Robust Capacity Expansion under Wildfire Ignition Risk and High Renewable Penetration

Sintesi Tecnica: Espansione Robusta della Capacità in Condizioni di Rischio di Innesco di Incendi Boschivi e Alta Penetrazione di Energie Rinnovabili

Enunciato del Problema
La pianificazione dell'espansione della capacità dei sistemi elettrici (CEP) affronta sfide crescenti a causa dell'integrazione di energie rinnovabili variabili e della frequenza crescente di eventi guidati dal meteo, in particolare gli incendi boschivi. In regioni come la California, gli operatori di sistema impiegano frequentemente le Disattivazioni di Sicurezza Pubblica (PSPS), disattivando le linee di trasmissione per prevenire incendi causati da attrezzature. Questa strategia operativa crea un problema di pianificazione complesso: la comparsa simultanea di disattivazione delle linee e bassa disponibilità di generazione rinnovabile può portare a significativi problemi di affidabilità e a interruzioni dell'alimentazione (load shedding). Gli attuali strumenti di pianificazione spesso faticano a tenere conto della correlazione temporale tra i rischi di innesco di incendi boschivi e la variabilità delle rinnovabili, portando potenzialmente a decisioni di investimento subottimali nello stoccaggio e nel rinforzo delle infrastrutture di trasmissione.

Metodologia
Gli autori propongono un framework di ottimizzazione robusta a due stadi progettato per determinare le ubicazioni ottimali di investimento per i sistemi di accumulo di energia a batteria (BESS) e l'interramento delle linee di trasmissione. Il modello è formulato come un problema di Programmazione Lineare Intera Mista (MILP) che minimizza i costi totali di investimento più i costi operativi nel caso peggiore su un orizzonte temporale di pianificazione.

I componenti metodologici chiave includono:

• Insiemi di Incertezza: Il modello utilizza due insiemi di incertezza distinti per catturare le realizzazioni nel caso peggiore:
  1. Rischio di Innesco di Incendi Boschivi ($U_r$): Modellato utilizzando un insieme di incertezza a scatola basato su dati storici dell'Indice di Potenziale di Incendio Boschivo (WFPI). Questo insieme determina quali linee di trasmissione devono essere disattivate in base a una soglia di rischio, incorporando un parametro di budget ($\Gamma_r$) per controllare la conservatività.
  2. Disponibilità delle Rinnovabili ($U_\alpha$): Un insieme di incertezza separato modella la variabilità dei fattori di capacità di generazione eolica e solare, anch'esso delimitato da un parametro di budget ($\Gamma_\alpha$).
• Settimane Rappresentative: Per garantire la trattabilità computazionale catturando al contempo le correlazioni temporali, il modello utilizza un insieme di settimane rappresentative derivate da 12 mesi di dati WFPI mediante l'algoritmo di clustering $k$-medoids.
• Algoritmo di Soluzione: La struttura del problema comporta una formulazione max-min (minimizzazione dei costi di investimento contro il costo operativo nel caso peggiore). Gli autori riformulano il problema di minimizzazione di livello inferiore utilizzando la teoria della dualità forte per convertirlo in un problema di massimizzazione. Per gestire i termini bilineari risultanti (moltiplicazione di variabili duali continue e variabili binarie di disattivazione), gli autori impiegano il metodo Big-M e tecniche di espansione binaria. Il problema complessivo è risolto utilizzando un algoritmo di Generazione di Colonne e Vincoli (CCG).

