Long-term forecasting model for net energy transfer estimation at primary substation level

Long-term forecasting process is necessary for the correct operation of electric utilities, especially concerning planning purposes. There is an ongoing attention towards the improvement of this task, on which only few works have been done in recent past, since the focus of the studies was mainly on short-term load forecasting. Generally, the forecasting process deals with the load demand. This thesis aims to estimate not only the long-term load behaviour, but the distributed generation too. In fact, the large spread of renewable energy sources makes their production significant and no more negligible. A software application for long-term load estimation has been developed by e-distribuzione, which has been revised some years ago in order to take into account even the contributions of distributed generation. Thanks to this forecasting process, they are able to roughly estimate the “net energy transfer” at primary substation level, measured at the MV busbar of the HV/MV transformer, identifying reverse power flow conditions and potential critical situations, particularly concerning transformers saturation. An alternative long-term forecasting model is here presented. The proposed solution is an algorithmic framework that provides yearly trends for the long-term forecasting of both load and generation plants, with a resolution of 15 minutes. Distributed energy resources have been broken down by typology of energy source, identifying different production models. Historical production values have been investigated and analysed, source by source. Then, statistical works have been performed on them, so that to set up different generation profiles. The only exception is the estimation of solar production, which is not based on historical values. It is forecasted doing specific studies on its production trend, which depends on external factors, such as solar irradiation (i.e., sun position) and weather conditions. Eventually, the algorithm has been tested over different PSs and, then, it has been compared to e-distribuzione application, giving more accurate results for some of the scenarios.

Le previsioni a lungo termine sono uno strumento necessario per il corretto esercizio della rete elettrica, in particolare per quel che riguarda l’aspetto della pianificazione. Finora, però, gli studi si sono concentrati soprattutto sulle previsioni a breve termine, trascurando quelle a lungo termine, sulle quali solo ultimamente si stanno facendo approfondimenti più accurati. In generale, il processo di previsione riguarda la stima del carico. Lo scopo di questa tesi è di studiare non solo il comportamento del carico, ma anche quello della generazione distribuita. Infatti, la grande diffusione delle risorse rinnovabili negli ultimi anni ha reso la loro produzione significativa e assolutamente non più trascurabile. Il maggior distributore elettrico italiano, e-distribuzione, ha sviluppato un algoritmo per previsioni a lungo termine che è stato aggiornato negli ultimi tempi per tenere in considerazione anche il contributo della generazione distribuita. Tramite questo strumento, e-distribuzione è in grado di stimare in maniera approssimativa l’energia di saldo del trasformatore AT/MT installato in cabina primaria, rilevata alla sbarra di media tensione. In questo modo, si possono identificare possibili condizioni di inversione di flusso o altre situazioni critiche, come la saturazione dei trasformatori. Questo studio presenta un modello di previsione alternativo. La soluzione proposta è un algoritmo che stima gli andamenti annuali sia del carico sia della generazione, con una risoluzione di 15 minuti. La generazione è suddivisa secondo le varie tipologie di produttori, identificando così diversi modelli di generazione. Al fine di stimare la produzione, sono stati richiesti i dati storici per ogni tipologia di fonte. In seguito, un’analisi statistica è stata effettuata su di essi, così da ottenere i vari profili di produzione. L’unica eccezione è rappresentata dalla stima della produzione solare, per la quale sono stati effettuati studi specifici sul suo andamento, dato che dipende da fattori esterni, come l’irraggiamento solare (quindi la posizione del sole) e le condizioni meteo. Infine, l’algoritmo è stato testato su diverse cabine primarie ed i risultati ottenuti sono stati confrontati con quelli prodotti da PRECAR, verificando che le previsioni in alcuni degli scenari risultano essere più accurate.