A numerical methodology for optimal aggregation of local ancillary service resources

The increasing complexity of modern power systems, driven by the widespread integration of renewable energy sources (RES) and decentralized generation, necessitates advanced methodologies to ensure the reliable provision of ancillary services (AS). The inherent variability and intermittency of RES introduce significant challenges in maintaining grid stability, requiring innovative approaches for the effective coordination of distributed resources. This thesis presents a novel methodology for optimizing resource aggregation, aiming to enhance both grid stability and economic efficiency. The proposed approach integrates sensitivity computation, risk assessment and clustering techniques to classify resources based on their technical characteristics and operational behavior, thereby identifying the most suitable providers of ancillary services. The sensitivity matrices under consideration capture voltage and current variations with respect to active and reactive power, offering a quantitative measure of each resource’s impact on the network. In parallel, the risk assessment framework identifies the most critical scenarios through power flow simulations, evaluating the likelihood of specific network configurations, fault occurrences at nodes and branches and their corresponding economic consequences. Clustering is performed using the MATLAB k-means algorithm and applied to multiple network datasets, yielding various possible resource aggregation configurations. To determine the optimal aggregation pattern, these resultant patterns must be superimposed and compared. The methodology was validated through a simplified test network, which, despite producing elementary results, allowed for detailed assessment and refinement. This research advances AS implementation by providing a systematic framework for resource aggregation, addressing the complexities of RES integration and strengthening grid stability. The developed methodology offers a robust tool for selecting aggregation patterns, employing widely used techniques such as clustering, sensitivity and power flow simulations.

L'aumento della complessità dei moderni sistemi elettrici, dovuto alla crescente integrazione delle fonti rinnovabili (RES) e della generazione distribuita, rende necessarie metodologie avanzate per garantire l'affidabilità nella fornitura dei servizi ancillari (AS). L’intrinseca variabilità e intermittenza delle RES introducono sfide significative nel mantenimento della stabilità della rete, richiedendo approcci innovativi per il coordinamento efficace delle risorse distribuite. Questa tesi presenta una metodologia innovativa per l'ottimizzazione dell'aggregazione delle risorse, con l'obiettivo di migliorare sia la stabilità della rete che l'efficienza economica. L'approccio proposto integra il calcolo della sensitività, la valutazione del rischio e una tecnica di clustering per classificare le risorse in base alle loro caratteristiche tecniche e al loro comportamento operativo, identificando così i fornitori più adatti di servizi ancillari. Le matrici di sensitività considerate descrivono le variazioni di tensione e corrente rispetto alla potenza attiva e reattiva, fornendo una misura quantitativa dell'impatto di ciascuna risorsa sulla rete. In parallelo, il processo di valutazione del rischio identifica gli scenari più critici mediante simulazioni di flusso di potenza, valutando la probabilità di ricadere in una specifica configurazione della rete, il verificarsi di guasti nei nodi e nei rami e le relative conseguenze economiche. Il clustering viene effettuato utilizzando l’algoritmo k-means di MATLAB e applicato a diversi set di dati, generando varie possibili configurazioni di aggregazione delle risorse. Per determinare la configurazione ottimale, questi risultati devono essere sovrapposti e confrontati. La metodologia è stata validata attraverso una rete di test semplificata che, pur producendo risultati elementari, ha permesso una valutazione dettagliata e un affinamento del processo. Questa ricerca contribuisce all'implementazione dei servizi ancillari fornendo un approccio sistematico per l'aggregazione delle risorse, affrontando le complessità legate all'integrazione delle RES e rafforzando la stabilità della rete. La metodologia sviluppata offre uno strumento solido per la selezione dei pattern di aggregazione, sfruttando tecniche ampiamente utilizzate come il clustering, l'analisi di sensitività e le simulazioni del flusso di potenza.