Optimization of energy conversion and storage systems for an efficient and sustainable use of energy resources

Gli obiettivi della transizione energetica al 2030 e al 2050 influenzano diversi aspetti della società, con particolare enfasi il settore energetico. Il Parlamento Europeo ha individuato le tecnologie rinnovabili e i sistemi alimentati da energia elettrica come soluzioni per ridurre le emissioni di CO₂. Focalizzarsi esclusivamente sulla completa elettrificazione della fornitura energetica, supportata unicamente da fonti rinnovabili, rende il settore energetico suscettibile all’incertezza intrinseca e ai rischi di discontinuità nell’approvvigionamento da fonte rinnovabile. Questo evidenzia la necessità di riconsiderare approcci volti alla diversificazione delle fonti energetiche. Sotto questa visione, i sistemi energetici aggregati multi-generazione (MES) rappresentano non solo una soluzione affidabile per garantire una distribuzione sicura dell’energia, ma anche una strategia per affrontare sfide legate all’impatto sociale e ambientale. Perciò, questo studio affronta il dimensionamento e la gestione dei MES. Diversi sistemi di produzione, accumulo e distribuzione dell’energia possono essere integrati in un MES, a seconda della disponibilità delle risorse energetiche primarie. Un MES ha il vantaggio di sfruttare fonti energetiche e sistemi di produzione diversi, così da soddisfare la domanda energetica di un determinato utente garantendo al contempo la massima efficienza. Un MES può essere inoltre ottimizzato per ottenere benefici in termini energetici, economici e ambientali. Questo studio è perciò volto a sviluppare e fornire procedure e linee guida originali per l’ottimizzazione sia del dimensionamento che della gestione dei MES. La strategia di ottimizzazione è finalizzata a migliorare la gestione delle fonti energetiche, favorendo la penetrazione e lo sfruttamento ottimale delle fonti rinnovabili, supportando quindi la transizione energetica verso la defossilizzazione. La procedura di ottimizzazione viene condotta considerando una valutazione sia energetica che economica. A tal fine, sono valutati la domanda cumulativa di energia fossile, attraverso un approccio di analisi del ciclo di vita, e il costo totale del MES, che include il costo delle emissioni di CO₂, considerando sia scenari energetici ed economici attuali che futuri. Algoritmi di ottimizzazione, come l’algoritmo di programmazione lineare intera mista (MILP) e l’algoritmo basato su modelli surrogati (SMO), sono utilizzati per individuare il dimensionamento e il funzionamento ottimali di un determinato MES. L’uso combinato dell’SMO e del MILP è stato raramente adottato in letteratura per scopi di ottimizzazione e rappresenta quindi un elemento innovativo di questo studio. Al fine di aggiungere flessibilità alla gestione del MES e per ottimizzare l’interazione tra produzione di energia e domanda degli utenti, nella gestione della produzione energetica, viene implementato un approccio di risposta alla domanda basato sulle fasce orarie di utilizzo. È stata inoltre impiegata una procedura di clustering per suddividere i dati della domanda energetica e delle condizioni ambientali in gruppi e per individuare dati rappresentativi finalizzati a simulare un intero dataset. Questo approccio è stato implementato con l’obiettivo di ridurre il tempo di calcolo della procedura di ottimizzazione. La metodologia sviluppata si è dimostrata efficace nella riduzione: del consumo di energia primaria; della domanda cumulativa di energia fossile; dei costi totali (che includono i costi delle emissioni di CO₂) e della dipendenza dalle importazioni di elettricità. Si è perciò individuata una gestione più efficiente dei MES con un uso più sostenibile delle risorse. L’applicazione a diversi casi di studio reali, l’adozione di una visione complessiva e le linee guida derivate da questo studio forniscono un contributo significativo alla letteratura scientifica.

The 2030 targets for emission reduction, as well as the goal of climate neutrality by 2050, affect various aspects of society, with particular emphasis on the energy sector, which is the driving engine of all human activities. In fact, the energy sector provides services and technologies that support all daily activities, facilitating their execution. The European Parliament has identified renewable technologies, and electricity-powered systems, as the solutions to reduce CO2 emissions. Directing efforts exclusively towards the complete electrification of energy supply, powered solely by renewable sources, often characterized by intrinsic uncertainty and/or risks of supply discontinuity, raises the need to reconsider approaches aimed at diversifying energy supplies. A heterogeneous portfolio of solutions, less vulnerable to unforeseen events, is required. In this context, hybrid multi-generation energy production systems (MESs) represent not only a reliable technology for ensuring secure energy distribution, but also a strategy to address challenges such as social and environmental impact. For this reason, this study tackles the sizing and management of MESs, which can be composed of renewable and non-renewable energy systems. Several energy, production, storage, and distribution systems can be integrated in a MES depending on the availability of their primary energy resources. A MES has the advantage of relying on diversified energy sources and production systems in order to meet the energy demand of a certain user while ensuring maximum efficiency. Furthermore, a MES can be optimized in order to achieve energy, economic and environmental benefits. Accordingly, this study aims to develop and provide original procedures and guidelines for the optimization of both sizing and operation of MESs, which may be employed for several applications. The optimization strategy is aimed at optimizing both the size and energy flows between multiple energy technologies in order to achieve the best management of energy sources, the optimal penetration and exploitation of renewable energy sources supporting the gradual energy transition towards energy sector defossilization. The optimization procedure is carried out by considering both energy and economic assessment. To this purpose, the fossil cumulative energy demand, determined through a life cycle assessment approach, and the total cost, also including CO2 emission cost, are taken into account in both present e future energy end economic scenarios. Optimization algorithms, such as mixed-integer linear programming algorithm (MILP) and surrogate modeling optimization algorithm (SMO), are used to identify the optimal size and operation of a given MES. MILP is used to optimally manage MES operation, while SMO is used to optimize MES size. The combined exploitation of SMO for design and MILP for operation has been rarely used in the literature for the sake of optimization and thus it represents a novelty of this study. The implementation of a time-of-use demand response approach is also presented to add flexibility to the management of the multi-generation energy system and thus optimize the interaction between energy production and user demand. In addition, a clustering procedure is employed to partition the data of energy demand into clusters in such a manner that their representative objects simulate the entire dataset with the aim of reducing the computational time of the optimization procedure. The developed methodology demonstrated to be effective to reduce primary energy consumption, fossil cumulative energy demand, total costs (by including CO2 emission costs), and dependency of electricity import, thus leading to a more efficient management of MES and thus a more sustainable use of resources. These application to several real-world case studies, the adopted comprehensive view and the derived guidelines provide a significant contribution to the technical literature.