Tom Nudell, CEO e cofondatore di Piq Energy – Serie di interviste

Tom Nudell, CEO e cofondatore di Piq Energy, è un ingegnere dei sistemi elettrici e dirigente tecnologico con una vasta esperienza nell’analisi delle reti, nella pianificazione della trasmissione e nelle infrastrutture energetiche. Prima di fondare Piq Energy, ha trascorso quasi sette anni in Smart Wires, dove ha ricoperto diversi ruoli dirigenziali nell’analisi fino a diventare Director of Product and Solution Analytics. In tale veste ha guidato team interdisciplinari di ingegneri della pianificazione della trasmissione, ingegneri software e analisti impegnati in studi avanzati di pianificazione della rete e sistemi analitici automatizzati. In precedenza, Nudell è stato ricercatore post-dottorato al MIT, dove il suo lavoro si è concentrato sulla resilienza dei sistemi energetici interconnessi, sulla gestione energetica delle microreti e sul controllo transattivo. Ha inoltre svolto ricerche presso la North Carolina State University sulla localizzazione dei disturbi nelle reti elettriche su larga scala mediante misurazioni in tempo reale, apprendimento automatico informato dalla fisica, teoria del controllo e ottimizzazione.

Piq Energy è una società di software per la pianificazione delle reti che punta ad accelerare la connessione alla rete elettrica di nuovi progetti energetici, data center e altri grandi carichi. La sua piattaforma consente a sviluppatori e utility di eseguire internamente studi complessi della rete, automatizzare i flussi di lavoro ingegneristici, valutare potenziali punti di interconnessione e testare più rapidamente numerosi scenari di progetto e di rete. Piq sta sviluppando una piattaforma agentica per la pianificazione della rete che combina modelli dei sistemi elettrici, dati, strumenti ingegneristici e flussi di lavoro basati sull’IA in un ambiente unificato, con applicazioni nei settori solare, eolico, dell’accumulo energetico a batteria e dello sviluppo di grandi carichi. L’azienda afferma che la propria tecnologia gestisce più di 1.000 modelli di reti di trasmissione ed è stata utilizzata per completare oltre 10.000 flussi di lavoro ingegneristici, nel tentativo di ridurre uno dei maggiori ostacoli per le nuove infrastrutture energetiche e di calcolo: i lunghi processi di interconnessione alla rete.

La sua carriera spazia dalla ricerca sull’apprendimento automatico informato dalla fisica al lavoro sulla resilienza della rete al MIT, fino a sette anni dedicati allo sviluppo dell’analisi per la pianificazione della trasmissione in Smart Wires. In che modo queste esperienze l’hanno portata a individuare il problema specifico da cui è nata Piq Energy?

Il mio dottorato riguardava i sistemi elettrici computazionali, con particolare attenzione al monitoraggio e controllo in tempo reale su aree estese. In seguito ho svolto un post-dottorato al MIT sulle reti elettriche resilienti e sui meccanismi dinamici di mercato. Dopo il post-dottorato sono entrato in Smart Wires, dove ho trascorso sette anni a fondare e ampliare il team di analisi. Il mio team offriva una copertura globale dell’ingegneria dei sistemi elettrici in quattro continenti, con competenze in flussi di potenza, simulazioni di mercato, dinamica, transitori elettromagnetici (EMT) e hardware-in-the-loop.

Nel giro di tre mesi dal mio ingresso in Smart Wires, mi sono reso conto che la pianificazione della rete è essenzialmente un problema enorme e complesso di scienza dei dati. Ho iniziato a immaginare come semplificare e automatizzare le parti più costose del processo: la definizione dell’analisi, il coordinamento tra diversi esperti di settore e la costruzione e validazione dei modelli. Per migliorare questo processo di pianificazione della rete abbiamo sviluppato alcune idee fondamentali. La prima riguardava la riproducibilità: se un’analisi è riproducibile al 100%, il costo marginale affinché un’altra persona o un altro esperto la esegua di nuovo dovrebbe essere pari a zero. Questa riproducibilità è essenziale per consentire una collaborazione fluida tra sviluppatori, utility e altre terze parti negli studi della rete. La seconda idea consisteva nell’applicare il principio secondo cui «tutti i modelli sono sbagliati, ma alcuni sono utili», concentrandoci sulla verifica di avere un modello utile per il problema specifico, invece di cercare di costruire e gestire il modello più «accurato» per ogni situazione. (Quando qui parliamo di «modelli», intendiamo i modelli della rete elettrica e i modelli dinamici di dispositivi, impianti e così via.)

