BEE Project: un Sistema di Gestione dell`Energia in Ambito

BEE Project: un Sistema di Gestione dell’Energia
in Ambito Domestico per le Future Smart Grid
A.Barbato, A. Capone, G. Carello, M. Delfanti, M. Merlo
Dipartimento di Elettronica e Informazione
Politecnico di Milano, Italy
Email: {barbato, capone, carello} @elet.polimi.it, {maurizio.delfanti, marco.merlo} @polimi.it
Abstract—I sistemi di gestione dell’energia per utenti residenziali, rappresentano una promettente area di ricerca nell’ambito
dei nuovi scenari energetici delineatesi con l’introduzione delle
Smart Grid. Le performance dell’intero sistema di generazione
e distribuzione possono infatti essere migliorate ottimizzando la
gestione energetica domestica.
In questo articolo presentiamo il progetto BEE Project (Bright
Energy Equipment Project), un’iniziativa interdipartimetale del
Politecnico di Milano, finalizzata alla realizzazione di un prototipo di infrastruttura hardware e software, per la gestione
automatizzata e ottimizzata dell’energia in contesti residenziali.
In particolare, sono presentati i meccanismi di pianificazione del
consumo di energia, definiti considerando l’eventuale presenza,
presso le utenze domestiche, di pannelli solari e batterie. Inoltre,
sono mostrati e discussi i risultati numerici ottenuti applicando i
meccanismi proposti a scenari definiti sulla base di dati realistici.
Oltre alla riduzione della bolletta energetica, tali meccanismi consentono di apportare vantaggi anche all’intero sistema energetico,
mediante, ad esempio, la riduzione della domanda di energia nelle
ore di picco.
I. I NTRODUZIONE
Durante gli ultimi anni si è assistito ad un radicale cambiamento del mercato dell’energia a causa della presenza
sempre più consistente nelle reti di distribuzione, di fonti di
energia rinnovabile quali, ad esempio, pannelli fotovoltaici o
turbine eoliche. Tali sorgenti energetiche risultano del tutto
differenti da quelle tradizionale: l’energia non fluisce più solo
dalle grandi centrali verso gli utenti finali, ma è prodotta in
modo discontinuo, da un gran numero di generatori situati in
luoghi diversi. Per tale motivo, in tale contesto, la gestione dei
flussi di energia diviene ancora più critica al fine di garantire
l’efficienza dell’intera rete elettrica e di preservare un corretto
bilanciamento tra produzione e consumo.
Contemporaneamente alla proliferazione della generazione
diffusa nelle reti di distribuzione, un’ulteriore rivoluzione ha
interessato il mondo energetico con l’evoluzione della rete
elettrica tradizionale verso la cosiddetta “Smart Grid”. Infrastrutture di comunicazione costituite da tecnologie avanzate
di ICT (sensori, sistemi comunicazione, controllo e misura,
ecc.) sono, infatti, sempre più integrate nella rete elettrica
garantendo una maggiore connettività ed un maggior livello
di automazione e coordinamento tra i gestori, i distributori,
gli utenti e la rete stessa. La creazione di una smart grid
coinvolge sia la rete di distribuzione che quella di trasmissione
assicurando una serie di vantaggi quali una maggiore competizione tra i fornitori, un maggiore e più efficiente utilizzo
delle energie rinnovabili nonché un maggiore controllo su una
porzione di rete fondamentale (quella di distribuzione) finora
non controllabile.
In questo nuovo scenario energetico, gli utenti residenziali
sono destinati a svolgere un ruolo chiave nel miglioramento
dell’efficienza della rete, mediante l’adozione di meccanismi
intelligenti di gestione della domanda di energia. Nella nuova
smart grid, infatti, una quantità enorme di dati è resa disponibile agli utenti come, ad esempio, informazioni fornite in
tempo reale sul valore economico dell’energia o sul consumo
dei dispositivi domestici. Sulla base di tali dati è possibile
ottimizzare l’utilizzo di energia, mediante l’adozione di opportuni meccanismi intelligenti di gestione della domanda, con
l’obiettivo non solo diminuire le bollette o di risparmiare energia, ma anche di utilizzare in maniera più efficiente l’energia
stessa, ad esempio, accendendo o spegnendo un dispositivo
in funzione delle esigenze della rete elettrica o riducendo la
domanda nelle ore di picco.
In questo articolo vi proponiamo un sistema per la gestione
intelligente dell’energia in ambito domestico, basato su modelli di ottimizzazione. Due diversi metodi sono in particolare
descritti, un metodo non cooperativo ed uno cooperativo, per
garantire la pianificazione ottimale dei carichi energetici per il
giorno successivo, con l’obiettivo finale di ridurre la bolletta
giornaliera. Il modello non cooperativo è introdotto al fine
di programmare le attività degli elettrodomestici, nonché i
processi di carica e scarica delle batterie, di una singola
abitazione. Inoltre, anche l’impatto di fonti rinnovabili è
tenuto in considerazione, prevedendo la presenza di pannelli
fotovoltaici presso l’utenza domestica. Il modello cooperativo,
invece, consente la gestione congiunta del consumo energetico di gruppi di utenti. Tale variante permette al sistema
di diminuire il valore massimo di potenza prelevabile dalla
rete da parte del gruppo di utenti, riducendo in tal modo il
picco di assorbimento. Lo stesso risultato sarebbe difficilmente
perseguibile nel caso non cooperativo. Intuitivamente, mediante la pianificazione intelligente dell’uso di energia, i metodi
proposti consentono di minimizzare il costo totale dell’energia
consumata. Inoltre, essi garantiscono automaticamente anche
la riduzione della domanda di energia elettrica nelle ore di
punta, un risultato particolarmente significativo al fine di
aumentare l’efficienza della rete.
