⚡ electrical engineering

Probabilistic Flexibility Aggregation of DERs for Ancillary Services Provision

Questo articolo propone un approccio probabilistico e grid-aware basato su un flusso di potenza ottimo per aggregare la flessibilità delle risorse energetiche distribuite (DER) nelle reti di distribuzione, permettendo loro di partecipare in modo efficiente e sicuro ai mercati dei servizi ancillari considerando vincoli di rete, costi operativi e incertezze.

Autori originali: Matthieu Jacobs, Mario Paolone

Pubblicato 2026-02-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Matthieu Jacobs, Mario Paolone

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina la rete elettrica come un grande sistema di tubazioni dell'acqua che porta energia a tutte le case e le aziende. Fino a poco tempo fa, l'acqua arrivava solo da grandi dighe (le centrali elettriche tradizionali). Oggi, però, abbiamo milioni di piccoli rubinetti e serbatoi sparsi un po' ovunque: i tetti solari, le batterie delle auto elettriche e le pompe di calore. Questi sono i DER (Risorse Energetiche Distribuite).

Il problema è che questi piccoli rubinetti sono "schizzinosi": il sole non splende sempre, le batterie si scaricano e le persone usano l'acqua (energia) in momenti diversi. Inoltre, le tubazioni (la rete elettrica) hanno un limite: se spingi troppa acqua in un tubo troppo stretto, questo scoppia o si surriscalda.

Il Problema: Come vendere l'energia in eccesso?

I gestori della rete nazionale (TSO) hanno bisogno di "servizi di emergenza" per mantenere la frequenza stabile (come un direttore d'orchestra che tiene il tempo). Chiedono energia veloce e affidabile.
I proprietari di questi piccoli rubinetti (DER) vorrebbero vendere la loro energia in eccesso a questi gestori per guadagnare. Ma c'è un ostacolo: come fanno i gestori locali (DSO) a dire al gestore nazionale: "Ehi, abbiamo 1000 kW disponibili" senza mentire?

Se dicono "abbiamo 1000 kW" ma poi, quando arriva l'ordine, scoprono che una batteria è scarica o un cavo si è surriscaldato, la rete va in tilt.

La Soluzione: L'Aggregazione Probabilistica "Intelligente"

Questo articolo presenta un nuovo metodo matematico per rispondere a questa domanda. Immaginalo come un manager di un'agenzia di viaggi che deve organizzare un viaggio di gruppo.

Ecco i 4 pilastri del loro metodo, spiegati con analogie:

1. Il "Raggruppamento" (Aggregazione)

Invece di guardare ogni singola batteria o pannello solare uno per uno (che sarebbe come contare ogni singolo granello di sabbia), il metodo li raggruppa in un unico "pacchetto" virtuale.

L'analogia: Immagina di avere 1000 piccoli palloncini. Invece di dire "questo palloncino può gonfiarsi di 1 litro, questo di 2...", il metodo crea un unico "pallone gigante" che rappresenta la somma di tutti. Questo "pallone gigante" è la flessibilità aggregata che viene offerta al mercato.

2. La "Scatola di Sicurezza" (Gestione dell'Incertezza)

Il sole e il vento sono imprevedibili. Come possiamo essere sicuri che il "pallone gigante" non si sgonfi quando serve?

L'analogia: Invece di promettere esattamente 1000 kW (rischiando di non averli), il metodo usa una "scatola di sicurezza" statistica. Dice: "Siamo sicuri al 90% che avremo almeno questa quantità di energia disponibile".
È come dire a un amico: "Ti porto il pranzo, sono sicuro al 90% che non pioverà e che il traffico sarà normale". Non prometti il 100% (che sarebbe troppo rischioso), ma il 90% è abbastanza per fare un contratto serio. Il metodo usa forme geometriche (ellissi) per disegnare questa scatola di sicurezza in modo efficiente, evitando di essere troppo pessimisti (come chi dice "potrebbe piovere, non usciamo mai") o troppo ottimisti.

3. Il "Conto alla Rovescia" (Vincoli Temporali)

Alcune risorse, come le batterie, hanno una memoria. Se usi la batteria ora per vendere energia, non ce l'hai più dopo.

L'analogia: È come gestire un budget di vacanze. Se spendi tutti i tuoi soldi oggi per un viaggio di lusso, domani non puoi mangiare. Il metodo calcola non solo quanto puoi vendere adesso, ma come questa vendita influenzerà la tua capacità di vendere domani. Tiene conto del "tempo che scorre" per non svuotare le batterie prima del previsto.

4. Il "Prezzo Giusto" (Costi e Convenienza)

Non tutte le batterie sono uguali. Alcune costano di più da usare (si degradano prima) rispetto ad altre.

L'analogia: Immagina di dover pagare dei fattorini per consegnare pacchi. Alcuni fattorini chiedono 10 euro, altri 50. Il metodo non sceglie a caso: sceglie sempre i fattorini più economici per massimizzare il guadagno. Assicura che l'energia venduta sia "conveniente" (cost-effective), evitando di usare batterie costose per servizi che pagano poco.

