Privacy-Preserving Uncertainty Disclosure for Facilitating Enhanced Energy Storage Dispatch

1. Il Problema

L'integrazione massiccia di energie rinnovabili ha reso lo stoccaggio energetico (batterie) un elemento cruciale per la flessibilità della rete. Tuttavia, la maggior parte dello stoccaggio è gestita in modo decentralizzato dai partecipanti al mercato (operatori privati) che agiscono come "price-taker" o "price-maker".
I principali ostacoli all'efficienza sono:

• Incertezza e Conservatorismo: I partecipanti allo stoccaggio hanno accesso limitato alle informazioni sistemiche sull'incertezza (es. previsioni di carico e rinnovabili). Per gestire il rischio, tendono a utilizzare previsioni a intervalli molto conservativi, portando a decisioni subottimali.
• Ritenzione Strategica (Withholding): Per massimizzare i profitti futuri in scenari di alta volatilità, gli operatori possono trattenere strategicamente la capacità di stoccaggio, riducendo la risposta immediata al mercato e peggiorando il benessere sociale.
• Limiti della Disciplina Attuale: Gli operatori di sistema (ISO) pubblicano principalmente dati storici o prezzi day-ahead (DAP). Le previsioni probabilistiche esistenti sono spesso aggregate e non forniscono granularità locazionale o dettagliata sull'intervallo di incertezza in tempo reale, senza violare la privacy dei dati sensibili del sistema.

2. Metodologia Proposta

Gli autori propongono un framework di divulgazione dell'incertezza che preserva la privacy, basato sul rilascio di limiti (bound) della funzione di valore marginale in tempo reale.

A. Modello di Arbitraggio Conservativo (Risk-Averse)

• Viene formulato un modello di arbitraggio per lo stoccaggio basato sulla Programmazione Dinamica Stocastica (SDP).
• Il prezzo in tempo reale (RTP) è modellato come un processo di Markov con una distribuzione centrata sul prezzo day-ahead, ma con una deviazione standard che rappresenta l'incertezza.
• La funzione di valore (value function) viene addestrata tenendo conto esplicitamente degli intervalli di incertezza previsti, permettendo di derivare politiche di controllo ottimali sia per price-taker che per price-maker.
• Analisi Teorica: Viene dimostrato che la funzione di valore marginale è:
  • Decrescente rispetto allo Stato di Carica (SoC): più la batteria è carica, meno vale l'energia aggiuntiva.
  • Crescente rispetto all'incertezza (in condizioni di prezzo normali): maggiore incertezza porta a un aumento del valore atteso, incentivando la ritenzione strategica.

B. Framework di Divulgazione (Privacy-Preserving)

• Formulazione: L'operatore di sistema risolve un problema di Dispatch Economico con Vincoli Probabilistici (Chance-Constrained Economic Dispatch - RT-CED) in un orizzonte rotante (rolling-horizon).
• Derivazione dei Limiti: Da questo dispatch, vengono estratti i limiti probabilistici del costo opportunità (che fungono da limite superiore per la funzione di valore marginale dello stoccaggio).
• Meccanismo di Divulgazione: L'operatore rilascia questi limiti (bound) ai partecipanti.
  • Non vengono rivelati dati sensibili come il carico netto, la generazione rinnovabile o i dettagli della rete.
  • I partecipanti possono utilizzare questi limiti per aggiornare dinamicamente le proprie previsioni di incertezza o per limitare le proprie offerte strategiche eccessive.
• Algoritmo di Dispatch Aggiustato: Viene proposto un algoritmo che utilizza questi limiti per:
  1. Indirettamente: Aggiornare gli intervalli di previsione dell'incertezza, riducendo il conservatorismo eccessivo.
  2. Direttamente: Limitare (cap) le offerte di ritenzione strategica eccessiva, impedendo ai partecipanti di trattenere capacità in modo irrazionale.

3. Contributi Chiave

1. Modello Analitico di Arbitraggio: Sviluppo di un modello SDP analitico che integra esplicitamente gli intervalli di incertezza nelle previsioni, derivando politiche di controllo ottimali per diversi profili di rischio.
2. Framework di Divulgazione Innovativo: Introduzione di un metodo per comunicare l'incertezza di sistema in modo privacy-preserving tramite limiti della funzione di valore marginale, aggiornati in tempo reale, senza bisogno di interazione diretta o scambio di dati privati tra operatore e partecipanti.
3. Analisi Teorica Rigorosa: Dimostrazione che i limiti proposti:
   • Coprono affidabilmente il vero costo opportunità con un livello di confidenza definito.
   • Convergono dinamicamente verso il valore "hindsight" (post-evento) man mano che gli errori di previsione diminuiscono.
   • Mantengono la stessa monotonicità (decrescente con SoC, crescente con incertezza) della funzione di valore reale.
4. Validazione su Sistema Reale: Simulazione basata su agenti (Agent-Based Simulation) sul sistema test ISO-NE (8 zone) con scenari di alta penetrazione rinnovabile e di stoccaggio.

4. Risultati Principali

Le simulazioni sono state condotte con il 50% di capacità rinnovabile e il 35% di capacità di stoccaggio rispetto al carico:

• Miglioramento della Risposta dello Stoccaggio: I limiti proposti hanno aumentato la risposta dello stoccaggio del 38,91% durante i picchi diurni e serali, riducendo la volatilità dei prezzi in tempo reale.
• Riduzione del Gap di Ottimalità: Il divario tra la soluzione ottenuta e l'ottimo hindsight è stato ridotto al 3,91%, grazie a previsioni di intervallo migliorate.
• Benefici Economici:
  • Riduzione media del costo del sistema dello 0,23%.
  • Aumento medio del profitto dello stoccaggio del 13,22%.
• Scalabilità: I benefici aumentano con l'aumento del conservatorismo delle previsioni, della capacità di stoccaggio e dell'incertezza del sistema.
• Efficienza Computazionale: L'approccio è stato ottimizzato rilassando i vincoli di complementarità (carica/scarica simultanea), permettendo di scalare fino a 10.000 unità di stoccaggio con tempi di calcolo inferiori a 251 secondi, rendendolo fattibile per applicazioni in tempo reale.

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo nella gestione dei mercati energetici moderni:

• Bilanciamento tra Privacy ed Efficienza: Risolve il dilemma tra la necessità di condividere informazioni sull'incertezza per migliorare l'efficienza del mercato e la necessità di proteggere i dati sensibili del sistema (carico, rete).
• Mitigazione del Rischio Strategico: Fornisce un meccanismo regolatorio "soft" che riduce la ritenzione strategica eccessiva senza ricorrere a controlli centralizzati diretti, preservando la natura decentralizzata del mercato.
• Fondamento Teorico: Offre basi matematiche solide per la progettazione di algoritmi di dispatch dipendenti dallo stato di carica (SoC) e per il comportamento strategico avverso al rischio.
• Applicabilità Pratica: La metodologia è compatibile con le infrastrutture di mercato esistenti (come ISO-NE, CAISO) e può essere implementata senza richiedere cambiamenti radicali alle interfacce di comunicazione tra operatori e partecipanti.

In sintesi, il paper dimostra che una divulgazione mirata e privacy-preserving dell'incertezza può trasformare il comportamento degli operatori di stoccaggio, passando da strategie conservative e speculative a una risposta più efficiente che beneficia sia i singoli partecipanti che il sistema elettrico nel suo complesso.