Unsupervised clustering for the optimal battery sizing with different load and PV scenarios

The rise of renewables, together with the progressive digitization of grids, is revolutionizing the energy market, leading to an order in which production is increasingly decentralized and those who were once only energy consumers become producers themselves (prosumers). Solar energy is, by its nature, intermittent and not programmable. For this reason, it needs energy storage systems that combine batteries with the efficiency of software based on Big Data, Artificial Intelligence and Machine Learning. The proposed National Integrated Energy and Climate Plan provides for the installation of new Utility-Scale storage capacity for at least 6 GW by 2030. In this thesis, several simulations of production and self-consumption of electricity from solar photovoltaic sources are carried out and analyzed. Plants connected to the electricity grid are considered, equipped or not with electrochemical storage systems. The possible scenarios concern different types of installation, based on the configuration of the roofs of large commercial or industrial buildings. The simulation of the new photovoltaic system is based on the study of real plants of similar size and types; it foresees the portion of self-consumed electricity on site and calculates the technical-economic benefit of implementing a storage system for the photovoltaic plant, both for the scenario of a commercial load and for an energy consumption due to an industrial process, which takes place continuously for all hours of the week. The main objective of the paper is to develop an exhaustive simulation of different plant configurations, analyze their similarities using clustering algorithms and, finally, identify the best type of storage which, minimizing the payback time, maximizes the share part of self-consumed photovoltaic energy on site. In detail, an algorithm that processes the monitoring data of 22 photovoltaic plants has been developed and it creates new inputs for the simulation of the production of a new plant. Consequently, an analysis of energy flows is carried out on an hourly basis, both with and without a storage system, and the results are analyzed. The case study deals with the technical-economic feasibility of two new photovoltaic systems with an electrochemical storage; the first one is for a large-scale retail market and the second one for a large company operating in the ceramics sector.

L’ascesa delle rinnovabili, insieme alla progressiva digitalizzazione delle reti, sta rivoluzionando il mercato energetico, portando a un assetto nel quale la produzione è sempre più decentralizzata e coloro che un tempo erano solo consumatori di energia ne diventano a loro volta produttori (prosumer). L’energia solare è per sua natura intermittente e non programmabile. Per questo, necessita di sistemi di accumulo dell’energia che combinano le batterie con l’efficienza di software basati su Big Data, intelligenza artificiale e Machine learning. La proposta di Piano Nazionale Integrato Energia e Clima prevede, entro il 2030, l’installazione di nuova capacità di accumulo Utility-Scale per almeno 6 GW. Nella presente tesi vengono effettuate ed analizzate più simulazioni di produzione e autoconsumo di energia elettrica da fonte solare fotovoltaica. Si considerano impianti connessi alla rete elettrica, dotati o non di sistemi di accumulo elettrochimico. Gli scenari possibili riguardano diverse tipologie d’installazione, in base alla configurazione dei tetti di grandi attività commerciali o industriali. La simulazione del nuovo impianto fotovoltaico si basa sullo studio di reali impianti di simili dimensioni e tipologie, prevede la quota parte di energia elettrica autoconsumata in sito e calcola il beneficio tecnico-economico dell’implementazione di un sistema di accumulo per l’impianto fotovoltaico, sia per lo scenario di un esercizio commerciale sia per un consumo dovuto a un processo industriale, che si svolge in continuo per tutte le ore della settimana. L’obiettivo principale dell’elaborato è quello di sviluppare una simulazione esaustiva di diverse configurazioni impiantistiche, analizzarne le similitudini mediante algoritmi di clustering e, infine, identificare la miglior tipologia di accumulo che, minimizzando il tempo di ritorno dell’investimento, massimizzi la quota parte di energia fotovoltaica autoconsumata in sito. Nel dettaglio, è stato sviluppato un algoritmo che elabora i dati di monitoraggio di 22 impianti fotovoltaici e crea nuovi input per la simulazione della produzione di un nuovo impianto. Di conseguenza, viene effettuata un’analisi dei flussi energetici su base oraria, sia con un sistema di accumulo che senza, e vengono analizzati i risultati. Il caso in studio tratta la fattibilità tecnico-economica di due nuovi impianti fotovoltaici con accumulo elettrochimico; il primo per un punto vendita della Grande Distribuzione Organizzata (GDO) e il secondo per una Grande Impresa che opera nel settore della ceramica.