L’articolo è organizzato come segue. Nella Sezione II,
sono presi in rassegna i lavori precedenti in materia di ges-
tione dell’energia e meccanismi di controllo del carico. Nella
Sezione III si descrivono le caratteristiche di base del sistema
che abbiamo progettato per la gestione del consumo energetico degli utenti residenziali. Nella Sezione IV presentiamo
i modelli definiti per il controllo automatizzato e ottimizzato
della domanda. La Sezione V riporta alcuni risultati numerici
ricavati per valutare l’impatto dei metodi proposti sulla base di
dati realistici. Infine, nella Sezione VI, vengono fornite alcune
considerazioni finale.
II. S TATO DELL’A RTE
rare le prestazioni dell’intera rete. In [1] è introdotto un
controllore per l’ottimizzazione delle decisioni locali sulla
base dei bisogni dell’intera rete. Il controller gestisce i punti
chiave per la generazione locale ed i dispositivi di accumulo
e fornisce all’utente un’interfaccia per la partecipazione al
mercato elettrico ed il coordinamento con il mercato stesso.
Le informazioni sono ricevute dal controllore attraverso una
connessione o immesse manualmente dall’utente. Tuttavia, il
controllore gestisce esclusivamente la rete elettrica di distribuzione considerandola quindi come una parte isolata dal
resto del sistema.
Lo sviluppo di sistemi in grado di sfruttare le potenzialità
delle smart grid rappresenta una promettente area di ricerca,
introdotta in letteratura in tempi recenti. Come già anticipato
precedentemente, grazie alla nascita di tale rete, una quantità
notevole di dati viene resa disponibile all’utente tanto da
poter consentire l’introduzione di efficaci politiche di ottimizzazione dei consumi energetici, in primo luogo modificando
le abitudini delle persone nell’utilizzare i dispositivi domestici
[11]. Al fine di supportare gli utenti nell’adozione di più
efficienti politiche energetiche, sono stati di recente proposti
alcuni meccanismi di gestione intelligente della domanda
di energia. In [2] viene presentato un meccanismo per la
massimizzazione dei profitti derivanti dalla partecipazione al
mercato elettrico. Una più intelligente gestione dell’energia
può infatti portare notevoli guadagni [3], [4]. Il metodo proposto, in particolare, ha come obiettivo la gestione dei consumi
dell’utente domestico (che ha una partecipazione attiva al
mercato) unitamente alla produzione dei pannelli fotovoltaici.
In tale lavoro, tuttavia, non vengono analizzate le prestazioni
complessive della rete, ma si presta attenzione solo ed esclusivamente ai benefici apportati agli utenti. Inoltre, non è
definita una descrizione matematica dettagliata dei fabbisogni
degli utenti, i cui carichi non sono per tal motivo ottimizzati.
Infine, il modello di mercato considerato risulta eccessivamente semplificato e non corrispondente alla realtà né italiana,
né di alcun altro paese dell’Unione Europea. L’applicazione
di meccanismi di Demand-Side load Management (DSM) è
discussa anche in [5]. Il consumo energetico viene controllato
sulla base del livello di flessibilità dei vari servizi domestici
che possono essere controllati, al fine di ridurre i picchi di
richiesta di energia. Il controllo viene modellato come un
problema di scheduling in cui l’energia è considerata quale
una risorsa condivisa dai dispositivi, non tenendo tuttavia
conto delle preferenze dell’utente nell’utilizzo degli stessi.
I problemi di DSM analizzati risultano NP-difficili e per
tale motivo, in [6], sono risolti mediante algoritmi di Tabu
Search. L’ottimizzazione dell’utilizzo di energia in ambito
domestico è infine realizzata con modelli di ottimizzazione [7]
o sfruttando la teoria dei giochi [8]. Tuttavia, in tali lavori, non
è considerato l’intero ambiente domestico, comprensivo sia di
carichi e che di generatori, e il modello di mercato adottato
risulta poco attinente a casi d’uso reali. Inoltre, il caso di più
utenze cooperative è solo parzialmente considerato.
