Optimal design and operation of energy districts

The accelerating integration of renewable energy sources (RES), the increasing decentralization of production, and the tightening constraints imposed by international climate and energy policies are deeply reshaping the structure and operation of modern energy systems. In this evolving context, the design and operational management of energy districts require flexible and powerful computational frameworks capable of simultaneously addressing the long-term investment planning and the short-term operational one, while accounting for both centralized and decentralized system configurations. The primary objective of this thesis is the development of advanced numerical methodologies for the design and operation optimization of aggregated energy systems (AES), with particular emphasis on flexibility, scalability, and generality. These characteristics allow the proposed models to adapt to a broad range of case studies, to incorporate diverse technologies and energy carriers, and to remain applicable at different spatial scales, from single districts to entire municipalities, as well as in industrial facilities and community-scale systems. In this thesis, three different optimization frameworks are proposed. The first framework addresses the multi-step design (i.e., investment planning) and multi-year operational scheduling of AES. Formulated as a Mixed Integer Linear Programming (MILP) model, it simultaneously optimizes investment decisions (e.g., technology sizing, expansion, dismission, or replacement) and operational dispatch over a multi-year horizon. Several novel features distinguish this framework from existing approaches, including: (i) the accurate modelling of AES design evolution with both modular and non-modular units; (ii) a slot-based superstructure to account for physical space constraints; (iii) rigorous modelling of operation with part-load efficiencies, start-up/ramp-up constraints, and multiple fuel (i.e., co-firing) options for the same unit; (iv) integration of district heating network (DHN) expansion decisions; (v) optimization of building energy renovation strategies; and (vi) inclusion of N-1 reliability constraints to ensure reliable design-operation of AES, particularly in off-grid configurations. The framework has been tested on three different case studies: the design of an AES serving a university campus, the decarbonization of the municipality of Vigolzone, and the planning of an off-grid liquefied natural gas (LNG) production plant. Results demonstrate the versatility of the methodology and its ability to achieve significant CO2 emission reductions and cost savings under realistic constraints. Furthermore, ad-hoc decomposition algorithms have been developed to reduce computational complexity, proving effective in preserving solution quality while decreasing solution times for large-scale applications. The second framework focuses on the design optimization of energy communities (EC). While EC are increasingly recognized as a promising organizational model to foster local energy production, sharing, and social participation, the literature still lacks comprehensive formulations that simultaneously account for optimal prosumers’ aggregation, technology centralization, electricity sharing, DHN installation to allow thermal energy sharing, and accurate part-load modelling of conversion units. To fill this gap, a MILP-based model has been developed to determine the optimal number of EC to form within a given district, the membership of each prosumer, the installation of community-owned versus prosumer-owned technologies, the possible layout of DHNs, and the corresponding technology portfolio. The model has been tested on two case studies with different scales: a small-scale district with four buildings and a larger urban district with twenty buildings. The results highlight the conditions under which EC formation is advantageous compared to the stand-alone case. For small districts, benefits mainly derive from electricity sharing among prosumers with heterogeneous PV penetration, while centralized heat sharing through DHNs is not cost-effective. For larger districts, economies of scale make centralized energy production and DHN infrastructures beneficial, leading to total annual cost (TAC) reductions of over 10%. However, the results also reveal trade-offs between economic and environmental cost, with the deployment of natural gas-fired CHP (that cogenerate heat and power) units reducing costs but potentially increasing emissions unless adequate carbon pricing mechanisms are implemented. Overall, the framework provides a rigorous decision-support tool for ESCOs, consultants, and policy makers seeking to evaluate and promote EC deployment strategies. The third framework addresses the operational management of renewable energy communities (RECs) through a multi-decision maker approach. Unlike centralized optimization models, which minimize total system cost but neglect privacy and autonomy of participants, the proposed framework formulates the problem as a bi-level Stackelberg game between an aggregator (leader) and multiple prosumers (followers). The upper-level optimization, solved with a meta-heuristic algorithm, determines the internal pricing strategy for electricity trades within the EC, aiming to minimize the aggregator’s operating costs while ensuring positive revenues. Each prosumer, at the lower level, independently optimizes its own operations, including scheduling of appliances, charging/discharging of storage systems, and interaction with non-dispatchable RES, to minimize its individual cost. The model accounts for demand side management (DSM), electric vehicles, and storage systems, enabling a highly realistic representation of prosumer’s behaviour. Tested on four different EC configurations for typical winter and summer days, the framework demonstrates significant benefits: aggregated operating costs are reduced by up to 67% compared to stand-alone configurations, while optimized internal prices enhance electricity sharing and increase self-consumption. In summary, the three optimization frameworks developed in this thesis provide a comprehensive set of tools that cover the main decision-making stages of AES: long-term investment planning, design and configuration of EC, and short-term operational management of RECs. Collectively, they offer a versatile and scalable computational environment that can be applied to a wide range of real-world contexts. By combining methodological rigour, high modelling detail, and demonstrated applicability through multiple case studies, the thesis contributes to advancing the state-of-the-art in energy districts design and operation optimization. The tools are intended to support decision-makers, including policy makers, local authorities, ESCOs, and private companies, in designing and operating future energy systems that are economically viable, environmentally sustainable, and socially inclusive.

