Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Metodi ed algoritmi per la progettazione, gestione il controllo di distretti energetici intelligenti - il progetto EFFICITY

353 views

Published on

Introduzione e benvenuto

Il progetto sta sviluppando una piattaforma software per l’ottimizzazione del progetto, della gestione e del controllo di sistemi e di reti energetiche intelligenti, sia convenzionali sia integrate con fonti rinnovabili, a servizio di distretti urbani ed edifici pubblici/commerciali. L’obiettivo principale è ridurre i consumi energetici, le emissioni di CO2 ed i costi, sfruttando le informazioni rese disponibili dai moderni sistemi di monitoraggio e utilizzando avanzati algoritmi di ottimizzazione ed intelligenza artificiale.

Principali filiere coinvolte: Edilizio, Fornitura di energia elettrica, gas, vapore e servizi energetici, Costruzione di edifici, Ingegneria civile, Lavori di costruzione specializzati, Software, Smart city, Servizi, IT

Sito web del progetto: www.efficity-project.it

Published in: Business
  • Be the first to comment

  • Be the first to like this

Metodi ed algoritmi per la progettazione, gestione il controllo di distretti energetici intelligenti - il progetto EFFICITY

  1. 1. KEY ENERGY-ECOMONDO – Fiera di Rimini, 8 novembre 2018 Progetto Efficity (Bando Regione Emilia-Romagna DGR 1097/2015 - POR-FESR 2014-2020) Progettare la città sostenibile: distretti energetici intelligenti e digitalizzazione Metodi ed algoritmi per la progettazione, la gestione ed il controllo di distretti energetici intelligenti: il progetto EFFICITY Prof. Emanuele Martelli – Politecnico di Milano
  2. 2. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITY 2 14:00-14:30 Introduzione: Prof. Emanuele Martelli (Politecnico di Milano/LEAP): Metodi ed algoritmi per la progettazione, la gestione ed il controllo di distretti energetici intelligenti: il progetto EFFICITY 14:30-15:30 Presentazione attività di ricerca sviluppate nel progetto EFFICITY Dr. Matteo Zatti (LEAP/Politecnico di Milano): metodi di ottimizzazione della gestione e progettazione Prof. Francesco Melino (CIRI-EA/Univ. di Bologna): metodi per la gestione ottimale di reti di distribuzione dell’energia Prof. Agostino Gambarotta (CIDEA/Univ. di Parma): metodologie per la simulazione dinamica delle reti termiche 15:30-16:30 Presentazione esperienze industriali Ing. Michele Rossi (SIRAM) Ing. Stefano Bianchi (CPL Concordia) Dr. Matteo Pozzi (OPTIT) 16:30 Coffee Breack 16:45 Tavola Rotonda (Antas, Comune di Parma, CPL Concordia, HERA, Iren, OPTIT, SIRAM) 17:30 Discussione e Conclusioni
  3. 3. - Key Energy, Rimini - 08.11.2018 3 Evoluzione dei sistemi energetici a servizio di edifici Soluzione centralizzata con caldaia Soluzione centralizzata con cogeneratore + caldaia
  4. 4. - Key Energy, Rimini - 08.11.2018 4 Evoluzione dei sistemi energetici a servizio di edifici Scelte progettuali: - Tecnologie e taglie - Siti/edifici di installazione e topologia della rete di distribuzione Scelte operative: - On/off e carichi unità - Gestione accumuli - Acquisto/vendita energia elettrica - Portate e temperature rete distribuzione - Gestione temperatura interna edifici (DSM) Vincoli: - Bilanci energetici - Range di comfort richiesto (T edifici) - Performance e costi delle unità - vincoli operativi (rampe, numero max accensioni/giorno, etc) - «Sbilanciamenti» di export/import (VPP) Energy District
  5. 5. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITY 5 1 2 3 4 5 6 7 8 9 10 11 12 13 14 1516 17 1819 20 21 22 23 24 25 26 27 28 29 30 3132 33 34 35 3637 3839 4041 42 43 44 45 4647 48 49 50 51 52 53 54 55 56 57 58 59 60 6162 68 64 65 66 67 63 69 70 71 72 73 74 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 2223 24 25 26 2728 29 3032 31 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 Percorso critico #1 Percorso critico #2 CALD#1 CALD#2 CALD#3 CALD#4 COGEN RETE ELETTRICA CH4 RETE GAS RETE TLR Gruppo POMPE UTENZE ASSORBITORE FRIGORIFERO A COMPRESSIONE ACCUMULO TERMICO PdC Esempio: Rete DHC Corticella
