Soluzioni Innovative per l'Ottimizzazione Energetica delle Microreti: Partizione Virtuale delle Batterie

Abstract

La crescente penetrazione delle fonti rinnovabili nei sistemi elettrici rappresenta una sfida cruciale per la gestione dell’energia, a causa della loro variabilità e scarsa prevedibilità. Questa instabilità, unita alla natura anch’essa variabile della domanda, rende complesso il bilanciamento in tempo reale tra produzione e carico, soprattutto in microreti. Gli Energy Management System (EMS) moderni devono quindi evolversi da strumenti di semplice monitoraggio a piattaforme predittive e dinamiche, capaci di integrare sistemi di accumulo (ESS) e algoritmi avanzati per gestire l’incertezza. In questo contesto, la presente tesi propone un approccio innovativo di partizione virtuale della batteria, che consente di riservare una porzione della capacità di accumulo per la gestione degli scostamenti tra previsioni e valori reali, senza modifiche hardware. Il metodo prevede una fase di ottimizzazione iniziale, basata su previsioni di carico e produzione rinnovabile, seguita da una simulazione Monte Carlo per valutare scenari di errore previsivo, utilizzando distribuzioni di probabilità ricavate da dati storici reali. In ciascuno scenario simulato, la gestione della porzione di riserva della batteria mira a minimizzare l’energia acquistata dalla rete, riducendo così i costi di gestione della microrete. Il valore medio ottenuto sull’intero set di simulazioni rappresenta il costo atteso associato a ogni configurazione testata. L’efficacia della metodologia è stata validata sperimentalmente sulla microrete del Campus Universitario di Savona, mostrando come l’approccio adottato consenta una gestione energetica più robusta, efficiente e resiliente, migliorando l’affidabilità del dispacciamento e contenendo i costi legati all’incertezza previsiva.

The increasing penetration of renewable energy sources in electrical systems poses a critical challenge for energy management due to their inherent variability and limited predictability. This instability, combined with the similarly variable nature of energy demand, makes real-time balancing between generation and load particularly complex, especially in microgrids. Modern Energy Management Systems (EMS) must therefore evolve from simple monitoring tools into predictive and dynamic platforms, capable of integrating Energy Storage Systems (ESS) and advanced algorithms to manage uncertainty. In this context, the present thesis proposes an innovative approach based on the virtual partitioning of battery storage, which allows a portion of the storage capacity to be reserved for handling deviations between forecasted and actual values, without requiring any hardware modifications. The method includes an initial optimization phase, based on forecasts of load and renewable generation, followed by a Monte Carlo simulation to evaluate forecast error scenarios, using probability distributions derived from historical data. In each simulated scenario, the management of the reserved battery capacity aims to minimize the energy purchased from the grid, thereby reducing the operational costs of the microgrid. The average result obtained across the full set of simulations represents the expected cost associated with each tested configuration. The effectiveness of this methodology has been experimentally validated on the microgrid of the University Campus of Savona, demonstrating how the proposed approach enables more robust, efficient, and resilient energy management enhancing dispatch reliability and mitigating costs associated with forecast uncertainty.