Optimal design and operation of Aggregated Energy Systems

Aggregated Energy Systems (AES), such as Multi-Energy Systems (MES), Virtual Power Plants (VPP) and microgrids, are emerging as promising solutions in the energy landscape, particularly regarding the aspect of distributed generation, because of their capability to integrate and combine conventional and renewable technologies to increase the renewable penetration in the system, and at the same time, achieve better technical, economic, and environmental performance with respect to non-aggregated solutions. However, the development of such systems may be hindered by the higher level of complexity associated with AES design and management in comparison to traditional, centralized plants, often consisting of a single technological solution. If not carefully designed and wisely operated, the full integration potential can not be unlocked, with the risk of offsetting part of the benefits arising from the additional flexibility offered by highly integrated systems. Therefore, rigorous modelling tools based on a solid mathematical theory should be developed to support the complex decision-making process that characterizes the AES design and operation. In this thesis a comprehensive and flexible optimization framework for the optimization of the design and operation of AES is proposed. The aim of the developed methodology is to identify a preliminary but sufficiently robust optimal design of aggregated systems able to consider the uncertainty, both in input parameters and in the energy supply. To do so, the preliminary system operation should be included in the design problem, leading to the formulation of a complex two-stage stochastic multi-period optimization problem: in the design stage, where the decisions on type, numbers and sizes of units are made and the operation stage, where the optimal scheduling of the units configuration previously selected is evaluated. The objective of the operation stage is to provide a preliminary plant schedule to (i) correctly estimate all the operating costs and (ii) design a flexible system able to face any operating condition (i.e., robust with respect different realizations of the uncertain parameters). Since input-output constitutive relationships, performance maps and the scale effect on the investment cost and nominal performance of components are intrinsically nonlinear, linearization procedures are incorporated into the optimization model so that the resulting optimization problem can be formulated as a Mixed Integer Linear Program (MILP) that can be efficiently solved by state-of-the-art linear solvers, such as CPLEX and Gurobi. Because the need to consider long-term time horizons, typical of investment planning problems, tackling simultaneously the problem of design and operation of AES is very challenging even for modern solvers and often results in a large-scale MILP. For this reason, to reduce the problem size and contain the temporal dimension of the optimization horizon, a limited number of representative periods are selected as operational scenarios of the optimization problem by means of data aggregation and clustering techniques. In order to apply the proposed methodology to complex real-world problems, several approaches for AES design, resulting in different MILP formulations, are compared with each other and the most computationally efficient formulation is identified. Subsequently, to further reduce the computational time and speed-up the solution process, two decomposition algorithms exploiting the two-stage structure of the problem have been incorporated into the optimization framework and successfully applied to solve large-scale problems. Subsequently, to validate the optimization framework developed in this thesis and demonstrate the flexibility and the full spectrum of its optimization capabilities, five possible real-world applications are shown in this thesis. The first case study regards the design of a microgrid including an Electric Vehicles (EVs) charging station, Photovoltaic (PV) panels, and a battery storage to cover EVs charging requirements and to supply the electrical load of an industrial site nearby. The additional flexibility offered by Vehicle-to-Grid (V2G) capability of EVs is investigated and the potential interactions of the systems with the Italian national energy markets are assessed. To this purpose, a detailed description of the Italian Ancillary Services Market (ASM) has been integrated within the optimization framework for the accurate modelling of the ASM markets (primary, secondary and tertiary reserve). In order to properly validate the proposed sizing methodology, the optimized design is compared with the one obtained with traditional sizing methodologies and the benefits of the a rigorous mathematical approach are shown. The second example of application is the design of a CSP plant hybridized with other renewable technologies (i.e., PV and wind). Several design configurations to cover entirely or part of the national electricity demand are explored and compared with their respective standalone solutions to show the benefits of technology hybridization. The third case study consists in the optimization of a fully renewable AES equipped with two long-term storage solutions to shift the seasonal variations in the renewable production: a Battery Energy Storage System (BESS) for stationary energy storage and a Power-to-Power (P2P) that relies on hydrogen storage. The system design is optimized to cover a fraction of the electricity demand of the Sicily region, in the South of Italy. The techno-economic feasibility of the plant is evaluated under two different scenarios (current and future), to estimate the impact of technology efficiency improvements and cost reductions. The mathematical model is then applied to the design of an industrial chemical facility for the co-production of blue hydrogen and power. Also in this case, the economic and environmental benefits of the polygeneration system are demonstrated against the separated production of the two energy commodities (electricity and hydrogen). Finally, the design optimization of an off-grid microgrid to supply an LNG plant and a medium-size airport with high reliability requirements is reported. To cover the electrical load, the AES is composed of several Gas Turbines (GTs) integrated with PV generation and BESS for backup power. Give the high level of reliability characterizing the off-grid system, reserve constraints are added to the optimization model to provide the required power while always keeping a reserve margin and also to select a spare turbine for backup in case of failure of one of the running GTs. In conclusion, the results in all the reported applications proven the effectiveness of the proposed design optimization methodology in identifying the optimal, reliable and robust design of many AES, even when dealing with real-world complex problems. This further motivates the continuous improvements of the optimization framework by considering other aspects that may influence the accuracy of design outcomes (e.g., including system topology or allowing for multi-stage investments) and by further reducing the computational times (e.g., developing tailored and ad-hoc solution techniques).

