Nuovo Metodo di Ottimizzazione per Reti Ibride AC/DC Multizona
Un significativo avanzamento nella tecnologia delle smart grid è stato raggiunto con lo sviluppo di un innovativo metodo di schedulazione ottimizzata bi-livello, progettato specificamente per reti di distribuzione ibride in corrente alternata e continua (AC/DC) a media e bassa tensione con architetture multizona interconnesse. Questa innovazione promette di risolvere le criticità legate alla rapida integrazione di fonti rinnovabili e nuovi carichi elettrici, come veicoli elettrici (EV) e infrastrutture 5G, nei moderni sistemi energetici.
Con la spinta globale verso la neutralità carbonica, le reti di distribuzione stanno subendo una trasformazione radicale. Le tradizionali reti radiali e unidirezionali lasciano il posto a sistemi dinamici, magliati e multi-livello, capaci di flussi bidirezionali e coordinamento in tempo reale. Tuttavia, questa evoluzione introduce nuove complessità: fluttuazioni di tensione, perdite di potenza e difficoltà nel bilanciamento domanda-offerta tra zone eterogenee. Il metodo proposto affronta direttamente queste problematiche abilitando una cooperazione senza soluzione di continuità tra i livelli a media tensione (MT) e bassa tensione (BT), sfruttando simultaneamente la flessibilità dei sistemi di accumulo energetico (ESS) e delle tecnologie vehicle-to-grid (V2G).
Il cuore di questa innovazione risiede in un framework di ottimizzazione a doppio strato che considera le reti MT e BT come entità decisionali interdipendenti ma distinte. Il livello inferiore si concentra sulle singole zone BT, ciascuna potenzialmente caratterizzata da un mix unico di impianti fotovoltaici (PV), stazioni di ricarica per EV, stazioni base 5G e accumuli stazionari. All’interno di ogni zona, il modello determina le schedulazioni ottimali di carica e scarica per gli asset ESS e V2G, al fine di minimizzare i costi operativi, che includono approvvigionamento elettrico, energia solare non utilizzata, perdite di rete e compensi per la partecipazione degli utenti EV.
Parallelamente, il livello superiore opera a livello MT, dove gli obiettivi primari diventano la minimizzazione delle deviazioni di tensione sistemiche e dei costi operativi totali. Questo strato coordina lo scambio di energia tra le zone BT interconnesse attraverso convertitori di fonte di tensione (VSC), agendo efficacemente come un controller di traffico che ridirige l’energia in eccesso dalle zone iper-produttive (ad esempio, quelle con elevata generazione solare diurna) verso zone in deficit (ad esempio, quelle con picchi di richiesta per ricarica EV o carichi 5G elevati).
Ciò che distingue questo approccio è il suo meccanismo iterativo di convergenza basato sul feedback. Dopo una prima ottimizzazione a livello BT, i profili di potenza e le condizioni di tensione risultanti vengono inviati al livello MT per informarne le decisioni. Il livello MT calcola quindi i flussi di potenza inter-zonali ottimali e invia le condizioni al contorno aggiornate – come tensioni nodali e potenza iniettata – nuovamente alle zone BT. Questo ciclo si ripete finché entrambi gli strati raggiungono un equilibrio stabile, garantendo che autonomia locale e coordinamento globale siano armonizzati.
Il team di ricerca ha validato la metodologia utilizzando un sistema di test IEEE a 33 nodi modificato, arricchito con sottoreti BT realistiche rappresentanti tre zone distinte: una zona in corrente continua dominata da solare rooftop, una zona in corrente alternata incentrata sull’infrastruttura di ricarica EV, e un’altra zona AC con multiple stazioni base 5G. Ogni zona era dotata di accumulo localizzato e interconnessa tramite VSC da 100 kVA. La simulazione ha incorporato dati reali su irraggiamento solare, pattern di utilizzo degli EV (incluse tempistiche stocastiche di arrivo e distribuzioni di percorrenza giornaliera) e profili di carico 5G legati all’intensità del traffico di comunicazione.
Sono state valutate tre scenari comparativi. Nel primo, ogni zona operava in completo isolamento – nessuna interconnessione, nessun coordinamento. Questo caso base ha comportato una significativa riduzione della produzione solare (76 kW di generazione PV sprecata) e gravi violazioni di tensione, con tensioni nodali nella zona ricca di solare schizzate a 1.076 per unità – ben oltre il limite standard di 1.05 pu. Le perdite di rete erano elevate e l’efficienza complessiva del sistema ne ha risentito.
Il secondo scenario introduceva interconnessioni fisiche tra le zone BT tramite VSC, ma manteneva ottimizzazioni separate e non coordinate per gli strati MT e BT. Sebbene ciò abbia permesso di reindirizzare l’energia solare in eccesso verso le zone vicine – riducendo il curtailment e abbassando i costi operativi BT di quasi il 30% – la mancanza di feedback a livello MT ha limitato la capacità del sistema di sfruttare appieno la sua flessibilità. La stabilità di tensione è migliorata ma è rimasta subottimale, con fluttuazioni evidenti che persistevano durante i picchi di generazione e domanda.