La gestione ottimizzata dei consumi può risultare utile
non solo per gli utenti, ma anche e sopratutto per miglio-
III. I L BEE P ROJECT
Il BEE Project è un’attività di ricerca nata all’interno di
un laboratorio interdipartimentale del Politecnico di Milano
in cui confluiscono competenze provenienti sia dal settore
dei sistemi elettrici che dal campo dell’ICT. Lo scopo del
progetto è sviluppare un prototipo di infrastruttura hardware e
software capace di fornire una serie di strumenti innovativi agli
utenti del sistema elettrico in modo tale da rendere gli stessi
parte attiva delle future smart grid e supportarli nell’utilizzo
di energia. Più in dettaglio, il BEE Project si pone i seguenti
obiettivi:
• Integrazione degli utenti nel mercato: tramite il sistema
proposto gli utenti avranno a disposizione una serie di
informazioni e strumenti tali da diventare protagonisti
del mercato elettrico ed essere parte integrante dello
stesso; in tal modo, ad esempio, sarà possibile utilizzare
le informazioni sul prezzo dell’energia per rimodulare
le curve di carico (ossia reindirizzare i carichi elettrici
verso le ore di basso utilizzo della rete), migliorandone
l’efficienza e riducendo i costi di sviluppo del sistema
elettrico;
• Ottimizzazione dei consumi: la soluzione proposta
prevede la definizione di un meccanismo di ottimizzazione per supportare l’utente nell’utilizzo dell’energia.
Tale meccanismo, in particolare, avrà il duplice compito
di formulare ex-ante (fase off-line) un profilo complessivo
di prelievo/immissione di energia elettrica dell’ambiente
casa, tramite l’ottimizzazione dei prelievi/immissioni di
ogni utente per periodi futuri, ed intervenire in tempo
reale (fase on-line) per garantire il profilo previsto o
per correggerlo nel caso di eventi imprevisti e/o non
prevedibili;
• Integrazione di fonti rinnovabili su piccola scala: il sistema definito nel progetto consentirà di migliorare il
coordinamento tra i prelievi effettuati dai carichi domestici e le immissioni degli eventuali impianti di microgenerazione presenti nell’ambiente casa, consentendo in
tal modo una maggiore e più efficiente integrazione della
produzione da fonte rinnovabile su piccola scala.
Nello scenario considerato, sinteticamente rappresentato in
Figura 1, gli utenti possono sia comprare che vendere energia
elettrica. Le abitazioni sono dotate di pannelli fotovoltaici
che producono energia, batterie elettriche che permettono di
immagazzinare energia per poi riutilizzarla in un secondo
momento, e una serie di dispositivi domestici da utilizzare
durante il giorno e per ciascuno dei quali è definito un’orario
di utilizzo di riferimento in base alle preferenze degli utenti.
Fig. 1.
Architettura del sistema BEE.
A. Architettura del Sistema
Al fine di supportare gli utenti nella gestione del loro piano
energetico, il BEE Project propone una nuova architettura
per il monitoraggio in tempo reale dei consumo di energia
e il controllo dei dispositivi domestici. I principali elementi
dell’architettura sono:
• Pannelli fotovoltaici: è prevista la presenza di fonti
rinnovabili presso l’utenza domestica; inoltre, un meccanismo di previsione della produzione degli stessi è
integrato nel sistema al fine di migliorare la prevedibilità
degli scambi di energia con la rete;
• Batterie elettriche (auto elettriche): l’uso di dispositivi di
accumulo consente al sistema di essere flessibile nella
gestione degli scambi di energia con la rete;
• Sensori: la raccolta dati nell’ambiente casa svolge un
ruolo chiave all’interno dell’infrastruttura proposta dal
BEE Project. Le informazioni di interesse possono essere molteplici: la posizione dell’utente all’interno della
casa, informazioni di consumo degli elettrodomestici,
informazioni ambientali quali temperatura e irraggiamento, ecc. Al fine di consentire l’utilizzo di sensori in un contesto come quello domestico, si prevede
l’implementazione di protocolli e infrastrutture di comunicazione per la creazione di reti di sensori IEEE 802.15.4
multi-hop, scalabili e che supportino la mobilità;
• Interfaccia utente: il sistema di monitoraggio, controllo
e ottimizzazione richiede lo sviluppo di interfacce applicative, utilizzabili sia su terminali fissi che mobili, al
fine di rendere più fruibili per l’utente le funzioni messe
a disposizione dal sistema, migliorando in tal modo la
user-experience. Tali interfacce facilitano l’installazione
e la manutenzione delle reti di sensori e consentono
la visualizzazione dei dati e dei risultati forniti dagli
algoritmi di profilazione in modo semplice, efficace e
intuitivo;
• Canale di comunicazione con il mondo Internet: è fondamentale per ricavare informazioni utili nel processo di
gestione dei dispositivi domestici. Tramite tale canale, ad
esempio, è possibile ricavare le previsioni climatiche per
i giorni seguenti allo scopo di rendere il più possibile
prevedibili sia i profili di immissione del generatore
fotovoltaico installato presso la propria utenza, sia i profili
di prelievo dell’impianto termico e di illuminazione;
• BEE Box: tale elemento, cuore dell’architettura proposta,
è una unità di elaborazione che, sulla base di meccanismi
di gestione della domanda, ha l’obiettivo di gestire e
ottimizzare l’acquisto/vendita di energia delle abitazioni
per periodi futuri e di scambiare informazioni con gli altri
attori del sistema elettrico, quali il fornitore di energia,
altri utenti, ecc.
