Confronto di ottimizzatori per il dispacciamento di impianti per la produzione elettrica

Abstract

Visto il grande cambiamento del mercato elettrico negli ultimi decenni, prima di tutto dovuto ad una quota sempre più crescente di energia elettrica prodotta da fonti rinnovabili e da una liberalizzazione del mercato e generazione distribuita dell’energia elettrica. Il lavoro della tesi si concentra nel definire la migliore soluzione per l’ottimizzazione del dispacciamento dell’energia elettrica per i sistemi di generazione dell’energie e l’accumulo, in questa tesi sono presi ad esempio una centrale a ciclo combinato e un sistema di accumulo elettrochimico. Per entrambi i sistemi l’obbiettivo è quello di massimizzare i profitti generati al netto di tutte le spese necessarie per il loro funzionamento inclusi i costi dovuti alla manutenzione. In particolare, il lavoro si è svolto in due fasi. La prima fase si è concentrata sull’analisi tra differenti tipi di algoritmi di ottimizzazione presenti nella libreria di Matlab questa fase è servita per scegliere l’algoritmo adatto al tipo di problema schematizzato, la differenza fondamentale tra gli algoritmi presi in considerazione risiede nella modellizzazione dei componenti: alcuni possono operare su funzioni continue mentre altri operano su funzioni discrete (MILP). Da questa analisi è risultato che l’algoritmo MILP abbia un comportamento significativamente migliore per quanto riguarda l’ottimo trovato, il tempo richiesto e la ripetibilità delle performance. Una volta compreso che MILP risulta essere l’algoritmo migliore per la ricerca del migliore dispacciamento, si è considerato il mercato del giorno prima per la vendita dell’energia elettrica prodotta e si sono sviluppati differenti modelli per come i costi dovuti alla manutenzione siano considerati durante l’ottimizzazione. Secondo le ipotesi fatte la manutenzione dell’impianto a ciclo combinato di tipo HGPI (Hot Gas Path Inspection) avviene se uno delle seguenti condizioni viene oltre passata, ore di fiamma equivalenti pari a 25000 o 600 avviamenti. Per la batteri

Because of the relevant changes in the electricity market in recent decades, primarily due to a growing share of electricity produced from renewable sources and then to the liberalisation of the market and distributed generation of electricity. This thesis focuses on defining the best solution for dispatching optimization of energy systems such as the generators and storages, in this thesis a combined cycle gas turbine (CCGT) and an electrochemical storage system are studied as examples. For both systems the objective is to maximize profits net of all expenses necessary for their operation, including maintenance costs. The work was carried out in two phases. The first phase focused on the comparison between different types of optimization algorithms in the Matlab library. Out of this step the best algorithm for the type of problem is selected, the fundamental difference between the algorithms under consideration lies in the modelling of the systems: some can operate on continuous objective functions while others operate on discrete functions (such as the MILP). From this analysis it was found that the MILP algorithm reports a significantly better behaviour about the ability in identifying the global maximum, the time required and repeatability of the performance. Selected the MILP as the best algorithm to find the optimal dispatching, the day-ahead market of the electricity has been considered and different models have developed for accounting the maintenance costs during optimization. According to the assumptions made, maintenance of the combined cycle plant, HGPI (Hot Gas Path Inspection), occurs if one of the following conditions is exceeded, equivalent flame hours equal to 25000 or 600 start-ups. For the battery, the costs due to maintenance are considered as the replacement of the battery at the end of its life span. This second stage was very important to understand how to account for real operating costs while already in the optimization and to quantify the e