EFFICITY - Sviluppo di algoritmi di ottimizzazione del progetto e della gestione di sistemi multi-energia tri- e cogenerativi

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
Sviluppo di algoritmi di ottimizzazione del progetto e della gestione
di sistemi multi-energia tri- e cogenerativi
Matteo Zatti – LEAP e Politecnico di Milano
con contributi di Luca Moretti – Politecnico di Milano

Matteo Zatti - Key Energy, Rimini - 08.11.2018
Il Progetto EFFICITY
2
Introduzione
SMART ENERGY SYSTEMS
EU: Positive Energy District
IT: UVAC
Energia
primaria
Emissioni
CO2 fossile
Le città nel mondo
città
zone rurali
integrazione
DISTRETTI ENERGETICI
I criteri classici di progettazione e
gestione non sono più sufficienti
• MONITORAGGIO DATI
• METODI PREVISIONALI
• OTTIMIZZAZIONE
PIATTAFORMA SOFTWARE

Matteo Zatti - Key Energy, Rimini - 08.11.2018 3
Algoritmi di ottimizzazione
del progetto
di sistemi multi-energia in ambiente incerto

Production unit
User
Thermal storage
Electrical storageAbsorption Chiller
Heat Pump
Gas Turbine
Boiler
Electric Grid
Connection
Battery
Residential buildings
Heat
Storage
PV
Solar
Heating
Compression
Chiller
Battery
PV
Heat
Storage
School
4
Problema di ottimizzazione della progetto di un distretto energetico
• Il distretto è connesso alla rete
elettrica, rete gas, ecc.
• Suddiviso in quartieri/siti
• Domanda di elettricità, calore e
raffrescamento in ciascun sito
• Reti di distribuzione interne al
distretto
• Installazione di sistemi di
conversione e stoccaggio
Tecnologie
• Motori a combustione interna (GN)
• Turbine a gas (GN)
• Caldaie (BN, BIOM)
• Termovalorizzatori
• CHP a contropressione (CARBONE)
• CHP a estrazione (GN)
• Organic Rankine Cycle (BIOM)
• SOFC (BIOGAS)
• SOEC (CH4)
• Chiller a compressione
• Chiller ad assorbimento
• Fotovoltaico
• Solare termico
• Accumulo termico
• Batterie

Input:
• Topologia del distretto
• Profili orari nei giorni rappresentativi:
- Domanda di energia
- Produzione da FER
- Prezzi dell’energia
- Parametri ambientali
• Cataloghi delle tecnologie:
- CAPEX [€/kW]
- OPEX [€/kWh]
- Prestazioni
- Vincoli operativi
Output:
• Selezione e taglie delle unità da installare in
ciascun sito
• Profili orari nei giorni rappresentativi:
- on/off e carichi delle unità di
conversione dell’energia
- La strategia di gestione dei sistemi di
accumulo
- Profili di import/export del distretto
- Scambi di energia tra siti del distretto
(reti interne)
Modello di
ottimizzazione
min TAC =
CAPEX + OPEX
Input-output del modello
WINTER TYPICAL DAY
0
1
SUMMER TYPICAL DAY
0
1
Esempi di 24 h di gestione
di unità termiche per un
sito del distretto
(normalizzato rispetto al
valore di consumo di
picco).
Zatti et al., Environmental Engineering Management Journal (2018)

Che vantaggi offre una metodologia sistematica per la progettazione ottima?
!"
#"
!"
$%
!"
&''%
("
$%
)"
*+,
-"
./0
1 anno di dati orari
Caso studio: Campus dell’Università di Parma: 21 edifici, 4 circuiti principali, 5 caldaie e 4 chiller a compressione.
5 BOILER
4 REFR_CYCLES
SITE 1
SITE 2 SITE 3
SITE 5
Connection
to the grid
SITE 4
Obiettivo: ottimizzazione della riqualificazione (reti interne fisse) del sistema di produzione e stoccaggio dell’energia
minimizzando il TAC (Costi Annuali Totali), considerando 6 Giorno Tipo e 6 Giorni Estremi.