I Sistemi Energetici Aggregati (Aggregated Energy Systems, AES), come i sistemi multi-energy (Multi-Energy Systems, MES), gli impianti virtuali (VPP) e le microreti, stanno emergendo come soluzioni promettenti nel panorama energetico, particolarmente per quanto riguarda l'aspetto della generazione distribuita, grazie alla loro capacità di integrare e combinare tecnologie convenzionali e rinnovabili per aumentare la penetrazione delle energie rinnovabili nel sistema e, allo stesso tempo, ottenere migliori prestazioni tecniche, economiche e ambientali rispetto alle soluzioni tradizionali e non aggregate. Tuttavia, lo sviluppo di tali sistemi può essere ostacolato dal maggior livello di complessità associato alla progettazione e alla gestione degli AES rispetto a quello dei sistemi tradizionali e centralizzati, spesso costituiti da una singola soluzione tecnologica. Se non progettati e gestiti attentamente, il pieno potenziale di integrazione non può essere raggiunto, con il rischio di annullare parte dei benefici derivanti dalla flessibilità aggiuntiva offerta dai sistemi altamente integrati. Pertanto, dovrebbero essere sviluppati strumenti di modellizzazione rigorosi basati su una solida teoria matematica per supportare il complesso processo decisionale che caratterizza la progettazione e la gestione dei sistemi altamente integrati. In questa tesi viene proposto un framework di ottimizzazione completo e flessibile per l'ottimizzazione della progettazione e della gestione degli AES. L'obiettivo della metodologia sviluppata è identificare una progettazione preliminare ma sufficientemente robusta di sistemi aggregati in grado di considerare l'incertezza, sia nei parametri in ingresso che nella richiesta energetica. Per fare ciò, la gestione preliminare del sistema dovrebbe essere inclusa nel problema di progettazione, portando alla formulazione di un complesso problema di ottimizzazione stocastico multistadio a due fasi: nella fase di progettazione, dove vengono prese decisioni sul tipo, sul numero e sulle dimensioni delle unità e nella fase operativa, dove viene valutata la pianificazione ottimale della configurazione delle unità precedentemente selezionate. L'obiettivo della fase operativa è fornire una pianificazione preliminare dell'impianto per (i) stimare correttamente tutti i costi operativi e (ii) progettare un sistema flessibile in grado di affrontare qualsiasi condizione operativa (ossia, robusto rispetto a diverse realizzazioni dei parametri incerti). Poiché le relazioni costitutive input-output, le mappe delle prestazioni e l'effetto scala sul costo degli investimenti e sulle prestazioni nominali dei componenti sono intrinsecamente non lineari, procedure di linearizzazione sono incorporate nel modello di ottimizzazione in modo che il problema di ottimizzazione risultante possa essere formulato come un programma lineare misto-intero (Mixed-Integer Linear Program, MILP) che può essere risolto efficientemente da risolutori lineari all'avanguardia, come CPLEX e Gurobi. Poiché è necessario considerare orizzonti temporali a lungo termine, tipici dei problemi di pianificazione degli investimenti, affrontare contemporaneamente il problema di progettazione e gestione degli AES è molto impegnativo anche per i solver moderni e spesso si traduce in un MILP di grande dimensione. Per questo motivo, per ridurre la dimensione del problema e contenere la dimensione temporale dell'orizzonte di ottimizzazione, un numero limitato di periodi rappresentativi sono selezionati come scenari operativi del problema di ottimizzazione mediante tecniche di aggregazione e clustering dei dati. Per applicare la metodologia proposta a problemi reali complessi, diversi approcci per la progettazione degli AES, che comportano diverse formulazioni MILP, sono confrontati tra loro ed è stata identificata la formulazione più efficiente dal punto di vista computazionale. Successivamente, per ridurre ulteriormente il tempo computazionale e velocizzare il processo di soluzione, due algoritmi di decomposizione che sfruttano la struttura del problema sono stati