La "Mappa della Città" (Vincoli di Rete)

Questo è il punto più importante e innovativo. Molti metodi precedenti dicevano: "Abbiamo 1000 kW!" senza guardare i cavi elettrici.

L'analogia: È come dire "Posso portare 1000 persone in autobus" senza guardare se l'autostrada è libera o se ci sono ponti che crollano.
Il nuovo metodo guarda la mappa della città. Sa che certi tubi (cavi) sono stretti e si surriscaldano se spingi troppo. Quindi, calcola la quantità di energia che si può vendere senza far scoppiare i tubi. Se un cavo è stretto, il metodo riduce automaticamente l'offerta per quella zona, garantendo che la rete rimanga sicura.

Il Risultato: Un "Decompositore" Magico

Infine, il metodo fa l'opposto: quando il gestore nazionale dice "Voglio 500 kW di emergenza", il sistema sa esattamente chi deve agire.

L'analogia: È come un direttore d'orchestra che, sentendo il bisogno di un suono forte, indica al violino numero 3 di suonare forte e al flauto numero 5 di suonare piano. Il sistema "smonta" il pacchetto gigante e dice a ogni singola batteria o pannello solare cosa fare, rispettando i costi e la sicurezza.

In Sintesi

Questo articolo insegna ai gestori delle reti locali come raggruppare intelligentemente migliaia di piccole fonti di energia rinnovabile per venderle al mercato nazionale, garantendo che:

Siano sicure (non si rompono i cavi).
Siano affidabili (c'è il 90% di probabilità che l'energia ci sia).
Siano economiche (si usa la risorsa più economica disponibile).
Siano temporali (non si esaurisce la batteria prima del tempo).

È un passo fondamentale per permettere alle nostre case e alle nostre auto elettriche di diventare veri e propri "banchieri" dell'energia, aiutando a stabilizzare la rete e guadagnando qualcosa nel frattempo, tutto senza far saltare la spina.

Titolo: Aggregazione Probabilistica della Flessibilità delle Risorse Energetiche Distribuite (DER) per la Fornitura di Servizi Ancillari

1. Il Problema

L'articolo affronta la sfida di aggregare la flessibilità fornita dalle Risorse Energetiche Distribuite (DER) all'interno di Reti di Distribuzione Attive (ADN) per permettere la loro partecipazione ai mercati dei servizi ancillari (AS) gestiti dal Gestore della Rete di Trasmissione (TSO).
Le principali difficoltà identificate sono:

Vincoli di Rete: La flessibilità aggregata deve rispettare i vincoli operativi della rete di distribuzione (tensione, correnti di linea) per evitare congestioni.
Accoppiamento Temporale: Molte risorse (es. batterie, pompe di calore) hanno vincoli energetici che legano le decisioni tra diversi istanti temporali, rendendo impossibile l'ottimizzazione per singolo passo temporale.
Incertezza: La generazione rinnovabile (PV) e i carichi sono stocastici. Approcci puramente robusti (worst-case) sono spesso troppo conservativi, mentre approcci deterministici ignorano i rischi.
Multi-Servizio: Le metodologie esistenti spesso considerano un solo tipo di servizio alla volta. Tuttavia, servizi diversi (es. regolazione primaria FCR e secondaria aFRR) hanno requisiti di accoppiamento temporale e costi diversi, competendo per la stessa risorsa.
Costi Operativi: È necessario garantire che l'aggregazione sia economicamente efficiente, tenendo conto dei costi operativi delle DER.

2. Metodologia

Gli autori propongono un approccio grid-aware (consapevole della rete) basato su un flusso di potenza ottimo (OPF) probabilistico. La metodologia si articola nei seguenti punti chiave:

Modellazione della Flessibilità:
- L'insieme della flessibilità aggregata al Punto di Connessione alla Rete (GCP) è rappresentato come un insieme ellissoidale (o a quadranti per servizi asimmetrici).
- Viene utilizzata una linearizzazione del flusso di potenza (modello a punto fisso) per rendere il problema trattabile e lineare.
Gestione dell'Incertezza:
- L'incertezza (carico e produzione PV) è gestita in modo probabilistico tramite insiemi di incertezza ellissoidali.
- Viene soddisfatto il requisito P90 (disponibilità della flessibilità nel 90% dei casi), tipico dei mercati nordici, utilizzando insiemi di incertezza empirici derivati dai dati storici per garantire una copertura congiunta della distribuzione di probabilità.
Aggregazione Multi-Servizio:
- Il problema è formulato per fornire simultaneamente servizi simmetrici (FCR) e asimmetrici (aFRR up/down).
- Viene applicato il principio di sovrapposizione per sommare i contributi dei diversi servizi, garantendo che ogni servizio sia selezionabile e attivabile indipendentemente.
Ottimizzazione dei Costi e Disaggregazione:
- L'obiettivo non è massimizzare semplicemente il volume dell'insieme, ma il valore economico della flessibilità, pesato sui prezzi dei servizi ( $\pi_s$ ).
- Viene introdotta una condizione di convenienza economica: i ricavi attesi devono superare i costi operativi delle DER.
- Una politica di disaggregazione affine mappa la flessibilità aggregata al GCP verso le singole DER, calcolando i costi operativi in modo esplicito e garantendo che la soluzione sia economicamente fattibile.
Scalabilità (Multi-Feeder):
- Per reti reali con molti nodi, viene proposto un approccio di decomposizione per alimentatori. La flessibilità viene calcolata per ogni alimentatore separatamente (risolvendo problemi OPF più piccoli) e poi aggregata a livello di trasformatore di stazione primaria, considerando i vincoli di rating del trasformatore.

