Day-ahead robust optimization for power scheduling in microgrids

Microgrids (MGs) are clusters composed by Distributed Energy Resource (DER) units such as generators and storages (batteries), and loads. MGs can operate in two modes: 1) Connected to the main grid and 2) Isolated from the main grid. This thesis work presents a robust optimization-based approach for optimal MG management in grid connected mode considering Distributed Energy Resources (DERs) such as Conventional Diesel generators, storage systems and uncertainty in the photovoltaic (PV) power generation and load power demand . Time series based Autoregressive (AR) models are used to characterize the PV power and power demand uncertainties in an interval forecasting of 24 hours (One day-ahead).The proposed approach is compared with the nominal (deterministic) optimization one. Moreover, the influence of the uncertainty level on power balance and MG operation cost is analyzed.

Le microreti (MGs) sono cluster composti da unità Distributed Energy Resource (DER) come generatori e batterie, e carichi. Le MG possono funzionare in due modalità: 1) Collegati alla rete elettrica principale e 2) Isolati dalla rete elettrica principale. Questo lavoro di tesi presenta un approccio d’ottimizzazione robusto per una gestione ottimale della MG in modalità connessa alla rete considerando le risorse energetiche distribuite (DER) come i generatori diesel convenzionali, le batterie e l’incertezza nella generazione di energia fotovoltaica (PV) e la domanda di potenza del carico. I modelli autoregressivi (AR) basati su serie temporali vengono utilizzati per caratterizzare le incertezze della potenza PV e della domanda di potenza in un intervallo di previsione di 24 ore (un giorno prima). L’approccio proposto viene confrontato con quello d’ottimizzazione nominale (deterministico). Inoltre, viene analizzata l’influenza del livello di incertezza sul bilancio di potenza e sui costi operativi della MG.