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

Resumo Técnico: Compartilhamento de Energia Elétrica e Térmica em Multi-Microredes Baseado em Otimização Robusta Distribuicional Espaçotemporal e Alocação de Benefícios

Definição do Problema
O despacho coordenado de sistemas de multi-microredes (MMG) enfrenta desafios significativos decorrentes do acoplamento dos requisitos operacionais de baixa emissão de carbono e da incerteza das previsões de fontes renováveis e de carga. As abordagens existentes frequentemente falham em abordar simultaneamente três lacunas críticas:

1. Modelagem de Incerteza: Métodos tradicionais (otimização por intervalo, estocástica ou robusta) dependem de intervalos definidos manualmente, dependem fortemente de suposições distributivas específicas ou geram resultados de pior caso excessivamente conservadores. Além disso, frequentemente negligenciam as correlações espaço-temporais dos erros de previsão entre múltiplas microredes e períodos de tempo, podendo subestimar os riscos do sistema.
2. Integração de Baixa Emissão de Carbono: Embora existam tecnologias de baixa emissão de carbono, como Captura e Armazenamento de Carbono (CCS) e Power-to-Gas (P2G), há uma falta de frameworks unificados que integrem essas tecnologias em um modelo de despacho multienergético coordenado (eletricidade–calor–gás) que aproveite a cooperação entre microredes para a redução de emissões.
3. Alocação de Benefícios: Os mecanismos de compartilhamento de lucros existentes, como o valor de Shapley ou a negociação de Nash simétrica, muitas vezes lutam para equilibrar a eficiência computacional com a equidade, particularmente quando as contribuições são multidimensionais (ex: compartilhamento de energia, redução de carbono e flexibilidade) e assimétricas.

Metodologia
O artigo propõe um framework abrangente integrando otimização robusta distribuicional com correlação espaço-temporal e teoria dos jogos de coalizão. A metodologia é estruturada em três componentes principais:

1. Modelo de Microrede Multienergética de Baixa Emissão de Carbono:
   Os autores constroem um modelo para microredes individuais incorporando CCS, P2G, armazenamento de hidrogênio e metanação. Esta configuração permite capturar o $CO_2$ de unidades de Cogeração (CHP) e sua subsequente conversão em metano via P2G, criando uma via de acoplamento "eletricidade–gás–carbono". O modelo minimiza os custos operacionais, incluindo combustível, manutenção e custos de comercialização de carbono.

2. Modelo de Chance Distribuicional Robusta de Wasserstein com Correlação Espaço-Temporal (WDRCC):
   Para lidar com a incerteza fonte-carga, o artigo desenvolve um modelo WDRCC. Diferente dos modelos padrão, esta abordagem:

   • Constrói um conjunto de ambiguidade centrado na distribuição empírica dos erros de previsão históricos usando uma bola de Wasserstein.
   • Introduz uma métrica de distância de Wasserstein ponderada pela covariância. Esta métrica incorpora características estatísticas espaço-temporais (matrizes de covariância) no cálculo da distância, permitindo que o modelo considere a anisotropia da incerteza (ou seja, correlações mais fortes em direções específicas).
   • Formula um problema de otimização de dois estágios: um estágio determinístico de dia anterior e um estágio de reprogramação intradia. O objetivo é minimizar a soma dos custos do dia anterior e dos custos de ajuste do pior caso esperado dentro do conjunto de ambiguidade.
   • Lineariza o problema usando teoria da dualidade e variáveis auxiliares para garantir a tratabilidade.

3. Negociação de Nash Assimétrica para Alocação de Benefícios:
   A operação coordenada é modelada como um jogo de coalizão.

   • Otimização de Custo: O Método de Alternância de Direção por Multiplicadores (ADMM) é empregado para resolver o problema de minimização de custo de toda a aliança de forma distribuída, preservando a privacidade das microredes individuais ao trocar apenas variáveis de fronteira (quantidades de troca de energia e variáveis duais).
   • Alocação de Receita: Um modelo de negociação de Nash assimétrica é formulado. Diferente dos modelos simétricos, esta abordagem pondera o poder de negociação de cada microrede com base em um sistema de avaliação de contribuição multidimensional. Este sistema quantifica as contribuições em quatro dimensões: compartilhamento de energia, redução de emissões de carbono, capacidade de regulação (flexibilidade) e suporte ao equilíbrio de potência (confiabilidade). A alocação de lucro final é proporcional a esses índices de contribuição abrangentes.

