verticale

Analisi dell'effetto della perturbazione dei carichi su di un sistema attivo di gestione dell'energia

L’attuale domanda energetica globale obbliga a concentrarsi sull’ef-ficienza energetica e a dare una crescente importanza agli algoritmi per la gestione ottimizzata degli impianti di produzione di energia soprattutto in caso di prosumer di piccola taglia, il cui comportamento è poco prevedibile in una logica di programmazione della produzione nazionale da pochi impianti centralizzati.
Indipendentemente dalle dimensioni dell’impianto, ogni logica di otti-mizzazione mira a controllare il comportamento dei generatori consi-derando molti ingressi: tra questi uno dei più incerti è la previsione dei carichi. Nei sistemi più avanzati i carichi attesi sono spesso calcolati mediante procedure matematiche appositamente sviluppate, in alter-nativa possono essere direttamente definti dall’operatore in base alla propria esperienza; di conseguenza la probabilità di osservare sensibili scostamenti tra i carichi reali e la loro previsione è consistente.

Scarica il PDF Scarica il PDF
Aggiungi ai preferiti Aggiungi ai preferiti


Articoli tecnico scientifici o articoli contenenti case history
La Termotecnica, marzo 2018

Pubblicato
da Alessia De Giosa




Settori: 

Parole chiave: 