L’integrazione sempre più rapida delle fonti energetiche rinnovabili (renewable energy sources, RES), la crescente decentralizzazione della produzione e il progressivo inasprimento dei vincoli imposti dalle politiche energetiche e climatiche internazionali stanno profondamente trasformando la struttura e il funzionamento dei sistemi energetici moderni. In questo contesto in continua evoluzione, la progettazione e la gestione operativa dei distretti energetici richiedono strumenti di calcolo flessibili e potenti, in grado di affrontare simultaneamente la pianificazione degli investimenti a lungo termine e la gestione operativa a breve termine, considerando al contempo configurazioni sia centralizzate sia decentralizzate. L’obiettivo principale di questa tesi è lo sviluppo di metodologie numeriche avanzate per l’ottimizzazione della progettazione e dell’esercizio dei sistemi energetici aggregati (aggregated energy systems, AES), con particolare enfasi su flessibilità, scalabilità e generalità. Queste caratteristiche consentono ai modelli proposti di adattarsi a un’ampia gamma di casi di studio, di integrare diverse tecnologie e vettori energetici e di mantenere la propria applicabilità a differenti scale spaziali, dai singoli distretti fino a interi comuni, nonché in ambito industriale o comunitario. In questa tesi vengono proposti tre diversi framework di ottimizzazione. Il primo framework affronta la progettazione multi-step (cioè la pianificazione degli investimenti) e la gestione operativa pluriennale degli AES. Formulato come un modello di Programmazione Lineare Mista Intera (Mixed Integer Linear Programming, MILP), esso ottimizza simultaneamente le decisioni di investimento (ad esempio dimensionamento tecnologico, espansione, dismissione o sostituzione) e la gestione operativa su un orizzonte temporale di più anni. Diversi elementi innovativi lo distinguono dagli approcci esistenti: (i) la modellazione accurata dell’evoluzione progettuale degli AES con unità modulari e non modulari; (ii) una superstruttura basata sul concetto di "slot" per considerare i vincoli di spazio fisico; (iii) una descrizione rigorosa dell’operatività, includendo rendimenti ai carichi parziali, vincoli di avviamento/rampe e opzioni multi-combustibile (co-firing) per la stessa unità; (iv) l’integrazione delle decisioni di espansione delle reti di teleriscaldamento (district heating network, DHN); (v) l’ottimizzazione delle strategie di riqualificazione energetica degli edifici; e (vi) l’inclusione di vincoli di affidabilità N-1 per garantire la sicurezza operativa, in particolare in configurazioni off-grid. Il framework è stato testato su tre casi di studio: la progettazione di un AES a servizio di un campus universitario, la decarbonizzazione del comune di Vigolzone e la pianificazione di un impianto off-grid per la produzione di gas naturale liquefatto (liquefied natural gas, LNG). I risultati dimostrano la versatilità della metodologia e la sua capacità di ottenere significative riduzioni di emissioni di CO₂ e di costi operativi in condizioni realistiche. Inoltre, sono stati sviluppati algoritmi di decomposizione ad hoc per ridurre la complessità computazionale, preservando la qualità delle soluzioni e diminuendo i tempi di calcolo nei casi di grande scala. Il secondo framework è dedicato all’ottimizzazione della progettazione delle comunità energetiche (energy communities, EC). Sebbene le EC siano sempre più riconosciute come un modello promettente per promuovere la produzione locale di energia, la condivisione e la partecipazione sociale, la letteratura scientifica manca ancora di formulazioni complete che considerino simultaneamente l’aggregazione ottimale dei prosumer, la centralizzazione delle tecnologie, la condivisione dell’energia elettrica, l’installazione di reti di teleriscaldamento per la condivisione termica e una modellazione accurata del funzionamento parziale delle unità di conversione. Per colmare questa lacuna, è stato sviluppato un modello MILP in grado di