Beyond optimal cost in energy models: overview of methodologies and application to the italian energy system as a case-study

Energy System Optimization Models (ESOMs) are one of the most effective tools for assisting policymakers making critical decisions in the energy sector. In energy system modelling, relying on a single optimal solution can be risky due to uncertainties in demand forecasts, technology costs, policy changes, and system constraints. This study enhances decision-making by expanding the decision space through near-optimal solutions—alternative system configurations within a predefined cost slack. By doing so, policymakers can evaluate multiple viable pathways that balance affordability, sustainability, and resilience. This approach is particularly relevant for energy transition planning, where flexibility and adaptability to future changes are crucial. This study introduces an automated method within the open-source energy modelling platform Hypatia, enabling the efficient generation of near-optimal solutions with minimal user intervention. By integrating over 1700 lines of Python code and introducing the Ω parameter, the tool systematically explores diverse energy system configurations. Applied to the Italian energy sector, the enhanced model generated 100 near-optimal solutions, revealing critical trade-offs in technology choices while maintaining economic feasibility. The results demonstrated that even within a strict cost constraint (+5% over the optimal solution), alternative pathways could achieve lower CO₂ emissions. This study highlights the potential of automated decision-space analysis in improving energy planning, offering policymakers a scalable and adaptable framework for sustainable energy transitions.

I modelli di ottimizzazione dei sistemi energetici (ESOMs) sono tra gli strumenti più efficaci per supportare i decisori politici nelle scelte critiche del settore energetico. Nel contesto della modellizzazione dei sistemi energetici, affidarsi a un’unica soluzione ottimale può essere rischioso a causa delle incertezze legate alle previsioni della domanda, ai costi tecnologici, ai cambiamenti normativi e ai vincoli di sistema. Questo studio migliora il processo decisionale ampliando lo spazio decisionale attraverso soluzioni quasi ottimali—configurazioni alternative del sistema entro un margine di costo predefinito. In questo modo, i responsabili politici possono valutare percorsi multipli e praticabili che bilanciano convenienza, sostenibilità e resilienza. Questo approccio è particolarmente rilevante per la pianificazione della transizione energetica, in cui flessibilità e adattabilità ai cambiamenti futuri sono cruciali. Questo studio introduce un metodo automatizzato all’interno della piattaforma open-source di modellizzazione energetica Hypatia, consentendo la generazione efficiente di soluzioni quasi ottimali con un intervento minimo da parte dell’utente. Integrando oltre 1700 righe di codice Python e introducendo il parametro Ω, lo strumento esplora sistematicamente diverse configurazioni dei sistemi energetici. Applicato al settore energetico italiano, il modello potenziato ha generato 100 soluzioni quasi ottimali, rivelando trade-off critici nella scelta delle tecnologie, pur mantenendo la sostenibilità economica. I risultati hanno dimostrato che, anche con un vincolo di costo rigoroso (+5% rispetto alla soluzione ottimale), percorsi alternativi possono portare a una riduzione delle emissioni di CO₂. Questo studio evidenzia il potenziale dell’analisi automatizzata dello spazio decisionale per migliorare la pianificazione energetica, offrendo ai decisori politici un framework scalabile e adattabile per la transizione energetica sostenibile.