verticale

Generazione diffusa, sistemi di controllo e accumulo in reti elettriche

Vengono presentati la struttura prototipale e gli aspetti
metodologici e algoritmici di un sistema di ottimizzazione
centralizzato per impianti di generazione distribuita, operante
su due differenti orizzonti temporali: uno giornaliero e uno a breve termine.

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


Articoli tecnico scientifici o articoli contenenti case history
Tratto da AEIT, 2012

Pubblicato
da Alessia De Giosa




Settori: , , , , ,


Estratto del testo
I n quest''ultimo decennio, lo scenario di evo-
luzione per le reti di distribuzione dell''energia
elettrica è significativamente cambiato. In precedenza, l''architettura delle reti elettriche era
pensata per soddisfare una situazione caratteriz-
zata dalla presenza di grandi nodi di produzione
operanti con centrali che utilizzavano combustibili
fossili e/o nucleari e a distanze rilevanti dai centri
di utilizzo. Per il carico, era consolidato il concetto
di dovere soddisfare l''utenza elettrica ad ogni ra-
gionevole costo. La rete elettrica assumeva quindi
il solo ruolo di trasmettere energia dalle sorgenti di
generazione ai punti di consumo (rete passiva).
I cambiamenti significativi introdotti dalla derego- lamentazione dei mercati elettrici, dalla spinta allo
sviluppo sostenibile e quindi all''utilizzo di combu-
stibili meno inquinanti, lo sviluppo della tecnologia
della generazione distribuita (GD) e gli investimen-
ti nel settore delle energie rinnovabili stanno sem-
pre più indirizzando il sistema elettrico verso solu-
zioni comprendenti reti elettriche di distribuzione
di tipo attivo [1, 2]. Negli ultimi anni, l''ampia pene-
trazione della GD all''interno delle reti di distribu-
zione in media e bassa tensione ne ha modificato
significativamente i principi di esercizio e di ge-
stione, poiché la demarcazione tra produttori e
consumatori di energia è diventata meno netta.
In letteratura sono stati presentati diversi studi
per quantificare i requisiti funzionali per la corret-
ta connessione delle risorse energetiche distribui-
te all''infrastruttura di rete, per valutarne le presta-
zioni ed analizzare gli effetti della GD sulla rete
(qualità del servizio), specialmente dal punto di vi-
sta del comportamento dinamico (funzionamento
in isola, partecipazione alle regolazioni, gestione
in emergenza). La ricerca internazionale è stata
inoltre indirizzata al miglioramento delle tecnolo-
gie adottate e all''avanzamento delle strategie di
controllo per la GD basata sull''utilizzo di conver-
titori di potenza, in particolare nell''ambito della
fornitura di servizi ancillari di sistema, fondamen-
tali anche per le ricadute in termini di qualità del
servizio [3]. Grande interesse sta poi raccoglien-
do lo sviluppo di nuove metodologie e tecnologie
per la gestione ottimale delle reti di distribuzione
e lo sviluppo di strumenti quali i Distribution Ma-
nagement System (DMS) che possano utilizzare
la maggiore quantità di informazioni disponibili,
nuovi strumenti di analisi e controllo, strumenti di 6 AEIT ' numero 11/12 Generazione diffusa,
sistemi di controllo
e accumulo in reti
elettriche Vengono presentati la strut-
tura prototipale e gli aspetti
metodologici e algoritmici di
un sistema di ottimizzazione
centralizzato per impianti di
generazione distribuita, ope-
rante su due differenti oriz-
zonti temporali: uno giorna-
liero e uno a breve termine.
Alcuni dei risultati ottenuti
mediante simulazioni su una
rete test illustrano le carat-
teristiche dell''ottimizzatore
Alberto Borghetti, Carlo Aalberto Nucci, Mario Paolone Università degli Studi di Bologna, Dipartimento Ingegneria Elettrica - Stefano Massucco, Andrea Morini, Federico Silvestro Università degli Studi di Genova, Dipartimento Inge- gneria Navale ed Elettrica - Samuele Grillo, Politecnico di Milano Dipartimento di Elettrotecnica protezione innovativi [4].
Nel contesto del significativo sviluppo della GD, il
sistema elettrico dovrà, in un futuro più o meno
lontano, essere in grado di integrare due tipologie
di strutture [5]:
' microreti (o microgrids);
' Virtual Power Utilities (VPU). Per ''microreti' si intendono reti di bassa tensione
con sorgenti distribuite con la presenza di dispo-
sitivi di accumulo e di controllo del carico. Esse
hanno capacità variabili tra poche centinaia di kW
e alcuni MW. Le microreti, pur operando preva-
lentemente connesse con la rete di distribuzione,
sono anche in grado di essere automaticamente
configurate nel funzionamento in isola ed essere
risincronizzate con la rete. La microrete è quindi
una entità controllata che può essere gestita co-
me un aggregato di generatori e/o di carichi in ri-
sposta ad indicazioni di carattere economico
quali, ad esempio un segnale prezzo o informa-
zioni dal mercato elettrico.
