Robust optimization for the sizing of renewable power plants: a MILP-based approach under multiple uncertainties

The reduction of carbon dioxide related to the energy sector is one of the greatest challenges of this century. To ensure a proper transition towards a sustainable energy system, innovative solutions are fundamental for the efficient integration of renewable energy sources. In this scenario, a crucial role is played by the Hybrid Renewable Energy Systems (HRES), which can ensure a stable and reliable electricity supply thanks to the combination of different renewable technologies, particularly thanks to the integration of storage systems. However, the optimal sizing process of such systems is a complex challenge due to the multiple uncertainties that can be present, involving: resource availability, demand fluctuations, and electricity zonal price variations. The aim of this thesis was to develop a Mixed-Integer Linear Programming (MILP) optimization approach for the robust sizing of a renewable power plant, under multiple sources of uncertainty. The developed hybrid model consists of a wind farm, a photovoltaic plant, and Battery Energy Storage Systems (BESS), along with the entire infrastructure for connection to the national power grid. Additionally, the model includes the capability to manage the over-generation of renewable resources through curtailment mechanisms. The objective of the sizing tool is to maximize the profitability of the investment while ensuring the reliability of the system. This research study was conducted in collaboration with Eni Plenitude, ensuring that academic methodologies were applied to a real industrial case. The developed tool can represent a useful assistant for the evaluation of different possible configurations, helping the decision-making process during the design of a hybrid renewable plant. The results will show the best trade-off between economic and reliability aspects, highlighting the impact that the uncertainty has on the optimal size of the plant.

La riduzione delle emissioni di anidride carbonica nel settore energetico è una delle sfide più grandi di questo secolo. Per garantire una corretta transizione verso un sistema energetico sostenibile, è fondamentale sviluppare soluzioni innovative per garantire un'integrazione efficiente delle fonti rinnovabili. In questo contesto, un ruolo fondamentale è svolto dai sistemi rinnovabili ibridi, che possono garantire una fornitura elettrica stabile e affidabile grazie alla combinazione di diverse tecnologie rinnovabili, in particolar modo grazie all'integrazione di sistemi di accumulo. Tuttavia, il processo di dimensionamento ottimale di tali sistemi rappresenta una sfida complessa a causa delle varie incertezze che possono influenzarlo, tra cui: la disponibilità delle risorse, la fluttuazione della domanda, le variazioni del prezzo zonale dell'energia elettrica. L'obiettivo di questa tesi è lo sviluppo di un modello di ottimizzazione Mixed-Integer Linear Programming (MILP) per il dimensionamento robusto di un impianto di energia rinnovabile, considerando molteplici fonti di incertezza. Il modello ibrido realizzato è costituito da un parco eolico, un impianto fotovoltaico e da un sistema di accumulo a batterie, insieme all'intera infrastruttura di connessione alla rete elettrica nazionale. In aggiunta, il modello ha la possibilità di tagliare la produzione rinnovabile in eccesso tramite meccanismi di curtailment. L'obiettivo del dimensionamento è la massimizzazione della redditività dell'investimento, assicurando contemporaneamente l'affidabilità del sistema. Il seguente studio è stato condotto in collaborazione con Eni Plenitude, assicurando che le metodologie accademiche siano state applicate ad un caso industriale reale. Lo strumento sviluppato può rappresentare un valido supporto per la valutazione delle possibili configurazioni di impianto, facilitando il processo decisionale durante la progettazione di un impianto rinnovabile ibrido. I risultati mostrano quali sono i migliori compromessi tra aspetti economici e di affidabilità, sottolineando l'impatto che l'incertezza causa sulla dimensione ottimale dell'impianto.