Optimal Microgrid Sizing of Offshore Renewable Energy Sources for Offshore Platforms and Coastal Communities

Sintesi Tecnica: Dimensionamento Ottimale di Microreti di Energie Rinnovabili Offshore per Piattaforme Offshore e Comunità Costiere

Definizione del Problema
Le comunità offshore isolate e le piattaforme, come isole e impianti petroliferi e di gas, dipendono tradizionalmente dalle reti continentali o da generatori diesel, il che comporta elevati costi energetici e significative emissioni di carbonio. Sebbene le risorse rinnovabili offshore (eolico, moto ondoso, mareomotore e fotovoltaico galleggiante) offrano un'alternativa sostenibile, la loro natura intermittente complica la progettazione del sistema. Una sfida critica nella pianificazione delle microreti è la modellazione accurata del degrado dei sistemi di accumulo di energia tramite batterie (BESS). I modelli di ottimizzazione tradizionali spesso semplificano eccessivamente i costi di degrado come una percentuale fissa dell'investimento di capitale o si affidano a parametri di input limitati, portando a stime errate dei costi di vita e a un dimensionamento subottimale del sistema. Inoltre, gli strumenti di ottimizzazione esistenti spesso faticano a gestire la complessità computazionale introdotta dai fattori di degrado non lineari e dalla natura stocastica delle risorse energetiche marine.

Metodologia
Gli autori propongono un Ottimizzatore di Microreti a Energie Rinnovabili (REMO) progettato per determinare il mix ottimale e il dimensionamento delle risorse di generazione rinnovabile offshore e di accumulo. La metodologia integra cinque componenti chiave:

1. Modellazione delle Risorse: Il modello utilizza cinque anni di dati storici dal National Data Buoy Center (NDBC) e dalla NOAA per proiettare le uscite di potenza per turbine eoliche offshore (OWT), convertitori di energia del moto ondoso (WEC), convertitori di energia mareomotrice (TEC) e sistemi fotovoltaici galleggianti (FPV) in sei regioni degli Stati Uniti (Texas, Alaska, California, Florida, Hawaii, New Jersey).
2. Framework di Ottimizzazione: Il modello REMO minimizza il costo totale del ciclo di vita, comprendente i costi pre-messa in servizio, di capitale, di operatività e manutenzione (O&M), di decommissioning e di degrado della batteria. Utilizza un approccio di programmazione lineare intera mista per selezionare le capacità ottimali da un insieme di unità di generazione commercialmente disponibili e prototipali.
3. Degrado della Batteria basato su Reti Neurali Profonde (DNN-BD): Per affrontare il limite dei modelli di degrado semplificati, gli autori integrano un modulo DNN-BD. Questo modulo è addestrato su 945 simulazioni di invecchiamento utilizzando cinque variabili di input critiche: temperatura ambiente, tasso di carica/scarica, stato di carica (SOC), profondità di scarica (DOD) e stato di salute (SOH). La rete prevede il degrado ciclo per ciclo per calcolare con precisione i costi basati sull'uso.
4. Algoritmo Euristico Disaccoppiato: Riconoscendo che il modello DNN-BD introduce non linearità e non convessità, rendendo l'ottimizzazione diretta computazionalmente onerosa, gli autori impiegano un euristico disaccoppiato iterativo. Questo algoritmo risolve il modello REMO, analizza il programma operativo del BESS per raggruppare i cicli, calcola i costi di degrado tramite la DNN e, iterativamente, stringe i vincoli operativi (limitando la potenza massima e l'uscita totale) per ridurre il degrado fino alla convergenza.
5. Semplificazione del Modello: Un modello "REMO-semplificato" viene sviluppato analizzando il costo livellato dell'energia (LCOE) di tutte le risorse. Sulla base dei risultati che mostrano come i WEC e i TEC presentino LCOE significativamente più elevati nella maggior parte delle regioni rispetto a OWT e FPV, queste risorse vengono escluse dal modello semplificato per ridurre i tempi di calcolo senza sacrificare l'ottimalità economica per gli scenari testati.