Estratto del testo
Tecnica 46 LA TERMOTECNICA MARZO 2018 Energia & Efficienza INTRODUZIONE
L'attuale domanda energetica globale obbliga a concentrarsi sull'ef-
ficienza energetica e a dare una crescente importanza agli algoritmi
per la gestione ot imizzata degli impianti di produzione di energia
soprattutto in caso di prosumer di piccola taglia, il cui comportamento
poco prevedibile in una logica di programmazione della produzione
nazionale da pochi impianti centralizzati.
Indipendentemente dalle dimensioni dell'impianto, ogni logica di otti-
mizzazione mira a controllare il comportamento dei generatori consi-
derando molti ingressi: tra questi uno dei pi incerti la previsione dei
carichi. Nei sistemi pi avanzati i carichi attesi sono spesso calcolati
mediante procedure matematiche appositamente sviluppate, in alter-
nativa possono essere direttamente definti dall'operatore in base alla
propria esperienza; di conseguenza la probabilit di osservare sensibili
scostamenti tra i carichi reali e la loro previsione consistente. L'effetto
collaterale di tali scostamenti proprio l'annullamento dei vantaggi
ottenibili attraverso gli algoritmi di gestione ottimizzata dei generatori.
In letteratura l'effetto dell'errore nella previsione dei carichi sulle pre-
stazioni degli algoritmi di ottimizzazione di impianti energetici pra-
ticamente inesplorato; al contrario gli studi che trattano la precisione
delle previsioni automatiche dei carichi stanno diventando sempre pi
numerosi: Buhari et al. in [1] approcciano questo problema utilizzando
una tecnica di 'Artificial Neural Network' (ANN), mentre Kwok et al.
in [2] sviluppano un modello PENN (Probabilistic Entropy-based Neural
Network) per prevedere i carichi di condizinamento estivo di un edificio
e in [3] applicano un modello 'Multi-Layer Perceptron' (MLP) ampia-
mente adottato nelle applicazioni ingegneristiche per stimare il carico
freddo di un edificio. Riassumendo i risultati ottenuti dai citati documenti
e da altri lavori sullo stesso argomento, si evince che nella maggior parte
dei casi si ottiene una differenza tra previsione del carico e dati effettivi
nell'intervallo -15 e + 15%. Nel seguito verr eseguita un'analisi su come l'errore di previsione dei
carichi influisca sulle performance di un algoritmo di ottimizzazione che
gestisce un edificio di uffici di piccole dimensioni; tutti i risultati generati
saranno analizzati e confrontati sia dal punto di vista economico che
ambientale. DESCRIZIONE DEL CASO STUDIO
Layout di impianto
Al fine di rappresentare un edificio standard di uffici in Europa, stato te-
orizzato un impianto di piccole dimensioni suddivisibile in tre sotto-parti: -Circuito termico caldo; -Circuito termico freddo; -Sistema elettrico. di P. Danti, S. Magnani Analisi dell'effetto della perturbazione dei carichi
su di un sistema attivo di gestione dell'energia
Di indubbio interesse ma di inconsueta trattazione risulta essere l'analisi di come le previsioni di carico affette da errore agiscano sulle prestazioni
di un impianto i cui generatori sono gestiti da un ottimizzatore. Diverse 'strutture' di errore sono considerate, prendendo come profili di carico di
riferimento i dati acquisiti per diversi periodi dell'anno dall' impianto di un edificio di uffici. Il confronto considerer da un lato una previsione dei
carichi perfetta e dall'altro una previsione con diverse entit di errori. EFFECTS OF THE LOAD FORECASTS MISMATCH ON AN ACTIVE ENERGY MANAGEMENT SYSTEM
The analysis of how the load forecasts affected by error act on the performance of a plant whose generators are managed by an optimizer is of certain
interest but of unusual treatment. Different 'structures' of error will be modelled and analysed, taking as benchmark load profiles the acquired data
for different periods of the year from an office building plant. The comparison will consider on one side the loads prediction as perfect and on the
other side with different entity of errors. Piero Danti, Sandro Magnani
Yanmar NOMENCLATURA
ANN Artificial Neural Network CAR Cogenerazione ad Alto Rendimento CCHP Combined Cooling Heating and Power CHP Combined Heating and Power COP Coefficient-Of-Performance
EER Energy Efficiency Ratio EHP Electric Heat Pump GSE Gestore Servizi Energetici MLP Multi-Layer Perceptron MGP Mercato del Giorno Prima PENN Probabilistic Entropy-based Neural Network PES Primary Energy Saving PV Photo-Voltaic
EST Stagione Estiva INV Stagione Invernale RTP Real Time Pricing Tecnica LA TERMOTECNICA MARZO 2018 47 Energia & Efficienza Il circuito termico caldo composto da una caldaia a gas (generatore
di back-up), da due micro-CHP (Combined Heating and Power) e da
un accumulo termico. La caldaia ha una potenza termica nominale
di 120 kW th ed un'efficienza (ipotizzata costante su tutto il range di funzionamento) dell'85%, mentre i cogeneratori sono motori a com-
bustione interna Yanmar CP25WE [9] alimentati a gas naturale con