Le Virtual Power Utilities o anche Virtual Power
Plants (VPP) sono un insieme di generatori con-
venzionali e/o rinnovabili, connessi alla rete an-
che su aree geograficamente più estese, che,
grazie alle risorse informatiche e tecnologiche,
sono in grado di proporsi sul mercato dell''energia
elettrica come un unico aggregato.
Per integrare e valorizzare queste strutture sarà
senz''altro necessario sviluppare sistemi capaci,
attraverso adeguate architetture di controllo, di
funzionare in modo autonomo dalla rete pubblica
di distribuzione o, qualora collegate, capaci di fun-
zionare sia in parallelo alla rete pubblica che in
isola. Questo permetterà gestioni più economi-
che, possibilità di fronteggiare situazioni di estese
disalimentazioni, riduzione dell''ingombro del terri-
torio con cavi e linee. L''idea è che sia gli impianti
di generazione sia gli impianti d''utente possano in
modo individuale e/o aggregato essere visti dalla
rete come fornitori di servizi principali (energia e
capacità) e ausiliari (regolazioni, riserve, ecc.).
Lo sviluppo di reti di distribuzione sia in bassa
tensione sia in media tensione con capacità di
esercizio flessibile e anche autonomo in isola di
carico è uno degli aspetti che maggiormente ca-
ratterizza i progetti di Smart Grid [6]. L''esercizio
flessibile delle reti di distribuzione, o di parte di
esse, richiede sistemi innovativi di gestione auto-
matica, le cui caratteristiche e obiettivi sono de-
scritti per esempio in [6-8].
I moderni Distribution Management System (DMS),
caratterizzati da architetture di automazione, tele-
comunicazione e controllo di tipo innovativo [9],
consentono l''implementazione di strategie di eser-
cizio ottimizzate in grado di adattarsi continua- mente alle condizioni di richiesta di carico e di pro-
duzione da fonte rinnovabile.
Nel seguito si descrive brevemente il progetto
SmartGen (Studio, sviluppo e validazione di meto-
di e strumenti innovativi per la gestione di reti di di-
stribuzione attive con generazione da fonte rinno-
vabile) recentemente approvato nell''ambito dei
Progetti di Ricerca per il Sistema Elettrico, il cui
obiettivo principale è realizzazione di un sistema
automatico di ottimizzazione delle condizioni ope-
rative delle risorse di produzione/accumulo di
energia e di quelle di regolazione disponibili in una
rete di distribuzione. Tale progetto si basa sull''atti-
vità di ricerca preliminare svolta dagli autori che ha
portato allo sviluppo di un sistema automatico per
l''esercizio ottimizzato organizzato su una struttura
a due livelli. Il primo, con orizzonte giornaliero, è
dedicato all''applicazione di criteri di gestione eco-
nomica in grado di produrre un profilo giornaliero
di produzione per ogni impianto controllabile, sulla
base delle previsioni di carico dell''intera rete di di-
stribuzione, dei prezzi del mercato dell''energia e
della produzione da fonte rinnovabile non control-
labile; il secondo, con orizzonte temporale limitato
al successivo quarto d''ora, è dedicato al raggiun-
gimento degli obiettivi di qualità e sicurezza dell''e-
sercizio della rete, coordinando la produzione di
potenza attiva e reattiva dei generatori controllabi-
li con le azioni dei sistemi di regolazione disponibi-
li (ad esempio, banchi di condensatori e trasforma-
tori variabili sotto carico). Gli studi effettuati, con ri-
ferimento sia a micro-reti di bassa tensione [10] sia
a parti di reti in media tensione [11, 12], mostrano
che la struttura proposta consente anche l''eserci-
zio volontario in isola di carico. Una versione preli-
minare del sistema automatico è stata implemen-
tata in una test facility operante presso RSE - Ri-
cerca Sistema Energetico a Milano ed è stata og-
getto di diverse prove di verifica sperimentale del
suo funzionamento [10, 13-15]. Il sistema è stato
dotato anche di una procedura per guidare l''ope-
ratore nella manovra di disconnessione volontaria
della rete, o di parte di questa, dal resto del siste-
ma elettrico [12, 16]. La seconda parte del lavoro è
quindi dedicata alla descrizione di tale sistema au-
tomatico ed alla illustrazione di alcuni risultati con
esso ottenuti relativamente ad una rete di media
tensione. Sono riportate infine alcune conclusioni. Il progetto SmartGen Il Progetto ''Studio, sviluppo e validazione di meto-
di e strumenti innovativi per la gestione di reti di di-
