Characterization of the optimal dispatch for a predictive hierarchical energy management system in multigood microgrid modelling

In a world striving to cut down the environmental impact of energy production, Microgrids employing intelligent control can play a key role in increasing energy efficiency and facilitating the integration of renewable energy sources within conventional production systems. Energy Management Systems locally deal with the supply of energy demand, controlling both renewable and conventional generation, storage systems and dispatchable loads to profit from mutual synergies and minimise operational cost while keeping an eye on environmental impact. The high uncertainty of renewable production limits its exploitation despite advanced strategies are emerging to fight it back. This thesis presents the Multigood Microgrid experimental facility established at the Department of Energy of Politecnico di Milano. The major issues and challenges in microgrid control are discussed and a review of the state-of-the-art control strategies is introduced. Thereafter the document presents a two-layer predictive management strategy featuring programmable and non-programmable generation units and storage systems. The upper layer deals with the unit commitment according to the photovoltaic forecast while the second layer regulates the real-time operation. The objective is to analyse the architecture of advanced multi-energy microgrids and develop dispatch optimisation algorithms that can ensure optimal and reliable performances. To achieve these tasks, in the first place, the accuracy of the forecasting module is examined by a comparison of four different forecast models: (i) day ahead (ii) intraday, (iii) nowcasting and (iv) perfect technique. Secondly, a sensitivity analysis is carried out by scaling the photovoltaic and demand forecast profiles and size of batteries to determine the robustness of an assessment by examining the extent to which results are affected by these changes. In order to understand the operation of the system for wider applications, fuel consumption, internal combustion engine startups and generation, power curtailment and unmet demands are the monitoring parameters to extract combined trends and avoid oversizing. Finally, a modification of the second layer is proposed to prioritize the use of batteries reducing grid dependency. To demonstrate the model's ability, the analysis addresses three datasets. The way of discussing the usefulness of the method is by monitoring the state of charge evolution and computing the monthly bill according to Italian regulations. The goal of the research is to advance in the energy transition, combining distributed energy resources, innovative storage, sustainability and digitization, to create a more profitable, resilient and sustainable energy infrastructure.

In un mondo che si sforza di ridurre l'impatto ambientale della produzione di energia, le microgrid, che impiegano un controllo intelligente, possono giocare un ruolo chiave nell'aumentare l'efficienza energetica e facilitare l'integrazione delle rinnovabili all'interno dei sistemi di produzione convenzionali. I sistemi di gestione dell'energia si occupano localmente della fornitura della domanda di energia, controllando sia la generazione rinnovabile, quella convenzionale, i sistemi di stoccaggio e i carichi dispacciabili, per approfittare delle sinergie reciproche e minimizzare i costi operativi, tenendo d'occhio l'impatto ambientale. L'alta incertezza della produzione rinnovabile limita il suo sfruttamento nonostante stiano emergendo strategie avanzate per risolvere questo problema. Questa tesi presenta l'impianto sperimentale Multigood Microgrid installato presso il Dipartimento di Energia del Politecnico di Milano. Vengono discussi i principali problemi e le sfide nella gestione delle microgrid e viene introdotta una rassegna delle strategie di controllo allo stato dell'arte. In seguito, il documento presenta una strategia di controllo predittiva a due livelli con unità di generazione programmabili e non programmabili e sistemi di stoccaggio. Il primo si occupa dell'impegno delle unità in base alla previsione fotovoltaica, mentre il secondo regola il funzionamento in tempo reale. L'obiettivo è quello di analizzare l'architettura delle microgrid multi-energia avanzate e sviluppare algoritmi di ottimizzazione del dispacciamento, che possano garantire prestazioni ottimali e affidabili. Per raggiungere questi obiettivi, se inizia controllando l'accuratezza del modulo di previsione attraverso un confronto di quattro diversi modelli di previsione: (i) day ahead (ii) intraday, (iii) nowcasting e (iv) tecnica perfetta. In secondo luogo, viene effettuata un'analisi di sensibilità scalando i profili di previsione del fotovoltaico, della domanda e le dimensioni delle batterie, per determinare la robustezza di una valutazione, esaminando la misura in cui i risultati sono influenzati da questi cambiamenti. Al fine di comprendere il funzionamento del sistema per applicazioni più ampie si analizzano: il consumo di carburante, l'avvio e la generazione con motori a combustione interna, il power curtailment e la domanda non soddisfatta, che sono i parametri di monitoraggio per estrarre le tendenze combinate ed evitare il sovradimensionamento. Infine, viene proposta una modifica del secondo livello per dare priorità all'uso delle batterie, riducendo la dipendenza dalla rete. Per dimostrare la capacità del modello, l'analisi si avvale di tre serie di dati. Per discutere la bontà del metodo ci si basa sul monitoraggio dell'evoluzione dello stato di carica e sul calcolo della bolletta mensile, secondo normativa italiana. L'obiettivo della ricerca è quello di avanzare nella transizione energetica, combinando risorse energetiche distribuite, stoccaggio innovativo, sostenibilità e digitalizzazione, per creare un'infrastruttura energetica più redditizia, resiliente e sostenibile.