The compelling issue of human-driven climate change together with the constantly growing consciousness about its effects have set the need to reshape the Green House Gases (GHG) generating activities. To tackle this issue, the electricity production is now shifting to a system based mainly on Renewable Energy Sources (RES). This change in paradigm created new challenges, such as the need to foresee weather fluctuations to efficiently plan energy strategies. Energy system modeling serves this purpose, offering projections on the recommended RES capacity to install to reduce the humongous amount of CO2 released into the environment. The scope of this Master Thesis work, developed in collaboration with EURAC Research, is to model the Italian electricity system and provide support to policy-makers for its challenges and opportunities in 2030. A Multi-Objective Optimization (MOO) with epsilon-constraint method is employed in the open source framework Oemof, with the aim to minimize both system costs and CO2 emissions. Thanks to this approach, a Pareto front of optimal solutions is obtained, depicting various scenarios for the Italian electricity system in 2030. Each scenario portrays the optimal installed power of diverse generation technologies, the storage utilization and the energy generated at different degrees of CO2 abatement. The work reaches the complete decarbonization of the electricity sector, obtaining power self-sufficiency thanks to a detailed hourly analysis. Outcomes illustrate the pivotal relevance of employing a large number of decision variables in modeling, resulting in a wider range of possibilities for the system transformation. In particular, storage technology is a key actor in energy transition, enabling a significant cost reduction and avoiding to waste great amounts of electricity. A sensitivity analysis on space and time resolution is also performed and it shows that a lower temporal resolution and a decreased number of model nodes lead to approximated results when dealing with a great RES amount. Eventually, Power-to-Gas technology is implemented and additional electricity demand for electric vehicles is considered in the final analysis.
La consapevolezza dei danni provocati dal cambiamento climatico ha reso lampante l'urgenza di intervenire in modo risoluto per porre un freno alle attività che generano gas a effetto serra. Uno dei settori più inquinanti è quello energetico, fondato storicamente su combustibili fossili. L'obbiettivo è dunque quello di una sua trasformazione, basandolo su Fonti di Energia Rinnovabile (FER). Risulta sempre più cruciale l'uso della modellazione energetica per pianificare accuratamente le strategie energetiche future. Lo scopo di questa Tesi Magistrale, sviluppata in collaborazione con EURAC Research, è quello di modellare il sistema elettrico italiano e fornire informazioni per sfide e opportunità al 2030. Si utilizza un'ottimizzazione multi-obiettivo e, tramite un epsilon-constraint method, si minimizzano i costi totali e si limitano le emissioni di CO2. L'ottimizzazione è realizzata su Oemof, uno strumento open-source per la modellazione energetica. Si ottiene così un fronte di Pareto di soluzioni ottimali, che rappresentano scenari futuri per il sistema elettrico italiano. Ognuno mostra la potenza installata ottimale per diverse tecnologie, l'utilizzo di sistemi di accumulo e l'elettricità generata a diversi valori di abbattimento delle emissioni. La Tesi ha l'ambizione di raggiungere la completa decarbonizzazione del settore elettrico, ottenendo l'autosufficienza energetica con una dettagliata analisi oraria. I risultati illustrano l'imprescindibile rilevanza di implementare nei modelli un elevato numero di variabili decisionali, che si riflette in un'ampia gamma di possibilità per il sistema. Si osserva che l'impiego di sistemi di accumulo è un fattore chiave nella transizione energetica, riducendo i costi ed evitando la perdita di energia. Viene effettuata inoltre un'analisi di sensibilità su risoluzione spaziale e temporale: un basso dettaglio temporale e un numero ridotto di nodi portano a risultati approssimativi con una grande quantità di FER. Nel modello è stato definito anche un componente per rappresentare il Power-to-Gas e il suo utilizzo. Infine viene valutato l'effetto dell'introduzione di domanda elettrica aggiuntiva dovuta ai veicoli elettrici.
Multi-objective optimization to identify carbon neutrality scenarios for the Italian electric system
Di Bella, Alice;Canti, Federico
2020/2021
Abstract
The compelling issue of human-driven climate change together with the constantly growing consciousness about its effects have set the need to reshape the Green House Gases (GHG) generating activities. To tackle this issue, the electricity production is now shifting to a system based mainly on Renewable Energy Sources (RES). This change in paradigm created new challenges, such as the need to foresee weather fluctuations to efficiently plan energy strategies. Energy system modeling serves this purpose, offering projections on the recommended RES capacity to install to reduce the humongous amount of CO2 released into the environment. The scope of this Master Thesis work, developed in collaboration with EURAC Research, is to model the Italian electricity system and provide support to policy-makers for its challenges and opportunities in 2030. A Multi-Objective Optimization (MOO) with epsilon-constraint method is employed in the open source framework Oemof, with the aim to minimize both system costs and CO2 emissions. Thanks to this approach, a Pareto front of optimal solutions is obtained, depicting various scenarios for the Italian electricity system in 2030. Each scenario portrays the optimal installed power of diverse generation technologies, the storage utilization and the energy generated at different degrees of CO2 abatement. The work reaches the complete decarbonization of the electricity sector, obtaining power self-sufficiency thanks to a detailed hourly analysis. Outcomes illustrate the pivotal relevance of employing a large number of decision variables in modeling, resulting in a wider range of possibilities for the system transformation. In particular, storage technology is a key actor in energy transition, enabling a significant cost reduction and avoiding to waste great amounts of electricity. A sensitivity analysis on space and time resolution is also performed and it shows that a lower temporal resolution and a decreased number of model nodes lead to approximated results when dealing with a great RES amount. Eventually, Power-to-Gas technology is implemented and additional electricity demand for electric vehicles is considered in the final analysis.| File | Dimensione | Formato | |
|---|---|---|---|
|
2021_12_CANTI_DI BELLA.pdf
non accessibile
Descrizione: M.Sc. Thesis
Dimensione
16.93 MB
Formato
Adobe PDF
|
16.93 MB | Adobe PDF | Visualizza/Apri |
I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/10589/182906