stribuzione attive con generazione da fonte rinno-
vabile', sinteticamente descritto dall''acronimo
SmartGen, intende individuare ed implementare
soluzioni impiantistiche e di controllo per una ge- Tecnologie a supporto delle Smart Grid novembre/dicembre 2010 7 stione intelligente di reti di distribuzione attive, cioè
con presenza di risorse di generazione distribuita,
di accumulo e di controllo del carico, nel rispetto
dei vincoli tecnici ed economici. Esso contribuirà
alla definizione dell''architettura di un gestore cen-
tralizzato (DMS - Distribution Management Sy-
stem) di porzioni di reti elettriche di distribuzione,
capace di risolvere problemi di ottimizzazione, di
controllo dei flussi di potenza, della tensione e di
fornitura dei servizi ausiliari da generazione diffusa
e dal carico. Oggetto del progetto è lo sviluppo di
logiche di controllo di dispositivi compensatori per
la mitigazione dei disturbi. Sono anche incluse si-
tuazioni di possibile emergenza e ripristino del ser-
vizio. Altro obiettivo è lo studio e lo sviluppo di si-
stemi innovativi di comunicazione e protezione. La
messa a punto e la verifica dei sistemi proposti
mediante modelli di reti elettriche di distribuzione
con generazione distribuita su simulatore ed in un
sito sperimentale è parte integrante del progetto.
Il Consorzio è costituito da un insieme di attori
qualificati tra i quali il capofila (SOFTECO-SI-
SMAT), società di sviluppo ed integrazione di si-
stemi informatici con significativa attività di ricer-
ca internazionale; un ente di ricerca (ENEL Inge-
gneria ed Innovazione) con esperienza plurienna-
le nel settore delle energie rinnovabili e delle reti
elettriche; una società industriale (SDI Automa-
zione Industriale) con esperienza di produzione,
installazione e ricerca nell''ambito dell''automazio-
ne industriale con particolare riferimento al setto-
re energetico (produzione e distribuzione energia
elettrica, reti gas, ecc.); due Università (Università di Bologna e di Genova) con qualificata esperien-
za internazionale sui temi della gestione, modelli-
stica e controllo dei sistemi elettrici per l''energia. Le funzionalità dei moderni DMS generalmente
possono essere suddivise in due gruppi principali:
' funzioni di base;
' specifiche applicazioni. Le prime soddisfano i requisiti di base dei sistemi
di controllo come, ad esempio, l''interazione con il
sistema di distribuzione. Le seconde aiutano nel
loro compito gli operatori e sono dedicate a com-
piti aggiuntivi quali applicazioni di calcolo e di ge-
stione del sistema elettrico.
Gli attuali DMS sono molto spesso progettati ad
hoc e richiedono lavoro aggiuntivo di implemen-
tazione e integrazione che può influire fortemente
sulla qualità del prodotto finale. Elemento fonda-
mentale nel progetto SmartGen è la creazione di
una struttura di DMS con capacità di interfaccia-
mento ai sistemi di acquisizione dati e supervisio-
ne SCADA (Supervisory Control and Data Aquisi-
tion) e alle funzioni gestionali avanzate già pre-
senti sul sistema. Le funzioni di base di un DMS si possono suddi-
videre in due gruppi:
' Supervisory Control and Data Acquisition (SCADA);
' gestione delle sale controllo. Le funzioni proprie degli SCADA forniscono moni-
toraggio e controllo in tempo reale della rete di di- 8 AEIT ' numero 11/12 Figura 1 Rete elettrica di distribuzione intelligente (Smart Grid) ' Tecnologie a supporto delle Smart Grid stribuzione cambiando i set point dei regolatori,
aprendo e chiudendo sezionatori, monitorando gli
allarmi e raccogliendo misure dal campo. Le funzio-
ni di gestione delle sale controllo forniscono tutti gli
strumenti utili all''operatore e alcune di esse, di con-
seguenza, devono essere progettate ''su misura'. L''architettura proposta di un DMS innovativo per
la gestione della rete di distribuzione utilizza tre li-
velli di controllo:
' livello di controllo centrale - nella parte superio- re della gerarchia di controllo, il DMS è respon-
sabile per della supervisione, del controllo e
della gestione del sistema di distribuzione e
funziona da interfaccia tra la distribuzione e il
centro di controllo della rete di trasmissione; ' livello Media Tensione - livello intermedio di controllo corrisponde all''automazione delle sot-
tostazioni ed è localizzato nelle sottostazioni
AT/MT; ' livello di controllo in Bassa Tensione - corri- spondente al controllore centrale della microre-
