⚡ electrical engineering

Ageing-aware Energy Management for Residential Multi-Carrier Energy Systems

Questo articolo presenta un controlore predittivo economico non lineare consapevole dell'invecchiamento per edifici elettrificati che integra modelli di degrado fisico delle batterie, ottimizzando il compromesso tra costi energetici e durata dei dispositivi e dimostrando miglioramenti significativi rispetto allo stato dell'arte, specialmente con batterie invecchiate e diverse chimiche.

Autori originali: Darío Slaifstein (Delft University of Technology), Gautham Ram Chandra Mouli (Delft University of Technology), Laura Ramirez-Elizondo (Delft University of Technology), Pavol Bauer (Delft University of

Pubblicato 2026-04-20

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Darío Slaifstein (Delft University of Technology), Gautham Ram Chandra Mouli (Delft University of Technology), Laura Ramirez-Elizondo (Delft University of Technology), Pavol Bauer (Delft University of Technology)

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 tua casa come un orchestra complessa.
In passato, il direttore d'orchestra (il sistema che gestisce l'energia) aveva un unico compito: far suonare gli strumenti nel modo più economico possibile, ignorando se gli strumenti si stavano rovinando. Se il violino (la batteria) si rompeva dopo un anno perché suonava troppo forte, il direttore diceva: "Peccato, ne compriamo un altro".

Questo articolo presenta un nuovo direttore d'orchestra "saggio" che non guarda solo al portafoglio, ma anche alla salute degli strumenti.

1. Il Problema: Il "Direttore" che non vede il futuro

Oggi, molte case hanno:

Pannelli solari (che producono energia quando c'è il sole).
Batterie (per salvare l'energia).
Auto elettriche (che sono batterie giganti su ruote).
Pompe di calore (per riscaldare l'acqua e la casa).

I vecchi sistemi gestiscono tutto questo in modo "stupido": caricano e scaricano le batterie a caso per risparmiare sulla bolletta, senza curarsi che la batteria si stia consumando. È come guidare un'auto premendo l'acceleratore a fondo ogni volta che c'è un semaforo verde, solo per arrivare prima, senza pensare che il motore si surriscalderà.

2. La Soluzione: Il "Direttore" che ascolta la batteria

Gli autori di questo studio hanno creato un sistema intelligente (chiamato MPC Ageing-Aware) che fa due cose fondamentali:

Capisce la "chimica" della batteria: Non tutte le batterie sono uguali. Alcune sono fatte con un materiale chiamato NMC (più costose, più delicate), altre con LFP (più robuste, come un vecchio mulo che non si stanca mai). Il nuovo sistema sa distinguere tra queste due "anime" e le tratta di conseguenza.
Ascolta la "voce" della batteria: Invece di usare formule matematiche approssimative (come dire "ogni volta che la carichi, perde un po' di vita"), il sistema usa una ricetta fisica reale. Sa esattamente cosa succede dentro la batteria quando la carichi o la scarichi: come si formano i "grumi" chimici (chiamati SEI) che la intasano e come i materiali interni si stancano.

3. Come funziona nella pratica? (Le Analogie)

Immagina di avere tre serbatoi d'acqua nella tua casa:

L'Auto Elettrica: Un secchio che devi riempire ogni sera per andare al lavoro domani.
La Batteria Fissa: Un secchio che puoi usare per rubare acqua quando è gratis e venderla quando costa cara.
Il Serbatoio Termico: Una grande vasca d'acqua calda che tiene il calore per la casa.

Il vecchio sistema diceva: "Usa la batteria fissa per tutto! Scaricala fino all'ultima goccia e ricaricala subito!". Risultato: Risparmi sulla bolletta oggi, ma la batteria muore giovane.

Il nuovo sistema (saggio) dice:

"Oggi l'auto è a casa? Usiamo la sua batteria per fare i lavori pesanti, perché è più robusta."
"La batteria fissa è un po' vecchia? Non la stressiamo troppo, la teniamo a un livello di carica medio per non farla invecchiare."
"Se c'è il sole e l'acqua è gratis, riempiamo la vasca termica (che non si rompe mai) invece di stressare la batteria elettrica."