Il sistema proposto nel BEE Project è stato concepito come
uno strumento di supporto per la gestione del consumo e della
produzione di elettricità di una singola abitazione o di un
gruppo di abitazioni cooperative, con l’obiettivo di minimizzare le bollette di energia e di migliorare l’efficienza della
rete elettrica. A tal fine, abbiamo introdotto un meccanismo
di gestione della domanda, basato su metodi di ottimizzazione,
con il compito di pianificare, ogni giorno, l’utilizzo degli
elettrodomestici nonché gli scambi di energia con la rete, per
le successive 24 ore. Al fine di definire il piano energetico per
il giorno successivo, i modelli di ottimizzazione necessitano
di previsioni sia sulla produzione dei pannelli fotovoltaici che
sull’utilizzo dei dispositivi domestici. Per quanto riguarda i
pannelli fotovoltaici, abbiamo definito opportuni metodi di
apprendimento che, sulla base delle previsioni meteorologiche
scaricate dal web, sono in grado di prevedere la produzione
dei pannelli per le successive 24 ore. Analoghi algoritmi di
predizione sono stati definiti anche per predire le preferenze
degli utenti nell’utilizzare i dispositivi domestici, al fine di
individuare quali elettrodomestici saranno utilizzati dall’utente
e in quale momento della giornata. In tal caso, in particolare,
sono utilizzati sensori power meter per monitorare i consumi
dei singoli dispositivi; tali informazioni sono poi elaborate
al fine di apprendere le abitudini degli utenti nell’utilizzare
gli elettrodomestici e di predire il loro utilizzo per periodi
futuri. Cosı̀ come rappresentato in Figura 2, a partire dai profili
di costo dell’energia e dalle previsioni sulla produzione dei
pannelli fotovoltaici e sull’utilizzo dei dispositivi domestici, i
modelli di ottimizzazione definiscono il piano energetico per il
giorno successivo, in modo da minimizzare la bolletta elettrica.
I modelli, in particolare, individuano:
• Quando acquistare/vendere/ immagazzinare energia nella
batteria;
• Quando avviare i dispositivi domestici.
B. Impatto sugli Utenti e sul Sistema Elettrico
Come accennato in precedenza, sono stati previsti due casi
di studio:
di rete (es. conduttori, trasformatori, ecc.) basato sui picchi
di prelievo/immissione dell’utente finale. Nello scenario cooperativo, in particolare, il sistema è anche in grado di ridurre
facilmente il valore massimo di potenza prelevabile dalla rete
da parte del gruppo di utenti. Tutti i benefici citati hanno come
fine ultimo l’incremento dell’efficienza del sistema elettrico e,
di conseguenza, la riduzione dei costi relativi alla fornitura
di energia elettrica agli utenti. Questi, in funzione della loro
disponibilità a variare il proprio comportamento energetico,
potrebbero quindi godere dell’applicazione di tariffe diversificate volte a premiare i soggetti più virtuosi.
IV. M ODELLI DI OTTIMIZZAZIONE DEI C ONSUMI
E NERGETICI
Fig. 2.
•
•
Diagramma operativo del sistema BEE.
Caso non cooperativo: in tale scenario il sistema è utilizzato per gestire e ottimizzare autonomamente la domanda
di energia elettrica di una singola utenza domestica;
Caso cooperativo: gli utenti accettano di collaborare
nella gestione dell’energia; in questo caso i modelli di
ottimizzazione sono utilizzati per la pianificazione del
piano energetico dell’intero gruppo di utenti cooperativi.
Nonostante i modelli di ottimizzazione dei piani energetici
siano definiti per minimizzare la bolletta, assicurando in
tal modo un guadagno economico all’utente, essi sono in
grado di apportare notevoli benefici anche al sistema elettrico.
In primo luogo, un migliore coordinamento tra i profili di
carico e di generazione degli utenti, volto a minimizzare
gli scambi energetici con la rete, riduce i flussi energetici
all’interno della rete elettrica medesima e, di conseguenza,
le perdite da essi causati. In secondo luogo, la possibilità
di conoscere ex-ante l’andamento di tali profili (rendendo
anche le utenze domestiche, di fatto, programmabili) risulta
estremamente utile per gestire un bene, come l’elettricità, che
non può essere facilmente immagazzinato in grandi quantità.
Conoscendo in anticipo le caratteristiche di scambio con la
rete di un particolare utente, o di una loro aggregazione, vi è
infatti la possibilità di ottimizzare il processo di produzione
dell’energia elettrica necessario a garantir loro la fornitura
richiesta, riducendo al minimo gli squilibri (ossia la differenza
tra la potenza assorbita dalla rete istante per istante e i consumi
programmati). La suddetta riduzione degli sbilanciamenti ha,
a sua volta, una serie di vantaggi: ad esempio, la possibilità
di abbassare i margini di riserva necessari a compensare gli
squilibri di potenza commessi dagli utenti. La gestione del
comportamento energetico dell’utente potrebbe infine essere
utile al fine di ridurre i picchi di prelievo/immissione che
tipicamente caratterizzano i profili di scambio delle utenze domestiche (peak-shaving). L’obiettivo sarebbe evitare i notevoli
costi indotti da un dimensionamento dei diversi componenti
Come anticipato nella sezione precedente, per lo sviluppo
del tool di ottimizzazione per la gestione dei consumi energetici, proponiamo due diversi modelli matematici [12], uno
pensato per utenze non cooperative, l’altro, invece, definito per
gestire in maniera congiunta i piani energetici di un gruppo
di utenti che abbiano deciso di cooperare tra di loro. Lo
scenario considerato è costituito da un’abitazione residenziale,
dotata di un pannello fotovoltaico e una batteria. L’utente
può sia comprare che vendere energia elettrica secondo delle
opportune tariffe di acquisto e vendita. Scegliendo in maniera
ottima i tempi di utilizzo degli elettrodomestici, rappresentati
dall’insieme A, e i profili di scambio di energia con la rete,
si è in grado di ridurre la bolletta energetica. Tali modelli,
inoltre, sono in grado di assicurare significativi benefici anche
all’intero sistema elettrico nei termini descritti nella sezione
precedente.
