Eoliann e Fast Computing sono le due startup scelte per collaborare con Terna nell’ambito della challenge “Data Science for Resilience”, lanciata a dicembre 2022 per individuare soluzioni digitali a favore di una sempre maggiore resilienza della rete di trasmissione nazionale, costituita da circa 75.000 km di linee elettriche ad alta e altissima tensione e da oltre 900 stazioni elettriche su tutto il territorio italiano.
“Data Science for Resilience” è la prima call a essere stata avviata dalla società guidata da Giuseppina Di Foggia sulla piattaforma di open innovation “Terna Ideas” e ha visto la partecipazione di ben 71 startup. In particolare, le candidature hanno riguardato soluzioni basate sull’intelligenza artificiale per migliorare ulteriormente la manutenzione predittiva e il monitoraggio delle infrastrutture elettriche, con l’obiettivo di renderle ancor più sicure ed efficienti di fronte a eventi climatici sempre più estremi e frequenti.
In dettaglio, Eoliann è una startup torinese del climate tech, fondata nel 2022, che utilizza dati satellitari e algoritmi di machine learning per prevedere la probabilità, l’intensità e l’impatto di eventi climatici estremi, per migliorare la resilienza delle infrastrutture e la gestione del rischio climatico.
La partnership tra Eoliann e Terna si concentrerà sull’impiego delle immagini satellitari e dei modelli di Eoliann quale fonte di dati per migliorare il calcolo e la valutazione della pericolosità idraulica: una soluzione utile all’azienda nella pianificazione di nuove linee elettriche, nonché nella gestione di quelle esistenti, in aree potenzialmente più esposte a fenomeni metereologici estremi.
Fast Computing, startup triestina fondata dal gruppo di ricerca di matematica applicata della SISSA (Scuola Internazionale Superiore di Studi Avanzati), è specializzata in modelli statistici e tecnologie di calcolo per l’analisi dei dati in tempo reale.
La startup svilupperà per Terna un modello, basato sui dati aziendali, di manutenzione predittiva dei macchinari situati nelle stazioni elettriche della società, al fine di stimare la probabilità di eventuali anomalie e anticipare la necessità di ricorrere a operazioni manutentive.