  6. 6. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITY 6 Motivazione Classici criteri progettuali e semplici logiche gestionali non sono più sufficienti perché: - Sub-ottime dal punto di vista ambientale ed economico - Causano gravi «sbilanciamenti» della rete elettrica Opportuno sviluppare metodi sistematici che sfruttano: - le informazioni registrate dai moderni sistemi di monitoraggio (e.g., profili di domanda giornalieri) - Previsioni meteo - Modelli accurati di sistemi, reti ed edifici - Metodi di ottimizzazione avanzati - Algoritmi di intelligenza artificiale Dal 2010 più di 10,000 articoli scientifici!
  7. 7. - Key Energy, Rimini - 08.11.2018 7 Obiettivi del progetto EFFICITY Rendere «SMART» gli impianti energetici al servizio di distretti urbani ed edifici pubblici/commerciali sviluppando: 1. Una piattaforma software per la previsione della domanda e l’ottimizzazione della gestione di distretti energetici 2. Un algoritmo per l’ottimizzazione della progettazione
  8. 8. - Key Energy, Rimini - 08.11.2018 8 Il Partenariato Laboratori e Centri per l’innovazione LEAP – Laboratorio Energia e Ambiente Piacenza (coordinatore) CIDEA – Centro Interdipartimentale Energia e Ambiente – Università degli Studi di Parma CIRI-EA – Centro Interdipartimentale di Ricerca Industriale Energia e Ambiente – Università di Bologna CERR – Confindustria Emilia-Romagna Ricerca Soc cons. arl Enti locali Comune di Parma
  9. 9. - Key Energy, Rimini - 08.11.2018 9 • Impresa Allodi Srl – Edilizia e costruzioni • Impresa CELLA GAETANO Srl – Edilizia e costruzioni • Croci Costruzioni Srl – Edilizia e costruzioni • ANTAS Srl – Servizi integrati di gestione agli edifici, principalmente servizio energia • Consorzio Centrale Termica P.E.E.P. Corticella Soc. Coop – Produzione e distribuzione servizio calore ed acqua calda sanitaria per il comparto PEEP Corticella • CPL Concordia Soc. Coop – Costruzione di opere di pubblica utilità per il trasporto dei fluidi • Siram Spa – Installazione di impianti idraulici, di riscaldamento e condizionamento dell'aria in edifici o in altre opere di costruzione • Optit Srl – Sviluppo software avanzati di ottimizzazione CONSORZIO CENTRALE TERMICA P.E.E.P. CORTICELLA S.C.R.L. Il Partenariato
  10. 10. - Key Energy, Rimini - 08.11.2018 10 1. Sviluppo di modelli dinamici ed algoritmi di «machine learning» per la previsione della delle domande energetiche (CIDEA, LEAP-POLIMI) 2. Sviluppo di metodi «robusti» per l’ottimizzazione della gestione e del progetto degli impianti (LEAP-POLIMI) 3. Sviluppo di algoritmi di controllo real-time per i sistemi di produzione e le reti termiche (CIRI-EA, CIDEA) 4. Applicazione dei metodi a casi studio forniti dalle aziende coinvolte (tutti i partner) 5. Divulgazione dei risultati alla comunità scientifica e stakeholders (tutti i partner) Principali attività
  11. 11. - Key Energy, Rimini - 08.11.2018 11 Previsione della domanda energetica Approccio «fisico»: analizzare e modellizzare i fenomeni fisici coinvolti per riprodurre il rapporto causa (condizioni meteo e esigenze utenti) – effetto (consumi energetici) Approccio «black-box»: utilizzare algoritmi machine learning per «imparare» il rapporto causa-effetto senza modellizzare i fenomeni fisici coinvolti
  12. 12. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITY 12 Previsione della domanda con approccio fisico: modello dinamico dell’edificio a b c d Modello dettagliato in TRNSYS® Modello linearizzato utile per gli algoritmi di gestione e controllo ottimo
  13. 13. - Key Energy, Rimini - 08.11.2018 13 Machine Learning (da anni ’50) Algoritmi capaci di ricostruire in modo approssimato il legame funzionale tra cause ed effetti dall’osservazione di dati storici Alcuni esempi: - Perceptron: problemi di classificazione 0/1 (e.g., email spam) - Artificial Neural Networks: classificazione 0/1 e multi-classe, regressione dati (e.g., previsioni), riconoscimento vocale e/o immagini - Support Vector Machine: problemi di classificazione 0/1 (e.g., DNA-patologie) e riconoscimento immagini Approccio Black-box: machine learning