te, è localizzato nelle cabine MT/BT di distribu-
zione ed è responsabile della del controllo delle
sorgenti di generazione, del carico e della ge-
stione dei sistemi di accumulo. Tale architettura di controllo, prevede in linea di
principio, una gestione coordinata sia delle reti MT
(comprese le generazioni connesse a questo livello)
sia le microreti a livello BT (attraverso gli appositi
controllori installati in ogni cabina MT/BT), insieme
ad un approccio di gestione attiva del carico. L''architettura proposta consente l''esercizio della
rete di distribuzione in due modi distinti:
' modalità di funzionamento normale, in cui il si- stema è gestito interconnesso alla rete di distri-
buzione principale; ' modalità di funzionamento anormale e/o di emergenza, dove il sistema è isolato e capace
di funzionare in modalità disconnessa dal siste-
ma principale. La figura 1 illustra le interazioni tra i diversi com-
ponenti dell''architettura proposta. Per poter verificare e verificare le soluzioni indivi-
duate nel corso del progetto, è prevista l''imple-
mentazione di un sistema dimostrativo con l''inte-
grazione del simulatore di una porzione di rete e
un sistema SCADA mediante l''estensione del
protocollo di comunicazione IEC 61850 [17]. Il sistema automatico
per l''esercizio ottimizzato
Un esempio prototipale di gestore di una rete elet-
trica di distribuzione su cui si basa SmartGen è
descritto in [10-12] come ricordato in precedenza.
Il compito del sistema non è solo quello di per-
mettere alla rete di accettare un''alta penetrazione
di generazione distribuita, ma anche quello di
sfruttare le caratteristiche delle risorse per aumen-
tare l''affidabilità e migliorare la qualità del servizio.
Il sistema automatico di ottimizzazione delle risor-
se distribuite è concepito per essere inserito in una
struttura il cui schema è illustrato in figura 2. Dalle informazioni rilevate con
gli strumenti di misura si
ottiene una indicazione
delle condizioni operative
attuali della rete elettrica
(configurazione e flussi di
potenza), mentre dai bloc-
chi di previsione si ottiene
una stima del carico e del-
la produzione degli im-
pianti da fonte rinnovabile
nelle successive 24 ore e
nel successivo quarto d''o-
ra. L''ottimizzazione gior-
naliera tiene anche conto
della previsione dei prezzi
di scambio con il resto del
sistema elettrico. novembre/dicembre 2010 9 Figura 2 Schema del sistema automatico
per l''esercizio ottimo di una rete
elettrica di distribuzione '' Il livello di ottimizzazione economica giornaliera
fornisce per ogni quarto d''ora del giorno succes-
sivo il cosiddetto dispacciamento economico,
ossia l''indicazione di quali unità di generazione
controllabili tenere in servizio e a quale livello di
potenza attiva, in modo da minimizzare una fun-
zione obiettivo basata sui costi di esercizio della
rete. Questa informazione è trasmessa al secon-
do livello che, sulla base delle previsioni aggior-
nate a breve termine e sullo stato del sistema, ef-
fettua un''ottimizzazione multi obiettivo, in cui
compaiono anche criteri tecnici di affidabilità e
qualità del servizio, coordinando i livelli di immis-
sione di potenza attiva con le altre risorse di re-
golazione disponibili in rete (regolazione della po-
tenza reattiva e della tensione). A. Ottimizzazione economica giornaliera
Il livello di ottimizzazione economica giornaliera è
stato concepito in modo da tenere in conto sia del-
la presenza di risorse di energia elettrica non con-
trollabili sia di risorse controllabili in termini di pro-
duzione di energia elettrica e di calore. L''orizzonte di
ottimizzazione giornaliera è suggerito dalla presen-
za di tipici vincoli sul numero di accensioni e spe-
gnimenti delle unità di produzione, sui tempi minimi
fra manovre successive e dalla necessità di gestire
in maniera ottimale le risorse di accumulo (di calore
e di energia elettrica) eventualmente presenti.
La funzione obiettivo considerata per l''ottimizza-
zione economica giornaliera è: dove l''orizzonte temporale di 24 ore è suddiviso in
R = 96 periodi di durata ''t = 15 minuti. N è il nu- mero di risorse energetiche controllabili, P r j è il livel- lo di produzione medio di ciascuna di loro nel pe-
riodo r e cj,r è il costo di produzione associato. Ps è
la potenza elettrica attiva scambiata con il sistema
elettrico esterno e p il prezzo corrispondente.