Il terzo e ultimo scenario implementava il completo framework collaborativo bi-livello. Qui, la sinergia tra gli strati ha sbloccato il pieno potenziale del sistema. Il curtailment solare è stato virtualmente eliminato e la massima penetrazione PV consentita nella zona solare è aumentata di oltre il 112% rispetto al caso isolato – passando da 40 kW a 85 kW senza violare i vincoli di tensione. I costi operativi totali BT sono diminuiti del 31.4%, mentre le perdite di rete MT si sono ridotte del 26.3%. Ancora più impressionante, la differenza di carico picco-valle si è contratta di oltre il 25% e la tensione massima osservata è stata ridotta del 5.85%, portando l’intera rete ben entro i margini operativi sicuri.
Oltre ai vantaggi economici e tecnici, il metodo migliora la resilienza della rete e la capacità di hosting delle rinnovabili. Abilitando la ridistribuzione in tempo reale dell’energia tra le zone, mitiga il rischio di sovraccarichi locali o eventi di sottotensione. Gli asset di accumulo e V2G vengono impiegati non solo per il risparmio sui costi, ma come buffer strategici che livellano l’intermittenza e forniscono servizi ancillari. Le stazioni base 5G – spesso considerate semplicemente carichi inflessibili – vengono integrate nel framework di ottimizzazione attraverso i loro modelli di carico derivati empiricamente, garantendo che le loro funzioni critiche di comunicazione non siano mai compromesse, permettendo al contempo di modellare il loro consumo energetico in risposta alle condizioni della rete.
Dal punto di vista computazionale, la strategia di soluzione è altrettanto sofisticata. I problemi dello strato BT, caratterizzati da vincoli lineari e convessi, vengono risolti efficientemente utilizzando la programmazione a cono di secondo ordine – una tecnica ben suited per gestire le equazioni di flusso di potenza AC/DC sotto limiti di sicurezza. Lo strato MT, tuttavia, presenta una sfida multi-obiettivo: minimizzare sia il costo che la deviazione di tensione. Questi obiettivi conflittuali vengono riconciliati utilizzando un approccio Pareto-ottimale, dove un algoritmo genetico esplora lo spazio delle soluzioni per generare un insieme di trade-off non dominati. Una tecnica di normalizzazione e aggregazione identifica quindi la soluzione di compromesso più bilanciata, garantendo equità tra priorità economiche e tecniche.
Questa architettura a doppio risolutore raggiunge un equilibrio ideale tra accuratezza e scalabilità. Sebbene gli algoritmi genetici possano essere computazionalmente intensivi, la loro applicazione è confinata allo strato MT relativamente più piccolo, mentre i più numerosi sottoproblemi BT beneficiano della velocità e affidabilità dell’ottimizzazione convessa. L’accoppiamento iterativo assicura che la soluzione finale sia globalmente consistente senza richiedere un modello monolitico e intrattabile.
Le implicazioni di questo lavoro si estendono ben oltre il laboratorio. Mentre le utility worldwide affrontano le doppie pressioni della decarbonizzazione e digitalizzazione, meccanismi scalabili di coordinamento per asset di distribuzione eterogenei non sono più opzionali – sono essenziali. Il metodo proposto offre una blueprint pratica per gli operatori di rete che cercano di sbloccare il pieno valore delle risorse energetiche distribuite senza stravolgere le infrastrutture esistenti. Riqualificando i feeder legacy con VSC intelligenti e implementando algoritmi di controllo avanzati, le utility possono trasformare le reti di distribuzione passive in piattaforme attive e auto-ottimizzanti.
Inoltre, il framework è intrinsecamente estensibile. Iterazioni future potrebbero incorporare forecast probabilistici per gestire l’incertezza della generazione rinnovabile e della mobilità EV, integrare programmi di demand response o persino coordinarsi con i sistemi di trasmissione a monte. Il design modulare facilita anche l’integrazione plug-and-play di nuove tecnologie – che si tratti di elettrolizzatori per idrogeno, batterie behind-the-meter o aggregatori di carico guidati dall’IA.
Criticamente, la ricerca aderisce ai più alti standard di rigore scientifico e trasparenza. Tutte le assunzioni sono chiaramente dichiarate, i modelli sono fondati su principi consolidati di ingegneria elettrica e la validazione è eseguita rispetto a sistemi benchmark ampiamente accettati. L’inclusione di strutture di costo dettagliate – che coprono non solo l’energia ma anche il degrado delle apparecchiature, gli incentivi utente e le perdite dei convertitori – assicura che i risultati riflettano l’economia del mondo reale piuttosto che ideali teorici.
In un’era in cui ogni kilowattora conta e la stabilità di rete è fondamentale, questo metodo di ottimizzazione bi-livello rappresenta più di un semplice miglioramento algoritmico: è un cambio di paradigma nel modo in cui concepiamo e operiamo la rete di distribuzione. Colmando il divario tra autonomia locale e coordinamento sistemico, apre la strada a un futuro energetico più efficiente, resiliente e sostenibile.
Autori: Keyan Liu, Wanxing Sheng, Huiyu Zhan (Centro Tecnologico per la Distribuzione di Energia, Istituto Cinese di Ricerca sull’Energia Elettrica, Pechino 100192, Cina); Bo Tong, Lu Zhang, Wei Tang (College di Ingegneria dell’Informazione ed Elettrica, Università Agricola della Cina, Pechino 100091, Cina) Pubblicato in: Electric Power Construction, Vol. 45, No. 1, Gennaio 2024 DOI: 10.12204/j.issn.1000-7229.2024.01.004