4. I Risultati Magici

Grazie a questo approccio, il sistema ha scoperto cose sorprendenti:

La scelta della batteria: Se scegli batterie LFP (quelle più robuste) e le gestisci con questo nuovo sistema, risparmi il 10% in più sulla bolletta estiva e la batteria si degrada il 20% in meno rispetto alle batterie NMC. È come scegliere scarpe da ginnastica di alta qualità invece di quelle economiche: durano di più e ti fanno correre meglio.
Le batterie vecchie funzionano meglio: La cosa più bella è che il sistema funziona anche se la batteria è "vecchia" (ha già perso un po' di capacità). Anzi, diventa ancora più bravo a gestirla rispetto ai vecchi sistemi, perché capisce che la batteria non è più come nuova e adatta la strategia. È come un allenatore che, vedendo un atleta invecchiare, cambia la strategia di allenamento per mantenerlo in forma più a lungo, invece di spingerlo come se avesse 20 anni.

In sintesi

Questo studio ci dice che non dobbiamo scegliere tra risparmiare sulla bolletta e far durare le batterie. Possiamo avere entrambe le cose.

Basta smettere di trattare le batterie come oggetti statici e iniziare a trattarle come organismi viventi che hanno bisogno di cure, riposo e una gestione intelligente. Il risultato? Bollette più basse, batterie che durano anni in più e una casa che funziona come un orologio svizzero, anche quando il sole non c'è o il prezzo dell'energia cambia.

È come passare da un'auto che si rompe ogni due anni a un'auto che, se guidata con intelligenza, ti porta a destinazione per un decennio senza problemi.

Titolo: Gestione Energetica Consapevole dell'Invecchiamento per Sistemi Energetici Multi-Vettore Residenziali

1. Il Problema

La decarbonizzazione del settore residenziale richiede l'integrazione di risorse energetiche distribuite (DER) che gestiscono multipli vettori energetici: elettricità, calore e mobilità (veicoli elettrici). La sfida principale risiede nella complessità della gestione ottimale di questi sistemi (Multi-Carrier Energy Systems - MCES), caratterizzati da dinamiche non lineari, incertezze nelle previsioni e vincoli computazionali.

Attualmente, i sistemi di gestione energetica (EMS) presentano due limiti critici:

Modelli di invecchiamento inadeguati: La maggior parte degli EMS utilizza modelli empirici di degrado delle batterie (basati su cicli medi o tassi di scarica medi) che non riescono a catturare i meccanismi fisici reali. Questi modelli sono spesso imprecisi quando applicati fuori dalle condizioni di taratura e non distinguono tra diverse chimiche delle batterie.
Mancata integrazione termica: Spesso l'interazione tra i vettori elettrici e termici viene semplificata eccessivamente, ignorando le dinamiche specifiche dei sistemi di accumulo termico (TESS) e delle pompe di calore, portando a decisioni di dispatch subottimali.

L'obiettivo è sviluppare un EMS capace di bilanciare la riduzione dei costi energetici (grid cost) con l'estensione della vita utile delle batterie, tenendo conto della loro chimica specifica e del loro stato di salute (SoH).

2. Metodologia

Gli autori propongono un Controllore Predittivo Economico Non Lineare (eMPC) consapevole dell'invecchiamento, integrato in un framework di ottimizzazione basato su modelli fisici ridotti (Physics-Based Reduced Order Models - PBROM).

Framework di Controllo:
- Viene utilizzato un approccio Direct Lookahead (DLA) con un pianificatore Day-Ahead e un layer MPC in tempo reale.
- L'obiettivo è minimizzare una funzione di costo composta da: costi energetici dalla rete, costi di degrado della capacità delle batterie e penalità per il mancato raggiungimento del SoC desiderato del veicolo elettrico (EV) alla partenza.
- Il sistema gestisce tre vettori: Elettrico (PV, BESS, EV, Griglia), Termico (Pompa di calore, Collettori solari, TESS) e Mobilità.
Modellazione delle Batterie:
- Modello di Prestazione: Utilizza un modello di circuito equivalente del primo ordine (ECM) per catturare la dinamica della tensione e della capacità, superando le semplificazioni dei modelli a "secchio" (bucket model).
- Modello di Degrado (PBROM): A differenza dei modelli empirici, il paper integra un modello fisico basato sui principi fondamentali (First-Principles) che modella esplicitamente due meccanismi di degrado:
  1. Crescita dello strato di interfaccia solido-elettrolita (SEI).
  2. Perdita di materiale attivo (AM) dovuta allo stress meccanico.
- Questo modello permette di distinguere tra diverse chimiche (NMC vs LFP) e di adattarsi all'invecchiamento della batteria (SoH < 100%).
Condizioni Terminali Flessibili:
- Per gestire l'ottimizzazione non convessa su orizzonti temporali limitati, sono state introdotte condizioni terminali specifiche per ogni tipo di accumulo:
  - BESS: Condizione periodica flessibile (non fissa al 50% di SoC) per bilanciare arbitraggio e degrado.
  - EV: Vincolo soft di tracking del SoC alla partenza.
  - TESS: Nessuna condizione terminale rigida, lasciando che il sistema operi secondo la sua costante temporale naturale.

