A comparison of MILP decomposition approaches for the optimal investment planning of Aggregated Energy Systems

This thesis proposes two decomposition approaches specifically devised for the optimal investment planning of Aggregated Energy Systems (AES). The problem is formulated as a large-scale Mixed Integer Linear Program with several possible investment stages followed by operational periods. In the first decomposition approach, the MILP model is divided into an upper-level relaxed design problem (DP) and a lower-level binary operational problem (OP) which relies on the decisions coming from the DP. The idea of the second proposed decomposition algorithm, instead, is based on the receding horizon approach. The proposed decompositions have been applied to two different case studies. Results show that proposed algorithms find close to optimal feasible solutions with considerably lower (-50%) computational time than one of the best available MILP solvers.

Questa tesi propone due approcci per decomporre il problema di trovare la strategia di investimento ottimale per un Sistema Energetico Aggregato (AES). Il problema, formulato come un programma lineare misto-intero (MILP), include un orizzonte temporale scandito da diversi stadi di investimento, ciascuno associato ad una fase di operation. Il primo approccio di decomposizione divide il MILP in un problema di design rilassato (DP) e un problema di operation binario (OP) basato sulle decisioni provenienti dal DP. Il secondo approccio proposto si basa sull'accorciamento dell'orizzonte temporale. Le decomposizioni sono state testate su due diversi casi di studio. I risultati mostrano che gli algoritmi proposti permettono di trovare soluzioni ammissibili (feasible) e prossime all’ottimo in tempi di calcolo considerevolmente inferiori (-50%) a quelli richiesti da uno tra i migliori risolutori MILP disponibili.