I Indice delle Figure

(1)

I Sommario

Indice ... I

Indice delle Figure ... IV

Indice delle Tabelle ... VI

Introduzione ... VII

1. Capitolo 1- Ottimizzazione energetica: il caso Ventotene

1.1. Obiettivo della Tesi ... 1

1.2. L’ isola di Ventotene ... 2

1.3. I componenti della generazione distribuita ... 4

1.3.1. I generatori Diesel ... 6

1.3.2. Il fotovoltaico ... 9

1.3.3. I sistemi di accumulo ... 15

1.4. Ottimizzazione energetica in letteratura ... 20

2. Capitolo 2- Modellazione e studio del sistema isolato di Ventotene con il software Homer Energy 2.1. Il software Homer Energy ... 24

2.2. Modello della rete di Ventotene ... 27

2.2.1. Modello dei generatori Diesel ... 28

2.2.2. Modello del carico elettrico ... 31

2.2.3. Modello dei generatori fotovoltaici ... 32

2.2.4. Modello del sistema di accumulo ... 37

2.2.5. Modello del convertitore ... 38

2.3. Simulazione e risultati ... 39

2.4. Conclusioni ... 45

(2)

II 3. Capitolo 3- Metodi di previsione del carico elettrico

3.1. Introduzione ... 48

3.2. Metodi statistici ... 49

3.2.1. Media mobile semplice ... 49

3.2.2. Media mobile pesata ... 50

3.3. Modelli non dinamici ... 51

3.4. Modelli dinamici ... 51

3.5. Modello utilizzato dal GSE... 54

3.6. Reti neurali ... 55

4. Capitolo 4- Applicazione dei metodi di previsione al carico 4.1. Introduzione ... 57

4.2. Metodo della media semplice (SMA) ... 59

4.2.1. Analisi dei risultati ... 60

4.3. Metodo MDM ... 66

4.4. Metodi ibridi ... 73

4.5. Confronto tra i risultati ... 78

4.6. La correzione della previsione ... 78

4.7. Conclusioni ... 85

5. Capitolo 5- I problemi di ottimizzazione 5.1. I modelli di ottimizzazione ... 86

5.1.1. La programmazione lineare ... 90

5.1.2. La programmazione lineare mista e intera ... 92

5.1.2.1. Metodi risolutivi per sistemi MILP ... 92

5.1.2.2. Analisi degli algoritmi “Branch and Bound” e “Branch and Cut” ... 93

5.1.3. La programmazione multiobiettivo ... 96

(3)

III

5.2. Metodi utilizzati nella presente trattazione... 98

5.2.1. Il linguaggio di programmazione e il GLPK ... 99

6. Capitolo 6- L’ algoritmo di ottimizzazione 6.1. Introduzione ... 101

6.2. La funzione obiettivo ... 102

6.3. I vincoli dell’algoritmo... 103

6.3.1. L’uguaglianza con il carico ... 103

6.3.2. La potenza dei generatori Diesel ... 104

6.3.3. Il limite di avviamento... 109

6.3.4. Intervallo minimo di attesa tra avviamenti ... 110

6.3.5. La potenza della batteria ... 111

6.3.6. L’energia della batteria ... 112

6.3.7. Il dissalatore ... 114

6.4. Obiettivi della simulazione ... 117

7. Capitolo 7- I risultati delle simulazioni 7.1. Introduzione: lo stato attuale... 119

7.2. Simulazione sistema senza batteria ... 124

7.3. Simulazione sistema con batteria al 100%... 130

7.4. Simulazione sistema con batteria allo 0%... 135

7.5. Simulazione sistema con batteria allo 0% e Energia obiettivo ... 140

7.6. Simulazione sistema con batteria al 100% e dissalatore visto come carico ... 146

7.7. Simulazione sistema con batteria al 100% e dissalatore da ottimizzare ... 152

7.8. Costi di esercizio sostenuti da sistema ... 156

Conclusioni... 158

Appendici ... 160

Bibliografia e Sitografia ... 166

(4)

IV Indice delle Figure

Figura 1.1 - L'isola di Ventotene ... 3

Figura 1.2 - Differenze tra Generazione Centralizzata e Distribuita ... 6

Figura 1.3 - Schema Tecnico e sezione di un generatore Diesel ... 7

Figura 1.4 - Moduli fotovoltaici ... 9

Figura 1.5 - Impianto fotovoltaico allacciato in rete ... 10

Figura 1.6 - Impianto fotovoltaico isolato ... 11

Figura 1.7 - modello di una cella fotovoltaica... 12

Figura 1.8 - caratteristica I-V di una cella fotovoltaica ... 13

Figura 1.9 - Influenza della temperatura sulla caratteristica I-V ... 14

Figura 1.10 - Dipendenza della caratteristica I-V dall'irraggiamento ... 14

Figura 1.11 - Determinazione dei punti di potenza massima ... 15

Figura 1.12 - Energia e potenza specifica delle varie tipologie di accumulatori ... 18

