Optimal design of solar-battery hybrid resources considering multi-market participation under weather and price uncertainty

Sintesi Tecnica: Progettazione Ottimale di Risorse Ibride Solari-Batteria con Partecipazione Multi-Mercato in Condizioni di Incertezza Meteorologica e di Prezzo

Enunciato del Problema
La rapida integrazione delle energie rinnovabili variabili (VRE) richiede risorse flessibili e coordinate, capaci di partecipare simultaneamente a più mercati dell'energia elettrica. Sebbene le risorse ibride, che integrano generazione rinnovabile e accumulo a batteria in un'unica entità di mercato, offrano vantaggi operativi e finanziari significativi rispetto alle risorse co-localizzate (offerte separatamente), la loro progettazione ottimale rimane una sfida complessa. La difficoltà fondamentale risiede nell'accoppiamento tra decisioni di investimento a lungo termine (dimensionamento del sistema) e ottimizzazione operativa a breve termine in condizioni stocastiche (incertezza nella generazione rinnovabile e nei prezzi di mercato).

Gli approcci di ottimizzazione convenzionali si basano spesso su previsioni deterministiche o modelli di incertezza semplificati, che possono non riuscire a catturare le dinamiche non lineari e i vincoli operativi intrinseci alla partecipazione multi-mercato (mercato dell'energia, servizi di bilanciamento e mercati della capacità). Inoltre, la letteratura esistente tratta frequentemente la progettazione del sistema e le strategie operative come problemi separati o si concentra principalmente sui mercati dell'energia, trascurando i compromessi intricati coinvolti nella fornitura di servizi di bilanciamento (AS) e i vantaggi specifici delle architetture ibride in corrente continua (DC-coupled), come il recupero dell'energia fotovoltaica (PV) "clippata".

Metodologia
Per affrontare queste sfide, gli autori propongono un framework di co-ottimizzazione basato sull'Apprendimento per Rinforzo Profondo (DRL). Questo approccio integra le variabili di progettazione del sistema direttamente nel processo di apprendimento della politica, consentendo l'ottimizzazione congiunta del dimensionamento del sistema ibrido e delle strategie coordinate di offerta multi-mercato all'interno di una formulazione stocastica unificata.

• Architettura del Framework: Il metodo estende i precedenti lavori di co-ottimizzazione basati su DRL incorporando la partecipazione multi-mercato. Il framework utilizza una rete Long Short-Term Memory (LSTM) per gestire l'osservabilità parziale delle variabili di mercato e rinnovabili, elaborando dati in serie temporali della generazione PV e dei prezzi di mercato. L'agente impiega un algoritmo Deep Deterministic Policy Gradient (DDPG) per apprendere le politiche operative.
• Ottimizzazione della Progettazione: A differenza degli approcci bi-livello tradizionali che separano progettazione e operazione, questo framework tratta il vettore di progettazione del sistema (capacità PV, capacità energetica della batteria e potenza nominale della batteria) come un parametro di una politica stocastica. La distribuzione dei parametri di progettazione viene aggiornata tramite metodi di gradiente della politica basati sui rendimenti economici cumulativi (ricavi meno costi) osservati durante le epoche di addestramento.
• Gestione dei Vincoli: Un componente critico della metodologia è la strategia di "allocazione seriale della capacità". Per garantire la fattibilità in condizioni di incertezza, le azioni dell'agente vengono trasformate in offerte fattibili attraverso un processo di allocazione sequenziale:
  1. Riserve di Contingenza: Allocate per prime, principalmente dalla capacità di scarica della batteria, nel rispetto dei limiti dello Stato di Carica (SOC) e dei requisiti di durata.
  2. Servizi di Regolazione: Le capacità di regolazione in salita e in discesa vengono allocate successivamente, tenendo conto dei margini residui della batteria e di un fattore di affidabilità per le previsioni di generazione PV.
  3. Offerte nel Mercato dell'Energia: Il restante intervallo operativo fattibile determina l'offerta per il mercato forward dell'energia, tenendo esplicitamente conto dei potenziali squilibri.
• Modello di Mercato: Lo studio modella la partecipazione ai mercati forward dell'energia, alle riserve di contingenza, ai servizi di regolazione e ai mercati della capacità. Tiene esplicitamente conto degli errori di previsione PV, modellando gli squilibri energetici come costi di penalità piuttosto che basandosi su assunzioni di arbitraggio in tempo reale. Il framework distingue tra risorse ibride in DC-coupled (un'unica entità, inverter condiviso) e risorse co-localizzate in AC-coupled (entità separate).