una potenza elettrica nominale di 25 kW e (con efficienza elettrica del 33,5%) e produzione termica di 38,6 kW th (con efficienza del 51,5%); l'accumulo ha una capacit di 6000 litri e le temperature di esercizio
sono ipotizzate comprese tra 55 C e 70 C.
Il circuito freddo composto da un chiller elettrico (generatore di
back-up), un assorbitore alimentato dai cogeneratori ed un accumulo
in acqua. Il chiller elettrico pu fornire fino a 90 kW c con un COP (co- efficiente di rendimento) costante ipotizzato pari a 2,5; l'assorbitore,
alimentato dall'acqua calda recuperata dai CHP Yanmar, ha una
potenza frigo stimata di 60 kW c ed un EER (rapporto di efficienza energetica) di 0,7; l'accumulo ipotizzato ha una capacit di 8000 litri
ed il range di funzionamento in temperatura considerato compreso
nell'intervallo tra 5 C e 14 C.
Su entrambi i circuiti termici ipotizzata la presenza, in parallelo agli
accumuli, di un EHP (Electric Heat Pump) avente una potenza nominale
in riscaldamento di 110 kW th e di 90 kWc in raffreddamento; questo elemento stato considerato con COP ed EER costanti pari a 4. La
sua gestione 'stagionale' considerata analoga al sistema CCHP
(Combined Cooling Heating and Power): ogni volta che il calore recu-
perato dal motore alimenta i carichi caldi, l'EHP produce solo acqua
calda; viceversa, se l'acqua calda del cogeneratore viene indirizzata
all'assorbitore, l'uscita della pompa di calore sar solamente acqua
refrigerata.
Pi in dettaglio, i due accumuli sono stati dimensionati tenendo conto
della potenza di picco richiesta dal carico e considerando una trasla-
zione temporale di un'ora. Per l'accumulo caldo stata analizzata una
tipica giornata invernale e la richiesta di potenza del carico raggiunge
i 104 kW th, mentre per l'accumulo freddo la richiesta di picco di carico, ottenuta da una tipica giornata estiva, di 82 kW c. Per quanto riguarda le prestazioni dei due dispositivi di back-up, sia
la caldaia che il chiller elettrico non sono stati selezionati tra le appa-
recchiature di ultima generazione, ma rappresentano elementi le cui prestazioni sono tipiche del parco produzione italiano.
Sul lato elettrico, oltre al contributo dei -CHP Yanmar, ipotizzata
la presenza un impianto PV con potenza elettrica di picco di 13 kW e. La funzione di back-up verr eseguita dalla rete nazionale di distri-
buzione elettrica.
L'impianto gestito da un Algoritmo Genetico, una tecnica euristica
che parte da una soluzione casuale iniziale e quindi, incrociando
gli individui della popolazione, converge ad una soluzione ottimale.
L'algoritmo produce set-point ottimizzati per CHP ed EHP prendendo
in input sia i carichi previsti per il giorno successivo sia i prezzi del
gas naturale e dell'energia elettrica acquistabile dalla rete. Per mag-
giori dettagli inerenti il funzionamento dell'algoritmo e le variabili in
ingresso ed in uscita si rimanda ad [8]. Acquisizione dei dati
I profili di carico presi in considerazione sono stati estrapolati da
Macchi et al. [4], ottenuti da un'ampia campagna di misura su diversi
contesti del panorama italiano; tali profili sono riferiti ad un edificio
per uffici di 8000 m3 e considerano due giorni rappresentativi della
stagione invernale ed estiva.
Nella Fig. 1(a) viene mostrato il profilo di carico per il giorno invernale
standard, mentre in Fig. 1(b) viene riportato il giorno estivo standard.
Come prevedibile, dato il contesto considerato dove i carichi termici
sono dovuti principalmente al condizionamento degli ambienti, in
inverno il carico freddo nullo mentre il carico caldo ha un picco
nelle ore pi fredde della giornata; in estate il carico caldo molto
ridotto e prevalentemente attribuibile alla necessit di acqua calda
sanitaria, mentre il carico freddo ha i valori pi alti nelle ore pi calde
della giornata. Costo dell'energia e della manutenzione
Per valutare correttamente le prestazioni dell'impianto nei due gior-
ni rappresentativi, fondamentale dettagliare i costi dell'energia e
quelli di manutenzione dei vari dispositivi installati. Nella fattispecie,
per l'acquisto di energia elettrica dalla rete si tiene conto di un costo
indicizzato con le variazioni orarie del Mercato del Giorno Prima
(MGP): i valori dei prezzi netti utilizzati sono riportati in Fig. 1, estratti
dal sito web del GSE (Gestore Servizi Energetici) [5]. Per ottenere i FIGURA 1 - Profili di carico e RTP per due giornate rappresentative (a) Inverno; (b) Estate Tecnica 48 LA TERMOTECNICA MARZO 2018 Energia & Efficienza prezzi lordi per l'utente finale, sono stati considerati alcuni parametri
di correzione che consentono di tener conto sia dei costi fissi (non
legati all'ammontare dell'energia acquistata) e dei contributi fiscali.
Questo tipo di gestione dinamica dei prezzi viene definita RTP (Real
Time Pricing) ed la tipologia di tariffa pi flessibile per lo spostamento
dei consumi da parte dell'utente. Questa modalit di assegnazione dei