7
DESIGN
S1 S2 S5
SH HP SH
BOILER ICE 1 ICE 2 REF CMPR REF ABS HS
1 2 3 EL TH EL TH 1 2 3 1 2
1 0.147 0.564 0.023 0.006 0.585 0.158 0.502 0.456 0.167 n.a. 0.11
2 0.132 0.248 0.023 0.007 0.603 0.163 0.484 0.474 0.167 n.a. 0.11
3 0.131 0.181 0.004 0.004 0.602 0.163 0.450 0.122 n.a. 0.11
4 0.139 0.236 0.004 0.004 0.754 0.205 0.496 0.461 0.167 n.a. 0.11
5 0.2 0.132 0.228 0.684 0.185 0.081 0.022 0.131 0.586 0.297 0.11
6 0.147 0.02 0.266 0.005 0.701 0.190 0.328 0.122 0.586 0.11
Disservizi
Penalità
oraria
Penalità
energia
Tassa
CO2
Chiller
assorb.
Solar District
Heating
1 ✘ -- -- ✘ ✘ ✘
2 ✓ ✓ ✓ ✘ ✘ ✘
3 ✓ ✘ ✓ ✘ ✘ ✘
4 ✓ ✓ ✓ ✓ ✘ ✘
5 ✓ ✓ ✓ ✓ ✓ ✘
6 ✓ ✓ ✓ ✓ ✓ ✓
Sei scenari
Tecnologie considerate
Taglie: rispetto al picco di domanda
corrispondente (e.g. caldaia/domanda di
calore)
BOILER
HEAT PUMP
ICE
REFR_COMPR
HP
HP
HP
HP
SITE 1
SITE 2
SITE 3
SITE 4
SITE 5
Connection
to the grid
HEAT STORAGE
PV
SH
Impatto di tasse sulla CO2 e scelte strategiche sulla progettazione
CO2
COSTS (365 days)
CAPEX OPEX TAC
1 0.79 0,28 0,65 0,93
2 0.78 0,26 0,72 0,98
3 0.78 0,21 0,67 0,88
4 0.77 0,27 1,06 1,33
5 0.78 0,26 1,07 1,33
6 0.77 0,27 1,03 1,29
- Emissioni di CO2 fossile: rispetto a
quanto ottenuto dal sistema
attuale.
- Costi: rispetto ai costi totali annui
(TAC) del sistema attuale
I risultati sono normalizzati:
Un design ottimizzato,
rispetto a quello
attuale,
CO2 : - 21 %
€ : - 7 %
senza nessun incentivo!

Cosa succede se vogliamo che il distretto
energetico svolga un ruolo attivo nel
mercato dell’energia e nei confronti dei
sistemi energetici regionali o nazionali ?
È utile prendere in considerazione
l’incertezza associata alle previsioni !

Production unit
User
Thermal storage
Electrical storageAbsorption Chiller
Heat Pump
Gas Turbine
Boiler
Electric Grid
Connection
Battery
Residential buildings
Heat
Storage
PV
Solar
Heating
Compression
Chiller
Battery
PV
Heat
Storage
School
9
• Il distretto è connesso alla rete elettrica, rete gas, ecc.
• Suddiviso in quartieri/siti
• Domanda di elettricità, calore e raffrescamento in ciascun sito
• Reti di distribuzione interne al distretto
• Installazione di sistemi di conversione e stoccaggio
• Partecipa al mercato del giorno prima: eventuali
sbilanciamenti tra profilo previsto/reale à penalità
• Impianti di grande taglia devono stabilire il loro programma
on/off il giorno prima e in tempo reale possono avere solo le
correzioni di carico (Ricorso Reale)
• Le macchine piccole possono avere correzioni del programma
on/off in tempo reale (Ricorso Intero)
Problema di ottimizzazione della progettazione di un distretto energetico ‘ATTIVO’
Zatti M. et al., Computer Aided Chemical Engineering (2017)

Formulazione matematica
Three stage stochastic mixed integer programming problem
with on/off real-time adjustment (Novità in letteratura!).
Input sono profili
PREVISTI
1st STAGE:
2nd STAGE:
3rd STAGE:
(design del distretto):
- localizzazione, selezione e taglia
- connessioni per scambio tra siti
(mercato del giorno prima):
- profili orari di import/export
- programma on/off orario della unità grandi
(gestione tempo reale):
- on/off delle unità flessibili
- carichi di tutte le unità e in/out accumuli
1st 2nd 3rd
Limitata flessibilità delle unità
di grossa taglia
Previsioni a
breve termine
Mercato del
giorno prima
+ +
Input sono profili
REALI
incertezza
Il problema
design + operation
three-stage è
MOLTO oneroso
da un punto di
vista
computazionale !
Variabili TOT. 350k
Var. Continue 290k
Var. Binarie 60k
Vincoli 420k