A. Modello Non Cooperativo
Nel problema considerato, formulato come un modello di
programmazione lineare intera, le 24 ore della giornata sono
divise in 96 intervalli di tempo di 15 minuti ciascuno (insieme
T ). Al fine di pianificare le attività dei dispositivi domestici,
sono introdotte le variabili binarie xat , definite per ciascuna
attività a ∈ A e per ciascun time slot t ∈ T , avente valore
pari a 1 se l’attività a inizia nell’intervallo t, 0 altrimenti. Si
definiscono, inoltre, le variabili continue non negative zt e
yt che rappresentano, rispettivamente, la quantità di energia
venduta e comprata, nell’intervallo t. L’energia acquistata, in
particolare, non può superare il valore massimo di potenza
prelevabile dalla rete, y MAX , cosı̀ come stabilito contrattualmente con il distributore di elettricità : yt ≤ y MAX .
Funzione Obiettivo: L’obiettivo del modello è quello di
minimizzare la bolletta giornaliera. Per tale motivo, indicato
con ct e gt rispettivamente il costo dell’energia venduta e
acquistata dalla rete nel time slot t, la funzione obiettivo può
essere scritta come segue:
X
min
(ct · yt − gt · zt )
(1)
t∈T
dove il primo termine rappresenta il costo dell’energia acquistata dalla rete durante l’intera giornata, mentre il secondo
è il profitto derivante dalla vendita di energia alla rete stessa.
Profilo di Carico della Lavastoviglie
Vincoli:
Programmazione dei Dispositivi: Per ciascun dispositivo,
a ∈ A, si definisce un intervallo di tempo, [STa − ETa ], in
cui lo stesso può essere utilizzato e la durata del suo ciclo di
funzionamento, nta . I vincoli:
xat = 1,
∀a ∈ A
(2)
t=STa
1200
1000
Potenza [W]
ETaX
−nta +1
1400
garantiscono che il dispositivo sia avviato nell’intervallo di
tempo utile. Si osservi che quanto più (STa − ETa ) è grande,
tanto più il sistema è flessibile nel decidere quando utilizzare
i dispositivi domestici.
Batterie: In ciascun time slot, l’energia immagazzinata
dalla batteria dipende da quella del time slot precedente,
nonché da quella prelevata o immessa nel time slot attuale,
secondo i seguenti vincoli:
600
400
200
0
1
Fig. 3.
2
3
4
5
6
Time Slot
7
8
Profilo di carica della lavastoviglie, utilizzato nei test.
Profilo di Carico della Lavatrice
1982
∀b ∈ B, t ∈ T, t ≥ 2 (3)
C
D
dove vbt
e vbt
rappresentato, rispettivamente, le velocità di
carica a scarica della batteria (in potenza).
B. Modello Cooperativo
In questo modello, una comunità di utenti, U, coopera nella
gestione dell’energia, nonché nei processi di acquisto e vendita
della stessa. Il risultante modello di ottimizzazione è molto
simile a quello presentato nella sezione IV-A. La funzione
obiettivo cambia solo leggermente in quanto è ora utilizzata
per minimizzare la bolletta dell’intero gruppo di utenti:
XX
min
(4)
(ct · ytu − gt · ztu )
1800
1600
1400
Potenza [W]
1 C 11 D
B
eB
v
bt = eb(t−1) + ηvbt −
4
4 η bt
800
1200
1000
800
600
400
200
0
1
Fig. 4.
2
3
4
Time Slot
5
6
7
Profilo di carica della lavatrice, utilizzato nei test.
u∈U t∈T
u∈U
Tali vincoli limitano, in ogni time slot, la quantità globale di
potenza prelevata dalla rete dal gruppo di utenti.
V. R ISULTATI N UMERICI
I modelli proposti sono stati implementati in AMPL e risolti
con CPLEX. Nel caso non cooperativo, la configurazione
di base che è stata considerata consiste in un’abitazione
residenziale dotata di 11 dispositivi, collegata alla rete elettrica
con un picco di potenza prelevabile (y MAX ) di 3 kW. La
configurazione di partenza è stata definita sulla base di dati
presenti in letteratura in riferimento ad utenti italiani standard
[13], mentre i profili di consumo di ciascun dispositivo sono
stati ricavati utilizzando i risultati ottenuti in un precedente
progetto del Politecnico di Milano [14]. La Figura 3 e la
Figura 4, ad esempio, mostrano, rispettivamente, il profilo
standard di carico associato ad una lavastoviglie e ad una
lavatrice, dove ogni time slot corrisponde ad un intervallo
di 15 minuti. In Figura 5, inoltre, è riportata la distribuzione
statistica di utilizzo di una lavatrice.