Figura 1.13 - Layout progettato ... 20

Figura 1.14 - Risultati delle ottimizzazioni ... 21

Figura 1.15 - Risultati ottenuti ... 22

Figura 1.16 - Layout impiantistico ... 23

Figura 2.1 – Logo del software Homer Energy ... 24

Figura 2.2 – Schematizzazione dei processi ... 25

Figura 2.3 – Modello del sistema sul software Homer Energy... 27

Figura 2.4 – Panel per la modellazione di un generatore Diesel sul software Homer Energy ... 28

Figura 2.5 – Dati relativi al consumo dei generatori Diesel ... 29

Figura 2.6 – Panel relativo al consumo dei generatori Diesel ... 29

Figura 2.7 – Panel relativo alle proprietà del carburante ... 30

Figura 2.8 – Cambio Euro-Dollaro utilizzato ... 30

Figura 2.9 – Panel relativo al prezzo del caburante ... 30

Figura 2.10 – Andamenti tipici del carico dell’isola ... 31

Figura 2.11 – Panel relativo alle impostazioni del carico su Homer Energy ... 32

Figura 2.12 – Panel relativo alle impostazioni della generazione da FV su Homer Energy ... 33

Figura 2.14 – Andamento dell’irraggiamento giornaliero calcolato sui primi 32000 quarti d’ora dell’anno... 34

Figura 2.15 – Misure di irraggiamento mensili medie ... 35

Figura 2.15 – Pannello della risorsa solare dell’isola ... 37

Figura 2.16 – Pannello delle caratteristiche della batteria ... 38

Figura 2.17 – Pannello delle caratteristiche del convertitore ... 39

Figura 2.18 – Pannello dei risultati della simulazione su Homer energy ... 40

Figura 2.19 – Elenco dei risultati della simulazione su Homer Energy ... 42

Figura 2.26 – Pannello dei risultati della simulazione (no costo PV e Diesel) su Homer Energy ... 42

Figura 2.27 – Risultati della simulazione (no costo PV) su Homer Energy ... 44

Figura 2.20 – Pannello di analisi del sistema elettrico con 100 kW PV ... 45

(5)

V

Figura 4.1 – Rappresentazione grafica dell’energia sovrastimata e sottostimata durante la fase di previsione del carico ... 58

Figura 4.2 – Andamento costante dei diagrammi di carico di una settimana dell’anno 2010 ... 59

Figura 4.3 – Andamento del MAPE calcolato con il metodo di previsione “media semplice” nell’anno 2010 ... 61

Figura 4.4 – Risultati di previsioni fatte con il metodo “media semplice” ... 62

Figura 4.5 – Andamento anomalo dell’ultima settimana di Agosto ... 63

Figura 4.6 – Previsione particolarmente errata dovuta alla festività ... 64

Figura 4.7 – Andamento dell’energia richiesta dal carico durante l’anno 2010 ... 64

Figura 4.8 – Valori di energia sottostimata e sovrastimata ... 65

Figura 4.9 – Valori percentuali dell’errore in energia commesso ... 66

Figura 4.10– Andamento del MAPE calcolato con il metodo MDM nell’anno 2010 ... 68

Figura 4.11– Previsione del giorno 10 Febbraio 2010 ... 69

Figura 4.12– Andamento del Trend di carico con retta tendenziale ... 69

Figura 4.13– Previsione del carico del giorno 13 Luglio 2010 con metodo MDM ... 70

Figura 4.14 – Andamento del Trend del carico con retta tendenziale ... 70

Figura 4.15– Applicazione del metodo MDM ad un giorno con festività... 71

Figura 4.16– Applicazione del ternd con retta tendenziale ... 71

Figura 4.17– Valori di energia sottostimata e sovrastimata ... 72

Figura 4.18– Valori percentuali dell’errore in energia ... 73

Figura 4.19– Andamento del MAPE nell’anno 2010 con il metodo ibrido A ... 74

Figura 4.20– Valori di energia sottostimata e sovrastimata ... 75

Figura 4.21– Valori percentuali dell’errore in energia del metodo ibrido A ... 75

Figura 4.22– Andamento del MAPE nell’anno 2010 con il metodo ibrido B ... 76

Figura 4.23– Energia sovrastimata e sottostimata con il metodo ibrido B ... 77

Figura 4.24– Valori percentuali dell’errore di energia del metodo ibrido B ... 77

