📈 economics

Profit-Oriented Planning and Multi-Market Operation Model for Hybrid Energy Storage Systems

Questo articolo propone un framework di ottimizzazione a due livelli che determina congiuntamente la dimensionamento ottimale della capacità e le strategie di offerta multi-mercato per un sistema ibrido di accumulo energetico price-maker, consentendo un'allocazione strategica di componenti di accumulo eterogenei tra arbitraggio energetico e mercati di riserva per massimizzare la redditività.

Autori originali: Lizhong Zhang, Junqi Liu, Jianxiao Wang, Lei Zhu

Pubblicato 2026-05-19

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Lizhong Zhang, Junqi Liu, Jianxiao Wang, Lei Zhu

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 rete elettrica come un enorme e affollato mercato dove l'elettricità viene comprata e venduta ogni secondo. In passato, questo mercato era gestito principalmente da grandi centrali elettriche (come i generatori a gas) e da alcune fonti prevedibili (come l'eolico e il solare). Ma man mano che aggiungiamo più energia eolica e solare, il mercato diventa più selvaggio e difficile da prevedere, come un mare in tempesta. Per mantenere accese le luci, abbiamo bisogno di "ammortizzatori" chiamati Sistemi di Accumulo di Energia (ESS) — fondamentalmente batterie giganti che possono immagazzinare energia in eccesso quando è economica e rilasciarla quando è costosa.

Questo documento propone un modo nuovo e più intelligente per gestire queste batterie, in particolare quando un operatore possiede due diversi tipi di batterie che lavorano insieme come una squadra (un Sistema di Accumulo di Energia Ibrido, o HESS).

Ecco la spiegazione della loro idea utilizzando semplici analogie:

1. Il Problema: L'Errore "Taglia Unica"

La maggior parte degli studi precedenti trattava tutte le batterie allo stesso modo, o assumeva che fossero solo giocatori passivi che dovevano accettare il prezzo stabilito dal mercato (come un cliente in un negozio di alimentari che non può negoziare).

Tuttavia, nella realtà, un grande operatore di batterie è come un fornitore all'ingrosso. Se decide di vendere una grande quantità di energia tutta insieme, può effettivamente cambiare il prezzo di mercato. È un "determinatore di prezzo", non un "accettatore di prezzo".

Inoltre, non tutte le batterie sono costruite allo stesso modo.

Batteria A (Il Maratoneta): Ha un serbatoio enorme (alta energia) ma un tubo stretto (bassa potenza). È ottima per contenere molta acqua ma non può versarla velocemente.
Batteria B (Lo Sprinter): Ha un serbatoio piccolo ma un tubo da idrante (alta potenza). Può scaricare energia incredibilmente velocemente, ma si esaurisce rapidamente.

Il documento sostiene che non dovresti trattare questi due come un'unica macchia sfocata. Hai bisogno di una strategia che permetta al "Maratoneta" di svolgere compiti di lunga distanza e allo "Sprinter" di svolgere compiti rapidi e ad alta velocità.

2. La Soluzione: Un Piano di Gioco a Due Livelli

Gli autori hanno creato un "gioco" matematico a due livelli per determinare la strategia migliore:

Livello 1 (Il Capo - Pianificazione della Capacità): Il Capo decide quanto grandi dovrebbero essere i serbatoi sia per il Maratoneta che per lo Sprinter. Decide anche come fare offerte sul mercato. Il Capo vuole guadagnare il massimo possibile.
Livello 2 (L'Arbitro - Sbilanciamento del Mercato): L'Arbitro (l'Operatore di Sistema) esamina tutte le offerte del Capo, dei parchi eolici e delle centrali a gas. Il compito dell'Arbitro è bilanciare la rete al costo più basso possibile. L'Arbitro fissa i prezzi finali in base a chi ha offerto cosa.

La Magia: Il Capo gioca per primo, ma è abbastanza intelligente da prevedere esattamente come l'Arbitro reagirà alle sue offerte. Questo permette al Capo di piazzare le sue scommesse strategicamente per massimizzare il profitto.

3. La Strategia: Specializzazione e Lavoro di Squadra

I risultati mostrano che il modo migliore per gestire questa squadra ibrida è specializzarsi:

Lo Sprinter (Alta Potenza): Questa batteria viene utilizzata per l'Arbitraggio. Si carica rapidamente quando i prezzi sono bassi e scarica la sua energia velocemente quando i prezzi schizzano alle stelle. Si lancia anche nel mercato "Tempo Reale" (il mercato di emergenza) per correggere errori improvvisi nelle previsioni del vento.
Il Maratoneta (Alta Capacità): Questa batteria viene utilizzata per le Riserve. Mantiene una quantità costante di energia pronta per essere chiamata per stabilizzare la rete. Non ha bisogno di muoversi velocemente; deve solo essere presente quando necessario.

