In recent years, the global energy sector has seen significant transformation, particularly in Europe, with a notable increase in renewable energy integration. Italy and the European Union have been leaders in this transition, with renewables playing a substantial role in electricity generation. The adoption of Battery Energy Storage Systems (BESS) has become crucial for enhancing grid efficiency, sustainability, and reliability by addressing the intermittency of renewable sources. This paper investigates the feasibility and economic viability of batteries into wholesale electricity markets, focusing on the dynamics of the Italian market, including the Day-Ahead Market (DAM) and the XBID Continuous Intra-day Market. A novel model is proposed to enhance BESS operations, leveraging price arbitrage strategies based on zonal price predictions and uncertain bid acceptance in continuous trading. Machine learning and deep learning techniques are applied for accurate price forecasting and bid acceptance prediction, respectively. The study finds that deep learning techniques outperform persistence models and random selection in price forecasting and bid acceptance prediction. However, future refinements in model architecture are needed to enhance confidence in these tools. Regarding market dynamics, the study reveals a higher competitiveness of the XBID market compared to the DAM, particularly with increased risk factor in bids leading to higher profits. Nevertheless, the research underscores that without adequate capacity payments, all studied scenarios remain disadvantageous for potential investment. This research provides insights into the evolving landscape of renewable energy integration and new possibilities in exploiting new electricity markets through the analysis of the latter.

Negli ultimi anni, il settore energetico globale ha visto una significativa trasformazione, specialmente in Europa, con un aumento notevole dell'integrazione delle energie rinnovabili. Italia e Unione Europea hanno guidato questa transizione, con le energie rinnovabili che giocano un ruolo sostanziale nella generazione di elettricità. L'adozione dei sistemi di stoccaggio dell'energia tramite batterie (BESS) è diventata cruciale per migliorare l'efficienza, la sostenibilità e la affidabilità delle reti elettriche, affrontando l'intermittenza delle fonti rinnovabili. Questo studio investiga la fattibilità e la convenienza economica dell'integrazione delle batterie nei mercati all'ingrosso dell'elettricità, con un focus sulla dinamica del mercato italiano, inclusi il Mercato del Giorno Prima (DAM) e il Mercato Continuo Intraday XBID. Viene proposto un modello innovativo per potenziare le operazioni BESS, sfruttando strategie di arbitraggio dei prezzi basate su previsioni dei prezzi zonali e accettazione incerta delle offerte nel trading continuo. Tecniche di machine learning e deep learning sono applicate per una previsione accurata dei prezzi e per la predizione dell'accettazione delle offerte. Lo studio evidenzia che le tecniche di deep learning superano i modelli di persistenza e la selezione casuale nella previsione dei prezzi e nella predizione dell'accettazione delle offerte. Tuttavia, sono necessari ulteriori affinamenti nell'architettura del modello per aumentare la fiducia in questi strumenti. Riguardo alla dinamica di mercato, lo studio rivela una maggiore competitività del mercato XBID rispetto al DAM, in particolare con un aumento del fattore di rischio nelle offerte che porta a profitti superiori. Tuttavia, la ricerca sottolinea che senza adeguati pagamenti per la capacità, tutti gli scenari studiati rimangono svantaggiosi per gli investimenti potenziali. Questa ricerca fornisce approfondimenti sul paesaggio in evoluzione dell'integrazione delle energie rinnovabili e sulle nuove possibilità nello sfruttare nuovi mercati dell'elettricità attraverso l'analisi di questi ultimi.

