HORIZON-CL5-2026-11-D3-23: ricerca partner di consorzio

Profilo dei partner di R&S

Un’università francese, in qualità di coordinatore, sta cercando partner di R&S per un progetto europeo incentrato sulla condivisione dei dati e sull’intelligenza artificiale per sistemi energetici rinnovabili e ibridi, nell’ambito del bando HORIZON-CL5-2026-11-D3-23. La deadline per inoltrare le manifestazioni di interesse è fissata al 15 settembre. La proposta deve essere presentata entro il 1 dicembre 2026.

L’università, attiva nel settore dei sistemi energetici, dell’intelligenza artificiale e della modellazione basata sui dati, sta, infatti, sviluppando un progetto per realizzare modelli avanzati di intelligenza artificiale utilizzando dataset ampi e diversificati, con applicazioni nei sistemi energetici rinnovabili e ibridi, inclusi fotovoltaico, eolico e idrogeno.

I partner di R&S cercati contribuiranno alla fornitura dei dati, allo sviluppo dei modelli e alla validazione in contesti reali. Precisamente, i partner cercati per costituire il consorzio avranno competenze complementari a quelle dell’università francese nei seguenti ambiti:

intelligenza artificiale e machine learning per sistemi energetici, inclusi forecasting, anomaly detection, diagnosi guasti, manutenzione predittiva e ottimizzazione;

piattaforme dati e data engineering: integrazione dati, interoperabilità e soluzioni sicure di condivisione dati;

federated learning e infrastrutture dati distribuite, con focus su privacy e affidabilità;

modellazione e controllo dei sistemi energetici: smart grid, integrazione rinnovabili e sistemi ibridi fotovoltaico–eolico–idrogeno;

tecnologie dell’idrogeno: elettrolizzatori, celle a combustibile e sistemi di accumulo energetico;

digital twin e strumenti avanzati di simulazione per sistemi energetici complessi e ibridi;

acquisizione e gestione dati industriali: sistemi SCADA, sensori IoT e piattaforme di monitoraggio energetico;

partner in grado di fornire accesso a dataset rilevanti, infrastrutture pilota o casi d’uso reali sono particolarmente incoraggiati a partecipare.

I partner di R&S avranno ruoli tecnici e operativi chiaramente definiti all’interno di un framework collaborativo di ricerca e innovazione. In relazione ai diversi profili, i contributi attesi sono i seguenti:

partner IA e tecnologie dati: sviluppo di modelli ML per forecasting, anomaly detection, manutenzione predittiva e ottimizzazione; progettazione pipeline dati, validazione modelli e strumenti di explainability;

fornitori di piattaforme dati e PMI: sviluppo e integrazione di soluzioni sicure e interoperabili di data sharing, governance e sistemi di gestione dati;

stakeholder del settore energetico (utility, gestori di rete, produttori di apparecchiature): fornitura di dataset reali (SCADA, IoT, dati operativi), definizione casi d’uso e partecipazione a dimostrazioni pilota;

esperti in tecnologie rinnovabili e idrogeno: modellazione, simulazione e validazione di sistemi energetici ibridi PV–eolico–idrogeno;

organizzazioni di ricerca e università: contributo a modellazione di sistema, sviluppo IA, valutazione prestazioni e integrazione di sistemi energetici multidominio.

I partner di R&S contribuiranno attivamente a:

fornitura, integrazione e governance dei dati;

co-sviluppo, training e testing dei modelli IA;

implementazione e validazione in ambienti pilota e reali;

attività di ricerca congiunta in work package tecnici strutturati.

La collaborazione sarà organizzata tramite work package coordinati, attività congiunte di sviluppo e regolari scambi tecnici, garantendo condivisione efficace delle conoscenze, interoperabilità e trasferimento tecnologico all’interno del consorzio.

HORIZON-CL5-2026-11-D3-23: il progetto

L’università pubblica francese possiede una solida competenza nei sistemi energetici, nell’intelligenza artificiale (IA) e nella modellazione data-driven. Il team di ricerca vanta una vasta esperienza nella modellazione, nel controllo e nella diagnosi di sistemi complessi, in particolare sistemi energetici rinnovabili ibridi che integrano tecnologie fotovoltaiche (PV), eoliche e a idrogeno.

