A multi-stage stochastic programming model for the unit commitment and economic dispatch of virtual power plants bidding in the day-ahead and ancillary services markets

Due to the continuous increase in electricity demand and the rapid spread of intermittent renewable sources, the management and control of the electricity grid has become increasingly complex and difficult. Furthermore, the progressive shift towards decentralized generation in energy distribution networks has made the problem of optimizing decentralized energy systems increasingly constrained and complex, due to the integration of flexible (deterministic) energy systems combined with the strong penetration of renewable energy sources (stochastic and unpredictable). The integration of these resources into the operation of the power system requires a major change in the current grid control structure. This challenge can be overcome by using the concept of "Virtual Power Plant" (VPP), which is based on the idea of changing the paradigm that binds single production units to the electricity grid, trying to aggregate different energy sources (both generation and storage) to create a single virtual generation aggregate made by several decentralized production units distributed throughout the territory, connected and managed through an intelligent virtual network capable of increasing flexibility and better managing uncertainty. The purpose of this thesis is to propose a model capable of operating different types of plants, allowing to better manage the uncertainty linked to the dynamics of the Ancillary Services Market (MSD). In the first part of the work, great attention is dedicated to the analysis of the electricity market, trying to study its main features and to reproduce its behavior by means of the generation of different probabilistic scenarios. In the second part of the thesis work, an optimization model based on a stochastic MILP is tested for different types of plants. The results of this work aim at investigating the potential of a stochastic modeling of some unpredictable phenomena to improve the operational performance of some plants.

A causa del continuo aumento di domanda elettrica e della rapida diffusione di fonti rinnovabili intermittenti, la gestione ed il controllo della rete elettrica sono diventati sempre più complessi e difficoltosi. Inoltre il progressivo spostamento verso la generazione decentralizzata nelle reti di distribuzione dell'energia ha reso il problema dell’ottimizzazione dei sistemi energetici decentralizzati sempre più vincolato e complesso, a causa dell'integrazione di sistemi energetici flessibili (controllabili o dispacciabili) unita alla forte penetrazione di fonti energetiche rinnovabili (di natura incerta). L'integrazione di queste risorse nel funzionamento del sistema di alimentazione richiede un cambiamento importante nell'attuale struttura di controllo della rete. Questa sfida può essere vinta utilizzando il concetto di “Virtual Power Plant” (VPP), che si basa sull'idea di stravolgere il paradigma che lega in modo biunivoco le singole unità di produzione alla rete elettrica, cercando di aggregare diverse fonti energetiche (sia di generazione che di stoccaggio) per creare un unico aggregato di generazione virtuale costituito da più unità di produzione distribuite sul territorio, collegati e gestiti attraverso una rete virtuale intelligente in grado di aumentare la flessibilità e gestire meglio l’incertezza. Lo scopo di questa tesi è proporre un modello in grado di ottimizzare il funzionamento di diverse tipologie di impianto, permettendo alle diverse tipologie di impianti di gestire l’incertezza legata alle dinamiche del Mercato dei Servizi di Dispacciamento (MSD). Nella prima parte del lavoro grande attenzione è dedicata all’analisi del mercato elettrico, per cercare di studiarne il comportamento e per cercare di riprodurre le principali dinamiche per mezzo della generazione di diversi scenari probabilistici. Nella seconda parte del lavoro di tesi, un modello di ottimizzazione basato su un MILP stocastico viene testato per diverse tipologie di impianto. I risultati di questo lavoro hanno lo scopo di esplorare le potenzialità di una modellizzazione stocastica di alcuni fenomeni poco prevedibili per migliorare le performance operative di alcuni impianti.