  14. 14. - Key Energy, Rimini - 08.11.2018 14 Consulenza del Politecnico di Milano, DEIB: Prof. E. Amaldi e Dr. A. Manno Previsione della domanda elettrica e termica “24h ahead” Approccio Black-box: machine learning
  15. 15. - Key Energy, Rimini - 08.11.2018 15 Grippo, Manno, Sciandrone (2016) "Decomposition techniques for multilayer perceptron training" IEEE transactions on neural networks and learning systems Approccio Black-box: machine learning
  16. 16. - Key Energy, Rimini - 08.11.2018 16 (+) Non richiede la costruzione e validazione dei modelli di edifici  vantaggio per applicazioni industriali (+) Ottima accuratezza anche nella previsione dei consumi elettrici (difficile con modelli classici) (+) Auto-adattivo (training svolto con approccio “rolling horizon”) (-) Difficile derivare espressioni lineari utili agli algoritmi di controllo/gestione Approccio Black-box: machine learning
  17. 17. - Key Energy, Rimini - 08.11.2018 17 Ottimizzazione della gestione di energy districts Dati: ➜ Previsione della produzione da rinnovabili ed incertezza ➜ Previsione dei profili di domanda energetica ed incertezza ➜ Previsione dei prezzi dell’energia ed incertezza ➜ Curve di performance delle unità installate ➜ Limiti operative delle unità (start-up, ramp-up, etc) ➜ Capacità ed efficienza in carica/scarica dei sistemi di accumulo ➜ Topologia, caratteristiche, limiti della rete termica ed elettrica Variabili di ottimizzazione: Set-points attesi: on/off delle unità, carichi attesi, gestione accumuli, portate & temperature della rete distribuzione Regole di correzione: come aggiustare real-time on/off, carichi delle unità, etc Vincoli: domande energetiche, comfort, curve di performance delle unità, vincoli di rampa, etc Funzione obiettivo: minimo (costo comb. + O&M + costi disservizi + costi sbilanciamenti – revenue)
  18. 18. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITY IDEA BASE: Approccio di tipo Model Predictive Control (MPC) - Sviluppare un modello capace di prevedere il comportamento del sistema - Ottimizzare la sequenza di azioni di controllo Ut Proceedings of the 10th International Conference on Applied Energy (ICAE 2018) … ˆText ¹Text Tactual Tfuture ui uopt uopt (t0 ) uopt (tn) Ottimizzazione della gestione di energy districts
  19. 19. - Key Energy, Rimini - 08.11.2018 19 Possibili approcci per l’ottimizzazione della gestione Tipologia di problema: Mixed Integer NonLinear Program (MINLP) soggetto ad incertezza Non risolvibile “tal quale” con algoritmi oggi disponibili Approcci possibili: 1. Linearizzazione problema in Linear Program o Mixed Integer Linear Program (MILP) (+) super-efficienti codici MILP commerciali (tempi di calcolo < 1 min anche per casi molto complessi) (+) garanzia ottimalità della soluzione trovata (+) approcci rigorosi per tener conto dell’incertezza dei dati (-) modelli semplificati (flussi di potenza) 2. Algoritmi evolutivi (intelligenza artificiale) (+) possibilità utilizzo modelli nonlineari dettagliati delle reti e delle macchine (+) possibilità di ottimizzare le temperature di andata/ritorno della rete di distribuzione (-) velocità convergenza molto limitata se numero variabili è elevato (-) no garanzia ottimalità della soluzione trovata
  20. 20. - Key Energy, Rimini - 08.11.2018 20 Piattaforma software «Efficity» 24h-ahead forecast (machine learning) LEAP-POLIMI Optimal planning (robust MILP) LEAP-POLIMI Real-time control of machines and thermal networks (Genetic Algorithm) CIRI-EA Detailed dynamic model CIDEA Update block: System state Current wheather Linearized dynamic model Wheather forecast Monitoring data Optimal control action Forecast of demand and ren. production Desired range TINT,t on/off Loads storage Loads, mt, pt, Tt TINT,t Data from monitoring system + current wheather conditions TINT,t NOT in the desired range IDEA: aumentare progressivamente la complessità dei modelli riducendo il numero di variabili da ottimizzare SINERGIA tra le competenze dei gruppi di ricerca coinvolti