In generale, l''insieme di unità controllabili contie-
ne S unità di produzione di energia elettrica, C
unità di cogenerazione elettrica e termica, e L
unità di accumulo (termico Lth ed elettrico Le). Ri-
sulta quindi conveniente definire il livello di produ-
zione controllabile di ogni unità di produzione e
accumulo mediante un indice h seguendo l''ordine
h = {C,(S - C), Le, Lth, (N - S - L)}, dove (N - S - L)
sono le produzione delle unità di produzione di so-
lo calore, essendo le produzioni di calore dalle
unità di cogenerazione definite dal livello di pro-
duzione elettrica (in prima approssimazione me-
diante una relazione lineare aj P r j + bj). Indicando con NP l''insieme di unità di produzio-
ne elettrica non controllabili dal sistema automa-
tico e con E r j il livello energetico medio del siste- ma di accumulo j nel periodo r, i vincoli di soddi-
sfacimento delle richieste di carico elettrico e ter-
mico (che includono anche una stima delle perdi-
te) Pload e e Pload th sono min P r j R N '' ''c j,r P r j ''t + ' Ps r = 1 j = 1 ( ) 10 AEIT ' numero 11/12 Figura 3 Esempio dei livelli di produzione elettrica dei generatori controllati, calcolati dall''ottimizzazione economica giornaliera ® Tecnologie a supporto delle Smart Grid e i vincoli delle risorse di accumulo sono E j r = E j r-1 - P j r-1 't essendo noti i livelli energetici iniziali E j 0. A questi vincoli, si aggiungono quelli caratteristici
di ogni unità, quali i valori di potenza massima e
minima, il numero ammesso di accensioni e spe-
gnimenti, i tempi minimi di funzionamento e, fra
uno spegnimento e la successiva rimessa in ser-
vizio, eventuali vincoli di rampa da prendere in
considerazione con la discretizzazione temporale
scelta (15 min), ecc.
Si è notato, dalle prove condotte, che in presen-
za di una importante generazione combinata di
elettricità e calore, il vincolo di bilancio delle po-
tenze termiche ha notevole influenza sul dispac-
ciamento complessivo. La figura 3 illustra un esempio di risultato ottenu-
to per una giornata (96 periodi di 15 min) da par-
te dell''ottimizzatore giornaliero per un particolare
profilo previsto del carico, della produzione degli S + Le '' Pr j + Ps = P r loade - ''Pr k r = 1,...., R j = 1 k ''NP N C '' Pr j + ''(a j P r j + bj) = P r loadth r = 1,...., R j=S+Le+1 j=1 impianti da fonte rinnovabile e dei prezzi di scam-
bio con il resto del sistema elettrico. Essa mostra
i corrispondenti livelli di potenza scambiata con il
resto del sistema elettrico, considerati positivi se
la potenza è importata.
Nel seguito sono riportati i risultati dell''ottimizza-
zione a breve termine per i due periodi di massi-
mo e minimo carico, ossia il periodo n. 17 (corri-
spondente alle ore 4 del mattino) e il periodo n. 77
(corrispondente alle ore 7 della sera). Come mo-
strato in figura 4. in entrambi i periodi la rete
esporta potenza verso il sistema esterno. B. Ottimizzazione multiobiettivo a breve
termine
Il dispacciamento economico calcolato dall''ot-
timizzatore giornaliero è fornito in ingresso al-
l''ottimizzatore a breve termine che aggiorna i
valori di riferimento delle regolazioni delle risor-
se energetiche e di controllo disponibili con il
seguente obiettivo multiplo: minimizzazione de-
gli scarti rispetto ai valori ottimi di iniezione di
potenza attiva calcolati dall''ottimizzazione gior-
naliera; minimizzazione degli scarti delle ten-
sioni rispetto al valore nominale;riduzione delle
perdite di rete.
Si assume che il DMS possa variare i riferimenti
delle regolazioni delle produzioni sia di potenza
attiva sia di potenza reattiva dei generatori con-
trollabili e, inoltre, i riferimenti dei variatori sotto
carico dei trasformatori. novembre/dicembre 2010 11 Figura 4 Livelli di potenza
scambiata con
il resto del sistema
elettrico
corrispondenti
ai risultati
di figura 3 '' Come descritto in [10-12] il problema di ottimiz-
zazione richiede di rappresentare le relazioni non
lineari che la rete stabilisce fra le variabili di otti-
mizzazione e le tensioni ai nodi, le perdite di re-
te, le correnti nei rami, ecc.. Nella procedura svi-
luppata, le relazioni non lineari summenzionate
sono linearizzate attorno alla soluzione del cal-
colo della ripartizione dei flussi di potenza nella
rete di distribuzione trifase mediante l''utilizzo di
coefficienti di sensitività, anch''essi opportuna-
mente calcolati dalla soluzione del calcolo dei
flussi di potenza [18-20].