3. Contributi Chiave

Integrazione PBROM nell'EMS: È uno dei primi lavori che integra modelli di degrado fisici (PBROM) direttamente nell'algoritmo di ottimizzazione di un EMS residenziale multi-vettore, permettendo di prendere decisioni basate sulla fisica reale della cella.
Distinzione Chimica e Adattabilità: L'algoritmo distingue tra chimiche diverse (NMC e LFP) e si adatta dinamicamente allo stato di invecchiamento della batteria, ottimizzando il dispatch in base alle caratteristiche specifiche del pacco batterie attuale.
Gestione Multi-Vettore Integrata: Unifica la gestione di accumuli elettrici (BESS, EV) e termici (TESS) con modelli dinamici distinti, evitando semplificazioni eccessive che porterebbero a sovradimensionamenti o inefficienze.
Trade-off Esplicito: Il sistema permette agli utenti di sintonizzare il compromesso tra riduzione dei costi della rete e estensione della vita della batteria attraverso pesi nell'obiettivo di ottimizzazione.

4. Risultati

Lo studio è stato validato attraverso simulazioni su dati reali (TU Delft Green Village) per un anno, confrontando tre strategie:

BNoDeg: Modello a secchio senza degrado.
CEmpDeg: Modello ECM con degrado empirico.
CPBDeg (Proposta): Modello ECM con degrado PBROM.

Risultati Principali:

Performance di Degrado: Il controller CPBDeg riduce il degrado specifico per ciclo ( $\partial Q_{loss}/\partial FEC$ ) del 10% rispetto al controller senza degrado (BNoDeg) e del 20% rispetto al controller empirico (CEmpDeg) in estate, mantenendo costi di rete competitivi.
Confronto Chimiche (NMC vs LFP): Sostituendo le celle NMC con LFP, il sistema CPBDeg ottiene una riduzione del 10% nei costi di rete e una diminuzione del 20% nel degrado in estate. Questo dimostra che l'EMS sa sfruttare le caratteristiche fisiche superiori delle celle LFP (minore sensibilità alla degradazione da SEI).
Gestione di Batterie Invecchiate: Quando testato con batterie al 90% di SoH, il CPBDeg migliora ulteriormente le prestazioni rispetto ai benchmark, riducendo i costi di rete del 6% in estate e il degrado del 30-45% rispetto al controller lineare. Il controller "impara" che con batterie vecchie il degrado ciclico diventa predominante rispetto a quello da calendario, adattando di conseguenza il dispatch.
Costo Computazionale: L'uso di modelli fisici complessi non ha un impatto proibitivo sui tempi di calcolo (1-5 secondi per passo), rendendo l'approccio fattibile per applicazioni in tempo reale.

5. Significato e Implicazioni

Questo lavoro segna un passo avanti significativo verso la gestione intelligente degli edifici del futuro:

Total Cost of Ownership (TCO): Sposta il focus dalla semplice minimizzazione della bolletta mensile alla minimizzazione del costo totale di proprietà, estendendo la vita operativa delle batterie residenziali di diversi anni.
Scelta Tecnologica: Fornisce una base quantitativa per la scelta delle tecnologie di accumulo, dimostrando che le celle LFP, combinate con un EMS consapevole dell'invecchiamento, offrono il miglior compromesso costo-prestazioni.
Scalabilità: La metodologia può essere estesa ad altri settori (commerciale, industriale) e offre un framework robusto per integrare l'incertezza e la fisica delle batterie nei sistemi di controllo di rete.

In sintesi, il paper dimostra che l'integrazione di modelli fisici di invecchiamento negli EMS residenziali non è solo teoricamente possibile, ma porta a guadagni tangibili in termini di economia e sostenibilità, permettendo di gestire sistemi energetici complessi in modo più intelligente e duraturo.