Il Segreto: Trasferimenti Interni
Il documento introduce una caratteristica interessante: il Trasferimento Interno di Potenza. Immagina che le due batterie si trovino nello stesso edificio. Se lo Sprinter è pieno ma il Maratoneta è vuoto, e il collegamento alla rete è intasato (come un ingorgo sulla strada per la città), lo Sprinter può passare la sua energia in eccesso direttamente al Maratoneta all'interno dell'edificio. Questo mantiene la squadra flessibile anche quando il mondo esterno è bloccato.

4. I Risultati: Chi Guadagna i Soldi?

Quando hanno fatto i calcoli:

Lo Sprinter ha guadagnato la maggior parte dei soldi. Perché poteva muoversi velocemente, ha catturato i picchi di prezzo più grandi nel mercato dell'energia.
Il Maratoneta ha guadagnato soldi costanti e affidabili fornendo servizi di riserva.
Il Mercato Tempo Reale era insidioso. Spesso, i prezzi nel mercato di emergenza (tempo reale) erano più bassi rispetto al mercato pianificato (giorno prima). Quindi, le batterie spesso finivano per caricarsi nel mercato tempo reale (comprando a buon mercato) invece di vendere, il che è l'opposto di quanto ci si potrebbe aspettare.

5. Perché Questo è Importante

Questo documento dimostra che se possiedi una miscela di diverse tecnologie di batterie, non dovresti semplicemente raggrupparle insieme. Trattandole come personaggi distinti con punti di forza diversi e permettendo loro di "parlare" tra loro internamente, puoi generare significativamente più profitto.

È come gestire una società di consegne: non usi un camion lento e pesante per consegnare una singola lettera urgente, e non usi una moto veloce e costosa per spostare una tonnellata di mobili. Usi lo strumento giusto per il lavoro giusto, e permetti loro di coordinare i loro percorsi per evitare ingorghi. Questo documento fornisce il regolamento su come farlo con l'elettricità.

Riepilogo Tecnico: Modello di Pianificazione Orientata al Profitto e di Operatività Multi-Mercato per Sistemi di Accumulo Ibrido di Energia

Enunciato del Problema
La crescente penetrazione di fonti di energia rinnovabile variabile rende necessaria una maggiore flessibilità del sistema elettrico, spingendo verso il dispiegamento di operatori indipendenti di accumulo energetico (ESO). Sebbene la letteratura esistente affronti estesamente il dimensionamento della capacità per sistemi di accumulo price-taker o il coordinamento operativo di risorse distribuite aggregate, esiste un vuoto nell'ottimizzazione congiunta della pianificazione della capacità e delle offerte multi-mercato per un ESO price-maker che gestisce un Sistema di Accumulo Ibrido di Energia (HESS). I modelli attuali spesso non preservano l'eterogeneità tecnologica dei componenti integrati, aggregando frequentemente diverse tecnologie di accumulo in un'unica entità di offerta, il che maschera i vantaggi operativi individuali. Inoltre, i modelli di ottimizzazione esistenti assumono tipicamente che i trasferimenti di energia avvengano esclusivamente tra le unità di accumulo e la rete principale, trascurando la flessibilità operativa fornita dal routing interno dell'energia tra sistemi eterogenei co-localizzati.

Metodologia
Gli autori propongono un framework di ottimizzazione a due livelli per ottimizzare congiuntamente le decisioni orientate al profitto riguardanti la pianificazione della capacità e l'operatività multi-mercato per un ESO che gestisce due sistemi di accumulo eterogenei ( $s_1$ e $s_2$ ).

Problema di Livello Superiore (ULP): L'ESO agisce come price-maker, massimizzando il profitto totale determinando le capacità nominali ottimali ( $E_s$ ) e presentando offerte prezzo-quantità nel mercato congiunto energia-riserva day-ahead e nel mercato di bilanciamento in tempo reale. L'ULP modella esplicitamente il meccanismo di trasferimento di potenza interno tra i due sistemi di accumulo, consentendo una gestione coordinata dell'energia quando l'accesso alla rete è vincolato. La funzione obiettivo include i ricavi dall'arbitraggio energetico, dalla fornitura di riserva e dal bilanciamento in tempo reale, meno i costi operativi marginali e i costi di investimento ammortizzati.
Problemi di Livello Inferiore (LLP): Questi rappresentano i processi di clearing del mercato dell'Operatore di Sistema (SO).
- LLP 1 (Day-Ahead): Un problema di minimizzazione dei costi che ottimizza congiuntamente le capacità di energia e di riserva salita/discesa basandosi sulle offerte presentate dall'ESO, dai generatori eolici e dai generatori a gas. Determina i prezzi di clearing ( $\lambda$ ) e gli schedulazioni.
- LLP 2 (Tempo Reale): Un problema di minimizzazione dei costi che clearing il mercato di bilanciamento per ripristinare l'equilibrio del sistema in seguito a deviazioni dalle previsioni eoliche. Utilizza le riserve acquisite in day-ahead e nuove offerte in tempo reale, con l'impiego strettamente vincolato dagli impegni day-ahead.
Tecnica di Soluzione: Il modello a due livelli è riformulato come un Programma Matematico a un solo livello con Vincoli di Equilibrio (MPEC). Per gestire le non convessità e i termini bilineari (prodotti di prezzi endogeni e quantità), gli autori impiegano una riformulazione Big-M e involucri di McCormick per linearizzare il problema in un Programma Lineare Intero Misto (MILP). A causa della grande scala del MILP risultante, viene utilizzato un algoritmo di decomposizione di Benders. Questo approccio separa le variabili di investimento a lungo termine (capacità) dalle decisioni operative a breve termine, generando tagli di ottimalità distinti per ogni giorno tipico per preservare le informazioni e accelerare la convergenza.