  21. 21. - Key Energy, Rimini - 08.11.2018 21 Ottimizzazione Robusta Dati: previsioni + possibile range errore (±Δ) Obiettivo: minimizzare i costi totali operativi (nel caso atteso o nel worst case) La soluzione di gestione + regole di correzione devono soddisfare i vincoli per ogni possibile valore dell’errore delle previsioni (±Δ) (+) La domanda energetica degli utenti è sempre soddisfatta (no disservizi), anche nel worst case. (+) Determina anche le regole di correzione per aggiustare i carichi delle macchine in funzione di Δ. (-) Spesso è approccio troppo conservativo Utile per applicazioni con elevati requisiti di affidabilità (e.g., ospedali, microreti off-grids). Ottimizzazione Stocastica Dati: previsioni + insieme di possibili scenari effettivi (domanda energetica, prezzi, prod da rinnovabili) e loro probabilità Obiettivo: minimizzare li costo operativo atteso nei possibili scenari futuri La soluzione trovata deve essere “buona” per tutti gli scenari più probabili (+) Idealmente ottimo compromesso tra robustezza e costo delle soluzioni (+) Soluzioni non eccessivamente conservative (worst case pesato in base alla probabilità di realizzazione) (-) necessità di definire scenari futuri e relative probabilità (analisi statistica errori delle previsioni) (-) regole di correzione per aggiustare i carichi real-time non sono direttamente fornite Optimal Planning con MILP: metodi per tener conto dell’incertezza dei dati
  22. 22. - Key Energy, Rimini - 08.11.2018 Electric Grid Connection Il Progetto EFFICITY 22 Case study = medium-size hospital 1 CHP ICE (2 MWe) 2 BOILERS (1600 kWt ciascuna) 1 HEAT PUMP (600 KWe) 1 SMALL TH. STORAGE (1200 KWh) Total yearly basis [GWh] Peak [kW] Thermal demand 22,12 6368 Electric demand 16,36 4438 Optimal planning: esempio di MILP di optimal planning robusto Operating costs Mid-season Summer Winter heuristic 1 1 1 MILP + heurstic correction 0.96 0,75 0.97 Robust MILP 0.96 0.65 0.95
  23. 23. - Key Energy, Rimini - 08.11.2018 Controllo real-time: 3-CENTO – Complex Energy Networks Tool Optimizer 23 Algoritmo Genetico Sviluppato da CIRI-EA/UniBO +
  24. 24. - Key Energy, Rimini - 08.11.2018 24 6.00 6.05 6.10 6.15 6.20 6.25 6.30 6.35 6.40 6.45 6.50 6.55 6.60 6.65 6.70 6.75 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 G01 G02 G03 G04 G05 G06 G07 G08 G09 G10 ObjectFunctionValue[€] Fitness Function Rank [#] Generation INDEX 24 0 100 200 300 400 500 600 700 800 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Power[kW] hour/day Electrical = Demand - Renewable Production Thermal 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 PM#1 PM#2 PM#3 PM#4 ElectricPower[kW] hour/day 0 20 40 60 80 100 120 140 160 180 200 220 240 260 280 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 PM#1 PM#2 PM#3 PM#4 ThermalPower[kW] hour/day Controllo real-time: 3-CENTO – Complex Energy Networks Tool Optimizer
  25. 25. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITY 25 Sviluppo di Modelli dinamici dei componenti delle reti energetiche: attraverso la definizione per ciascuno di essi della corretta causalità fisica, è possibile assemblarli facilmente per modellare reti complesse. Modelli dinamici del sistema
  26. 26. - Key Energy, Rimini - 08.11.2018 26 Modelli dinamici del sistema
  27. 27. - Key Energy, Rimini - 08.11.2018 27 Piattaforma software «Efficity» 24h-ahead forecast (machine learning) LEAP-POLIMI Optimal planning (robust MILP) LEAP-POLIMI Real-time control of machines and thermal networks (Genetic Algorithm) CIRI-EA Detailed dynamic model CIDEA Update block: System state Current wheather Linearized dynamic model Wheather forecast Monitoring data Optimal control action Forecast of demand and ren. production Desired range TINT,t on/off Loads storage Loads, mt, pt, Tt TINT,t Data from monitoring system + current wheather conditions TINT,t NOT in the desired range IDEA: aumentare progressivamente la complessità dei modelli riducendo il numero di variabili da ottimizzare SINERGIA tra le competenze dei gruppi di ricerca coinvolti