3. Contributi Chiave

Il paper apporta i seguenti contributi innovativi rispetto allo stato dell'arte:

Aggregazione Multi-Servizio: Propone un metodo basato su insiemi ellissoidali (o a quadranti) che gestisce simultaneamente servizi con diversi requisiti di accoppiamento temporale e prezzi.
Integrazione Esplicita dei Costi: Integra vincoli espliciti che modellano la disaggregazione e garantiscono che qualsiasi flessibilità selezionata sia economicamente vantaggiosa (cost-effective), considerando i costi operativi delle DER.
Gestione Probabilistica dell'Incertezza: Utilizza insiemi di incertezza congiunti per soddisfare il requisito P90, evitando l'eccessiva conservatività degli approcci robusti tradizionali.
Scalabilità: Sviluppa un metodo di decomposizione per gestire reti di distribuzione realistiche con un elevato numero di nodi, mantenendo il problema computazionalmente trattabile.

4. Risultati

Gli autori hanno validato il metodo su diversi casi di studio:

Sistema di Riferimento IEEE33:
- Confronto tra diversi insiemi di incertezza: l'approccio probabilistico (ellissoide al 90%) offre un buon compromesso tra volume di flessibilità e tasso di violazione dei vincoli (0% di violazione rispetto al 6.25% per l'approccio a "scatola" o hyperbox, che è meno conservativo ma rischioso).
- Confronto tra scenari "Baseload controllato" e "Self-dispatching": lo scenario self-dispatching offre meno flessibilità al TSO perché una parte significativa della capacità delle batterie è riservata per bilanciare le incertezze locali.
Sistemi Multi-Feeder Realistici:
- Applicazione su 5 alimentatori sintetici interconnessi. Il metodo dimostra di essere scalabile: la risoluzione parallela per alimentatore riduce i tempi di calcolo (minuti) rispetto all'approccio monolitico che risulterebbe intrattabile.
- L'analisi mostra come la riduzione del rating del trasformatore limiti la flessibilità disponibile, specialmente per i servizi simmetrici.
Integrazione di Tipologie Multiple di DER:
- Inclusione di Batterie (BESS), Pompe di Calore (HP) e Fotovoltaico (PV).
- Risultato: Le batterie forniscono tutti i servizi; le HP partecipano al controllo del baseload e all'aFRR; il PV partecipa solo all'aFRR discendente (riduzione produzione) per evitare di compromettere il bilanciamento dell'incertezza.
Importanza dei Vincoli di Rete:
- Un confronto tra un approccio "grid-aware" e uno che ignora i vincoli di rete mostra che ignorare la rete porta a una sovrastima della flessibilità. In assenza di vincoli di rete, si offrirebbe più flessibilità a prezzi alti, ma ciò causerebbe violazioni delle correnti di linea (congestioni) in scenari reali.

5. Significato e Impatto

Questo lavoro è significativo per diversi motivi:

Coordinamento DSO-TSO: Fornisce un framework rigoroso che permette ai Distributori (DSO) di aggregare e offrire flessibilità ai Trasmettitori (TSO) in modo sicuro, garantendo che la rete di distribuzione non venga sovraccaricata.
Valore Economico: Sposta il focus dalla semplice massima capacità fisica alla massima valore economico della flessibilità, allineando gli interessi dei proprietari delle DER con le esigenze del sistema.
Mercati Flessibili: La rappresentazione della flessibilità tramite vincoli conici di secondo ordine (SOC) rende l'approccio compatibile con i mercati basati su ottimizzazione conica, facilitando l'integrazione diretta nei mercati dei servizi ancillari.
Realismo Operativo: L'uso di dati reali per l'incertezza e la considerazione di vincoli di rete dettagliati rendono il metodo applicabile a sistemi di distribuzione reali, superando le limitazioni delle simulazioni puramente teoriche.

In sintesi, il paper propone una soluzione matematica avanzata e praticabile per trasformare le risorse distribuite in una risorsa di bilanciamento affidabile ed economica per la rete elettrica, gestendo efficacemente le complessità di rete, temporali e stocastiche.