determinare il numero ottimale di EC da costituire in un dato distretto, la composizione di ciascuna comunità, la ripartizione tra tecnologie di proprietà comunitaria e dei singoli prosumer, il possibile layout delle reti di teleriscaldamento e il relativo portafoglio tecnologico. Il modello è stato testato su due casi di studio di diversa scala: un piccolo distretto con quattro edifici e un distretto urbano più esteso con venti edifici. I risultati evidenziano le condizioni in cui la formazione di EC risulta vantaggiosa rispetto alla gestione individuale. Nei distretti di piccole dimensioni, i benefici derivano principalmente dalla condivisione elettrica tra prosumer con diversi livelli di penetrazione fotovoltaica, mentre la condivisione termica centralizzata tramite DHN non risulta economicamente conveniente. Nei distretti di maggiori dimensioni, invece, le economie di scala rendono vantaggiosa la produzione centralizzata e l’installazione di reti DHN, con riduzioni dei costi annuali complessivi superiori al 10%. Tuttavia, emergono compromessi tra costo economico ed emissioni ambientali: l’impiego di unità di cogenerazione a gas naturale riduce i costi, ma può aumentare le emissioni in assenza di adeguati meccanismi di carbon pricing. Complessivamente, il framework fornisce uno strumento di supporto decisionale rigoroso per ESCO, consulenti e policy maker impegnati nella valutazione e promozione delle strategie di diffusione delle comunità energetiche. Il terzo framework riguarda la gestione operativa delle comunità energetiche rinnovabili (renewable energy communities, REC) attraverso un approccio multi-decisionale. A differenza dei modelli di ottimizzazione centralizzati, che mirano a minimizzare il costo complessivo del sistema trascurando però la privacy e l’autonomia dei partecipanti, il framework proposto formula il problema come un gioco di Stackelberg bi-livello tra un aggregatore (leader) e più prosumer (follower). L’ottimizzazione di livello superiore, risolta tramite un algoritmo meta-euristico, definisce la strategia di prezzo interno per gli scambi elettrici all’interno della comunità, con l’obiettivo di minimizzare i costi operativi dell’aggregatore garantendo al contempo margini positivi. Ogni prosumer, al livello inferiore, ottimizza in modo indipendente le proprie operazioni - inclusa la pianificazione dei carichi, la gestione della ricarica/scarica dei sistemi di accumulo e l’interazione con le fonti rinnovabili non programmabili - al fine di minimizzare il proprio costo individuale. Il modello considera la gestione della domanda (demand side management, DSM), i veicoli elettrici e i sistemi di accumulo, consentendo una rappresentazione realistica del comportamento dei prosumer. Testato su quattro configurazioni di EC rappresentative di giornate tipo invernali ed estive, il framework mostra benefici significativi: la riduzione dei costi operativi aggregati fino al 67% rispetto alle configurazioni individuali, oltre a una maggiore condivisione e autoconsumo di energia. In sintesi, i tre framework di ottimizzazione sviluppati in questa tesi forniscono un insieme completo di strumenti che coprono le principali fasi decisionali degli AES: la pianificazione degli investimenti a lungo termine, la progettazione e configurazione delle EC e la gestione operativa a breve termine delle REC. Nel complesso, essi offrono un ambiente computazionale versatile e scalabile, applicabile a un’ampia varietà di contesti reali. Combinando rigore metodologico, elevato dettaglio di modellazione e comprovata applicabilità tramite diversi casi di studio, la tesi contribuisce ad avanzare lo stato dell’arte nell’ottimizzazione della progettazione e gestione dei distretti energetici. Gli strumenti proposti intendono supportare decisori pubblici e privati - tra cui policy maker, amministrazioni locali, ESCO e imprese - nella progettazione e gestione di sistemi energetici futuri che siano economicamente sostenibili, ambientalmente compatibili e socialmente inclusivi.