11
Algoritmo di decomposizione del problema stocastico
Rule A: Combinatorial
! ! 2 ⋅ $%,',( − 1 ⋅ +',(
,
(
≤ ! ! $%,',(
(
− 1 ∀012
''
Rule B, Scenario Retention:
at each iteration, the scenarios for which
max
$%&
'()*+,-./[$%&]
'()*+,-.2 $%&
are added to the step 1 problem.
Step 1
Deterministic problem (TFD)
Relaxed unit commitment
Step 2
Deterministic problem (TFD)
Binary restriction on unit commitment
Step 3
Stochastic problem (ROD)
Load adjustment (binary variables @2nd stage)
Step 4
On/off adjustment (binary variables @3rd stage)
convergence Apply a rule
yes
stop
no
Step 5
All binaries are fixed à large LP
2nd iteration
DESIGN OPERATION
3rd iteration
DESIGN OPERATION
1st iteration
DESIGN OPERATION
…

12
Confronto tra un distretto standard e un distretto a emissioni di CO2 nulle
ENERGY DISTRICT DESIGN
S1 S2 S3 S4 S5 TOT TOT
REF
CMPR
HP
REF
CMPR
REF
CMPR
BOILERS ICE ORC 1 ORC 2 REF ABS
HS PV
1 2 EL TH EL TH EL TH 1 2
STANDARD
DETERMINISTIC 0,118 0,450 0,298 0,004 0,284 0,077 0,019 0,018 0,019 0,018 0,586 0,758 0,818
STOCHASTIC 0,117 0,450 0,295 0,007 0,279 0,076 0,019 0,018 0,019 0,018 0,586 0,791 0,828
NET ZERO CO2 DETERMINISTIC 0,299 0,004 0,134 0,130 0,586 0,419 1,098 0,828
STOCHASTIC 0,1218 0,311 0,004 0,130 0,127 0,368 0,523 1,063 0,829
ENERGY
DISTRICT
DESIGN CAPEX
OPEX TAC
UNBALANCE
DET. STOC. DET. STOC.
STANDARD
DET. 0,46 0,54 0,62 1,00 1,08 1,00
STOC. 0,46 0,61 1,07 0,98
NET ZERO CO2
DET. 0,58 0,54 0,67 1,13 1,25 5,20
STOC. 0,59 0,64 1,23 4,65
Se imponiamo che il bilancio annuo di emissioni di CO2 fossile sia nullo, l’impatto
dell’incertezza sui risultati può diventare rilevante!
I Costi sono normalizzati rispetto al TAC di un distretto standard con un design
deterministico.
Gli sbilanciamenti sono normalizzati rispetto a quelli ottenuti da un distretto standard
con un design deterministico.
BOILER
HEAT PUMPS
ICE
ORC_BIO
REFR_ABS
HEAT PUMP
REFR_COMPR
SITE 1
SITE 2
SITE 3
SITE 4
SITE 5
HEAT STORAGE
PV
BATTERY
SH
HEAT PUMP
REFR_COMPR
Connection
to the grid
HP
REFR_COMPR
Parma University
campus
Considered technologies
Le taglie sono normalizzate rispetto al picco della corrispondente domanda di energia
Un design stocastico
riesce a far fronte alle
variazioni tra previsioni
e profili in maniera più
efficiente !

Algoritmi di ottimizzazione
della gestione
di sistemi multi-energia in ambiente incerto

Lo stato dell’arte per la gestione di sistemi multi-energia
1. L’approccio più semplice per l’ottimizzazione della gestione di sistemi multi-energia prevede
l’accensione e l’uso delle macchine installate seguendo il carico termico in tempo reale, dando priorità
alle macchine più efficienti (TERMICO SEGUE).
2. Un approccio più evoluto prevede l’uso di un algoritmo di ottimizzazione per definire la
programmazione di gestione delle macchine il giorno prima, sulla base dei carichi attesi. Le eventuali
compensazioni vengono effettuate in tempo reale con la macchine più efficienti
(OTTIMIZZ. DETERMINISTICA + REDISPACCIAMENTO ‘EFFICIENTE’).
! " 1 + Δ!%
− (
)*
+,
)*
" 1 − Δ+,
%
= (
./,01
+,(")
3. Sono disponibili in letteratura metodi di ottimizzazione in grado di individuare la programmazione di
gestione delle macchine tenendo conto dell’incertezza che caratterizza le previsione dei carichi
attesi e della produzione da FER non dispacciaibli.
APPROCCI
DETERM
INISTICI

15
Approccio robusto all’ottimizzazione della gestione
La formulazione robusta mira a identificare una soluzione che sia ammissibile per tutti i valori possibili dei
parametri incerti, all’interno di uno specifico dominio di incertezza:
! = # δ% ≤ δ% ≤ δ%, # ( ≤ Γ} ≡ {# | .# ≤ /}
Ciascun vincolo deve essere valido per un’infinità di scenari!
min
3
453
s.t. max
#∈!
93 + ;# ≤ <
Per risolvere il problema è necessario dualizzare la matrice dei
vincoli
max
#
;# =. ?. .# ≤ / à ROW-WISE DUALIZATION à min
@
Λ/ =. ?. Λ. = ;, Λ ≥ 0