Figura 4.25– Esempi di correzione in tempo reale in diversi periodi dell’anno applicando il metodo con media semplice ... 81

Figura 4.26– Andamento del MAPE con i valori previsionali corretti in tempo reale ... 81

Figura 4.27– Energia sovrastimata con il metodo ibrido B corretto ... 82

Figura 4.28– Energia sottostimata con il metodo ibrido B corretto ... 82

Figura 4.29– Andamento dell’errore percentuale di sovrastima o sottostima dell’energia con il metodo ibrido B corretto in tempo reale ... 82

Figura 4.30– Andamento del MAPE applicando il metodo media semplice corretto in tempo reale ... 83

Figura 4.31– Energia sovrastimata dal metodo media semplice corretto in tempo reale ... 83

Figura 4.32– Energia sottostimata dal metodo media semplice corretto in tempo reale ... 84

Figura 4.33– Andamento dell’errore percentuale applicando il metodo media semplice corretto in tempo reale ... 84

Figura 5.1 – Rappresentazione del processo di costruzione di un problema di programmazione ... 87

Figura 5.2 – Rappresentazione del processo di esplorazione dell’albero delle soluzioni ... 94

Figura 5.3 – Logo della libreria e della piattaforma utilizzate ... 100

Figura 6.1 – Modello sbarra della rete dell’isola ... 101

Figura 6.2 – La funzione obiettivo ... 102

Figura 6.3 – Rapporto tra carico e fotovoltaico ... 104

Figura 6.4 – Rendimento in funzione della potenza erogata ... 105

Figura 6.5 – L’energia della batteria ... 112

(6)

VI

Figura 6.6 – Un dissalatore ... 114

Figura 7.1 – Esempio di dispacciamento della potenza dei generatori Diesel con logica attuale ... 119

Figura 7.2–Dispacciamento della potenza dei generatori Diesel con logica attuale nei rimanenti mesi dell’anno ... 123

Figura 7.3 – Modello sbarra del sistema non utilizzando la batteria ... 124

Figura 7.4 – Ottimizzazione del carico tipico di Gennaio non utilizzando la batteria ... 125

Figura 7.5 – Ottimizzazione del carico dei rimanenti mesi dell’anno non utilizzando la batteria ... 129

Figura 7.6 – Modello sbarra del sistema dell’isola con la batteria ... 130

Figura 7.7 – Ottimizzazione del mese di gennaio utilizzando la batteria carica al 100% ... 131

Figura 7.8 – Ottimizzazione dei rimanenti mesi dell’anno utilizzando la batteria carica al 100% ... 135

Figura 7.9 – Ottimizzazione del mese di gennaio utilizzando la batteria carica allo 0% ... 136

Figura 7.10 – Ottimizzazione dei rimanenti mesi dell’anno utilizzando la batteria carica allo 0% ... 140

Figura 7.11 – Ottimizzazione del mese di Gennaio utilizzando la batteria carica allo 0% e con valore di energia obiettivo pari a 500kWh ... 141

Figura 7.12 – Ottimizzazione dei rimanenti mesi utilizzando la batteria carica allo 0% e con valore di energia obiettivo pari a 500kWh ... 145

Figura 7.13 – Modello sbarra del sistema con il dissalatore ... 146

Figura 7.14 – Differenza tra diagrammi di carico in bassa ed alta richiesta idrica... 147

Figura 7.15 – Risultati dell’ottimizzazione dei profili di generazione con dissalatore visto come carico fissato ... 151

Figura 7.16 – Risultati dell’ottimizzazione dei profili di generazione con dissalatore visto come variabile da calcolare ... 155

Indice delle Tabelle Tabella 1.1- Dati relativi ai consumi di diverse taglie di generatori ... 9

Tabella 1.2 - Caratteristiche della batteria ENEL... 19

Tabella 2.1 – Dati dei generatori diesel ... 28

Tabella 2.2 – Dati irraggiamento dell’isola ... 36

Tabella 4.1– Suddivisione dell’utilizzo dei metodi nelle strategie ibride ... 73

Tabella 4.2– Risultati a confronto tra i metodi ... 78

Tabella 4.3– Tabella comparativa dei risultati delle previsioni ... 85

Tabella 4.4– Tabella comparativa dei risultati delle previsioni corrette in tempo reale ... 85

Tabella 6.1 – Fasce di potenza e di costo dei generatori ... 105

Tabella 6.2 – Fasce di potenza dei generatori ... 106

Tabella 6.3 – logica di funzionamento dei generatori diesel ... 107

Tabella 6.3 – Tabella di controllo per la scelta della potenza da erogare dai generatori diesel ... 108

Tabella 6.4 – Tabella di controllo per la scelta degli indicatori di avviamento ... 109

Tabella 6.5 – Tabella di controllo per la scelta della potenza della batteria ... 111

Tabella 6.6 – Caratteristiche dissalatore in alta stagione ... 116

Tabella 6.7 – Caratteristiche dissalatore in bassa stagione ... 116

Tabella7.1 – Caratteristiche della batteria utilizzate per la simulazione ... 130

Tabella7.4 – Confronto dei costi di esercizio ... 157

(7)

VII Introduzione

Il tema del risparmio energetico negli ultimi decenni ha assunto sempre più rilevanza.