Queste intuizioni iniziali hanno portato me e Dio, il mio cofondatore, a immaginare una sofisticata piattaforma software che automatizzasse il lavoro che stavamo svolgendo. Allo stesso tempo osservavamo come la coda di interconnessione stesse diventando un enorme collo di bottiglia per la rete. Vedevamo inoltre difficoltà crescenti nel collegare tecnologie di rete più recenti, tra cui le risorse basate su inverter (IBR, che comprendono tutti i nuovi progetti di energia rinnovabile) e le tecnologie di potenziamento della rete come l’hardware SmartValve venduto da Smart Wires. Dio e io abbiamo capito di sapere come risolvere questi problemi, ma che per farlo dovevamo fondare un’azienda di software.

Gli elementi sono tre: in primo luogo, la mia formazione nei sistemi elettrici computazionali e l’esperienza nella gestione di un team globale di analisi hanno costituito le fondamenta. In secondo luogo, il lavoro già svolto in Smart Wires era la prova che si poteva creare un valore reale e tangibile. Infine, il contesto generale — la portata della sfida, che corrisponde anche alla portata dell’opportunità — è stato il catalizzatore che ci ha spinto a fare il salto e fondare Piq Energy.

Piq si definisce una «piattaforma agentica per la pianificazione della rete». Che cosa rende il sistema agentico, anziché una semplice piattaforma di automazione o analisi, e quali attività possono pianificare ed eseguire autonomamente i suoi agenti IA?

Piq sta accelerando l’interconnessione. L’analisi tecnica è attualmente il maggiore collo di bottiglia del processo di interconnessione, perciò stiamo costruendo una piattaforma autonoma per la pianificazione della rete che acceleri queste analisi tecniche.

Esistono diversi livelli di automazione. Oggi tali livelli non sono stati definiti esplicitamente per la pianificazione della rete e l’interconnessione, ma si può immaginare qualcosa di analogo ai livelli di automazione della guida definiti dalla SAE. Ho accennato a questa idea nel mio articolo del 2018 pubblicato al Congresso mondiale CIGRE [T. Nudell et al., «On Developing Automated Tools for Reliability Planning», CIGRE Paris C1-201, 2018.].

Ora disponiamo di questa straordinaria tecnologia di uso generale rappresentata dai grandi modelli linguistici e, con Piq, stiamo cercando di capire come sfruttare l’autonomia agentica garantendo allo stesso tempo che la fisica e l’ingegneria vengano applicate correttamente, in modo completamente riproducibile e verificabile, ogni singola volta.

Oggi il nostro agente configura modelli e scenari, avvia studi, confronta rapporti pubblicati, analizza i risultati e redige nuovi rapporti basati sui dati degli studi.

Gli studi della rete si basano su software ingegneristici consolidati, modelli dettagliati della rete e rigorosi vincoli fisici. In che modo Piq combina l’IA con questi strumenti deterministici senza consentire a un modello probabilistico di prevalere sulla fisica sottostante del sistema elettrico?

Ha ragione: gli studi della rete si basano su software consolidati, modelli dettagliati e leggi fisiche note. La nostra piattaforma consente agli agenti di ampliare le competenze umane, utilizzando i nostri dati e il nostro contesto per capire quali tipi di studi eseguire e come configurare gli scenari, per poi fondare l’analisi su dati concreti dei risultati.

Tutto ciò che avviene tra queste fasi, però, è automazione deterministica scalabile. Gli agenti non scrivono mai nuovo codice e non vengono utilizzati simulatori fisici sconosciuti. Ne deriva una piattaforma molto più affidabile rispetto ad altri approcci, perché il lavoro svolto da un agente è riproducibile e verificabile e viene eseguito correttamente ogni volta. In altri termini, se un ingegnere umano esamina il risultato, dovrebbe riuscire a replicare ogni passaggio del processo e ottenere gli stessi risultati.