Contributi Chiave

• Integrazione di Modellazione Avanzata del Degrado: Il documento introduce un'innovativa integrazione di una rete neurale profonda in un framework di dimensionamento di microreti. A differenza dei modelli tradizionali che trattano il degrado come un costo statico, questo approccio tiene conto dinamicamente delle interazioni non lineari tra fattori ambientali (temperatura) e stress operativi (SOC, DOD, C-rate).
• Strategia di Ottimizzazione Iterativa: Lo sviluppo di un algoritmo euristico disaccoppiato consente l'inclusione di modelli di degrado complessi e non convessi all'interno di un normale flusso di lavoro di ottimizzazione, bilanciando la fattibilità computazionale con l'accuratezza della modellazione.
• Analisi Regionale Esaustiva: Lo studio fornisce un'analisi comparativa di quattro diverse tecnologie rinnovabili marine in sei regioni geograficamente diversificate degli Stati Uniti, offrendo approfondimenti specifici sulla viabilità delle risorse (ad esempio, la dominanza delle OWT in Alaska rispetto ai FPV nelle Hawaii).
• Analisi di Sensibilità dei Costi: Il documento quantifica le soglie di riduzione dei costi necessarie affinché le tecnologie emergenti (WEC e TEC) diventino economicamente competitive, identificando punti di prezzo specifici (rispettivamente il 13% e il 10% dei costi attuali) in cui potrebbero sostituire altre risorse in regioni specifiche.

Risultati
Le simulazioni condotte su piattaforme petrolifere e di gas offshore e su una grande città costiera hanno prodotto i seguenti risultati:

• Riduzione dei Costi: L'integrazione dell'approccio REMO-DNN-BD ha ridotto il costo totale del ciclo di vita del 7,7% e ha ridotto i costi di degrado del BESS di circa il 42% rispetto ai modelli di degrado non vincolati o semplificati.
• Variabilità Regionale: Le configurazioni ottimali del sistema variavano significativamente per regione. Ad esempio, le forti risorse eoliche dell'Alaska hanno permesso costi di ciclo di vita inferiori con minori requisiti di accumulo, mentre il New Jersey ha richiesto un maggiore affidamento a FPV e BESS a causa della variabilità stagionale del vento.
• Viabilità delle Risorse: OWT e FPV hanno costantemente dimostrato il costo livellato dell'energia (LCOE) più basso in quasi tutte le regioni. I WEC e i TEC sono risultati economicamente non sostenibili ai livelli di costo attuali, richiedendo riduzioni drastiche dei costi (al 13% e al 10% dei livelli attuali, rispettivamente) per diventare competitivi.
• Efficienza Computazionale: Il modello REMO-semplificato, che esclude WEC e TEC in base all'analisi LCOE, ha ridotto il tempo di calcolo del 16% - 25% rispetto al modello REMO-classico completo.
• Sensibilità al Vento: Una variazione del 10% della velocità del vento ha comportato una diminuzione del 16% dei costi del ciclo di vita per un aumento del vento e un aumento del 33% per una diminuzione del vento, evidenziando la sensibilità del sistema alla disponibilità della risorsa.

Significatività
Il documento afferma che il framework REMO proposto, insieme al modello DNN-BD, offre una soluzione di progettazione più realistica e resiliente per le microreti offshore. Tenendo conto accuratamente del complesso degrado delle batterie basato sull'uso, il modello previene le inefficienze economiche associate alla sostituzione prematura o al sovradimensionamento delle batterie. Lo studio sottolinea che, sebbene le energie rinnovabili offshore detengano un immenso potenziale, la loro integrazione di successo richiede strumenti di ottimizzazione che vadano oltre le assunzioni statiche per catturare l'interazione dinamica tra condizioni ambientali, schemi operativi e invecchiamento dei componenti. Le conclusioni forniscono una base basata sui dati per consentire a decisori politici e ingegneri di dare priorità alle tecnologie mature (OWT, FPV) nel breve termine, identificando al contempo i target specifici di riduzione dei costi necessari affinché le tecnologie emergenti (WEC, TEC) possano contribuire ai futuri sistemi energetici offshore.