Towards a standardized methodology for data collection and analysis for off-grid energy system modelling

Off-grid renewable energy systems can contribute to the achievement of SDG 7 on universal energy access, especially in rural and isolated communities. Mini grids are a viable option for increasing access to electricity in rural areas far from the main grid, for which the extension is not feasible both because of the long distance to be covered and because of the high price. The forecast of energy demand is one of the parameters that greatly affect the design, such as the system size, thus the cost. Indeed, properly sizing rural mini grids is an action hampered by the lack of data related to the expected load demand of a community and its future evolution over time. Moreover, it is heavily linked to both data availability and quality, complex issues when it comes to developing economies. Due to the lack of measured load profiles in off-grid systems, collecting energy behavior data (e.g., number of appliances and usage) through interviews is the most widely adopted method of estimating energy demand. The aim of the thesis is the development of a data collection methodology tailored around the context of rural communities of developing countries, with the goal of providing a replicable approach for generating high quality data for mini grid sizing purposes. The replicable methodology includes both guidelines for conducting a data collection campaign in the field and the subsequent data processing and analysis techniques, necessary preparations for bottom-up energy system modelling. The overall proposed methodology is then applied to a real case study: Pate Island, norther Kenya. This island is already powered by a diesel mini grid, for which the supply is manually recorded on a hard copy, every half an hour. This allowed for validation of the methodology through the comparison between measured load profiles and estimated load profiles, simulated from the data collected. At first, the work shows different outcomes from the two approaches, highlighting that the survey-based load profiles are unable to provide an accurate overall estimate. Therefore, the thesis investigates the differences between the two daily load curves and introduces some assumptions to reduce the gap between them. Finally, energy modelling, carried out thanks to the open-source model MicroGridsPy, is applied to the energy demand resulting from both the methods, to assess how they affect the sizing and operation of a mini grid. The expected outputs are cost-optimal system size and dispatch strategy and the costs (fixed and variable) of the optimized system, for each technology. The work has been coordinated under the efforts of the Horizon 2020 funded project LEAP-RE (Long Term European Union African Union Partnership on Renewable Energy).

I sistemi off-grid ad energia rinnovabile possono contribuire al raggiungimento dell'SDG 7 che intende garantire l’accesso universale all'energia, soprattutto nelle comunità rurali e isolate. Le mini-reti sono una valida alternativa per incrementare l'accesso all'elettricità nelle aree rurali lontane dalla rete principale, per le quali l'estensione non è realizzabile, sia a causa della lunga distanza da coprire, sia a causa del prezzo elevato. La stima della domanda di energia è uno dei parametri che influenzano maggiormente la progettazione, incidendo sul dimensionamento del sistema e quindi sul costo. Infatti, il corretto dimensionamento delle mini-reti rurali è reso difficile dalla mancanza di dati relativi alla domanda energetica e alla sua futura evoluzione nel tempo. Inoltre, è fortemente legato alla disponibilità e alla qualità dei dati, problemi complessi quando si tratta di economie in via di sviluppo. A causa della mancanza di profili di carico misurati in sistemi off-grid, la raccolta dati sul comportamento energetico (numero di dispositivi e utilizzo) attraverso interviste è il metodo più adottato per stimare la domanda di energia. Lo scopo della tesi è sviluppare una metodologia di raccolta dati adattata al contesto delle comunità rurali dei Paesi in via di sviluppo, con l'obiettivo di fornire un approccio replicabile per la generazione di dati di alta qualità, ai fini del dimensionamento delle mini-reti. La metodologia comprende sia le linee guida per condurre una campagna di raccolta dati sul campo, sia le successive tecniche di elaborazione e analisi dei dati, necessarie per la modellazione bottom-up dei sistemi energetici. L'intera metodologia proposta viene poi applicata a un caso di studio reale: Pate Island, nel nord del Kenya. Quest'isola è già servita da una mini-rete alimentata da un generatore diesel, per la quale la produzione di energia viene registrata manualmente su copia cartacea, ogni mezz’ora. Questo ha permesso la validazione della metodologia attraverso il confronto tra i profili di carico misurati e quelli stimati, simulati a partire dai dati raccolti. In un primo momento il lavoro mostra risultati diversi provenienti dai due approcci, evidenziando che i profili di carico risultanti dalle interviste non sono in grado di fornire una stima complessiva accurata. Pertanto, la tesi indaga le differenze tra le due curve di carico giornaliere e introduce alcune ipotesi per ridurre il divario tra di esse. Infine, la modellazione energetica, realizzata grazie al modello open-source MicroGridsPy, viene applicata alla domanda di energia risultante da entrambi i metodi, per valutare come essi influenzino il dimensionamento e il funzionamento di una mini-rete. I risultati attesi sono il dimensionamento ottimale del sistema, la strategia di dispacciamento e i costi (fissi e variabili) del sistema ottimizzato, per ciascuna tecnologia. Il lavoro è stato coordinato nell'ambito del progetto LEAP-RE (Long Term European Union African Union Partnership on Renewable Energy) finanziato da Horizon 2020.