Multi-Microgrid Electricity–Heat Energy Sharing Based on Spatio-Temporal Distributionally Robust Optimization and Benefit Allocation

Sintesi Tecnica: Condivisione di Energia Elettrica e Termica in Multi-Microgrid Basata sull'Ottimizzazione Robusta Distribuzionale Spazio-Temporale e l'Allocazione dei Benefici

Problematica
La gestione coordinata di sistemi multi-microgrid (MMG) affronta sfide significative derivanti dall'accoppiamento tra i requisiti operativi a basse emissioni di carbonio e l'incertezza delle previsioni delle fonti rinnovabili e dei carichi. Gli approcci esistenti spesso non riescono ad affrontare simultaneamente tre lacune critiche:

1. Modellazione dell'Incertezza: I metodi tradizionali (intervallo, stocastici o di ottimizzazione robusta) si affidano o a intervalli definiti manualmente, o dipendono fortemente da specifiche assunzioni distribuzionali, o producono risultati del caso peggiore eccessivamente conservativi. Inoltre, trascurano frequentemente le correlazioni spazio-temporali degli errori di previsione tra più microgrid e periodi temporali, potenzialmente sottostimando i rischi del sistema.
2. Integrazione Low-Carbon: Sebbene esistano tecnologie a basse emissioni di carbonio come la Cattura e lo Stoccaggio del Carbonio (CCS) e il Power-to-Gas (P2G), manca un quadro unificato che integri queste tecnologie in un modello di dispacciamento multi-energia (elettricità–calore–gas) coordinato che sfrutti la cooperazione tra le microgrid per la riduzione delle emissioni.
3. Allocazione dei Benefici: I meccanismi di ripartizione dei profitti esistenti, come il valore di Shapley o il baratto di Nash simmetrico, spesso faticano a bilanciare l'efficienza computazionale con l'equità, specialmente quando i contributi sono multidimensionali (ad esempio, condivisione dell'energia, riduzione del carbonio e flessibilità) e asimmetrici.

Metodologia
Il documento propone un quadro completo che integra l'ottimizzazione robusta distribuzionale con correlazione spazio-temporale con la teoria dei giochi coalizionali. La metodologia è strutturata in tre componenti:

1. Modello di Microgrid Multi-Energia Low-Carbon:
   Gli autori costruiscono un modello per singole microgrid incorporando CCS, P2G, stoccaggio di idrogeno e metanazione. Questa configurazione consente di catturare la $CO_2$ dalle unità di cogenerazione (CHP) e la sua successiva conversione in metano tramite P2G, creando un percorso di accoppiamento "elettricità–gas–carbonio". Il modello minimizza i costi operativi, inclusi i costi di combustibile, manutenzione e scambio di quote di carbonio.

2. Modello di Vincolo di Probabilità con Distribuzione Wasserstein Spazio-Temporalmente Correlata (WDRCC):
   Per affrontare l'incertezza tra fonte e carico, il documento sviluppa un modello WDRCC. A differenza dei modelli standard, questo approccio:

• Costruisce un insieme di ambiguità centrato sulla distribuzione empirica degli errori di previsione storici utilizzando una ball di Wasserstein.
• Introduce una metrica di distanza di Wasserstein pesata sulla covarianza. Questa metrica incorpora le caratteristiche statistiche spazio-temporali (matrici di covarianza) nel calcolo della distanza, consentendo al modello di tenere conto dell'anisotropia dell'incertezza (ovvero, correlazioni più forti in direzioni specifiche).
• Formula un problema di ottimizzazione a due stadi: uno stadio deterministico "day-ahead" e uno stadio di riprogrammazione "intraday". L'obiettivo è minimizzare la somma dei costi day-ahead e dei costi di aggiustamento intraday nel caso peggiore all'interno dell'insieme di ambiguità.
• Linearizza il problema utilizzando la teoria della dualità e variabili ausiliarie per garantirne la trattabilità.

3. Baratto di Nash Asimmetrico per l'Allocazione dei Benefici:
   L'operazione coordinata è modellata come un gioco coalizionale.

• Ottimizzazione dei Costi: Il metodo ADMM (Alternating Direction Method of Multipliers) è impiegato per risolvere il problema di minimizzazione dei costi dell'intera alleanza in modo distribuito, preservando la privacy delle singole microgrid attraverso lo scambio solo di variabili di confine (quantità di scambio energetico e variabili duali).
• Allocazione dei Ricavi: Viene formulato un modello di baratto di Nash asimmetrico. A differenza dei modelli simmetrici, questo approccio pesa il potere contrattuale di ciascuna microgrid in base a un sistema di valutazione del contributo multidimensionale. Questo sistema quantifica i contributi su quattro dimensioni: condivisione dell'energia, riduzione delle emissioni di carbonio, capacità di regolazione (flessibilità) e supporto al bilancio di potenza (affidabilità). L'allocazione finale del profitto è proporzionale a questi indici di contributo globale.