16
Ottimizzazione robusta con Ricorso Affine (ORRA)
L’Ottimizzazione Robusta con Ricorso Affine divide le variabili del problema in due gruppi:
• Variabili first stage !, il cui valore deve essere definito prima che il valore effettivo dei parametri incerti sia noto
• Variabili second stage "#, che possono essere corrette sulla base del valore osservato dei parametri incerti
Le variabili di second stage sono espresse con funzione lineare di tutti i possibili valori osservati di δ à
1. Il problema inizialmente è risolto sulla base dei valori previsti di δ
2. Man mano che il tempo passa e i valori di δ sono osservati, i set point di funzionamento delle macchine vengono
’’aggiustati’’ seguendo regole di correzione ottima
Previsioni di δ
Accuratezza delle
previsioni $
Soluzioni
del
problema
ORRA
Variabili first stage ottime !
(UC, set point nominali)
Regole di correzione ottime %
(correzioni dei set point)
Correzioni
Real – time
& = &( & = & > &(
Valori osservati di δ per &( ≤ & ≤ &
set point
effettivi
+#(&) = .
/01(
1
%1,/ δ/

17
Confronto tra gli approcci deterministici e l’approccio robusto
Caso studio: ospedale «tipo»
1 COGEN (2 MWe)
2 CALDAIE (1600 kWt ciascuna)
1 POMPA di CALORE (600 KWe)
1 ACCUMULO TERMICO (1200 KWh)
Totale anno
[GWh]
Picco
[kW]
Domanda termica 22,12 6368
Domanda elettrica
(incluso frigo)
16,36 4438
Lunedì stagione fredda
Termico Segue
Electric Grid
Connection

Electric Grid
Connection
18
1 COGEN (2 MWe)
Ottimizz. Deterministica +
redispacciamento efficiente
Totale anno
[GWh]
Picco
[kW]
Domanda elettrica
(incluso frigo)
16,36 4438

Electric Grid
Connection
19
1 COGEN (2 MWe)
Ottimizzazione Robusta
con Ricorso Affine
Totale anno
[GWh]
Picco
[kW]
Domanda elettrica
(incluso frigo)
16,36 4438

Electric Grid
Connection
20
1 COGEN (2 MWe)
Totale anno
[GWh]
Picco
[kW]
Domanda elettrica
(incluso frigo)
16,36 4438
I costi operativi sono normalizzati sul
valore ottenuto dall’approccio più
semplice (termico segue)
Costi Operativi
Giovedì
Mezza stagione
Mercoledì
Stagione calda
Lunedì
Stagione fredda
TERMICO SEGUE 1,00 1,00 1,00
OTTIMIZZ. DETERMINISTICO +
REDISPACCIAMENTO EFFICIENTE
0,96 0,75 0,97
ROBUSTO 0,96 0,65 0,95

21
Conclusioni
• È stata sviluppata una metodologia per l’ottimizzazione stocastica del design di sistemi multi-
energia
• Può essere usata per valutare politiche incentivanti, tassazione CO2 e varie scelte strategiche
• Quando si considera un distretto pro-attivo e/o a emissioni zero, l’incertezza associata alle
previsioni diviene significativa (se non considerata fa aumentare notevolmente gli sbilanciamenti e
quindi i costi operativi)
• È stata sviluppata una metodologia per l’ottimizzazione robusta della gestione di sistemi multi-
energia
• Il confronto con le strategie tradizionali deterministiche mostra dei risultati interessanti (minor
costi operativi e riduzione dei disservizi)

22
GRAZIE PER L’ATTENZIONE
Matteo Zatti – LEAP e Politecnico di Milano
matteo.zatti@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.

EFFICITY - Sviluppo di algoritmi di ottimizzazione del progetto e della gestione di sistemi multi-energia tri- e cogenerativi

Recommended

Recommended

More Related Content

What's hot

What's hot (13)

Similar to EFFICITY - Sviluppo di algoritmi di ottimizzazione del progetto e della gestione di sistemi multi-energia tri- e cogenerativi

Similar to EFFICITY - Sviluppo di algoritmi di ottimizzazione del progetto e della gestione di sistemi multi-energia tri- e cogenerativi (20)

More from Confindustria Emilia-Romagna Ricerca

More from Confindustria Emilia-Romagna Ricerca (20)

EFFICITY - Sviluppo di algoritmi di ottimizzazione del progetto e della gestione di sistemi multi-energia tri- e cogenerativi