Quali parti di un tradizionale studio di interconnessione o pianificazione della trasmissione può automatizzare oggi Piq, e quali decisioni devono ancora essere esaminate e approvate da un ingegnere qualificato?

Oggi Piq offre agli sviluppatori una serie di strumenti che coprono l’intero processo degli studi di interconnessione.

Il primo è uno screening preliminare di ampie aree non sviluppate, che chiamiamo analisi di screening regionale. Fornisce una mappa di calore della capacità residua secondo il criterio N-1 in ogni nodo di una regione, permettendo di vedere dove la rete dispone effettivamente di spazio prima di impegnarsi su un sito.

Il secondo è uno screening più approfondito in una posizione specifica: uno studio del punto di interconnessione (POI), o screening puntuale. Questi studi analizzano in dettaglio un singolo punto di interconnessione: tutti i vincoli della rete, i potenziali interventi di potenziamento e il costo che tali interventi comporterebbero per un progetto collegato in quel punto.

Il terzo è la gestione della coda. In questo ambito gli sviluppatori possono simulare la teoria dei giochi di uno studio a cluster, comprendendo la ripartizione dettagliata dei costi e il modo in cui cambia quando varia il gruppo di generatori. I progetti cambiano dimensioni, alcuni si ritirano, altri sviluppatori agiscono e la propria quota di costi si sposta di conseguenza. È un problema dinamico e oggi la maggior parte degli sviluppatori ne scopre gli effetti a posteriori, invece di modellarli in anticipo.

Piq automatizza anche il processo di costruzione e validazione dei modelli dinamici degli impianti, ossia le apparecchiature e i controlli che rappresentano data center, parchi solari e altri soggetti connessi alla rete.

Tutti questi modelli, risultati e rapporti richiedono la supervisione di una persona, capace di orientare gli input e riesaminare gli output. Non affermiamo ancora di avere un sistema completamente autonomo e non mi fiderei di nessuno che sostenesse il contrario.

Piq ha completato più di 10.000 studi in produzione. Che cosa vi ha insegnato operare su questa scala riguardo al mantenimento dell’accuratezza dei modelli, al monitoraggio delle variazioni nelle condizioni della rete e alla produzione di risultati che gli ingegneri possano riprodurre e verificare?

Il dato di 10.000 è ormai superato. Da gennaio, quando è stato pubblicato, siamo arrivati a eseguire 2.000 studi al mese e il numero continua a crescere. È il risultato dell’aumento degli utenti e del fatto che sempre più utenti stanno costruendo a loro volta sistemi interni scalabili.

Operare a questo ritmo insegna che la riproducibilità non è una funzionalità da aggiungere. È il vincolo che determina se si possa operare a quel ritmo. Se uno studio non può essere riprodotto, non può essere verificato; e se non può essere verificato, nessuno può agire sulla base dei suoi risultati. Se gli studi non sono traducibili in azioni, si genera solo volume, non valore. Ogni aspetto della piattaforma deriva dall’idea di costruire modelli utili e svolgere studi di valore.

Piq consente agli sviluppatori di data center e ad altri clienti con grandi carichi di valutare potenziali siti e scenari di connessione prima di rivolgersi a un’utility. Come possono questi studi condotti dagli sviluppatori accelerare il processo senza creare ipotesi contrastanti o duplicare l’analisi ufficiale dell’utility?

L’utility deve comunque svolgere il proprio studio ufficiale, ma i nostri clienti non possono aspettare. Oggi possono trascorrere più di dodici mesi prima di ricevere i risultati ufficiali e, nel frattempo, sono in gioco investimenti per centinaia di milioni di dollari. I clienti devono procurarsi apparecchiature, acquisire terreni e assicurarsi posizioni nelle code di interconnessione in tutto il Paese. Noi li mettiamo in condizione di prendere queste decisioni prima dello studio ufficiale dell’utility. Abbiamo anche visto come possano influire sull’orientamento dell’utility quando dispongono di informazioni su soluzioni di interconnessione flessibile o potenziamenti alternativi in grado di collegare capacità aggiuntiva.