Tenendo conto che alcune variabili possono as-
sumere solo valori discreti (ad esempio la posi-
zione dei variatori sotto carico, lo stato acceso o
spento dei generatori, i livelli di distacco di cari-
co), il problema di ottimizzazione è risolto me-
diante un solutore MILP (Mixed Integer Linear
Programming - solutore di problemi di program-
mazione lineare intera mista) ed inserito all''inter-
no di una procedura iterativa come mostrato in fi-
gura 5. La sua soluzione fornita dal solutore MILP
( ''x) è corretta mediante un fattore ξ''[0,1] ottenu- to dalla soluzione del problema di minimizzazione
della funzione multiobiettivo lungo la direzione ''x, problema di ottimizzazione nonlineare unidi-
mensionale. La procedura è ripetuta partendo
dalla nuova soluzione ξ ''x ed è interrotta quando la funzione obiettivo o il valore della soluzione
non cambia in modo significativo fra una iterazio- ne la successiva, oppure si è raggiunto il massi-
mo numero di iterazioni. Nelle prove effettuate, l''algoritmo illustrato in fi-
gura 5 converge in genere dopo poche iterazioni
e i tempi richiesti dall''algoritmo appaiono ade-
guati al funzionamento in-linea.
La figura 6 mostra la configurazione della rete di
distribuzione test a 119 nodi utilizzata nelle simu-
lazioni. La rete è costituita da quattro feeder di
diversa configurazione, due con caratteristiche ti-
piche di una alimentazione urbana (ossia linee in
cavo e di lunghezza abbastanza uniforme), e due
con caratteristiche rurali (ossia linee aree, più va-
rie e complessivamente più lunghe). I feeder ur-
bani e i rurali sono alimentati da due sbarre sepa-
rate a 20 kV ognuna connessa alla rete a 132 kV
tramite un trasformatore a rapporto variabile sot-
to carico. Oltre a vari generatori da fonte eolica e
solare localizzati in tutta la rete, è stata assunta la
presenza di 10 generatori controllabili: 4 connes-
si al feeder urbano 1, 3 al feeder urbano 2, 3 al
feeder rurale 1. In una tipica situazione di esercizio critico si han-
no nodi a tensione troppo alta nel feeder 1 per ef-
fetto della generazione e alcuni nodi a tensione
eccessivamente bassa nel feeder rurale 2 (privo
di generazione distribuita) a causa del carico ele-
vato. Questa condizione è illustrata dalle curve 12 AEIT ' numero 11/12 Figura 5 Schema a blocchi della procedura iterativa dell''ottimizzatore a breve termine ' Tecnologie a supporto delle Smart Grid blu di in figura 7. Le curve rosse della stessa fi-
gura mostrano i profili di tensione nei due feeder
ottenuti dalla procedura di ottimizzazione che ha
aggiustato sia il rapporto di trasformazione del
trasformatore comune che alimenta entrambi i
feeder sia la potenza reattiva dei generatori con-
trollabili connessi al feeder rurale 1, lasciando
inalterata la potenza attiva. Il miglioramento del profilo di tensione porta in
genere a un sostanziale diminuzione delle per-
dite in rete.
In letteratura sono anche proposti sistemi di coor-
dinamento continuo fra la regolazione del rappor-
to di trasformazione a rapporto variabile sotto ca-
rico e la regolazione della potenza reattiva dei ge-
neratori distribuiti [21]. In [22] è recentemente pro-
posto, limitatamente alla regolazione dei trasfor-
matori, l''applicazione del cosiddetto Gestore del
Riferimento (GR), un dispositivo nonlineare che si
antepone ad un sistema controllato per modifica-
re in-linea il riferimento sulla base di una predizio-
ne dello stato futuro del sistema e della risoluzio-
ne in linea di un problema di ottimizzazione che tiene conto dei vincoli operativi.