Distribuzione di Utilizzo della Lavatrice
4.5
4
Probabilità di Utilizzo
Inoltre, va introdotta una famiglia aggiuntiva di vincoli:
X
MAX
ytu ≤ yU
∀t ∈ T
(5)
3.5
3
2.5
2
1.5
1
0.5
0
0
2
4
Fig. 5.
6
8
10
12
14
16
Orario Giornaliero [ore]
18
20
22
24
Distribuzione di utilizzo della lavatrice.
Partendo dalla configurazione di base, abbiamo definito
più scenari con e senza un pannello fotovoltaico di 1kWp
e una batteria con capacità di 10kWh e velocità massima
di carica/scarica di 3kWp, e con diverse tariffe di costo
dell’energia e livelli di flessibilità. Per quanto riguarda i
prezzi dell’elettricità, abbiamo considerato due diversi profili
di costo: una tariffa bioraria con un prezzo più basso del 15%
all’inizio e alla fine della giornata (cioè le ore di basso carico)
e una tariffa tempo-variante in cui il prezzo varia ogni ora con
costi più elevati nelle ore di picco della domanda (Figura 6).
Entrambi i profili sono stati ricavati in riferimento al mercato
energetico italiano: la tariffa bioraria è quella attualmente
adottata per l’utenza residenziale, mentre la tariffa tempovariante, in realtà non ancora utilizzata, è stata calcolata a
partire dal prezzo dell’elettricità nel mercato del giorno prima
(per un giorno di primavera del 2010) e aggiungendo poi a
questo i costi dei servizi ancillari del sistema elettrico (vale
a dire i costi per il dispacciamento dell’energia elettrica, per
la rete di trasporto distribuzione, ecc.). Per ogni tariffa, in
particolare, il prezzo dell’energia elettrica prodotta dai pannelli
e venduta alla rete è sempre assunto inferiore del 20% rispetto
al prezzo dell’energia elettrica acquistata dalla rete (20% è una
stima dei costi dei servizi ancillari del sistema elettrico).
Tariffe dell’Elettricità
0.2
Aspirapolvere
Ferro da stiro
TV PC
Forno
Microonde
Luci
Purificatore Acqua
Boiler
Lavastoviglie
Lavatrice
Frigorifero
0
Fig. 7.
2
4
6
8
10
12
14
16
Orario Giornaliero [ore]
18
20
22
24
Scenario a flessibilità media considerato nei test.
biorarie e tempo-variante è, rispettivamente, 15% e 32%.
Tali valori, però, non è detto siano ottenibili nella pratica in
quanto potrebbero richiedere di non rispettare alcuni vincoli
considerati nel modello come, ad esempio, quello sul valor
massimo di potenza prelevabile dalla rete.
Configurazione di Batterie/Pannelli
Flessibilità
0.1
0.05
Tariffa Bioraria
Tariffa Tempo−variante
0
0
2
4
6
8
10
12
14
16
18
20
22
24
Orario Giornaliero [ore]
Fig. 6.
0 Bat/0 Pan
0 Bat/1 Pan
1 Bat/0 Pan
1 Bat/1 Pan
Zero
1.502 e
1.1661 e
1.502 e
1.1661 e
Bassa
-10%
-11%
-12%
-11%
Media
-10%
-11%
-12%
-11%
Alta
-11%
-12%
-12%
-12%
TABLE I
B OLLETTA GIORNALIERA PER UNA SINGOLA UTENZA DOMESTICA NEL
CASO DI TARIFFA BIORARIA .
Prezzi dell’elettricità acquistata dalla rete.
Per quanto riguarda i livelli di flessibilità usati in riferimento
ai vincoli di programmazione dei dispositivi domestici, sono
stati qui considerati quattro diversi scenari: zero, bassa, media
e alta flessibilità. In Figura 7, ad esempio, è mostrato lo
scenario a flessibilità media. Come discusso nella Sezione IV,
per ogni dispositivo è stato definito un intervallo di tempo,
STa −ETa , che rappresenta il periodo temporale della giornata
in cui il dispositivo può essere utilizzato. In Figuraa 7 sono
rappresentati, per ciascun dispositivo, sia tale intervallo che
la durata del ciclo di funzionamento (cioè nta ) per il caso a
flessibilità media. I parametri STa e ETa sono stati ricavati
utilizzando i dati statistici disponibili per utenti italiani [13],
[14]. Nello scenario ad elevata flessibilità tali limiti sono stati
completamente rilassati (ovvero è disponibile l’intera giornata
per utilizzare i dispositivi).
I risultati dei test sono riportati in Tabella I e Tabella II, dove
per configurazione batteria/pannello fotovoltaico/flessibilità, si
riporta la riduzione della bolletta giornaliera rispetto al caso
di zero flessibilità (in cui il modello di ottimizzazione non
è utilizzato). Si osservi che, in teoria, il massimo risparmio
ottenibile in termini di riduzione della bolletta, per le tariffe
Configurazione di Batterie/Pannelli
Flessibilità
Prezoo [euro/kWh]
0.15
0 Bat/0 Pan
0 Bat/1 Pan
1 Bat/0 Pan
1 Bat/1 Pan
Zero
1.541 e
1.2026 e
1.541 e
1.2026 e
Bassa
-5%
-6%
-20%
-23%
Media
-5%
-6%
-20%
-24%
Alta
-16%
-19%
-21%
-29%
TABLE II
B OLLETTA GIORNALIERA PER UNA SINGOLA UTENZA DOMESTICA NEL
CASO DI TARIFFA TEMPO - VARIANTE .