Ciò che offriamo è un modo rapido ed efficiente per anticipare il futuro. Nessuno ha una sfera di cristallo, e non si sa con chi altro si stia competendo nella coda. Tuttavia, se gli studi sono economici e rapidi, l’esplorazione di molti scenari aiuta i nostri clienti a prendere decisioni più consapevoli sull’impiego del capitale. Offriamo inoltre la possibilità di valutare potenziamenti alternativi per sbloccare la capacità esistente nel loro sistema e di procedere per iterazioni insieme alle utility come veri partner.

Le utility della California hanno ricevuto richieste per circa 18,7 GW di nuova capacità di servizio destinata ai data center, anche se molti dei progetti proposti potrebbero non essere mai realizzati. L’IA può aiutare le utility a distinguere i progetti credibili dalle richieste speculative o duplicate e impedire che i «carichi fantasma» distorcano la pianificazione della rete a lungo termine?

La speculazione non è irrazionale. Considerando quanto tempo occorre per far studiare e collegare un progetto, chiunque possa permettersi di presentare richieste speculative di interconnessione lo farà. È la risposta razionale al processo di interconnessione così come esiste oggi. Dal nostro punto di vista, se i progetti potessero essere studiati e collegati con la stessa rapidità con cui possono essere costruiti, non vi sarebbe alcun incentivo a speculare fin dall’inizio.

La risposta, quindi, non consiste nell’utilizzare l’IA per individuare la speculazione. Consiste invece nell’usarla per migliorare concretamente il processo e collegare più carico in modo più efficiente. Ciò significa impiegare l’IA sia per accelerare lo stesso processo di studio dell’interconnessione, sia per trovare misure alternative di mitigazione, tra cui tecnologie di potenziamento della rete e interconnessioni flessibili. Insieme a cambiamenti normativi, come costi di domanda più elevati o depositi maggiori e tariffe di interconnessione riviste, l’IA può rendere possibile un sistema molto più efficiente e caratterizzato da molta meno speculazione.

In assenza di cambiamenti, tuttavia, le difficoltà legate ai carichi fantasma continueranno ad aggravarsi. Più carichi fantasma significano più scenari da studiare, rendendo più difficile la pianificazione a lungo termine per le utility e rallentando l’intero sistema. Un sistema più lento aumenta l’incentivo alla speculazione. È esattamente ciò che abbiamo osservato nelle code di interconnessione dei generatori che ci hanno spinto a fondare Piq nel 2023, ed è proprio questo ciclo di retroazione che cerchiamo di interrompere.

Piq afferma che il proprio lavoro ha contribuito a individuare quasi 1 GW di capacità della rete attraverso soluzioni flessibili e tecnologie di potenziamento della rete. Quali tipi di cambiamenti operativi o tecnologie stanno liberando tale capacità? Può descrivere un caso in cui un progetto ha evitato un importante potenziamento della rete?

Solo tre cose possono liberare capacità. Sono tutte forme di flessibilità operativa che fino a poco tempo fa non erano disponibili per la rete. Chiamiamo questi tre tipi flessibilità puntuale, flessibilità aggregata e flessibilità della rete.

La flessibilità puntuale riguarda ciò che cambia nel punto di interconnessione e comprende soluzioni quali la generazione propria (BYOG), limiti al prelievo netto, riduzione del carico o carichi controllabili, tra le altre. La flessibilità aggregata comprende risorse distribuite in tutta la rete, come centrali elettriche virtuali (VPP) e risorse energetiche distribuite (DER) aggregate per gestire i vincoli di trasmissione. La flessibilità della rete riguarda invece i parametri e la configurazione della rete stessa: controllo avanzato dei flussi di potenza, ottimizzazione della topologia e portata dinamica delle linee. L’aspetto importante è che tutte e tre possono essere modellate, pianificate e infine implementate in una sala di controllo.

L’esempio più chiaro riguarda la flessibilità della rete. Abbiamo studiato un caso in cui il vincolo determinante era un singolo elemento e l’installazione di 70 MVAr di controllo dei flussi di potenza direttamente in corrispondenza di tale vincolo ha liberato circa 600 MW di capacità aggiuntiva. Nessuna nuova linea di trasmissione, nessun iter autorizzativo pluriennale: soltanto un piccolo intervento sulla rete per liberare 600 MW di capacità.