Principais Contribuições

1. WDRCC Ponderada por Covariância: O desenvolvimento de um modelo robusto distribuicional que integra explicitamente as dependências estatísticas espaço-temporais na métrica de distância de Wasserstein. Isso melhora a representação da anisotropia da incerteza e permite um trade-off ajustável entre desempenho econômico e robustez sem assumir uma distribuição de probabilidade específica.
2. Modelo de MMG Integrado de Baixa Emissão de Carbono: A formulação de um modelo de multi-microredes que estende o retrofit de baixa emissão de carbono (CCS e P2G) de uma perspectiva de unidade única para um nível de multi-microrede coordenada, facilitando a captura de $CO_2$ e a utilização de recursos através da aliança.
3. Negociação Assimétrica Baseada em Contribuição: O estabelecimento de uma arquitetura de compartilhamento de energia que decompõe o problema em otimização de custo e alocação de receita. O mecanismo de negociação de Nash assimétrica proposto garante que a distribuição de lucros se alinhe com as contribuições multidimensionais, abordando as limitações dos métodos de alocação de dimensão única.

Resultos
Estudos de caso envolvendo três microredes (duas baseadas em vento, uma baseada em PV, com uma passando por retrofit de baixa emissão de carbono) demonstram o seguinte:

• Eficácia do Retrofit de Baixa Emissão: O retrofit da Microrede 2 reduziu as emissões reais de carbono em aproximadamente 28% e os custos operacionais totais em 2,63% em comparação com os cenários pré-retrofit, validando a viabilidade econômica da integração CCS-P2G.
• Convergência do Algoritmo: O algoritmo ADMM convergiu eficientemente (dentro de 73 iterações para o problema principal), confirmando a estabilidade computacional da solução distribuída.
• Sinergia Operacional: Os resultados mostram padrões complementares de troca de energia. Por exemplo, microredes ricas em vento fornecem energia durante períodos de baixa demanda, enquanto microredes ricas em PV apoiam outras durante as horas de pico de luz solar. O compartilhamento de energia térmica aumenta ainda mais a flexibilidade.
• Distribuição Justa de Benefícios: O mecanismo de alocação proposto aumentou a receita total da aliança em mais de 127.000 CNY. Microredes com maiores contribuições abrangentes (ex: MG2 com alta redução de carbono e flexibilidade) receberam fatias maiores dos benefícios redistribuídos, demonstrando a capacidade do mecanismo de equilibrar equidade e eficiência.
• Comparação de Modelos: Comparado aos modelos Determinístico (DDRCC), Estocástico (SDRCC) e baseado em Momentos (MDRCC), o modelo WDRCC proposto alcançou o menor custo operacional total. Ele equilibrou com sucesso o alto conservadorismo do MDRCC (que incorreu em altos custos do dia anterior) e os altos custos de reprogramação/penalidade do DDRCC.
• Análise de Sensibilidade: O estudo confirmou que o desempenho do modelo WDRCC é sensível ao coeficiente de confiança e ao tamanho da amostra, permitindo que os operadores ajustem o trade-off entre robustez e custo. Além disso, negligenciar as correlações espaço-temporais leva à subestimação dos riscos de incerteza e a custos operacionais mais elevados.

Significância e Alegações
O artigo afirma que seu framework proposto fornece uma solução unificada para a operação coordenada, de baixa emissão de carbono e justa de sistemas de multi-microredes. Ao integrar a modelagem de incerteza espaço-temporal com um mecanismo de negociação baseado em contribuição, a abordagem aborda os desafios duplos da incerteza fonte-carga e da distribuição equitativa de benefícios. Os autores afirmam que o método reduz os custos operacionais e as emissões de carbono, mantendo a robustez e a equidade do sistema.

O artigo nota modestamente que, embora o método proposto incorpore efetivamente a dependência espaço-temporal através de métricas ponderadas por covariância, ele não constrói explicitamente um conjunto de ambiguidade espaço-temporal conjunto. Os autores sugerem que trabalhos futuros poderiam explorar técnicas de modelagem mais rigorosas, como a modelagem de dependência baseada em Vine Copula ou conjuntos de ambiguidade de Wasserstein condicional, para refinar ainda mais o tratamento da incerteza espaço-temporal acoplada.