prezzi dell'elettricit offre svariati vantaggi legati alla segmentazione
temporale dei prezzi ma per massimizzarne i vantaggi opportuno
che possa appoggiarsi ad un algoritmo di ottimizzazione oppure a
tecnologie avanzate di automatizzazione.
Per quanto riguarda i costi del gas naturale, stato considerato un
prezzo medio di 0,75 '/Sm3. Inoltre, secondo la regolamentazione
relativa alla Cogenerazione ad Alto Rendimento (CAR) [6], dato che
l'impianto oggetto dello studio presenta due CHP con potenza nomi-
nale totale pari a 50 kW e, il contributo fiscale ridotto di circa un 1/3 se sono soddisfatti i vincoli: -Efficienza misurata totale superiore al 75%; -PES (risparmio di energia primaria), vale a dire le prestazioni am- bientali dell'unit di cogenerazione comparate ad una generazione
separata fissa, maggiore di 0. Per quanto riguarda i costi di manutenzione, i dispositivi che pre-
vedono controlli, e dunque esborsi, fissi annuali (il chiller elettrico,
l'EHP, l'assorbitore e la caldaia a gas) non sono considerati poich
non influenzano il confronto finale, mentre opportuno considerare il
contributo del CHP il cui costo di manutenzione considerato pari a
0,45 '/h quando in funzione e nullo quando il dispositivo spento. DEFINIZIONE DEL PROBLEMA
Come anticipato, lo studio si concentra sulle performance di un piccolo
prosumer gestito da un algoritmo di ottimizzazione quando si verifica
una discrepanza tra il comportamento dei carichi reali e la loro pre-
visione; il profilo dei carichi previsti considerato gi stato descritto
nel paragrafo 2.2.
Al fine di raggiungere questo obiettivo, i carichi di 'base' mostrati
sono perturbati ipotizzando tre differenti strutture: -Caso #1: Perturbazione casuale di 15% dell'ampiezza prevista; -Caso #2: Perturbazione casuale di + 4% dell'ampiezza prevista e + 3% del coefficiente angolare; -Caso #3: Perturbazione casuale di + 15% dell'ampiezza prevista e + 20% del coefficiente angolare.
Per maggiore chiarezza lo scostamento energetico di tutti e tre i casi
in entrambe le stagioni stato riportato in Tabella 3; nel Caso #1 e #2
l'energia richiesta dai carichi risulta inferiore rispetto al caso base. Una
tendenza opposta viene mostrata nel Caso #3, per il quale si evidenzia
una domanda di energia sempre maggiore del caso base, con picchi
di incremento puntuale intorno al 25%.
L'ampiezza della perturbazione del Caso #1 stato ipotizzata pari
alla precisione media ottenibile con le tecniche di previsione dei carichi
disponibili in letteratura, rappresentando una base di partenza plau-
sibile per analisi di maggior dettaglio. Tali analisi sono esplicitate nel
Caso #2, in cui si considerano scostamenti relativamente poco sensibili
ma che non si limitano soltanto allo shift del carico orario, e nel Caso
#3 in cui tale fenomeno viene amplificato.
A titolo esplicativo in Fig. 2 viene mostrato il Caso #3, che rappresenta
la situazione di maggior interesse allo scopo di evidenziare le criticit
dello studio. RISULTATI
I Per analizzare le differenze nelle prestazioni dell'impianto intro-
dotte da ogni perturbazione, verranno considerati i seguenti indici
di riferimento: -Costi: la mancata corrispondenza dei carichi pu influenzare l'e- nergia fornita dai sistemi di back-up (considerati i meno efficienti),
l'elettricit scambiata con la rete e l'efficienza della cogenerazione
(se quest'ultimo parametro diminuisce al di sotto del 75% la CAR
non pi applicabile con conseguenze sul prezzo del gas naturale); -Emissioni equivalenti di CO 2: un diverso utilizzo dei back-up e della rete pu sensibilmente modificare le emissioni di CO 2 corrispondenti; -Energia primaria: il differente utilizzo di combustibile e il modificato contributo della rete influenzano il consumo di energia primaria. Per stimare il valore corretto dell'energia primaria, l'efficienza di rife-
rimento della rete stata considerata pari al 46% in accordo con [7].
Nella Tabella 2 sono stati riassunti i risultati dal punto di vista dei costi,
dell'impatto ambientale e dell'energia considerando due situazioni
diverse: in primo luogo stato considerato il caso con previsioni di FIGURA 2 - Perturbazione del 15% dell'ampiezza e del 20% del coeff. angolare: (a) Inverno; (b) Estate Tecnica LA TERMOTECNICA MARZO 2018 49 Energia & Efficienza carico immesse nell'algoritmo di ottimizzazione identiche ai carichi
effettivi, poi lo stesso impianto con previsioni di carico diverse dai
carichi effettivi.
Come terzo caso di studio, nella Tabella 3 viene visualizzato il compor-
tamento dello stesso algoritmo di ottimizzazione quando le previsioni
di carico immesse sono uguali a quelle perturbante.
Per meglio esplicare le Tabelle 2 e 3 la chiave di lettura sintetizzata
dalle definizioni: -Algoritmo senza perturbazioni: le previsioni di carico immesse nell'algoritmo coincidono con i carichi reali osservati durante il
giorno; -Algoritmo con perturbazioni: le previsioni di carico immesse nell'al- goritmo non coincidono con i carichi reali osservati durante il giorno,
