Battery storage system management and optimization in heterogeneous environments

The proliferation of Distributed Energy Resources (DERs) and the electrification of transport systems with the introduction of Electric Vehicles (EVs) is posing several challenges related to their coordination, control, and optimal operation. In particular, a key element is the Battery Energy Storage System (BESS) which needs to be controlled so as to fulfil the requirements of different DERs and EVs applications. In particular, both Virtual Power Plant (VPP) and Electric Vehicle Routing (EVR) require the coordination of multiple units to solve an optimization problem where different contrasting objectives are traded-off. Given the large size of the problem and the consequent high computational effort involved, the constraints on the time available to obtain a solution, and the fact that the information needed even just to formulate the problem is available only locally to the involved units, approaches resorting to a distributed architecture where computational capabilities of the units are exploited appear the natural solution to go. This in turn entails that BESSes have to be able to solve locally a part of the global optimization problem related to VPP and EVR. The distributed nature of the application scenario, coupled with an high computational effort, implies that the embedded control system of both Battery Energy Storage System and Electric Vehicles has to be able to solve locally a subsection of the global optimization problem related to the VPP and EVR. In this thesis, we shall formulate a quite general planning problem called Constrained Sequential Battery Planning (CSBP) that is able to solve a local optimization problem and that can be implemented directly on the embedded computational system onboard of a BESS. The introduced CSBP is able to account for all the constraints and requirements involved in the formulation of both VPP and EVR. We shall then show how it can be integrated into a distributed control approach to solve both the VPP and EVR global optimization problems thus providing a solution with low computational effort and scalable in the number of BESSes.

La proliferazione delle risorse energetiche distribuite (DER) e l'elettrificazione dei sistemi di trasporto con l'introduzione dei veicoli elettrici (EV) pone diverse sfide legate al loro coordinamento, controllo e funzionamento ottimale delle stesse. In questo contesto, un elemento chiave è il sistema di accumulo di energia della batteria (BESS) che deve essere controllato in modo da soddisfare i requisiti di diverse applicazioni in cui viene utilizzato. In particolare, applicazioni quali la centrale elettrica virtuale (VPP) e la pianificazione dei percorsi dei veicoli elettrici (EVR), richiedono il coordinamento di più entità/elementi per risolvere un problema di ottimizzazione in cui devono essere soddisfatti contemporaneamente obiettivi diversi e talvolta contrastanti. Data la complessità del problema di ottimizzazione correlato alle suddette applicazioni quali l'elevato sforzo computazionale richiesto, i vincoli sul temporali, la disponibilità a livello locale (distribuito) delle informazioni necessarie alla formulazione e risoluzione del problema di ottimizzazione, gli approcci di ottimizzazione basati su un'architettura distribuita costituiscono le soluzioni potenzialmente più efficaci ed efficienti. La presenza di un'architettura distribuita implica che ogni singolo BESS deve essere in grado di risolvere localmente una parte del problema di ottimizzazione globale (VPP ed EVR). Ciò implica che il sistema di controllo "embedded" dei sistemi di accumulo e dei veicoli elettrici debba essere in grado di risolvere "localmente" una sottosezione del problema di ottimizzazione globale correlato (compatibilmente alle capacità di calcolo che lo caratterizzano). In questa tesi, formuleremo un metodo di pianificazione generale denominato "Constrained Sequential Battery Planning" (CSBP) in grado di tenere conto di tutti i vincoli e i requisiti richiesti nella formulazione dei problemi di ottimizzazione legati alle applicazioni di VPP ed EVR e di risolvere il relativo problema di ottimizzazione locale direttamente su un sistema di controllo embedded di un BESS o di un veicolo elettrico. All'interno della testi verrà quindi descritto come tale metodo può essere integrato in un approccio di controllo distribuito (per risolvere i problemi di ottimizzazione globale sia del VPP che dell'EVR), permettendo l'implementazione di una soluzione che richiede una bassa capacità computazionale ed estremamente "scalabile" al crescere di sistemi di accumulo e veicoli elettrici coinvolti.