La procedura di ottimizzazione a breve termine è
anche utilizzata per guidare l''operatore nella ma-
novra di passaggio intenzionale al funzionamento
in isola di carico. Nella condizione di funziona-
mento in isola di carico occorre scegliere un no-
do di saldo fra quelli a cui sono connesse le unità
di generazione elettrica. Tale scelta influisce sul-
l''ottimizzazione dell''esercizio in isola di carico,
come descritto, per esempio, in [23]. Per effettua-
re questa scelta, il sistema automatico, partendo
da una configurazione iniziale nella quale la rete
di distribuzione è connessa alla rete esterna, ef-
fettua due ottimizzazioni successive, indicate nel
seguito come O1 e O2: O1 è l''ottimizzazione del
sistema di distribuzione in esercizio indipendente,
ossia effettuata imponendo un transito di poten-
za trascurabile al nodo di saldo al problema
MILP; O2 è l''ottimizzazione del sistema discon-
nesso, per il quale il ruolo di nodo di saldo è attri-
buito al nodo dove è connesso il generatore con-
trollabile caratterizzato dai più ampi margini di re-
golazione della potenza attiva e reattiva nella so-
luzione di O1, come descritto in [12, 16]. novembre/dicembre 2010 13 Figura 6 Configurazione della rete di media tensione utilizzata nelle simulazioni ' 14 AEIT ' numero 11/12 Figura 7 Esempio dei profili di tensione nei feeder rurali: in blu e in rosso i profili prima e dopo l''applicazione della procedura di ottimizzazio-
ne a breve termine ' Tecnologie a supporto delle Smart Grid Conclusioni
La memoria ha svolto alcune considerazioni gene-
rali relative all''evoluzione delle reti elettriche di di-
stribuzione da strutture passive ad attive con forte
presenza di generazione distribuita. Questo com-
porterà un forte sviluppo di sistemi DMS per la ge-
stione ed il controllo delle reti elettriche (SmartGrid).
In tal senso è stato descritto un ottimizzatore pro-
posto e sviluppato perché possa essere applica-
to nell''esercizio di una rete di elettrica distribuzio-
ne con molti nodi e una elevata penetrazione di
generazione distribuita, anche nel caso di produ-
zione intermittente da fonte rinnovabile. Appare particolarmente interessante la possibilità di po-
ter gestire anche l''esercizio in isola.
Partendo da questa base, il progetto di ricerca
SmartGen, descritto nella memoria, si propone di
verificare la possibilità di costruire un sistema di
gestione innovativo delle reti di distribuzione e di
verificarne sperimentalmente le prestazioni e la
robustezza. La funzione di gestione della rete di
distribuzione di media tensione sarà integrata con
le altre funzioni quali: funzioni per la gestione dei
guasti e la gestione delle protezioni; funzione per
il planning e la previsione del carico e funzioni per
la gestione della rete di bassa tensione. novembre/dicembre 2010 15 AEIT 2009, Catania , 27-29 settembre 2009. Pubblicato an- che su Eidos - Smart Grid & Smart Meter Magazine, Numero
2 , pp. 30-36, 2010. [13] A. Bertani: Realizzazione del Sistema di Control o centraliz- zato del a Test Facility CESI, Rapporto A5035166, Ricerca di
Sistema 2005, Progetto GENDIS21/CONGEDI, www.ricerca- disistema.it [14] A. Borghetti, M. Bosetti, C. Bossi, S. Massucco, E. Micolano, A. Morini, C. A. Nucci, M. Paolone, F. Silvestro: An Energy Resource Scheduler Implemented in the Automatic Manage- ment System of a Microgrid Test Facility, International Conferen-
ce on Clean Electrical Power, Capri 21-23 maggio 2007. [15] M. Marciandi, D. Moneta, P. Mora: Gestione ottimizzata del- la Test Facility di generazione distribuita per il control o del profilo di tensione e prove sperimentali, Rapporto CESI Ri-
cerca 08000650, febbraio 2008 , www.ricercadisistema.it [16] A. Borghetti, M. Bosetti, C.A. Nucci, M. Paolone: Disper- sed energy resources scheduling for the intentional islanding operation of distribution systems, Proc. of Power Systems
Computational Conference, PSCC 08 , Glasgow, luglio 2008. [17] O. Haas, O. Ausburg, P. Palensky: Communication with and without Distributed Energy Resources, IEEE International Con-
ference on Industrial Informatics , pp. 352''356, agosto 2006. [18] Q. Zhou, J. W. Bialek: Simplified calculation of voltage and loss sensitivity factors in distribution networks, Proc. of the