Principali Contributi
Il documento identifica e affronta tre specifici gap di ricerca:

1. DRL Consapevole dei Vincoli per la Fornitura Ibrida di AS: Sebbene il DRL sia stato applicato all'accumulo a batteria, questo lavoro estende il framework agli ibridi PV-batteria con vincoli operativi rigidi. Consente la partecipazione congiunta ai servizi di bilanciamento sia della PV che della batteria in condizioni di incertezza delle previsioni, superando i vincoli morbidi o le assunzioni di previsioni perfette presenti negli studi precedenti.
2. Confronto Quantitativo delle Strutture di Mercato: Il documento fornisce un confronto quantitativo sistematico tra i modelli di partecipazione ibrida e co-localizzata in contesti multi-mercato. Valuta le differenze in termini di flessibilità operativa, strategie di offerta e performance economica, offrendo intuizioni su come le strutture di mercato influenzino il valore delle risorse.
3. Co-Ottimizzazione Consapevole dell'Incertezza di Progettazione e Operativa: Il contributo principale è l'integrazione della partecipazione multi-mercato nell'ottimizzazione della progettazione di sistemi PV-batteria in condizioni di incertezza. A differenza di lavori precedenti che si basano su previsioni deterministiche per il dimensionamento, questo framework apprende simultaneamente capacità ottimali e politiche operative, ottimizzando direttamente la performance economica a lungo termine in ambienti stocastici.

Risultati
Studi di caso numerici utilizzando dati storici CAISO dimostrano l'efficacia del framework:

• Ibrido vs Co-localizzato: Con dimensioni del sistema identiche, le risorse ibride hanno costantemente ottenuto ricompense superiori rispetto alle risorse co-localizzate. La configurazione ibrida ha ridotto le penalità per gli squilibri di circa il 40% (da 3.622 $a 2.193$ in una settimana campione) mitigando internamente gli errori di previsione PV. Inoltre, l'architettura DC-coupled ha permesso il recupero dell'energia PV "clippata", spostandola verso periodi di prezzi elevati, aumentando così i ricavi del mercato dell'energia.
• Risultati della Co-Ottimizzazione: L'ottimizzazione congiunta di progettazione e operazione ha prodotto configurazioni superiori rispetto alle linee di base a progettazione fissa. Ad esempio, in uno scenario di base, il framework ha identificato una durata ottimale della batteria di 2,71 ore, inferiore al requisito di capacità del mercato della capacità di 4 ore, rimanendo tuttavia redditizia grazie ai ricavi dei mercati dell'energia e dei servizi di bilanciamento.
• Sensibilità della Politica: Il framework si è adattato con successo a ipotetiche modifiche normative. Quando il requisito di durata del mercato della capacità è stato aumentato a 8 ore, la progettazione ottimale si è spostata verso una maggiore capacità PV e una minore capacità della batteria, indicando che i mandati di durata da soli non garantiscono il dispiegamento della batteria se confliggono con la sostenibilità economica. Al contrario, un aumento dei prezzi dei servizi di bilanciamento per la regolazione in salita ha spinto la progettazione ottimale verso potenze nominali della batteria più elevate.
• Applicabilità a Lungo Termine: Utilizzando un framework RL distribuito con un anno di dati, lo studio ha confermato che le variazioni stagionali influenzano significativamente le strutture di ricavo e le strategie ottimali. L'approccio distribuito ha ridotto il tempo di addestramento per l'ottimizzazione annuale completa a circa 10 ore, dimostrando la fattibilità computazionale per la pianificazione a lungo termine.

Significato e Affermazioni
Il documento afferma che il framework proposto offre uno strumento robusto per identificare configurazioni di sistemi ibridi economicamente razionali, resilienti alle incertezze meteorologiche e di prezzo. Integrando le variabili di progettazione nel processo di apprendimento, il metodo evita l'onere computazionale dell'ottimizzazione bi-livello e cattura l'interazione complessa tra dimensionamento del sistema e strategie operative multi-mercato.

Gli autori sottolineano che il loro lavoro offre nuove intuizioni sul valore delle risorse ibride, in particolare sulla loro capacità di recuperare energia "clippata" e mitigare gli squilibri, aspetti spesso trascurati negli studi focalizzati esclusivamente sui mercati dell'energia o che assumono previsioni perfette. Lo studio conclude che, sebbene le risorse ibride offrano flessibilità e redditività superiori, la loro progettazione ottimale è altamente sensibile alle regole di mercato (come i requisiti di durata della capacità) e ai segnali di prezzo, rendendo necessari strumenti di pianificazione adattivi e consapevoli dell'incertezza. Gli autori notano modestamente che il lavoro futuro potrebbe estendere questo framework a contesti che coinvolgono più decisori, come le centrali elettriche virtuali.