A natural-based algorithm for the ancillary services provision by e-mobility charging scheduling

In the current years, the electrical network is experiencing a great penetration of the Renewable Energy Sources (RESs) and distributed generation, and this trend is supposed continuing in the future. The intermittent and non-programmable nature of the RESs implies strong modifications in the present electric scenario, which requires a greater flexibility of the power system. As a consequence, European and National authorities are developing several reforms to open the electricity markets to new figures, such as distributed generation, RESs, loads and also e-mobility. In this context, the Aggregator is defined as a market player enabled both to manage a mix of small generation and consumption units, and to sell their services on the electricity market. The aim of this thesis is to study how the electric carsharing mobility could provide ancillary services (ASs) to the power system, with the objective of maximizing the profit of the carsharing operator, without penalizing the availability of the sharing mobility services offered to the users. In order to accomplish this target, the charging scheduling of the vehicles is optimized through the adoption of a Natural-Based optimization algorithm, which results in a hybridization of the Artificial Bee Colony (ABC) algorithm. The hybridization is developed by means of the implementation of a heuristic searcher, in substitution of the Employed Bee phase, and the initial solutions are defined by using dispatching rules and tournament selection procedure: this approach permits to obtain accurate outcomes and at the same time a low computational effort. The proposed algorithm allows the reduction of the imbalances with respect to the programmed power curve (i.e. baseline curve and AS requests) by optimizing the initial charging time of each vehicle. Moreover, the charge of the vehicle’s battery is considered uninterruptible to reduce the stress to which it is subjected. The pursuit of realistic economic and technical results is achieved by using real data. In particular, to model the carsharing usage, a stochastic approach based on real data is implemented: in this way the path covered by each vehicle, and so the charging requests, could be defined in detail. Additionally, the feasibility of the AS provision is studied considering real requests of the Italian electricity market. Then, a simplification of the real tariff scheme is adopted, with the purpose to carry on a reliable investigation. The simulations are carried out in a time length of 30 days and are divided in two scenarios that differ on the battery capacity and on the charging power of the vehicles: the first one considers values according to the current technologies, while the second one assumes new values on the basis of the future EV developments. In order to validate the economic analysis results, three case studies are analyzed: i) without algorithm, ii) scheduling adopted only for imbalance correction, and iii) EV scheduling for imbalance correction and provision of ASs. The outcomes obtained, both in economic and technical terms, underline the profitability obtained by implementing the proposed algorithm: indeed, it does not cause a decay of the availability of the carsharing services with respect to the current scenario, and besides it allows an accurate AS provision, combined with the growth of the incomes of the carsharing operator.

In questi anni, sulle reti elettriche, si sta verificando un’elevata penetrazione della produzione da fonti rinnovabili e generazione distribuita, che ci si attende continuerà anche in futuro. L’intermittenza e non programmabilità delle fonti rinnovabili implica forti modifiche dello scenario elettrico attuale, che richiede una sempre maggiore flessibilità del sistema elettrico. Di conseguenza, le autorità europee e nazionali stanno progressivamente riformando il mercato elettrico per favorire la sua apertura a nuove figure emergenti quali generazione distribuita, rinnovabili, carichi e mobilità elettrica. È in questo contesto che viene definita la figura dell’Aggregatore, quale nuovo operatore del mercato elettrico che, grazie al coordinamento di generazione distribuita e unità di consumo, è in grado di vendere servizi sul mercato elettrico. Lo scopo di questa tesi è studiare come il carsharing elettrico può contribuire all’approvvigionamento dei servizi ancillari, avendo come obiettivo la massimizzazione dei profitti delle compagnie di noleggio in questione, senza penalizzare la disponibilità del servizio reso ai clienti. Per ottenere ciò, le richieste di ricarica dei veicoli vengono ottimizzate attraverso l’utilizzo di algoritmi Natural-Based, da cui deriva un’ibridizzazione dell’Artificial Bee Colony (h-ABC). L’ibridizzazione viene sviluppata ispirandosi al comportamento di uno sciame di api durante la ricerca di cibo e grazie all’utilizzo di euristiche opportunamente studiate e all’ introduzione di soluzioni iniziali osservanti regole specifiche, è possibile ottenere ottimi risultati con limitati tempi di calcolo. L’algoritmo proposto permette di ridurre gli sbilanciamenti rispetto alla curva di potenza programmata, attraverso l’ottimizzazione del tempo iniziale di ricarica per ogni automobile. Inoltre, la ricarica delle automobili è considerata non interrompibile per ridurre i possibili stress della batteria. Per studiare in modo realistico la fattibilità tecnica ed economica di questo approccio, viene introdotto un modello stocastico che permette di simulare l’utilizzo del servizio di carsharing da parte dei clienti. I dati utilizzati in tale modello si riferiscono a statistiche reali della città di Milano: così è possibile definire il percorso effettuato da ogni singola auto appartenente alla flotta. Anche per la l’approvvigionamento delle richieste di servizi ancillari sono stati utilizzati dati reali basati sul mercato elettrico italiano e, inoltre, lo schema tariffario adoperato è il risultato di una semplificazione di quello attualmente in uso, consentendo quindi di realizzare uno studio molto affidabile. Infine, le simulazioni sono effettuate in una finestra temporale di 30 giorni e sono divisibili in due scenari che si differenziano per capacità della batteria e per potenza della carica dei veicoli: la prima considera i valori delle tecnologie attuali, mentre la seconda si riferisce a nuovi parametri basati sugli sviluppi futuri. Inoltre, per validare i risultati dell’analisi economica sono analizzati tre casi studio: i) senza algoritmo, ii) programmazione adottata solo per la correzione degli sbilanciamenti, iii) programmazione per la correzione sbilanciamenti e approvvigionamento dei servizi ancillari. I risultati ottenuti sia in termini economici che tecnici, dimostrano la fattibilità dell’introduzione del sistema di ottimizzazione sviluppato in questa tesi, poiché non solo non comporta un decadimento della disponibilità dei servizi di carsharing offerti, ma per di più fornisce servizi di regolazione particolarmente complessi, garantendo potenzialmente maggiori ricavi alle compagnie di noleggio.