NCCR Automation sta lavorando con Stadler e Südostbahn per sviluppare ulteriormente e testare la loro soluzione. I primi test hanno già dimostrato che i controlli del movimento funzionano e hanno generato i primi dati; altri test nei prossimi mesi valuteranno il risparmio energetico ottenuto.

I ricercatori si aspettano che il risparmio sia di qualche punto percentuale rispetto alle moderne alternative di mercato, che sono già efficienti. Se il sistema viene adattato ai treni più vecchi (come i treni merci), i ritorni saranno ancora più evidenti. Ma anche pochi punti percentuali in meno rispetto all'enorme quantità di energia consumata dall'intera rete ferroviaria svizzera nell'arco di un anno si traducono in un'enorme riduzione delle emissioni di anidride carbonica; quindi, al di là dei risparmi finanziari, potrebbero costituire un valido contributo agli obiettivi di riduzione delle emissioni. Nella battaglia in corso per ridurre le emissioni di carbonio senza cambiamenti radicali nello stile di vita, miglioramenti piccoli ma scalabili potrebbero avere un grande impatto.