Puoi presentarci brevemente il tuo ruolo in Veil Energy e il tuo percorso accademico presso l’Università di Padova? Come si intrecciano questi due mondi nel tuo lavoro?
Ho una laurea in Ingegneria Meccanica e un dottorato di ricerca in Ingegneria dell’Energia. Attualmente insegno i corsi di Macchine con Laboratorio, Sistemi Energetici e Progettazione e Ottimizzazione di Sistemi Energetici Sostenibili presso l’Università di Padova. La mia collaborazione con Veil Energy è iniziata circa sette anni fa e si è concentrata sullo sviluppo di un algoritmo per ottimizzare sistemi energetici complessi — un algoritmo che costituisce ancora oggi la base delle ottimizzazioni di E-BOOST. Negli anni successivi ho guidato il team di sviluppo, contribuendo all’evoluzione e alle iterazioni tecnologiche della piattaforma. Oggi collaboro con Veil in modo continuativo, il che mi consente di fare da ponte tra la ricerca accademica e le applicazioni industriali.
Quali sono i principali ambiti di ricerca su cui ti concentri all’università? In che modo la tua competenza accademica si traduce in innovazione industriale all’interno di Veil Energy?
La mia attività di ricerca si concentra sull’analisi, la modellazione e l’ottimizzazione di sistemi energetici complessi che includono impianti di generazione, accumulo e consumo distribuito. L’obiettivo principale è sviluppare algoritmi avanzati in grado di individuare strategie gestionali ottimali dal punto di vista economico, energetico e ambientale, nonché proporre soluzioni tecnologiche e sistemiche che riducano progressivamente i costi operativi e l’impatto ambientale.
Gli ambienti industriali multisito e gli edifici del settore terziario — come quelli al centro dell’architettura di E-BOOST — rappresentano casi d’uso ideali per l’applicazione di questi metodi. Inoltre, la ricerca accademica mi consente di restare costantemente aggiornato sulle tecnologie e i modelli più avanzati, garantendo un trasferimento di conoscenze rapido ed efficace tra il mondo accademico e le applicazioni industriali. Questo approccio è pensato per offrire soluzioni concrete, centrate sull’innovazione e sul miglioramento continuo delle performance energetiche dei clienti.
Puoi descrivere un progetto o un’iniziativa in cui la collaborazione tra Veil e l’università ha portato a risultati concreti?
Tra i vari progetti innovativi che hanno trovato applicazione pratica, vorrei evidenziarne due che ho seguito con grande interesse.
Il primo riguarda lo sviluppo e l’implementazione di uno strumento di gestione energetica in tempo reale a supporto di una verniciatura industriale. La necessità di questo cambiamento è sorta dopo l’installazione di un impianto fotovoltaico che aveva reso obsoleto il modello gestionale tradizionale. Il sistema utilizza tecnologie di raccolta dati dal campo, automazione industriale, algoritmi di ottimizzazione e integrazione con i mercati energetici per controllare in continuo un impianto di cogenerazione e soddisfare la domanda di energia elettrica e termica al minor costo possibile. I risultati sono stati evidenti sin dall’inizio, con una gestione dinamica e adattiva in risposta alle fluttuazioni della produzione solare, portando a un risparmio medio sui costi energetici superiore al 9%.
Il secondo progetto ha impiegato un metodo avanzato di ottimizzazione dei sistemi multi-energia, in grado di progettare l’intera infrastruttura energetica di un sito “da zero”, includendo conversione, accumulo e distribuzione di più vettori energetici. Questo approccio è stato applicato alla progettazione di un nuovo complesso alberghiero a basso impatto, composto da diversi edifici, e ha consentito di individuare soluzioni che ottimizzavano simultaneamente costi, emissioni e indipendenza energetica. Le configurazioni risultanti erano nettamente diverse da quelle ottenibili con i metodi tradizionali e hanno introdotto elementi realmente innovativi nel settore degli edifici terziari.
Oltre al valore pratico, entrambi i progetti hanno portato a pubblicazioni scientifiche nazionali e internazionali, dimostrando la forza e il valore del dialogo tra ricerca accademica e innovazione industriale.
In che modo il tuo background accademico nei sistemi energetici ha influenzato l’architettura di E-BOOST, in particolare in termini di modellazione dei dati e approfondimenti a livello di macchinario?
Senza le competenze acquisite grazie al mio percorso accademico e al continuo aggiornamento richiesto da ricerca e insegnamento, non avrei potuto contribuire così significativamente alla progettazione di E-BOOST. La piattaforma è stata sviluppata combinando una conoscenza approfondita dei sistemi energetici con un solido approccio ingegneristico. Questo ha portato alla creazione di uno strumento completo, efficace e scalabile, capace di adattarsi a diversi contesti industriali.
