Analysis of electric vehicles integration in the Italian national energy system in 2030

The transport sector has experienced a robust increase of carbon dioxide (CO2) emission worldwide and even Europe struggles to reduce its emissions. The electrification of energy uses seems a promising option compared to other solutions such as biofuels, which bring some controversies, and hydrogen, which is still not ready for larger market scale. Therefore, Battery Electric Vehicles (BEVs) and Plug-in Electric Vehicles (PHEVs) can already provide an important contribution to decarbonize the light duty vehicle compartment. These vehicles incorporate Lithium-Ion battery technology, which is developing fast to meet suitable driving ranges. Since EVs are fed by electricity, the integration in the national power system must be analysed to avoid adverse side effects. The thesis studies the integration of 6 million EVs (4 million BEVs and 2 million PHEVs) expected in 2030, as indicated by the Italian National Energy and Climate plan. The national energy system model NEMeSi is improved to include the transport sector, and two model configurations are developed: the first one considers 484 types of use for the vehicles, accounting the transformation from an internal combustion engine to the electric and plug-in hybrid drive, called “484-aggregated model”. The second one is made up of a single type of use for one full electric vehicle and one plug-in hybrid vehicle, called “1-aggregated model” which represents the aggregation of the 484 types of use. The study made by JRC on mobility behaviours is used to compile the input data of the model: the transport demand and availability of each of 484 vehicles to be recharged. Input data are adjusted proportionally to represent 4 million of BEVs and 2 million PHEVs in both model configurations, respectively. Results, in terms of electric drive distances and number and types of recharging events, provide a comparison between the two model configurations over one week time horizon during critical periods of the year (spring, summer and winter). The comparison shows that (i) the “1-aggregated model” over-estimates the transport demand effectively travelled by EVs in the “484-aggregated model” and (ii) the recharging behaviours (how much and when vehicles recharge) are also different as the aggregated vehicles (1 BEV and 1 PHEV) recharge less frequently and more intensely while the 484 vehicles rely more on domestic charge characterized by low power. The analysis also provides a comparison between different recharging strategies: Vehicle to Grid (V2G), smart charge and uncontrolled charge scenarios over one year time horizon using the “1-aggregated model”. Results show negligible advantages of applying V2G, in terms of energy provided to the grid, compared to smart charge. However, there is a significant improvement in terms of storage needs and avoided excess of energy for the system between the uncontrolled charge scenarios and the others.

La tesi affronta l’integrazione dei veicoli elettrici, prettamente leggeri e ad uso privato, nel sistema elettrico nazionale italiano. Tale integrazione permette di elettrificare parte dei consumi del settore trasporti, riducendo le emissioni di biossido di carbonio (CO2) grazie al soddisfacimento della maggiore domanda elettrica anche con fonti rinnovabili, sempre più presenti nel settore elettrico; l’elettrificazione dei consumi energetici risulta prettamente strategica per l’Unione Europea. Il settore dei trasporti ha mostrato un aumento delle emissioni negli ultimi trenta anni (1990-2017) a livello europeo del 24%, mentre è rimasto stabile a livello nazionale, in controtendenza a tutti gli altri settori che hanno osservato decrementi, talvolta rilevanti, delle emissioni. In tale contesto la tesi elenca le misure contenute nel Piano Nazionale Integrato Energia e Clima (PNIEC) e si concentra sulla mobilità elettrica, costituita da veicoli elettrici puri ed ibridi plug-in. Lo studio descrive lo stato dell’arte della tecnologia delle batterie agli ioni di litio installate sulle auto elettriche, le sfide tecnologiche e i relativi probabili sviluppi. Entro il 2030 occorre raddoppiare l’energia specifica (Wh/kg) e contemporaneamente la densità di energia (Wh/l) per soddisfare le maggiori richieste di autonomia di una più vasta platea di clienti. L’indagine è volta a migliorare il modello NEMeSI, sviluppato e utilizzato dal gruppo di