A stochastic framework for optimal microrid operation under forecast uncertainty

Microgrids (MG) are becoming more and more important during the energy transition, as they have been identified as one of the solutions that allows to enhance the renewable sources pene-tration by local clustering the demands and the production sources. In addition, multi-goods microgrids can exploit the synergies coming by the production of different goods under a uni-fied management. And advanced centralized microgrid management, or Energy Management System (EMS), combined with the forecast of renewable generation, can effectively cope with the high uncertainty of such systems. This doctoral thesis studies the EMS from both a numerical and experimental point of view. A novel EMS is proposed within a centralized framework, suitable for a constant monitoring of the overall system status, and a hierarchical structure, to act at different time scales. The hierar-chical structure consists of two control layers: the first one that optimized the scheduling of the programmable generators (or Unit Commitment), and the second one in charge of real-time dispatch. This work identifies new solutions for both layers of the EMS. An innovative predic-tive first layer based on stochastic optimization is formulated. It is based on piecewise affine decision rule, that relates the recursive commitment and the storage dispatch to the observed uncertainty realizations. The second layer is casted under a stochastic Model Predictive Control approach, that tracks the solution of the first layer while dealing with the forecast errors, dis-turbances for the system. This optimization-based control system is intended to dispatch in re-al-time the microgrid units. In a rural MG, considered as test case, a service reliability of 99.8% is computed for out-of-sample simulations after day-ahead solution, while standard two-stage stochastic approach showed a reliability of 99.6%. Moreover, rolling horizon simulations showed 100% reliability, and 30% of fuel cost savings. The novel EMS is deployed on a laboratory scale microgrid (Multi-Goods MicroGrid Laboratory, MG2lab), demonstrating the secure and economic operations that can be achieved by the em-ployment of the proposed solution. The comparative analysis is made with respect to determin-istic and standard stochastic two-stage approaches; the proposed solution outperforms the other models during real operations, with savings up to almost 10%. A comparison with an ide-al EMS shows a 5% gap, that is caused by the corrective actions that must be considered to bal-ance the uncertainty of RES-based MG.

Il concetto di microrete sta diventando sempre più importante in questa fase di transizione energetica, dato che questa soluzione tecnologica permette un incremento della penetrazione di fonti rinnovabili distribuite, andandole ad integrare in modo sinergico con altri generatori e con consumatori locali. Inoltre, la produzione di diversi beni all’interno di una microrete può essere utile per sfruttare le sinergie sotto una gestione unificata delle diverse fonti di generazione. La grande incertezza, intrinseca in questo tipo di sistemi, può essere gestita da un sistema di controllo centralizzato, che sfrutta le previsioni di produzione da fonti rinnovabili per ottimizzare la gestione della microrete: tale controllore prende il nome di Sistema di Gestione dell’Energia o Energy Management System (EMS). Questa tesi di dottorato studia l’EMS sia dal punto di vista numerico che da quello sperimentale. Lo scopo è quello di introdurre un EMS innovativo, con un assetto centralizzato, adatto ad un monitoraggio costante dello stato di tutto il sistema nel suo complesso. Inoltre, l’EMS ha una struttura gerarchica che permette di agire a diverse scale temporali. In particolare, la struttura è suddivisa in due livelli: il primo ottimizza la pianificazione giornaliera dei generatori programmabili (o Unit Commitment), mentre il secondo livello si occupa del dispacciamento delle varie unità in tempo reale. Questo lavoro identifica nuove soluzioni per entrambi i livelli dell’EMS. Il primo livello si basa su una nuova formulazione di un modello di ottimizzazione stocastico. Essa è incentrata su una definizione di regole decisionali di ricorso affine a tratti, che identificano lo stato di accensione dei generatori programmabili e la gestione dei sistemi di accumulo come funzione della realizzazione dell’incertezza. Il secondo livello si basa su un modello di controllo predittivo stocastico, che segue i riferimenti provenienti dal primo livello, mentre compensa gli errori di previsione, che agiscono come disturbi sul sistema. Il sistema di controllo basato sull’ottimizzazione ha lo scopo di fornire il dispacciamento in tempo reale delle unità della microrete. In un primo caso studio, una microrete rurale, è stata valutata un’affidabilità del servizio di fornitura pari al 99.8%; questa è stata calcolata su vari scenari di carico netto non considerati durante la soluzione del giorno prima data dall’EMS. In confronto, un modello stocastico standard fornisce un’affidabilità del 99.6%. Inoltre, le simulazioni dell’EMS proposto, valutate secondo il paradigma dell’orizzonte mobile, mostrano una soddisfazione del servizio del 100% ed un risparmio di circa il 30% in termini di costo operativo, rispetto al modello stocastico standard. L’EMS innovativo è stato inoltre utilizzato nel Multi-Goods MicroGrid Laboratory, un’apparato sperimentale, dimostrando l’efficacia della soluzione proposta in termini di sicurezza delle operazioni e risparmi di combustibile. Un’analisi comparativa con un modello deterministico ed un modello stocastico standard mostra che il modello proposto è in grado di superare i risultati ottenuti dagli altri modelli, con dei risparmi sul costo operativo fino al 10%. Inoltre, un confronto con un EMS ideale, che ha delle previsioni esatte, mostra uno scostamento del 5% dalla soluzione ottima, causato dalle azioni correttive che devono essere intraprese per bilanciare l’incertezza delle microreti con alta percentuale di rinnovabili.