Integrating energy dispatch strategies for off-grid systems in an open-source modelling framework

Ensuring efficient and sustainable energy supply in off-grid microgrids is a critical challenge in modern energy planning. This thesis explores the optimization of energy dispatch strategies to improve microgrid performance, focusing on three approaches: Load Following (LF), Cycle Charging (CC), and Rolling Horizon (RH). By employing an open-source modeling framework, the study evaluates the economic and environmental implications of these strategies. The motivation for this research stems from the need to provide cost-effective and reliable energy solutions, especially in remote and underserved areas. The study utilizes MicroGridsPy, an open-source optimization tool, to assess fuel consumption, emissions, battery degradation, and renewable energy curtailment across different dispatch strategies. A long-term perspective is adopted, considering operational dynamics and component aging over a 20-year horizon. Findings reveal that Load Following, while maximizing renewable energy utilization, can lead to higher instances of lost load. Cycle Charging enhances battery lifespan and generator efficiency but results in increased fuel consumption. Rolling Horizon proves to be the most adaptive, optimizing costs and reliability through predictive decision-making. The research highlights the importance of open-source modeling in energy planning, offering transparent and flexible tools for decision-making. This thesis provides a comparative analysis of microgrid dispatch strategies, offering valuable insights for researchers and policymakers. The study supports the advancement of sustainable microgrid solutions, contributing to global efforts in improving energy access and resilience in remote communities.

Garantire un approvvigionamento energetico efficiente e sostenibile nelle microgrid offgrid è una sfida cruciale nella moderna pianificazione energetica. Questa tesi esplora l’ottimizzazione delle strategie di dispacciamento dell’energia per migliorare le prestazioni delle microgrid, concentrandosi su tre approcci: Load Following (LF), Cycle Charging (CC) e Rolling Horizon (RH). Utilizzando un framework di modellazione open-source, lo studio valuta le implicazioni economiche e ambientali di queste strategie. La motivazione di questa ricerca deriva dalla necessità di fornire soluzioni energetiche affidabili ed economicamente vantaggiose, soprattutto nelle aree remote e poco servite. Lo studio utilizza MicroGridsPy, uno strumento di ottimizzazione open source, per valutare il consumo di carburante, le emissioni, il degrado delle batterie e la decurtazione delle energie rinnovabili attraverso diverse strategie di dispacciamento. Viene adottata una prospettiva a lungo termine, considerando le dinamiche operative e l’invecchiamento dei componenti su un orizzonte di 20 anni. I risultati rivelano che il Load Following, pur massimizzando l’utilizzo delle energie rinnovabili, può portare a maggiori casi di domanda non coperta. Il Cycle Charging aumenta la durata della batteria e l’efficienza del generatore, ma comporta un maggiore consumo di carburante. Il Rolling Horizon si dimostra il più adattivo, ottimizzando i costi e l’affidabilità attraverso un processo decisionale predittivo. La ricerca evidenzia l’importanza della modellazione open-source nella pianificazione energetica, che offre strumenti trasparenti e flessibili per il processo decisionale. Questa tesi fornisce un’analisi comparativa delle strategie di dispacciamento delle microgrid, offrendo spunti preziosi per ricercatori e responsabili politici. Lo studio supporta il progresso di soluzioni di microgrid sostenibili, contribuendo agli sforzi globali per migliorare l’accesso all’energia e la resilienza delle comunità remote.