La transizione energetica sta rendendo le infrastrutture sempre più complesse. Elettrificazione, fonti rinnovabili, sistemi di accumulo e nuovi carichi richiedono non solo nuovi asset, ma anche strumenti capaci di interpretarli e gestirli in modo più intelligente. È in questo spazio che opera muleML, startup innovativa con sede a Trieste, specializzata nello sviluppo di soluzioni data-driven per l’energia.
L’obiettivo è trasformare i dati tecnici e operativi in decisioni migliori. muleML combina data science, machine learning, simulazione e ingegneria del dato con una conoscenza specifica dei sistemi di accumulo a batteria. A queste competenze si affianca una rete di collaborazioni scientifiche e tecnologiche, anche con professionisti legati all’ecosistema del MIT di Boston, che alimenta il confronto su modelli avanzati e nuove applicazioni. L’approccio accompagna l’intero ciclo di vita dell’infrastruttura: dallo studio e dimensionamento alla gestione operativa e al monitoraggio delle prestazioni.
Le applicazioni sviluppate includono strumenti di simulazione per valutare scenari energetici complessi, sistemi di Battery Intelligence per analizzare stato di salute e degrado delle batterie, ed Energy Management System per ottimizzare gli asset in funzione dei carichi, della disponibilità energetica e degli obiettivi economici.
L’esperienza maturata con aeroporti e grandi realtà industriali energivore ha mostrato quanto sia importante studiare l’evoluzione dei carichi prima di decidere quali asset installare. Lo stesso vale nei porti, dove cold ironing, elettrificazione dei mezzi e nuovi servizi possono modificare profondamente i consumi. Le simulazioni permettono di valutare picchi e scenari futuri, individuando dove un BESS può creare valore e come integrarlo nell’infrastruttura energetica.
Parallelamente, muleML lavora su modelli avanzati per prevedere stato di salute e vita residua delle batterie, con l’obiettivo di rendere più affidabili la gestione tecnica degli asset e la valutazione del loro valore nel tempo. Un’attività che unisce ricerca applicata e sviluppo industriale, mantenendo al centro trasparenza dei modelli, verificabilità dei risultati e controllo del dato.
L’ingresso in M.A.R.E. TC FVG rappresenta per muleML l’opportunità di mettere queste competenze a disposizione della filiera marittima e portuale, contribuendo a progetti in cui dati, accumulo ed energia possano diventare parte integrante della trasformazione delle infrastrutture.
La transizione energetica sta rendendo le infrastrutture sempre più complesse. Elettrificazione, fonti rinnovabili, sistemi di accumulo e nuovi carichi richiedono non solo nuovi asset, ma anche strumenti capaci di interpretarli e gestirli in modo più intelligente. È in questo spazio che opera muleML, startup innovativa con sede a Trieste, specializzata nello sviluppo di soluzioni data-driven per l’energia.
L’obiettivo è trasformare i dati tecnici e operativi in decisioni migliori. muleML combina data science, machine learning, simulazione e ingegneria del dato con una conoscenza specifica dei sistemi di accumulo a batteria. A queste competenze si affianca una rete di collaborazioni scientifiche e tecnologiche, anche con professionisti legati all’ecosistema del MIT di Boston, che alimenta il confronto su modelli avanzati e nuove applicazioni. L’approccio accompagna l’intero ciclo di vita dell’infrastruttura: dallo studio e dimensionamento alla gestione operativa e al monitoraggio delle prestazioni.
Le applicazioni sviluppate includono strumenti di simulazione per valutare scenari energetici complessi, sistemi di Battery Intelligence per analizzare stato di salute e degrado delle batterie, ed Energy Management System per ottimizzare gli asset in funzione dei carichi, della disponibilità energetica e degli obiettivi economici.
L’esperienza maturata con aeroporti e grandi realtà industriali energivore ha mostrato quanto sia importante studiare l’evoluzione dei carichi prima di decidere quali asset installare. Lo stesso vale nei porti, dove cold ironing, elettrificazione dei mezzi e nuovi servizi possono modificare profondamente i consumi. Le simulazioni permettono di valutare picchi e scenari futuri, individuando dove un BESS può creare valore e come integrarlo nell’infrastruttura energetica.
Parallelamente, muleML lavora su modelli avanzati per prevedere stato di salute e vita residua delle batterie, con l’obiettivo di rendere più affidabili la gestione tecnica degli asset e la valutazione del loro valore nel tempo. Un’attività che unisce ricerca applicata e sviluppo industriale, mantenendo al centro trasparenza dei modelli, verificabilità dei risultati e controllo del dato.
L’ingresso in M.A.R.E. TC FVG rappresenta per muleML l’opportunità di mettere queste competenze a disposizione della filiera marittima e portuale, contribuendo a progetti in cui dati, accumulo ed energia possano diventare parte integrante della trasformazione delle infrastrutture.