Modelling and analysis of BESS operations in italian electricity markets: prediction and strategies for day-ahead and continuous intra-day markets

Andreotti, Diego
2023/2024

Abstract

In recent years, the global energy sector has seen significant transformation, particularly in Europe, with a notable increase in renewable energy integration. Italy and the European Union have been leaders in this transition, with renewables playing a substantial role in electricity generation. The adoption of Battery Energy Storage Systems (BESS) has become crucial for enhancing grid efficiency, sustainability, and reliability by addressing the intermittency of renewable sources. This paper investigates the feasibility and economic viability of batteries into wholesale electricity markets, focusing on the dynamics of the Italian market, including the Day-Ahead Market (DAM) and the XBID Continuous Intra-day Market. A novel model is proposed to enhance BESS operations, leveraging price arbitrage strategies based on zonal price predictions and uncertain bid acceptance in continuous trading. Machine learning and deep learning techniques are applied for accurate price forecasting and bid acceptance prediction, respectively. The study finds that deep learning techniques outperform persistence models and random selection in price forecasting and bid acceptance prediction. However, future refinements in model architecture are needed to enhance confidence in these tools. Regarding market dynamics, the study reveals a higher competitiveness of the XBID market compared to the DAM, particularly with increased risk factor in bids leading to higher profits. Nevertheless, the research underscores that without adequate capacity payments, all studied scenarios remain disadvantageous for potential investment. This research provides insights into the evolving landscape of renewable energy integration and new possibilities in exploiting new electricity markets through the analysis of the latter.
Spiller, Matteo
ING - Scuola di Ingegneria Industriale e dell'Informazione
16-lug-2024
2023/2024
Negli ultimi anni, il settore energetico globale ha visto una significativa trasformazione, specialmente in Europa, con un aumento notevole dell'integrazione delle energie rinnovabili. Italia e Unione Europea hanno guidato questa transizione, con le energie rinnovabili che giocano un ruolo sostanziale nella generazione di elettricità. L'adozione dei sistemi di stoccaggio dell'energia tramite batterie (BESS) è diventata cruciale per migliorare l'efficienza, la sostenibilità e la affidabilità delle reti elettriche, affrontando l'intermittenza delle fonti rinnovabili. Questo studio investiga la fattibilità e la convenienza economica dell'integrazione delle batterie nei mercati all'ingrosso dell'elettricità, con un focus sulla dinamica del mercato italiano, inclusi il Mercato del Giorno Prima (DAM) e il Mercato Continuo Intraday XBID. Viene proposto un modello innovativo per potenziare le operazioni BESS, sfruttando strategie di arbitraggio dei prezzi basate su previsioni dei prezzi zonali e accettazione incerta delle offerte nel trading continuo. Tecniche di machine learning e deep learning sono applicate per una previsione accurata dei prezzi e per la predizione dell'accettazione delle offerte. Lo studio evidenzia che le tecniche di deep learning superano i modelli di persistenza e la selezione casuale nella previsione dei prezzi e nella predizione dell'accettazione delle offerte. Tuttavia, sono necessari ulteriori affinamenti nell'architettura del modello per aumentare la fiducia in questi strumenti. Riguardo alla dinamica di mercato, lo studio rivela una maggiore competitività del mercato XBID rispetto al DAM, in particolare con un aumento del fattore di rischio nelle offerte che porta a profitti superiori. Tuttavia, la ricerca sottolinea che senza adeguati pagamenti per la capacità, tutti gli scenari studiati rimangono svantaggiosi per gli investimenti potenziali. Questa ricerca fornisce approfondimenti sul paesaggio in evoluzione dell'integrazione delle energie rinnovabili e sulle nuove possibilità nello sfruttare nuovi mercati dell'elettricità attraverso l'analisi di questi ultimi.
File allegati
File Dimensione Formato  
Article_Thesis_105464020_Diego_Andreotti_final.pdf

accessibile in internet per tutti

Descrizione: Article Thesis
Dimensione 3.57 MB
Formato Adobe PDF
3.57 MB Adobe PDF Visualizza/Apri
Executive_Summary_10546400_Diego_Andreotti_final.pdf

accessibile in internet per tutti

Descrizione: Executive Summary
Dimensione 1.12 MB
Formato Adobe PDF
1.12 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/223536