16th Power Systems Computation Conference (PSCC2008),
Glasgow, Scotland , July 14-18, 2008. [19] A. Borghetti, M. Bosetti, S. Grillo, M. Paolone, F. Silvestro: Short-term scheduling of active distribution systems, Proc. of
2009 IEEE Power Tech Conference, Bucharest , June 28 '' July 3, 2009. [20] A. Keane, Q. Zhou, J.W. Bialek, M. O''Malley: Planning and operating non-firm distributed generation, IET Renewable
Power Generation , vol. 3, n. 4, pp. 455''464, 2009. [21] A. Casavola, G. Franzè, D. Menniti, N. Sorrentino: Voltage regulation in distribution networks in the presence of distribu- ted generation: A voltage set-point reconfiguration approach,
Electric Power Systems Research , vol. 81, pp. 25''34, 2011. [22] F. Bignucolo, R. Caldon, V. Prandoni: Radial MV networks voltage regulation with distribution management system coordined control er, Electric Power Syst. Res., vol. 78 pp. 634''645, 2008. [23] E. Riva Sanseverino, G. Pecoraro, A. Borghetti, M. Bosetti, M. Paolone: Optimal Operating Point Calculation for Medium Volta- ge Distribution Systems, Proc. of 2007 IEEE Lausanne Power
Tech Conference, Lausanne, Switzerland , 1-5 July 2007. B I B L I O G R A F I A [1] European SmartGrids Technological Platform: Vision and Stra- tegy for Europe''s Electricity Networks of the future, Document
EUR 22040 , 2006. [2] European SmartGrids Technological Platform: Strategic De-
ployment Document for Europe''s Electricity Networks of the
future, Draft , September 2008. [3] F. Blaabjerg, R. Teodorescu, M. Liserre, A. V. Timbus : Over- view of Control and Grid Synchronization for Distributed Power Generation Systems, IEEE Trans. on Industrial Electro-
nics , vol. 53, n. 5, pp. 1398-1409, October 2006. [4] CIGRE Brochure: Operating dispersed generation with ICT (Information & Communication Technology), Working Group
C6.03 , febbraio 2007 [5] N. Hatziargyriou, H. Asano, R. Iravani, C. Marnay: Micro- grids, IEEE Power & Energy Magazine, July/August 2007, The
Smart Grid: An introduction, publication sponsored by US
DOE''s Office of Electricity Delivery and Energy Reliability , 2009, http://www.doe.energy.gov/1165.htm [6] R. Lasseter, A. Akhil, C. Marnay, J. Stephens, J. Dagle, R. Guttromson, A. Meliopoulos, R. Yinger, J. Eto: White paper on integration of distributed energy resources. The CERTSmi- crogrid concept, Tech. Rep. LBNL-50829, 2002, http://certs.lbl.gov/pdf/50829-app.pdf, 2002. [7] A. G. Tsikalakis, N. D. Hatziargyriou: Centralized Control for Optimizing Microgrids Operation, IEEE Trans. on Energy Con-
version , vol. 23, n. 1, March 2008. [8] R. Caldon, G. Celli, R. Cicoria, B. Colombo, A. Invernizzi, F. Pilo, G. Pisano, S. Pugliese, M. Venturino: Le reti di distribu- zione attive e la loro applicabilità nel o scenario italiano, Atti
Giornata Studio AEIT , Milano, 25 maggio 2005. [9] S. Grillo, S. Massucco, A. Morini, S. Scalari, P. Scalera, F. Silvestro: Distribution Management System (DMS) per la ge- stione intel igente di reti elettriche, Convegno Nazionale AEIT,
Catania , settembre 2009. [10] A. Bertani, A. Borghetti, C. Bossi, L. De Biase, O. Lam- quet, S. Massucco, A. Morini, C. A. Nucci, M. Paolone, E.
Quaia, F. Silvestro: Management of Low Voltage Grids with High Penetration of Distributed Generation: concepts, imple- mentations and experiments, Proc. of CIGRE general ses-
sion , Paris, 2006. [11] A. Borghetti, M. Bosetti, C.A. Nucci, M. Paolone, S. Mas- succo, F. Silvestro, S. Scalari: A procedure for the automa- tic scheduling of distributed energy resources in medium vol- tage networks, Proc. of CIRED, Prague, 2009. [12] A. Borghetti, M. Bosetti, C.A. Nucci, M. Paolone, S. Grillo, S. Massucco, F. Silvestro, S. Scalari: Un ottimizzatore per la gestione di reti attive di distribuzione, Convegno Nazionale


In evidenza

SD Project
SPAC : Il Software per la progettazione Elettrica
2G Italia
Cogenerazione e trigenerazione dal leader tecnologico mondiale
SAP Italia
Trova il percorso di trasformazione digitale per la tua impresa: scarica gratis la survey SAP e IDC
© Eiom - All rights Reserved     P.IVA 00850640186