Già negli anni 70’, con le crisi energetiche causate ad esempio dalla guerra del Kippur e dalla rivoluzione iraniana, la Comunità Internazionale si è iniziata a porre il problema prima della dipendenza energetica da fonti non sempre disponibili, poi delle emissioni inquinanti. Questi due aspetti sono strettamente legati tra loro ed hanno come comune denominatore le risorse fossili. Tali risorse, come il petrolio ed i suoi derivati ma anche i combustibili gassosi come il metano e radioattivi come l’uranio, hanno creato una sempre più stretta collaborazione tra Paesi, in quanto limitatamente disponibili in natura. Questa consapevolezza dette il via a numerose politiche energetiche nazionali ed internazionali, che imponendosi più o meno incisivamente sul mercato energetico internazionale, hanno generato spesso tensioni sia all’interno delle singole Nazioni che sul piano internazionale. Una soluzione atta a smorzare tali tensioni è arrivata quando si sono iniziate a sfruttare le risorse energetiche rinnovabili, come l’acqua (già sfruttata da tempo) ma soprattutto il vento e l’energia radiante, in maniera intensiva e con rendimenti sempre maggiori. Le politiche energetiche internazionali hanno incentivato in maniera globale e concorde l’uso di tali risorse così da porre rimedio non solo alla questione economica dell’approvvigionamento energetico, ma anche alla questione dell’inquinamento ambientale legato agli impianti funzionanti a combustibili fossili, considerato insostenibile. Diverse strategie sono state adottate in per perseguire l’obiettivo prefissato, ad esempio la creazione di una piattaforma di mercato per lo scambio di certificati bianchi e verdi, l’incentivo a tariffe agevolate per i produttori da fonte rinnovabile, l’incentivazione alla formazione di ESCOs ecc.. . Una svolta epocale è stata poi l’introduzione di sistemi di accumulo chimico di prestazioni idonee per applicazioni sulla rete elettrica. Il settore dell’accumulo di energia elettrica tramite batterie è infatti uno tra i più vivaci degli ultimi anni. Esso si propone come risolutore del grande principale problema dell’uso dell’energia elettrica come vettore energetico: l’impossibilità di poterlo utilizzare in un momento diverso da quello in cui l’energia viene effettivamente richiesta. Questo particolare vincolo ha da sempre obbligato i gestori di sistemi elettrici ad utilizzare delle particolari tecniche di gestione in modo da poter coordinare in tempo reale il grande numero di componenti che realizzano un sistema elettrico. Con l’avvento dei sistemi di accumulo, caratterizzati da potenze ed energie specifiche sempre maggiori, e delle nuove tecnologie che premettono di sfruttare le risorse rinnovabili in maniera

(8)

VIII sempre più efficiente, lo scenario sta cambiando. Si sente sempre più spesso parlare di Smart Grids, ovvero di reti intelligenti che riescano a controllare e gestire un sistema non più basato sul vecchio concetto di gestione centralizzata, ma su quello di gestione distribuita, in cui gli utilizzatori cambiano il modo di essere visti dal sistema: non più come carichi singoli o aggregati ma come nodi attivi della rete in grado di assorbire ed erogare energia. Attraverso la redazione di algoritmi e tecniche di gestione sempre più complesse è possibile modificare l’assetto della rete e delle utenze così da ottenere un set point caratterizzato dalla maggiore efficienza possibile e da un uso razionale delle risorse disponibili. Ovviamente le grandi centrali, nel breve-medio periodo, non potranno essere sostituite a causa di problematiche ben note come quelle della riserva attiva, della gestione delle emergenze, ecc.., e della variabilità della disponibilità delle fonti energetiche rinnovabili. Attraverso la ricerca e la sperimentazione di nuove tecniche di gestione e di ottimizzazione, come quelle che sono state affrontate in questa Tesi, la soluzione ad una delle più grandi problematiche dei Paesi industrializzati, ovvero ottenere la configurazione più economica e sostenibile dei propri sistemi elettrici, è sempre più a portata di mano.