  28. 28. - Key Energy, Rimini - 08.11.2018 28 Ottimizzazione del progetto di energy districts Dati: ➜ Previsione della produzione da rinnovabili ed incertezza ➜ Previsione dei profili di domanda energetica ed incertezza ➜ Previsione dei prezzi dell’energia ed incertezza ➜ Catalogo delle unità installabili ➜ Limiti operative delle unità installabili (start-up, ramp-up, etc) ➜ Capacità max ed efficienza in carica/scarica dei sistemi di accumulo installabili ➜ Edifici/utenze da servire Variabili di ottimizzazione: Tecnologie da installare, taglia e sito di installazione Topologia della rete termica di distribuzione (centralizzata vs. distribuita) Vincoli: domande energetiche, comfort, curve di performance delle unità, vincoli di rampa, etc da soddisfare OGNI giorno dell’anno Funzione obiettivo: Massimo: Net Present Value + incentivi – tasse emissioni CO2 MILP stocastico: 2-stage (no mercato giorno prima) 3-stage (mercato giorno prima)
  29. 29. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITYCaso studio 1 : Rete Corticella 15 08 07 06 09 13 03 01 02 14 05 04 11 12 10 17 14 Centrale ID Tipologia Utenza Utenza servita 1 Residenziale Condominio di via Giulio Verne n. 1-15 2 Residenziale Condominio di via Giulio Verne n. 2-14 3 Residenziale Condominio di via Giulio Verne n. 16-26 4 Residenziale Condominio di via Massimo Gorki n. 11-17 5 Residenziale Condominio di via Massimo Gorki n. 19-25 6 Residenziale Condominio di via Giorgio Byron n. 2- 4 7 Residenziale Condominio di via Giorgio Byron n. 6- 8 8 Residenziale Condominio di via Giorgio Byron n. 10-22 9 Residenziale Condominio di via Giorgio Byron n. 1-13 10 Residenziale Condominio di via Wolfgang Goethe n. 1-11 11 Residenziale Condominio di via Wolfgang Goethe n. 2-10 12 Residenziale Condominio di via Wolfgang Goethe n. 12-18 13 Residenziale Condominio di via S.Anna n. 15-21 14 Terziaria Scuola materna Attilia Neri + CSA & URP Villa Torchi 15 Terziaria Scuola elementare e media F. Franchini +palestra 16 Terziaria Centro Civico - Day Hospital 17 Terziaria Supermercato Coop - Corticella o situata nella parte nord della città di Bologna (circa 6 chilometri dal centro della città); o 17 utenze di cui 13 di carattere residenziale e 4 di tipo terziario; • 13 complessi condominiali (960 unità abitative); • un supermercato; • un day-hospital; • una scuola materna; • una scuola elementare. o estensione della DHN è pari a circa 4 chilometri comprensivi sia del percorso di mandata che di ritorno o area complessiva ha un’estensione di 22 ettari di cui circa il 45% occupati (poco meno di 4 ettari di superficie edificata, la restante parte è occupata da strade, parcheggi ed altre opere di urbanizzazione) 29
  30. 30. - Key Energy, Rimini - 08.11.2018 30 Caso studio 2 : Campus Università di Parma Caratteristiche: • Superficie: 77 ettari • 21 edifici • 4 loop di distribuzione del calore
  31. 31. - Key Energy, Rimini - 08.11.2018 31 Caso studio 3 : Ospedale «tipo» Italiano BOILER #1 BOILER #2 BOILER #3 COMPRESSION REFRIGERATOR #1 COMPRESSION REFRIGERATOR #2 HOSPITAL THERMAL POWER COOLING POWER THERMAL STORAGE EL. POWER
  32. 32. - Key Energy, Rimini - 08.11.2018 Il Progetto EFFICITY 32 GRAZIE PER L’ATTENZIONE Prof. Emanuele Martelli– Politecnico di Milano/LEAP e-mail emanuele.martelli@polimi.it Progetto EffiCity - Sistemi energetici efficienti per distretti urbani intelligenti www.efficity-project.it Efficity è un progetto co-finanziato dalla Regione Emilia-Romagna nell’ambito del Bando per progetti di ricerca industriale strategica in ambito energetico (DGR 1097/2015), emesso in attuazione al POR-FESR 2014-2020.

×