Contributi Chiave
Il documento presenta tre contributi principali:

1. Un Framework CEP Robusto: Un modello di ottimizzazione innovativo per le reti elettriche ad alta penetrazione di rinnovabili che incorpora esplicitamente metriche di rischio di innesco di incendi boschivi. Il modello ottimizza congiuntamente l'interramento delle linee di trasmissione e gli investimenti nello stoccaggio, tenendo conto preventivamente della disattivazione delle linee e della disponibilità delle rinnovabili nel caso peggiore.
2. Gestione del Rischio Calibrabile: L'uso di insiemi di incertezza tradizionali permette ai pianificatori di calibrare la tolleranza al rischio tramite budget di incertezza ($\Gamma$). Questi budget definiscono le deviazioni ammissibili dalle condizioni nominali, consentendo un'analisi di compromesso tra conservatività della soluzione e costo di investimento.
3. Validazione Computazionale: Il framework è stato valutato su una rappresentazione a 24 nodi del sistema elettrico di San Diego, dimostrando la capacità del modello di gestire istanze di rete su larga scala e fornendo approfondimenti su come diversi budget di incertezza impattino le strategie di investimento e la resilienza del sistema.

Risultati
Gli esperimenti sul caso di prova di San Diego hanno confrontato due schemi di investimento: (1) investimento solo nello stoccaggio e (2) investimento combinato in stoccaggio e linee di trasmissione interrate.

• Tendenze di Investimento: All'aumentare dei budget di incertezza ($\Gamma_r$ e $\Gamma_\alpha$), indicando un approccio più conservativo al rischio, è aumentato l'investimento totale richiesto sia nella capacità di accumulo che nelle linee interrate.
• Confronto degli Schemi: Lo Schema 2 (stoccaggio + interramento) ha superato significativamente lo Schema 1. Mentre lo Schema 1 ha portato a interruzioni dell'alimentazione giornaliere che variavano da circa 2.000 MWh a 2.980 MWh in condizioni di alta incertezza, lo Schema 2 ha ridotto le interruzioni giornaliere a 0 MWh in tutti gli scenari testati.
• Spostamenti Strategici: Il modello ha dimostrato che, all'aumentare dei budget di rischio, la strategia ottimale si è spostata verso il rinforzo delle linee di trasmissione critiche (interramento) piuttosto che affidarsi esclusivamente allo stoccaggio. Ciò è stato particolarmente evidente quando linee specifiche venivano disattivate frequentemente negli scenari peggiori, spingendo il modello a selezionare quelle linee per l'interramento al fine di mantenere l'affidabilità dell'approvvigionamento.
• Modelli di Disattivazione: I risultati hanno evidenziato che i modelli di disattivazione sono non lineari e sensibili ai budget di incertezza. Budget più elevati hanno portato alla selezione di linee diverse per la disattivazione negli scenari peggiori, il che a sua volta ha alterato la posizione e la dimensionamento ottimali degli asset di accumulo.

Significato e Affermazioni
Gli autori affermano che questo lavoro colma una lacuna nella letteratura focalizzandosi sulla pianificazione dei sistemi elettrici sotto la realizzazione simultanea nel caso peggiore del rischio di innesco di incendi boschivi e della disponibilità delle rinnovabili. Il modello proposto offre un approccio trattabile per l'ottimizzazione congiunta delle misure di mitigazione (disattivazione preventiva) e degli investimenti infrastrutturali.

Il documento afferma che il suo framework consente alle utility di identificare piani di investimento ottimali che bilanciano l'efficienza economica con la resilienza del sistema. Modellando esplicitamente la correlazione tra rischio di innesco e variabilità delle rinnovabili, l'approccio supporta decisioni più informate su dove investire nello stoccaggio rispetto al rinforzo delle infrastrutture di trasmissione. Gli autori notano che, sebbene il modello sia conservativo — riducendo il rischio continuo di innesco a un'approssimazione binaria tramite soglie — cattura efficacemente gli effetti primari a livello di sistema. Lo studio conclude che permettere investimenti sia nell'interramento che nello stoccaggio porta a una resilienza superiore, con il modello che dà priorità al rinforzo delle linee quando le ubicazioni dello stoccaggio sono limitate o le linee di trasmissione sono critiche per l'affidabilità dell'approvvigionamento. Viene suggerito un lavoro futuro per scalare il modello a sistemi più grandi (ad esempio, l'intero sistema CAISO) e incorporare ulteriori fonti di incertezza.