ricerca RELAB del Politecnico di Milano, grazie all’inserimento di una porzione del settore trasporti: 4 milioni di veicoli elettrici puri e 2 milioni di veicoli elettrici ibridi plug-in che si prevedono in circolazione nel 2030, come indicato dal PNIEC. L’analisi formula due modelli differenti per il settore: il primo è costituito da 484 veicoli elettrici puri e 484 veicoli elettrici ibridi plug-in, chiamato “484-aggregated model” mentre il secondo è costituito da 1 veicolo elettrico puro ed un veicolo elettrico ibrido plug-in, chiamato “1-aggregated model”. I due differenti modelli offrono la possibilità di investigare l’errore che si commette nell’uniformare il comportamento del comparto veicoli elettrici a un unico veicolo rappresentativo dell’intero parco circolante. Tale pratica di aggregazione è normalmente utilizzata per alleggerire il carico computazionale. I dati di input al modello sono ricavati principalmente dall’elaborazione del dataset messo a disposizione dal JRC della Commissione Europea sulla mobilità italiana. Il dataset è composto dalle registrazioni relative a 542 proprietari di auto, successivamente ridotti a 484, i quali per una settimana hanno tenuto nota di ogni singolo spostamento compiuto con dettaglio temporale e spaziale. I dati sono utilizzati per definire 484 profili di disponibilità a ricaricare i veicoli e 484 profili di domanda in termini chilometrici. Tali profili vengono adeguati proporzionalmente nel modello 484-aggregated per rappresentare 4 milioni di veicoli elettrici puri e 2 milioni di veicoli elettrici ibridi plug-in. Lo stesso avviene per il modello 1-aggregated in cui i profili sono aggregati per formare un singolo veicolo elettrico puro e un singolo veicolo elettrico ibrido plug-in. Il lavoro di ricerca ha svolto differenti simulazioni volte a paragonare (i) le due versioni del modello su un orizzonte temporale di una settimana e (ii) tre differenti metodologie per la ricarica dei veicoli elettrici nel modello “1-aggregated” ampliando l’orizzonte temporale all’anno. La prima metodologia prevede che le batterie delle auto elettriche possano ri-fornire elettricità alla rete nazionale (V2G) mentre la fase di ricarica avviene ottimizzando il costo totale del sistema; la simulazione successiva prevede la sola ottimizzazione del processo di ricarica (Smart Charge); infine, si considera la domanda dei veicoli elettrici non controllata da nessun processo di ottimizzazione e quindi inserita in maniera esogena nel modello. I risultati dell’analisi indicano che accorpare la domanda e la disponibilità al processo di ricarica in un singolo veicolo elettrico puro ed uno ibrido plug-in (modello “1-aggregated”) comporta la sovrastima (per i veicoli elettrici) nel soddisfare la domanda di trasporto. Sono importanti anche le differenze nel comportamento di ricarica: i veicoli che compongono il modello “1-aggregated” ricaricano meno frequentemente e più intensamente grazie alla ricarica veloce, mentre i veicoli che compongono il modello “484-agrgegtaed” si affidano maggiormente alla ricarica domestica, concepita per basse potenze e tempi prolungati. La differenza dei processi di ricarica si accentua in inverno. Le simulazioni annuali suggeriscono una differenza sostanziale tra lo scenario in cui la ricarica delle auto è affidata al sistema e lo scenario in cui è regolata secondo gli arrivi dei veicoli nei punti di ricarica. I vantaggi per il sistema rispetto alla ricarica smart sono poco rilevanti quando i veicoli ri-forniscono energia alla rete elettrica, pratica sfruttabile per poche ore sebbene con potenze elevate. È importante ricordare che il modello utilizzato simula il sistema energetico nazionale a nodo singolo quindi non considera vincoli di trasporto sulla rete di trasmissione e non simula le reti di distribuzione; è possibile, infatti, che la tecnologia V2G risulti più utile laddove vengano distinte porzioni del sistema energetico con importanti disequilibri tra domanda e offerta e quindi maggiori esigenze di accumulo. Lo studio presentato è preliminare poiché sono diverse le migliorie apportabili al modello e ai dati in ingresso, tuttavia rimane un lavoro importante sia per la distinzione operata nel fornire due modelli differenti (ovvero l’errore commesso nell’aggregazione dei veicoli), che per l’indagine delle dinamiche e i vantaggi derivati da un’integrazione intelligente dei veicoli elettrici nel sistema energetico nazionale del prossimo futuro.