Clustering optimization strategies for distribution networks planning : the case-study of Merano

The achievement of targets imposed by the European Union in terms of reduction of pollutant emissions and climate change limitations, contained within the “Clean energy for all Europeans package”, has encouraged relevant alterations in the energy sector during the last years. The new energy context which Electrical Engineering must face is characterized by a diffusion of Distributed Generations, mainly from Renewable Sources, in order to meet the targets imposed. In addition, all the energy Scenarios for the next decades predict an increase of the energy demand, mainly due to the electrification of the final consumptions, such as electric mobility and domestic heating by heat pumps, characterized by higher energy efficiency. In this context, Transmission and Distribution Systems play a pivotal role for the achievement of the environmental goals imposed: their primary mission is to deliver the power to the final users at their place of consumption and in a ready-to-use form, so that every customer’s energy demand is always met. However, focusing on the Distribution Network Systems (DNS), the traditional methods for DNS planning are now obsolete for the new energy context. The new characteristics of the energy sector (electrification of final consumptions and Distributed Generations) has incentivised the search for new and more advanced Electrical grid planning techniques since the end of the Twentieth Century, with the aim of considering several aspects of the problem, like electrical and economic parameters, as well as system reliability. Distribution Network Clustering is defined to be the division of the utility service territory into several HV-MV sub-station service areas and load partitioning among the HV-MV sub-stations, and it represents one of the most important steps for a DNS reconfiguration and planning. After an introduction of the main DNS Clustering and Routing Algorithms available on literature, the aim of this Thesis is to model an innovative Mixed Integer Linear Programming (MILP) Clustering Algorithm, which is done simultaneously both on HV-MV sub-station level and on Feeder level. The MILP model implemented is able to take into account some fundamental aspects during a DNS planning and reconfiguration process, such as: the electrical losses along the lines of the Electrical Grid, the existing Distribution Network configuration, the reliability of the system and the development of energy sector for the next years. In general, a MILP Clustering problem is initialized by defining: i) a set of Parameters and Variables; ii) a Linear Objective Function, which must be minimized or maximized; iii) a set of Linear Constraint Equations, which contain all the model information needed to generate a feasible and realistic solution. The MILP Clustering Algorithm proposed is then applied to a real Distribution Network, located in the north of Italy. After a Tuning Analysis, targeted at estimating the right weights which must be attributed to the terms of the Objective Function, two cases are studied: i) the first case is referred to the Current Scenario, assuming that the energy demand is not subjected to an increase (no increase of peak loads); ii) the second configuration investigates a possible energy Scenario in which the increase in peak load for each user in 2030 is about the 30% of the actual energy peak demand (Long-Term Scenario), according to the documents about energy forecasting analyzed.

Il raggiungimento degli obiettivi imposti dall'Unione Europea in termini di riduzione delle emissioni inquinanti e di limiti ai cambiamenti climatici, contenuti nel "Clean energy for all Europeans package", ha incoraggiato alterazioni rilevanti nel settore energetico negli ultimi anni. Il nuovo contesto energetico che l'Ingegneria Elettrica deve affrontare è caratterizzato da una diffusione delle Generazioni Distribuite, principalmente da fonti Rinnovabili, al fine di raggiungere gli obiettivi imposti. Inoltre, tutti gli Scenari energetici per i prossimi decenni prevedono un aumento della domanda di energia elettrica, principalmente dovuto all'elettrificazione dei consumi finali, come la mobilità elettrica e il riscaldamento domestico attraverso pompe di calore, caratterizzati da una maggiore efficienza energetica. In questo contesto, i sistemi di Trasmissione e Distribuzione svolgono un ruolo fondamentale per il raggiungimento degli obiettivi ambientali imposti: il loro scopo principale è quello di fornire energia elettrica agli utenti finali nel loro luogo di consumo e in una forma pronta all'uso, in modo che la domanda di energia di ogni cliente sia sempre soddisfatta. Tuttavia, concentrandosi sui sistemi di Distribuzione di energia elettrica, i metodi tradizionali per la pianificazione delle reti sono ora obsoleti per il nuovo contesto energetico. Le nuove caratteristiche del settore energetico (elettrificazione dei consumi finali e Generazione Distribuita) hanno incentivato la ricerca di nuove e più avanzate tecniche di pianificazione della rete elettrica dalla fine del Novecento, con l'obiettivo di considerare diversi aspetti del problema, come i parametri elettrici ed economici, nonché l'affidabilità del sistema. Per Clustering di una rete di Distribuzione si intende la suddivisione del territorio in diverse aree di servizio delle sottostazioni primarie AT-MT e la ripartizione dei carichi tra le sottostazioni primarie AT-MT, e ciò rappresenta uno dei passaggi più importanti per una riconfigurazione e pianificazione di una Rete di Distribuzione. Dopo un'introduzione dei principali algoritmi di Clustering e Routing disponibili in letteratura, lo scopo di questa tesi è quello di modellare un innovativo algoritmo di Mixed Integer Linear Programming (MILP) Clustering, che viene eseguito contemporaneamente sia a livello delle sottostazioni primarie AT-MT che a livello dei feeders. Il modello MILP Clustering implementato è in grado di tenere conto di alcuni aspetti fondamentali durante un processo di pianificazione e riconfigurazione della rete di Distribuzione, quali: le perdite elettriche lungo le linee della rete elettrica, la configurazione esistente della rete di Distribuzione, l'affidabilità del sistema e lo sviluppo del settore energetico per i prossimi anni. In generale, un problema di MILP Clustering viene inizializzato definendo: i) un set di Parametri e Variabili; ii) una Funzione Obiettivo lineare, che deve essere minimizzata o massimizzata; iii) un set di equazioni di Vincolo lineari, che contengono tutte le informazioni a proposito del modello necessarie per generare una soluzione fattibile e realistica. L'algoritmo di MILP Clustering proposto viene quindi applicato a una rete di Distribuzione reale situata in nord Italia. Dopo aver effettuato un’analisi di Tuning, mirata a stimare i giusti pesi che devono essere attribuiti ai termini della Funzione Obiettivo, vengono studiati due casi: i) il primo caso è riferito allo Scenario Attuale, supponendo che la domanda di energia elettrica non sia sottoposta ad un aumento (nessun aumento dei picchi di carico); ii) la seconda configurazione indaga un possibile scenario energetico in cui il valore di picco dei carichi riferiti ad ogni utente nel 2030 aumenta del 30% rispetto al valore di picco di domanda di energia attuale (Long-Term Scenario), in concordanza ai documenti sugli scenari energetici analizzati.