incorporati nel framework di ottimizzazione e applicati con successo alla risoluzione di problemi di grandi dimensioni. Successivamente, per validare il framework di ottimizzazione sviluppato in questa tesi, mostrarne la flessibilità e l'intero spettro delle sue capacità di ottimizzazione, vengono mostrate cinque possibili applicazioni reali in questa tesi. Il primo caso studio riguarda la progettazione di una microrete che include una stazione di ricarica per veicoli elettrici (Electric Vehicles, EV), pannelli fotovoltaici (PV) e un sistema di accumulo a batteria per coprire i requisiti di ricarica degli EV e alimentare il carico elettrico di un sito industriale nelle vicinanze. Dopo aver esaminata la flessibilità aggiuntiva offerta dalla capacità Vehicle-to-Grid (V2G) degli EV, sono state valutate le potenziali interazioni dei sistemi con i mercati energetici nazionali italiani. A questo scopo, una descrizione dettagliata del Mercato dei Servizi di Dispacciamento Italiano (MSD) è stata integrata all'interno del framework di ottimizzazione per la modellizzazione accurata dei mercati ancillari (riserva primaria, secondaria e terziaria). Per convalidare adeguatamente la metodologia di dimensionamento proposta, il design ottimizzato viene confrontato con quello ottenuto con metodologie di dimensionamento tradizionali e vengono mostrati i benefici di un approccio matematico rigoroso. Il secondo esempio di applicazione è la progettazione di una centrale CSP ibridizzata con altre tecnologie rinnovabili (PV e eolico). Vengono esplorate diverse configurazioni di progettazione per coprire interamente o parzialmente la domanda nazionale di elettricità e confrontate con le rispettive soluzioni separate per mostrare i benefici dell'ibridazione delle tecnologie. Il terzo caso studio consiste nell'ottimizzazione di un AES completamente rinnovabile dotato di due soluzioni di stoccaggio a lungo termine per spostare le variazioni stagionali nella produzione di energia rinnovabile: un sistema di accumulo stazionario a batteria (BESS) e un sistema Power-to-Power (P2P) che si basa sullo stoccaggio dell'idrogeno. La progettazione del sistema è ottimizzata per coprire una frazione della domanda di elettricità della regione Sicilia, nel Sud Italia. La fattibilità tecnico-economica dell'impianto viene valutata in due scenari differenti (attuale e futuro), per stimare l'impatto dei miglioramenti dell'efficienza tecnologica e delle riduzioni dei costi. Il modello matematico viene quindi applicato alla progettazione di un impianto chimico industriale per la co-produzione di idrogeno blu e energia. Anche in questo caso, i benefici economici e ambientali del sistema di poligenerazione vengono dimostrati rispetto alla produzione separata delle due commodity energetiche (elettricità e idrogeno). Infine, viene riportata l'ottimizzazione della progettazione di una microrete fuori rete per alimentare un impianto LNG e un aeroporto di medie dimensioni con elevati requisiti di affidabilità. Per coprire il carico elettrico, l'AES è composto da diverse turbine a gas (GT) integrate con la generazione PV e BESS per l'alimentazione di riserva. Date l'alta affidabilità del sistema fuori rete, ai vincoli di riserva vengono aggiunti al modello di ottimizzazione per fornire la potenza richiesta mantenendo sempre una riserva e per selezionare una turbina di riserva in caso di guasto di una delle GT in funzione. In conclusione, i risultati di tutte le applicazioni riportate dimostrano l'efficacia della metodologia di ottimizzazione della progettazione proposta nell'identificare la progettazione ottimale, affidabile e robusta di molti AES, anche quando si affrontano problemi reali complessi. Ciò motiva ulteriormente il continuo miglioramento del framework di ottimizzazione considerando altri aspetti che possono influenzare l'accuratezza dei risultati di progettazione (ad esempio, l'inclusione della topologia del sistema o la possibilità di investimenti multi-stadio) e riducendo ulteriormente i tempi computazionali (ad esempio, sviluppando tecniche di soluzione ad hoc).