Dai risultati mostrati in tabella, si evince che il risparmio
ottenibile con i modelli proposti, per quanto riguarda il caso
di tariffa bioraria, è solo leggermente dipendente dal livello
di flessibilità, cosı̀ che anche nello scenario a flessibilità
bassa si è in grado di ottenere un risparmio vicino al caso
di flessibilità elevata. Con tariffa tempo-variante, invece, si
evidenziano maggiori differenze tra i risultati ricavati variando
tale livello. In questo caso, infatti, la flessibilità rappresenta
un elemento fondamentale per adattarsi e sfruttare nel miglior
modo possibile il profilo di costo dell’energia.
Al fine di minimizzare la bolletta, un ruolo fondamentale
Configurazione di Batterie/Pannelli
Profilo di Acquisto
0 B/0 P
0 B/5 P
5 B/0 P
5 B/5 P
10 B/10 P
Non cooperativo,
M AX = 30kW, y M AX = 3kW
yU
13.509 e
11,9345 e
13.339 e
11.764 e
10.28 e
Cooperativo
M AX = 9kW, y M AX = 3kW
yU
Non
Risolvibile
Non
Risolvibile
+0.003 e
+0.002 e
+0.001 e
Cooperativo
M AX = 12kW, y M AX = 3kW
yU
Non
Risolvibile
Non
Risolvibile
+0.001 e
+0.002 e
+0.001 e
Cooperativo
M AX = 15kW, y M AX = 3kW
yU
+0.077 e
+0.075 e
+0.001 e
+0.002 e
+0.001 e
Cooperativo
M AX = 18kW, y M AX = 3kW
yU
+0.007 e
+0.070 e
+0.001 e
+0.001 e
+0.001 e
Cooperativo
M AX = 21kW, y M AX = 3kW
yU
+0.004 e
+0.070 e
+0.001 e
+0.001 e
+0.001 e
3
Potenza [kW]
Zero Flessibilità
Alta Flessibilità
2
1
0
0
2
4
6
8
10
12
14
16
18
20
22
24
Orario Giornaliero [ore]
TABLE III
B OLLETTA GIORNALIERA NEL CASO DI UTENTI NON
COOPERATIVI / COOPERATIVI CON TARIFFA BIORARIA E BASSA
FLESSIBILIT À .
Fig. 8. Electricity demand for zero and high flexibility with a two-hour tariff.
Profilo di Acquisto (5 Pannelli, 5 Batterie)
24
Non−Cooperativo
Cooperativo
21
18
Potenza [kW]
è svolto anche dai pannelli fotovoltaici e dalle batterie. I
pannelli, in particolare, consentono di risparmiare grazie alla
produzione di energia, mentre le batteria danno al sistema
la possibilità di immagazzinare l’energia durante le ore di
basso costo, per poterla poi usare o vendere quando l’elettricità
diventa più costosa.
Uno dei principali vantaggi del modello proposto è che
consente di ridurre la domanda di energia elettrica nelle ore di
punta di consumo dell’energia (cioè le ore ad alto prezzo). In
Figura 8 si confronta il profilo di acquisto dell’energia ottenuto
con il metodo proposto con quello di un’identica abitazione
in cui però non si fa uso del sistema proposto. Come si può
vedere, la domanda nelle ore di punta (cioè 8 am − 7 pm)
è decisamente inferiore, un risultato particolarmente positivo
per migliorare l’efficienza della rete elettrica.
Per l’efficienza della rete, vantaggi ancora più significativi possono essere ottenuti utilizzando il modello definito
per gruppi cooperativi di utenti. La cooperazione può infatti
consentire alla comunità di utenti di ridurre sensibilmente
il valore massimo di potenza prelevabile. Nei nostri test
abbiamo preso in considerazione un gruppo di 10 abitazione
del tutto identiche, con 11 dispositivi ciascuna, con diverse
combinazioni di pannelli fotovoltaici, batterie e valori di picco
MAX
di potenza (yU
). In Tabella III si riportanto i risultati
ottenuti nel caso di tariffa bioraria e bassa flessibilità. Per
ogni configurazione considerata, è rappresentato l’aumento
della bolletta rispetto al corrispondente caso di utenze non
cooperative (ovvero le bollette giornaliere sono ottimizzate in
modo indipendente per ciascuna delle 10 abitazione). Inoltre,
in Figura 9, è rappresentato un profilo d’acquisto di energia
per una delle configurazioni prese in esame.