Contributi Chiave

Framework a Due Livelli per HESS Price-Maker: Il documento propone un framework innovativo che ottimizza congiuntamente la pianificazione della capacità per due sistemi di accumulo eterogenei e la loro partecipazione sia ai mercati day-ahead che in tempo reale, modellando esplicitamente l'ESO come price-maker le cui offerte influenzano i prezzi di clearing del mercato.
Strategie di Offerta Differenziate per Sistema: A differenza di modelli che aggregano l'accumulo, questo framework permette all'ESO di presentare offerte prezzo-quantità indipendenti per ciascuna tecnologia per mercato. Ciò sfrutta le caratteristiche complementari dell'accumulo diversificato (ad esempio, alta densità energetica vs. alta densità di potenza) per adattare la partecipazione al mercato.
Modellazione Esplicita della Trasmissione Interna di Potenza: Il modello formula il meccanismo di trasferimento di potenza tra sistemi di accumulo eterogenei. Ciò consente una gestione interna coordinata dell'energia, fornendo un cuscinetto critico per sostenere la partecipazione al mercato e la redditività quando le capacità di scambio con la rete sono limitate.

Risultati
Gli esperimenti numerici utilizzando dati dal Mercato Elettrico Nazionale Australiano (day-ahead) e dall'AESO canadese (eolico) dimostrano quanto segue:

Allocazione Ottimale della Capacità: Il modello determina un portafoglio di investimenti misto in cui il sistema con un alto rapporto potenza/capacità ( $s_2$ ) è dimensionato per catturare profitti di arbitraggio attraverso trasferimenti rapidi e ad alto volume in finestre di prezzi volatili. Al contrario, il sistema con un basso rapporto potenza/capacità ( $s_1$ ) è ottimizzato per specializzarsi nella fornitura di margini di riserva di base nel mercato day-ahead.
Impatto sul Mercato: In qualità di price-maker, l'ESO sposta strategicamente l'equilibrio di mercato. Durante la scarica, inserisce capacità nell'ordine di merito per catturare quote di mercato dai generatori a gas marginali senza innescare fasce di prezzo inferiori. Durante la carica, offre strategicamente per esaurire la capacità dei generatori più economici, evitando l'attivazione di unità più costose che aumenterebbero il prezzo di clearing marginale.
Distribuzione dei Profitti: Il mercato day-ahead funge da principale flusso di ricavi. Il sistema ad alta potenza ( $s_2$ ) genera la maggior parte del profitto operativo congiunto, in particolare nell'arbitraggio energetico, mentre il sistema a bassa potenza ( $s_1$ ) contribuisce significativamente ai ricavi da riserva. I profitti del mercato in tempo reale sono generalmente negativi, poiché l'ESO tende a caricare in tempo reale per bilanciare le deviazioni dalle previsioni eoliche quando i prezzi in tempo reale sono inferiori a quelli day-ahead.
Valore della Trasmissione Interna: In scenari con accesso limitato alla rete (congestione), viene attivata la trasmissione interna di potenza. Questo meccanismo permette all'operatore di riallocare la potenza all'interno del sistema ibrido, mitigando i vincoli di rete e influenzando le decisioni ottimali di pianificazione della capacità.

Significato
Il documento afferma che il suo framework fornisce strategie di offerta differenziate e flessibilità di partecipazione al mercato per gli HESS, migliorando la redditività complessiva. Preservando l'eterogeneità tecnologica e modellando il coordinamento interno, lo studio dimostra che trattare i sistemi di accumulo come un'entità unificata e price-maker consente una pianificazione strategica più efficace rispetto all'aggregarli o trattarli come price-taker. I risultati validano la necessità di variabili decisionali indipendenti per sistemi eterogenei e sottolineano il valore del coordinamento interno nel sostenere la partecipazione al mercato sotto vincoli fisici della rete. Gli autori notano che il lavoro futuro indagherà l'impatto delle incertezze nelle previsioni di generazione rinnovabile e di carico, nonché modelli dettagliati di degradazione e l'equilibrio di mercato multi-operatore.