ma c' una discrepanza (mostrata nel paragrafo 3); -Algoritmo con perturbazioni come ingresso: le previsioni di carico immesse nell'algoritmo coincidono con i carichi reali sperimentati
durante il giorno e sono uguali anche ai carichi reali sperimentati
nel caso 'Algoritmo con perturbazioni'. I valori della Tabella 2 evidenziano come in caso di perturbazione
generalmente ogni indice di confronto tende ad essere maggiore
in percentuale rispetto a quello non perturbato: il caso peggiore
rappresentato dal Caso #3 nel periodo invernale in cui il consumo di
energia primaria aumenta di circa il 35% mentre le emissioni di CO 2 ed i costi crescono di circa il 30%. I valori in Tabella 3 mostrano invece un comportamento meno coe-
rente: le variazioni dei tre indici di riferimento possono aumentare o
diminuire a seconda della stagione e del tipo di perturbazione. Ci
che emerge che i costi tendono ad essere pi alti nel caso in cui le
perturbazioni siano date in ingresso all'algoritmo mentre energia ed
emissioni possono assumere sia valori minori che maggiori.
Inoltre, valutando congiuntamente sia i dati della Tabella 1 che della
Tabella 2 viene enfatizzato il reale impatto delle perturbazioni sui tre
parametri chiave: nel Caso #2, in cui le perturbazioni sono moderate,
i valori di energia, costi e CO 2 risultano mediamente maggiori del 5% nonostante l'energia richiesta dai carichi sia minore rispetto al
caso base.
Analizzando invece i tre indici per il Caso #3, il consistente incremento
percentuale viene attenuato dal fatto che l'energia media richiesta dai
carichi anch'essa molto elevata rispetto al caso base.
Ponendo attenzione invece sul Caso #1 della Tabella 2, risulta singo-
lare che, nonostante le perturbazioni, l'algoritmo riesca a produrre
soluzioni a 'costo' minore del caso base; questo comportamento
dovuto ad una minore richiesta di energia da parte dei carichi la cui
diminuzione oscilla tra il 3% e il 5%. CONCLUSIONI
L'algoritmo di ottimizzazione dimostra di essere robusto contro le pertur-
bazioni a media giornaliera nulla: il Caso #1 con perturbazione casuale
intorno a zero ha prodotto risultati soddisfacenti e anche il Caso #2,
dove la perturbazione non a media nulla, ha prodotto risultati che non
si discostano pi del 7%. Solo il Caso #3 ha prodotto cambiamenti con-
sistenti sugli indicatori chiave: intorno al 30% per tutti e tre gli indicatori.
Questo comportamento spiegato dalla natura della perturbazione:
una perturbazione positiva che riguarda sia l'offset che la pendenza.
Pi in generale, analizzando i risultati delle Tabelle 2 e 3 insieme ai
dati dell'energia richiesta dai carichi riportati in Tabella 1, si pu con-
cludere che il presente studio mette in evidenza la criticit dell'oggetto
trattato e sottolinea l'importanza dello sviluppo non solo di algoritmi di
ottimizzazione energetica ma anche di tecniche di machine learning o
equipollenti per la previsione del comportamento dei carichi partendo
da un'architettura robusta per l'acquisizione e il monitoraggio dei dati. BIBLIOGRAFIA
1. Buhari, Muhammad, and Adamu, Sanusi S. (2012) 'Short-Term Lo- ad Forecasting Using Artificial Neural Network.' IMECS 2012 Vol I. TABELLA 1 - Energia giornaliera dei carichi nei quattro
casi di interesse
TABELLA 2 - Confronto tra l'algoritmo con e senza perturbazioni in termini di costo,
emissioni CO
2 e consumo energetico Tecnica 50 LA TERMOTECNICA MARZO 2018 Energia & Efficienza 2. Kwok, Simon S.K., Lee, Eric W.M. (2011) 'A study of the im- portance of occupancy to building cooling load in prediction by
intelligent approach'. Energy Conversion and Management 52-7
(2011): 2555-2564. 3. Kwok, Simon S.K., Lee, Eric W.M., Kwok, Simon S.K., Yuen, Ri- chard K.K., and Lee, Eric W.M. (2011) 'An intelligent approach to
assessing the effect of building occupancy on building cooling load
prediction'. Energy Conversion and Management 46-8 (2011):
1681-1690. 4. Macchi, E., Campanari, S., and Silva, P. 'La microcogenerazione a gas naturale.' Polipress (2005). 5. www.gse.it
6. www.gse.it/it/Qualifiche%20e%20certificati/Certificati%20Bian- chi%20e%20CAR/Pages/default.aspx 7. ABB, 'Energy efficiency report', 2013.
8. Danti, Piero, Pezzola, Lorenzo, and Magnani, Sandro. (2016) 'Performance analysis of an optimization management algorithm
on a multi-generation small size power plant.' Energy Procedia
101 (2016): 566-573. 9. www.yanmarenergysystems.eu/Products TABELLA 3 - Confronto tra l'algoritmo senza perturbazioni e algoritmo dove le perturbazioni
sono date in ingresso in termini di costo, emissioni CO
2 e consumo energetico


In evidenza

ExxonMobil
Grassi Mobil™ - Formulati per fornire elevate prestazioni anche in condizioni operative estreme
2G Italia
Cogenerazione e trigenerazione dal leader tecnologico mondiale
SD Project
SPAC : Il Software per la progettazione Elettrica
© Eiom - All rights Reserved     P.IVA 00850640186