Integration of technology diffusion curves into a long-term energy system model

In the context of the European energy transition and the global commitment to carbon neutrality, energy system models represent key tools for supporting strategic planning and evaluating decarbonization pathways. Among these, FENICE (Future Energy traNsition multI-seCtor modEl) is a multi-sector, long-term optimization model of the Italian energy system, developed within the open-source oemof (Open Energy Modelling Framework) platform. The objective of this thesis is to implement and test the integration of technology diffusion models, specifically the Bass Model and the Generalized Bass Model, within the FENICE framework, with the aim of endogenizing the adoption dynamics of renewable technologies such as photovoltaic and wind power. The work begins with a theoretical review of innovation diffusion models, describing their mathematical foundations and main applications in the renewable energy sector. Subsequently, the Bass and Generalized Bass Models are calibrated on historical data through an empirical fitting process. The resulting diffusion curves are then extrapolated to 2050 and implemented in FENICE under two different configurations: as exogenous constraints that limit the cumulative installed capacity; as linearized endogenous functions, which allow the model to dynamically calculate the diffusion trajectory based on economic and policy conditions. The results show that the introduction of Bass-derived constraints significantly improves the realism of system evolution compared to the benchmark cases, reproducing more faithfully the observed diffusion patterns. In the linearized configuration, the model can autonomously determine the optimal adoption pathway for PV and wind technologies in a more realistic and theoretical way.

Nel contesto della transizione energetica europea e dell’impegno globale verso la neutralità carbonica, i modelli energetici di ottimizzazione rappresentano strumenti fondamentali per supportare la pianificazione strategica e valutare i percorsi di decarbonizzazione. Tra questi, FENICE (Future Energy traNsition multI-seCtor modEl) è un modello di ottimizzazione multisettoriale e di lungo periodo per il sistema energetico italiano, sviluppato all’interno del framework open-source oemof (Open Energy Modelling Framework). L’obiettivo di questa tesi è quello di implementare e testare l’integrazione dei modelli di diffusione tecnologica, in particolare il modello di Bass e il modello di Bass generalizzato, all’interno del framework FENICE, con l’obiettivo di rendere endogena la dinamica di adozione delle tecnologie rinnovabili, come il fotovoltaico e l’eolico. Il lavoro si apre con una revisione teorica dei modelli di diffusione dell’innovazione, illustrandone i fondamenti matematici e le principali applicazioni nel settore delle energie rinnovabili. Successivamente, i modelli di Bass e Bass generalizzato vengono calibrati sui dati storici attraverso un processo di fitting empirico. Le curve di diffusione risultanti vengono poi estrapolate fino al 2050 e implementate nel modello FENICE in due diverse configurazioni: come vincoli esogeni che limitano la capacità cumulata installabile; oppure come funzioni linearizzate endogene, che consentono al modello di calcolare dinamicamente la traiettoria di diffusione in base alle condizioni economiche e di policy. I risultati mostrano che l’introduzione di vincoli derivati dal modello di Bass migliora significativamente il realismo dell’evoluzione del sistema rispetto ai casi benchmark, riproducendo in modo più fedele gli andamenti di diffusione osservati. Nella configurazione linearizzata, il modello è in grado di determinare autonomamente il percorso ottimale di adozione per le tecnologie fotovoltaiche ed eoliche, ma all’interno di un quadro più realistico e coerente dal punto di vista teorico.