Come si può notare, la batteria rappresenta un elemento
chiave al fine di consentire al gruppo di utenti di ridurre il valore massimo di potenza prelevabile con un aumento di spesa
trascurabile rispetto allo scenario non-cooperativo. La stessa
riduzione di potenza di picco sarebbe difficilmente ottenibile
nel caso non cooperativo perché richiederebbe all’utente di
cambiare in maniera significativa le proprie abitudini di uti-
15
12
9
6
3
0
0
2
4
6
8
10
12
14
16
18
20
22
24
Orario Giornaliero [ore]
Fig. 9. Profilo di acquisto dell’energia per 10 utenze non coperative e 10
cooperative nel caso di flessibilità bassa, tariffa bioraria, 5 pannelli e 5 batterie.
lizzo dei dispositivi domestici. In tal caso, infatti, gli utenti
non potrebbero più utilizzare diversi apparecchi contemporaneamente, a differenza di quanto accade invece nella loro
vita quotidiana. Si osservi, inoltre, che la riduzione del valor
massimo di potenza porterebbe vantaggi non solo alla rete
elettrica, ma anche agli utenti residenziali, per mezzo di
benefici economici garantiti dai rivenditori di energia, benefici
che sarebbero decisamente superiori all’aumento di spesa
presentato in Tabella III.
VI. C ONCLUSIONI
In questo articolo abbiamo presentato il BEE Project, un
progetto del Politecnico di Milano, finalizzato alla realizzazione di un sistema per la gestione dei consumi energetici
degli utenti residenziali nel contesto delle future Smart Grid.
Cuore del sistema è il meccanismo di pianificazione dei
profili di acquisto e vendita dell’energia, definito sulla base di
opportuni modelli di ottimizzazione. L’obiettivo è agevolare
l’utente nella programmazione e nella gestione dei propri processi energetici con l’intento di ridurre la corrispettiva bolletta
energetica. I test condotti hanno evidenziato che, adottando
prezzi dell’energia realistici, il risparmio economico derivante
da tale sistema non è probabilmente cosı̀ importante da indurre
l’utente ad adottare un tal tipo di soluzione. Tuttavia, tramite
tale sistema, si è in grado di assicurare significativi benefici
alla rete elettrica in termini, ad esempio, di riduzione della
domanda nelle ore di picco. Inoltre, nel caso cooperativo, i
modelli presentati hanno consentito di ridurre il valore massimo di potenza prelevabile dalla rete dalle utenze domestiche,
facendo sı̀ che la domanda di energia venisse spalmata in
maniera più regolare nell’arco delle 24 ore. Per tale motivo,
nell’ottica del fornitore di energia elettrica, l’implementazione
del sistema proposto costituirebbe un notevole valore aggiunto
al servizio reso agli utenti. Egli in prospettiva potrebbe fornire
tale soluzione ai propri utenti, garantendo loro l’accesso a una
serie di servizi avanzati e l’applicazione di tariffe diversificate
chiedendo in cambio il rispetto di determinati vincoli energetici.
R EFERENCES
[1] A. Chuang and M. McGranaghan. Functions of a local controller to
coordinate distributed resources in a smart grid. In PES General Meeting.
IEEE, 2008.
[2] C. Clasters, T. Ha Pham, F. Wurtz, and S. Bacha. Ancillary services and
optimal household energy management with photovoltaic production. In
Energy, 35(1):55–64, 2010.
[3] M. Newborough, S.D. Probert. Intelligent automatic electrical-load
management for networks of major domestic appliances. In Applied
Energy, 151–68, 1990.
[4] D.L Ha. An advanced system of energy management in building to
production and consumption coordination. In French Ph.D. dissertion,
Departement Eletrical Engineering, Grenoble Institute of Thechnology,
2007.
[5] L. Duy Ha, F. de Lamotte, and H. Quoc Hung. Real-time dynamic
multilevel optimization for Demand-side Load management. In IEEM
’07, pages 945 – 949. IEEE, 2007.
[6] L. Duy Ha, S. Ploix, E. Zamai, and M. Jacomino. Tabu search for the
optimization of household energy consumption. In IRI ’06, pages 86 –
92. IEEE, 2006.
[7] S. Hatami and M. Pedram. Minimizing the Electricity Bill of Cooperative
Users under a Quasi-Dynamic Pricing Model. In SmartGridComm ’10,
pages 421–426. IEEE, 2010.
[8] C. Ibars, M. Navarro, and L. Giupponi. Distributed Demand Management
in Smart Grid with a Congestion Game. In SmartGridComm ’10, pages
495–500. IEEE, 2010.
[9] X. Jiang, S. Dawson-Haggerty, P. Dutta and D. Culler. Design and
implementation of a high-fidelity ac metering network. In IPSN ’09,
pages 253–264. IEEE, 2009.
[10] A. Rowe, M. Berges and R. Rajkumar. Contactless sensing of appliance
state transitions through variations in electromagnetic fields. In BuildSys
’10, pages 19–24. ACM, 2010.
[11] P. Stern. Information, incentives, and proenvironmental consumer
behavior. Journal of Consumer Policy, 22(4):461–478, 1999.
[12] A. Barbato, A. Capone, G. Carello, M. Delfanti, M. Merlo and A. Zaminga. Cooperative and Non-Cooperative House Energy Optimization in
a Smart Grid Perspective. SustaInet ’11, IEEE, 2011.
[13] R. Viadana and L. Croci. Domotic applications for the Demand
Side Management. Final Report Project ECORET, available in Italian on : http://www.ricercadisistema.it/Documenti/SintesiDoc.aspx?idN=
1372&idD=307047.
[14] Micene Project. http://www.eerg.it/index.php?p=Progetti - MICENE.