Contributi Chiave

1. WDRCC Pesata sulla Covarianza: Lo sviluppo di un modello robusto distribuzionale che integra esplicitamente le dipendenze statistiche spazio-temporali nella metrica di distanza di Wasserstein. Ciò migliora la rappresentazione dell'anisotropia dell'incertezza e consente un compromesso regolabile tra prestazioni economiche e robustezza senza assumere una specifica distribuzione di probabilità.
2. Modello MMG Multi-Energia Integrato Low-Carbon: La formulazione di un modello multi-microgrid che estende il retrofit low-carbon (CCS e P2G) da una prospettiva di singola unità a un livello di multi-microgrid coordinato, facilitando la cattura della $CO_2$ e l'utilizzo delle risorse attraverso l'alleanza.
3. Baratto Asimmetrico Basato sul Contributo: L'istituzione di un'architettura di condivisione dell'energia che decompone il problema in ottimizzazione dei costi e allocazione dei ricavi. Il meccanismo di baratto di Nash asimmetrico proposto garantisce che la distribuzione dei profitti sia allineata con i contributi multidimensionali, affrontando i limiti dei metodi di allocazione a singola dimensione.

Risultati
Gli studi di caso che coinvolgono tre microgrid (due basate sul vento, una basata sul fotovoltaico, con una sottoposta a retrofit low-carbon) dimostrano quanto segue:

• Efficacia del Retrofit Low-Carbon: Il retrofit della Microgrid 2 ha ridotto le emissioni reali di carbonio di circa il 28% e i costi operativi totali del 2,63% rispetto agli scenari pre-retrofit, validando la viabilità economica dell'integrazione CCS-P2G.
• Convergenza dell'Algoritmo: L'algoritmo ADMM è convergito efficientemente (entro 73 iterazioni per il problema principale), confermando la stabilità computazionale della soluzione distribuita.
• Sinergia Operativa: I risultati mostrano schemi complementari di scambio energetico. Ad esempio, le microgrid ricche di vento forniscono energia durante i periodi di bassa domanda, mentre quelle ricche di fotovoltaico supportano le altre durante le ore di picco di luce diurna. La condivisione dell'energia termica aumenta ulteriormente la flessibilità.
• Distribuzione Equa dei Benefici: Il meccanismo di allocazione proposto ha aumentato il ricavo totale dell'alleanza di oltre 127.000 CNY. Le microgrid con contributi globali più elevati (ad esempio, MG2 con alta riduzione del carbonio e flessibilità) hanno ricevuto quote maggiori dei benefici ridistribuiti, dimostrando la capacità del meccanismo di bilanciare equità ed efficienza.
• Confronto tra Modelli: Rispetto ai modelli Deterministico (DDRCC), Stocastico (SDRCC) e basato sui Momenti (MDRCC), il modello WDRCC proposto ha ottenuto il costo operativo totale più basso. Ha bilanciato con successo l'alto conservatorismo del MDRCC (che comportava alti costi day-ahead) e gli alti costi di riprogrammazione/penalità del DDRCC.
• Analisi di Sensibilità: Lo studio ha confermato che le prestazioni del modello WDRCC sono sensibili al coefficiente di confidenza e alla dimensione del campione, permettendo agli operatori di regolare il compromesso tra robustezza e costi. Inoltre, trascurare le correlazioni spazio-temporali porta a una sottostima dei rischi di incertezza e a costi operativi più elevati.

Significatività e Rivendicazioni
Il documento sostiene che il quadro proposto fornisce una soluzione unificata per l'operazione coordinata, low-carbon ed equa dei sistemi multi-microgrid. Integrando la modellazione dell'incertezza spazio-temporale con un meccanismo di baratto basato sul contributo, l'approccio affronta le doppie sfide dell'incertezza tra fonte e carico e della distribuzione equa dei benefici. Gli autori affermano che il metodo riduce i costi operativi e le emissioni di carbonio mantenendo al contempo la robustezza e l'equità del sistema.

Il documento nota con modestia che, sebbene il metodo proposto incorpori efficacemente la dipendenza spazio-temporale attraverso metriche pesate sulla covarianza, non costruisce esplicitamente un insieme di ambiguità spazio-temporale congiunto. Gli autori suggeriscono che i lavori futuri potrebbero esplorare tecniche di modellazione più rigorose, come la modellazione della dipendenza basata su vine Copula o gli insiemi di ambiguità di Wasserstein condizionali, per perfezionare ulteriormente la gestione dell'incertezza spazio-temporale accoppiata.