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