Il progetto affronta una delle principali sfide della digitalizzazione del settore energetico: la limitata disponibilità di dataset su larga scala, di alta qualità e interoperabili, necessari per sviluppare soluzioni IA affidabili. I dati energetici sono spesso frammentati tra molteplici stakeholder e infrastrutture, con vincoli legati a privacy, cybersecurity e proprietà dei dati. Queste limitazioni ostacolano l’implementazione di soluzioni scalabili basate sull’IA per monitoraggio e controllo, riducendo anche l’efficienza dell’integrazione delle energie rinnovabili.

In questo contesto, il progetto Horizon Europe che intende proporre mira a sviluppare un framework sicuro, interoperabile e scalabile per il monitoraggio, il controllo e la condivisione dei dati guidati dall’IA nei sistemi energetici rinnovabili ibridi. Il progetto è allineato con le priorità europee in materia di energia digitale, interoperabilità e sviluppo di spazi comuni dei dati.

Gli obiettivi principali sono:

sviluppare modelli avanzati di IA per previsione, rilevamento anomalie, diagnosi guasti, manutenzione predittiva e ottimizzazione energetica;
consentire interoperabilità e integrazione di dataset eterogenei provenienti da sistemi energetici rinnovabili, tecnologie dell’idrogeno, dati meteorologici e processi industriali;
implementare approcci sicuri e rispettosi della privacy per la condivisione dei dati, inclusi federated learning e infrastrutture dati distribuite;
validare le soluzioni proposte attraverso casi d’uso reali basati su sistemi ibridi PV–eolico–idrogeno.

Il progetto si rivolge ad applicazioni in smart grid, integrazione delle rinnovabili, accumulo energetico e sistemi energetici industriali, contribuendo a un’infrastruttura energetica più resiliente ed efficiente. Promuove una forte collaborazione internazionale e intersettoriale per combinare competenze complementari, facilitare l’accesso a dataset diversificati e sviluppare soluzioni scalabili. Questo approccio sostiene la creazione di ecosistemi affidabili di condivisione dati, in linea con le iniziative europee sugli spazi dei dati.

I risultati attesi includono lo sviluppo di framework interoperabili per la condivisione dei dati, modelli IA affidabili per applicazioni energetiche e soluzioni validate in ambienti reali e simulati. Il progetto contribuirà a migliorare efficienza, affidabilità e resilienza dei sistemi energetici rinnovabili ibridi, accelerando la transizione energetica e la decarbonizzazione.

Il consorzio cerca partner con competenze in IA, piattaforme dati, cybersecurity, sistemi energetici, tecnologie dell’idrogeno e accesso a dataset pertinenti e infrastrutture pilota, in linea con gli obiettivi di Horizon Europe.

Aspetti innovativi e vantaggi connessi alla tecnologia da sviluppare nell’ambito della call HORIZON-CL5-2026-11-D3-23

L’approccio proposto supera lo stato dell’arte combinando tecniche avanzate di IA con framework di condivisione dati sicuri, scalabili e interoperabili specifici per il settore energetico. A differenza degli approcci convenzionali basati su dataset isolati e limitati, il progetto consente l’integrazione di fonti dati eterogenee e su larga scala tramite federated learning e infrastrutture distribuite. Questo permette lo sviluppo di modelli IA più robusti, generalizzabili e affidabili.

Un’innovazione chiave consiste nella progettazione di modelli IA specificamente adattati a sistemi energetici rinnovabili ibridi complessi che integrano fotovoltaico, eolico e idrogeno. Questi sistemi sono caratterizzati da elevata variabilità, incertezza e interazioni multidominio, aspetti non sufficientemente affrontati dagli approcci esistenti.

Il progetto introduce inoltre un ambiente collaborativo e distribuito per addestrare, validare e confrontare modelli IA tra diversi stakeholder. Questo framework supporta miglioramento continuo, scalabilità e riproducibilità delle soluzioni sviluppate, favorendo la cooperazione inter-istituzionale.

In aggiunta, il progetto sfrutta una strategia dati ibrida che combina dati reali, simulati e sintetici per superare problemi di scarsità e squilibrio dei dati. Ciò migliora significativamente accuratezza, robustezza e trasferibilità dei modelli in differenti condizioni operative e contesti energetici.

I principali vantaggi connessi sono:

miglioramento delle prestazioni e della robustezza dei modelli IA grazie all’accesso a dataset diversificati e multi-sorgente;
condivisione dati sicura e rispettosa della privacy tramite approcci federati e distribuiti;
forte applicabilità ai sistemi energetici reali tramite validazione su sistemi ibridi PV–eolico–idrogeno e ambienti industriali;
soluzioni scalabili e interoperabili in linea con le iniziative europee sugli spazi dei dati.