Distributed optimization model for the energy management system of an energy community in Italy

In order to unlock the full potential of energy communities in the liberalized electricity markets, members' flexibility should be optimized by an energy management system. To perform optimization, a centralized community energy management system needs to gather the data of all community members and remotely control each member's systems, making its adoption problematic in a real-world scenario. Therefore, the objective of the thesis is to design and investigate the behavior of a scheduling optimization model for a decentralized community energy management system, which coordinates member's local energy management systems without directly controlling them. The thesis presents a review of the decomposition algorithm called Alternating Direction Method of Multipliers (ADMM). Afterwards, ADMM is applied to the optimization problem of an energy community under Italian incentive scheme. The result of decomposition is a hierarchical iterative procedure where a master problem coordinates a set of subproblems, one for each community member, through the exchange of signals and without directly modifying the value of subproblems' variables. The procedure reflects the structure of the decentralized energy management system. The decomposed model is tested on a fictional case study formed by residential community members. Results show that in general, the lower the penalty parameter (required by ADMM procedure) is set, the better solutions are reached by the model; however, if it is chosen too small, the model fails to converge. Different local solutions are found with different variables initialization. Moreover, a procedure that allows the model to converge by iteratively increasing the penalty parameter is implemented, and a test with a larger dataset demonstrates the possibility of adopting the model large-scale communities with thousands of members. Finally, an extension of the model where subproblems are coordinated to reduce the peak of community import is implemented.

Per sfruttare appieno il potenziale delle comunità energetiche nel mercato dell’elettricità liberalizzato, la flessibilità dei membri deve essere ottimizzata tramite un sistema di gestione dell’energia. Un sistema di gestione centralizzato deve raccogliere i dati di tutti i membri della comunità e controllare da remoto i sistemi e gli asset di tutti i membri, per cui la sua adozione risulterebbe problematica in un’implementazione reale. Perciò, l’obiettivo della tesi è di realizzare ed investigare il comportamento di un modello di pianificazione ottimale per il sistema di gestione dell’energia decentralizzato di una comunità energetica, che coordini i sistemi dei singoli membri senza controllarli direttamente. La tesi presenta una review del metodo di scomposizione chiamato Alternating Direction Method of Multipliers (ADMM), che viene in seguito applicato all’ottimizzazione di una comunità energetica operante sotto il regime di incentivi italiano. Il risultato della scomposizione è une procedura iterativa gerarchica dove un master problem coordina una serie di sotto-problemi, uno per ogni membro della comunità, attraverso l’invio di segnali, cioè senza modificare direttamente il valore delle loro variabili. Tale procedura riflette la struttura del sistema di gestione dell’energia decentralizzato. Il modello scomposto è testato sul caso studio fittizio di una comunità con utenti di tipo residenziale. I risultati mostrano che, in generale, più il parametro di penalità (necessario per applicare l’ADMM) viene tenuto piccolo, più il modello raggiunge soluzioni migliori; tuttavia, se tale parametro è scelto troppo piccolo, il modello non converge. Anche gli iterati iniziali delle variabili influenzano l’ottimo locale trovato dal modello. Inoltre, viene implementata una procedura che porta il modello a convergenza incrementando il parametro di penalità a ogni iterazione, e un test con un dataset più ampio dimostra che è possibile applicare il modello a comunità con migliaia di membri. Infine, è implementata un’estensione del modello dove sotto-problemi vengono coordinati affinché riducano il picco di import della comunità.