Scheduling of a heterogeneous e-carsharing fleet to supply ancillary services to the power system

Nowadays, to reduce pollutant emissions generated by energy production systems, it has steadily increased the exploitation of new technologies based on renewable energy sources, unlimited but not predictable. The introduction of clean energy sources hence required a reconsideration of the structure of Italian Energy Market to maintain the energy balance in the grid. In this scenario operates the Aggregator, a new figure that coordinates distributed energy resources and sells their services to the market; in addition, thanks to the resolution 300/2017/R/eel also Renewable energy generation and storage systems, not previously allowed, are now able to compete in the Ancillary Services Market (ASM). In this context, due to flexible characteristics and possibility to implement specific algorithm to describe the behaviour, electric mobility plays an important role. Considering a carsharing program, the scheduling of the charging process allows to solve ancillary services’ requests ensuring that, using an objective function appropriately implemented, the profit of the company’s owners would be maximized. Solution’s definition is based on the development of an algorithm that follows concept from the laws of nature: “Artificial Bee Colony algorithm”, implemented using and hybridized structure for the research of the first solution, permits to obtain feasible results reducing the computational time. The core of the work analyses, from a technical and economical point of view, the evolution in the characteristics’ composition of the fleet. The starting point defines vehicles with equal battery capacity and charging stations that recharge with the same power; then, improvement of the fleet produces firstly a situation in which high heterogeneity is present and finally low heterogeneity and vehicles characterized by high battery capacity and charging stations that allow high charging power are considered. Heterogeneous fleet requires the implementation of a different algorithm with respect to the one adopted for homogeneous fleet case: if in the condition of equal characteristics the definition of the charging schedule was defined on time priority constrain, now charging schedule requires a research algorithm based on the power defined for each vehicle considered in that specific interval. The analysis is performed studying a relevant number of vehicles, information is obtained from sharing case in the city of Milan, and period of 30 days to ensure appropriate results. The overall result highlights the fact that the power research algorithm allows to elaborate an appropriate service both considering the participation in the ASM and the maximization of the profit related to the carsharing service.

I recenti sviluppi in materia di riduzione delle emissioni inquinanti generati a seguito della produzione di energia hanno portato all’incremento di nuove tecnologie fondate sullo sfruttamento di risorse rinnovabili, illimitate, ma poco prevedibili. L’introduzione di fonti di energia pulita ha quindi richiesto un cambiamento nella struttura del Mercato Elettrico Italiano al fine di mantenere costante il bilancio di energia. In questo panorama si colloca la figura dell’Aggregatore, soggetto coordinante tra i nuovi progetti pilota denominati “Unità Virtuali Aggregate” e la vendita di servizi alla rete; in aggiunta, tramite la delibera 300/2017/R/eel, ai sistemi di generazione di energie da fonti rinnovabili e di accumulo è concessa l’abilitazione per partecipare al mercato dei servizi in dispacciamento. È in questo scenario che la mobilità elettrica gioca un ruolo fondamentale in quanto, considerata una flotta di veicoli utilizzati per un servizio di car-sharing, la programmazione della ricarica permette di risolvere le richieste di servizi ancillari garantendo anche, tramite l’istituzione di una opportuna funzione obiettivo, la massimizzazione del profitto per la società in gestione del servizio. La definizione della soluzione è ottenuta tramite un algoritmo che utilizza concetti ripresi dal mondo della natura: l’obiettivo è raggiunto attraverso l’“Artificial Bee Colony” implementato con una struttura ibridizzata che permette un rapido raggiungimento della convergenza. Lo sviluppo del lavoro delinea, dal punto di vista tecnico ed economico, tre situazioni fondate su caratteristiche differenti della flotta di veicoli. Analizzando il caso di partenza, veicoli e colonnine di ricarica aventi stesse caratteristiche, lo scenario evolve andando prima ad aumentare la sua varietà e quindi, in conclusione, a concentrarsi sullo sviluppo di una flotta costruita in maggioranza da veicoli aventi elevata capacità della batteria e potenza di ricarica. La creazione di una flotta eterogenea comporta la necessità di sviluppare un differente algoritmo rispetto a quello usato per una flotta con caratteristiche omogenee: se nella situazione di partenza la definizione dell’istante di inizio ricarica è computato attraverso l’analisi della priorità temporale, la nuova composizione della flotta richiede una ricerca fondata sulla singola potenza di ciascun veicolo presente all’istante di tempo definito. L’analisi è stata effettuata utilizzando un numero considerevole di veicoli, basandosi su previsioni di sviluppo futuro del settore della mobilità elettrica e dati provenienti dal caso della città di Milano, e nell’arco temporale di 30 giorni per garantire una elevata affidabilità della simulazione. Il risultato finale consente di studiare la capacità dell’algoritmo di garantire la partecipazione ai servizi di dispacciamento permettendo, quindi, un ulteriore guadagno in aggiunta a quanto il gestore già ricava dal servizio di car-sharing.