Analysis and modelling of technical and socio-economic aspects and uncertainties in off-grid rural energy planning

Most of the additions of power capacity to allow electricity access in rural areas of DCs is forecasted to be provided by off-grid systems. The majority of rural villages is characterized by the lack of reliable data and information, which might cause the inappropriate sizing of energy solutions, leading to supply shortages or cost recovery failure. The purpose of this work is to analyse and model technical and socio-economic aspects and uncertainties in off-grid rural energy planning, in order to provide a reliable and integrated approach to forecast long-term electricity demand. To accomplish this target, (i) I implemented a Bass diffusion process to assess the adoption of grid connection across the social network of a fictitious rural village in Tanzania, whose characteristics were extrapolated from field data relative to a real village in the same area. (ii) I then developed a model based on Gompertz curves theory, to study the diffusion of appliances at the household level. Thanks to the obtained data, (iii) I could use LoadProGen software to create daily load profiles of the same village and, eventually, (iv) I could provide an example of a realistic off-grid system sizing procedure based on HOMER Pro software. The study will go through all four phases. The results of the study suggest that all of the uncertainties need to be taken into consideration to avoid over- or under-sizing issues. Indeed, changing the uncertain endogenous values through a Monte Carlo algorithm, I obtained very different speeds of technology diffusion. For example, year 5 of the simulations presents 80% variations in purchases of fans depending on input data. A software which allows to study the evolution of the off-grid system in time would be of help, since HOMER Pro only takes one load curve at a time as an input. The importance of taking into account the entire lifetime of the system is further shown by the differences in the patterns observed in the daily load profiles of the different years of various studied scenarios. In a single scenario, the necessary generation capacity can double from year 10 to year 20 and the same happens to the net present costs of the system. While, comparing different scenarios, the one presenting maximum installed capacity at year 10 does not hold the same property at year 20.

La maggior parte degli interventi per aumentare la capacità produttiva di energia elettrica delle aree rurali nei paesi in via di sviluppo, si prevede si concentri su sistemi “off-grid”, isolati e autonomi. La maggioranza dei villaggi rurali è caratterizzata dalla mancanza di dati e informazioni affidabili. Questo potrebbe portare a una progettazione inadeguata delle soluzioni energetiche, che, a sua volta, provocherebbe il pericolo di blackout e difficoltà nel recupero dei costi. Lo scopo di questo lavoro è analizzare e modellizzare gli aspetti tecnici e socio-economici e le incertezze che si riscontrano durante la progettazione dei sistemi off-grid nelle zone rurali, con l’obiettivo di fornire un metodo affidabile ed integrato per prevedere la domanda elettrica nel lungo termine. Come prima cosa (i) ho implementato un processo di Bass per analizzare la diffusione dell’allacciamento alla rete elettrica all’interno della rete sociale di un villaggio rurale fittizio in Tanzania, le cui caratteristiche provengono dall’estrapolazione di alcuni parametri dai dati reali di un villaggio della stessa area geografica. (ii) Ho poi sviluppato un modello, basato sulla teoria delle curve di Gompertz, per studiare la diffusione delle apparecchiature elettriche nelle case del villaggio. Utilizzando i dati così ottenuti, (iii) ho creato, grazie alla piattaforma LoadProGen, dei profili di carico giornalieri per il villaggio stesso e, infine, (iv) ho fornito un esempio realistico di progettazione di un sistema off-grid attraverso HOMER Pro. Lo studio toccherà i quattro aspetti che ho descritto. I risultati suggeriscono che, se si vogliono evitare problemi di sovrastima o sottostima della domanda, tutte le incertezze devono essere prese in considerazione. Infatti, cambiando il valore dei parametri endogeni in input con un algoritmo Monte Carlo, si ottengono velocità di diffusione delle tecnologie molto diverse. Ad esempio, all’anno 5 delle simulazioni si ottiene una variabilità dell’80% nell’adozione dei ventilatori, dipendente dai parametri in input. Inoltre, sarebbe più efficiente avere un software che, a differenza di HOMER Pro, il quale prende una curva di carico alla volta come input, permetta lo studio dell’evoluzione nel tempo della domanda. Infine, l’importanza di prendere in considerazione l’intera vita utile del sistema è ulteriormente sottolineata dalle differenze che si possono osservare confrontando le curve di carico dei diversi anni dei vari scenari studiati. Se si considera l’evoluzione nel tempo di un singolo scenario, la capacità di generazione necessaria può arrivare a raddoppiare tra l’anno 10 e l’anno 20 e lo stesso può succedere ai costi di investimento. Invece, se si confrontano i diversi scenari nel tempo, lo scenario che all’anno 10 presenta la massima capacità installata in termini di domanda, non mantiene questa condizione se si considerano gli anni successivi.