L’utilizzo della capacità della rete di trasmissione è soltanto del 35% circa nelle condizioni di pianificazione più sfavorevoli. La rete non è piena. Sebbene oggi la capacità della rete rappresenti il maggiore ostacolo alla connessione di grandi carichi, i vincoli si manifestano soltanto in luoghi e condizioni specifici. La maggior parte di questi vincoli ha una soluzione che non richiede di attendere dieci anni per nuove linee, e tale soluzione può essere individuata studiando meglio la rete.

Attorno a questi tre tipi di flessibilità sta crescendo rapidamente un ecosistema. Aziende come Base Power, Voltus, Smart Wires, NewGrid e altre stanno già implementando soluzioni concrete su larga scala. L’unico elemento mancante è il quadro analitico necessario per inserire tali soluzioni negli studi di interconnessione fin dall’inizio.

Le decisioni ingegneristiche riguardanti la rete possono influenzare per decenni l’affidabilità, i prezzi dell’elettricità e gli investimenti infrastrutturali. Quali garanzie, processi di validazione, autorizzazioni e registri di controllo sono necessari prima che le utility possano affidare agli agenti IA flussi di lavoro di pianificazione sempre più complessi?

Siamo d’accordo al 100%. Per prendere decisioni ingegneristiche valide, ogni parte del lavoro automatizzato deve essere verificabile e riproducibile. Deve esistere una traccia documentale per ogni azione, perché nessuno vuole che un’IA operi in una scatola nera e sfugga al controllo.

I nostri registri di controllo hanno più livelli. Conserviamo le conversazioni degli agenti, le loro azioni e l’esecuzione degli strumenti deterministici. Ogni fase secondaria e ogni sottoflusso di lavoro mappa e gestisce tutti i propri input e output, rendendo tutto verificabile da un’estremità all’altra.

Anche le autorizzazioni sono fondamentali. I nostri agenti ereditano i permessi dell’utente con cui lavorano. Un agente non può vedere dati né compiere azioni che la persona per cui lavora non potrebbe vedere o compiere direttamente.

Questo aspetto è legato al tema più ampio della governance dei dati, e gli agenti stanno cambiando i paradigmi storici. Tradizionalmente, la governance riguardava dati strutturati, circoscritti all’interno di un unico compartimento. Con gli agenti, dati strutturati, semistrutturati e non strutturati attraversano i compartimenti: è proprio il potenziale che una piattaforma come Piq promette di liberare ed è anche ciò che rende più difficile la governance. Sono coinvolti molti più dati e una gamma più ampia di persone interagisce con essi. In un’organizzazione che gestisce sistemi elettrici, ciò conta due volte: per le informazioni sugli investimenti sensibili sotto il profilo competitivo e per le informazioni critiche sulle infrastrutture energetiche (CEII). Fortunatamente vi sono persone competenti che lavorano su questo tema, tra cui quelle coinvolte nella IEEE Task Force on Data Governance for Power System Organizations.

Piq ha recentemente raccolto un round seed sovrascritto da 5 milioni di dollari per ampliare la piattaforma. Guardando ai prossimi cinque anni, come prevede che l’IA cambierà la pianificazione della rete? Analisi più rapide saranno sufficienti per tenere il passo con la domanda elettrica creata dai data center per l’IA, dall’elettrificazione e dalla crescita industriale?

Credo che utilizzare l’IA per accelerare l’analisi sia fondamentale per tenere il passo con la domanda di elettricità. Il punto essenziale è che l’automazione su questa scala non consiste soltanto nello svolgere più rapidamente lo stesso lavoro, ma anche nel rendere possibili analisi che semplicemente non si potrebbero eseguire disponendo di risorse umane limitate. Interconnessioni flessibili, reti di trasmissione flessibili e tecnologie di potenziamento della rete: tutto ciò libera capacità latente già presente oggi nella rete. Combinando queste soluzioni con studi di interconnessione più rapidi, riteniamo che riusciremo a tenere il passo con la domanda.

Grazie per l’ottima intervista. I lettori che desiderano saperne di più possono visitare Piq Energy.