Inoltre, l’approccio scientifico ha influenzato positivamente lo sviluppo della piattaforma. Piuttosto che concentrarsi su un singolo problema operativo, l’obiettivo era progettare funzionalità trasversali e generalizzabili, in grado di affrontare diversi tipi di sistemi energetici, anche molto differenti tra loro. E-BOOST si è evoluto da un robusto sistema di monitoraggio a uno strumento decisionale completo, facilitando l’efficienza energetica e la trasformazione su scala industriale.
E-BOOST combina monitoraggio in tempo reale e intelligenza predittiva — puoi dirci di più su come gli algoritmi sono stati progettati per evolvere con la complessità industriale e la variabilità operativa?
In condizioni operative standard, i sistemi energetici possono essere descritti accuratamente tramite modelli fisici basati su principi di termodinamica e ingegneria. Tuttavia, con l’aumentare della complessità o in condizioni anomale — come guasti imminenti o variazioni improvvise di carico — questi modelli spesso diventano insufficienti o troppo lenti per fornire risposte tempestive. Inoltre, fattori esterni come la volatilità dei mercati e la natura intermittente delle fonti rinnovabili possono avere un impatto significativo sulle decisioni gestionali.
Per affrontare queste sfide, E-BOOST ha integrato fin dall’inizio algoritmi ibridi, combinando modelli fisici tradizionali con tecniche di machine learning. Questo approccio consente risposte in tempo reale che tengono conto della variabilità e dell’evoluzione delle condizioni operative. Lo sviluppo di tali algoritmi ha richiesto competenze avanzate in modellazione fisica ottimizzata e nella progettazione di sistemi adattivi capaci di riconoscere schemi e anomalie in dati in continua evoluzione.
Quali sono alcune delle sfide nell’allineare i tempi della ricerca accademica con le esigenze più rapide delle applicazioni industriali?
È opinione comune che la ricerca accademica proceda più lentamente dell’innovazione industriale. In realtà, questa percezione non considera che la ricerca universitaria parte da presupposti meno consolidati, affrontando problemi irrisolti e sviluppando frequentemente tecnologie ancora inesistenti. L’obiettivo non è solo identificare soluzioni applicabili, ma farlo in modo sistematico, sviluppando approcci solidi, generalizzabili e duraturi.
Dal mio punto di vista, le soluzioni industriali di oggi rappresentano l’evoluzione naturale — e spesso il primo traguardo concreto — di un più lungo percorso di sperimentazione scientifica. In questo senso, l’innovazione industriale è un’estensione della ricerca, e la collaborazione tra università e imprese è il motore che permette a questa innovazione di accelerare, consolidarsi e generare un impatto reale.
In quali aree della gestione dell’energia vedi il maggior potenziale di innovazione attraverso la collaborazione tra accademia e industria nei prossimi 5 anni?
L’innovazione energetica deve essere orientata a ridurre l’impatto ambientale al minor costo economico e sociale possibile. Ciò implica la sostituzione strategica dei sistemi convenzionali con fonti rinnovabili, in primis il solare. Include anche la riduzione dei consumi finali, poiché ogni kWh risparmiato elimina la necessità di nuova produzione.
Migliorare l’efficienza non significa necessariamente sostituire gli impianti con tecnologie più performanti, spesso costose e limitate fisicamente. Risultati significativi si ottengono valorizzando le sinergie tra i componenti esistenti — ad esempio recuperando energia di scarto per alimentare altri processi. Questo approccio richiede una gestione integrata e consapevole dell’intero sistema.
È proprio con questa logica sistemica che E-BOOST si è dimostrato particolarmente efficace, come dimostra l’esperienza con la verniciatura industriale citata in precedenza.
In sintesi, ottimizzare i flussi energetici in modo sistemico è attualmente uno dei modi più intelligenti ed efficaci per migliorare l’efficienza e integrare in modo sostenibile le nuove tecnologie.
Dal tuo punto di vista, quanto è importante la conoscenza interdisciplinare (ingegneria, economia, politiche) per risolvere le sfide energetiche industriali di oggi?
Nel settore energetico un approccio multidisciplinare non è solo auspicabile, è essenziale. Tutte le innovazioni devono essere solide dal punto di vista tecnico, sostenibili economicamente, conformi alle normative e accettabili per il mercato di riferimento per poter essere davvero efficaci.
In E-BOOST abbiamo integrato funzionalità che riflettono questa visione, come algoritmi per la generazione automatica di report energetici conformi alle normative vigenti e moduli collegati ai mercati energetici, costantemente aggiornati.
Nella mia attività accademica collaboro con ricercatori di diverse discipline su progetti relativi alla resilienza ai picchi di prezzo, alle dinamiche dei mercati energetici e ai modelli di condivisione dei costi e degli incentivi nelle rinnovabili. Parallelamente, coordino un progetto interdisciplinare che coinvolge studenti di più facoltà, con l’obiettivo di sviluppare soluzioni concrete per affrontare il cambiamento climatico attraverso l’innovazione delle fonti energetiche.
