Ricerca energia
MOSES - EMS per nanogrid residenziali
Caso studio MOSES: una microgrid residenziale con fotovoltaico, accumulo, carichi programmabili e un EMS interpretabile per gestire i flussi energetici in tempo reale.
Sintesi
MOSES trasforma lo storage in un problema di gestione energetica.
MOSES (MOdular Smart Energy System) studia sistemi di accumulo modulari, adatti a cicli di carica e scarica veloci, per stazioni di telecomunicazione, ricarica dei veicoli elettrici e impianti fotovoltaici domestici. Nello scenario residenziale energia fotovoltaica, batteria, carichi programmabili e rete devono essere coordinati da un Energy Management System: non solo accumulo, ma decisioni in tempo reale sui flussi energetici.
- Sistema locale con PV, ESS, carichi programmabili e rete.
- EMS pensato per Demand Response, autoconsumo e riduzione dello stress di rete.
- Tre scenari applicativi: telecomunicazioni, ricarica veloce dei veicoli elettrici, fotovoltaico domestico con accumulo.
Problema
Coordinare generazione intermittente, domanda domestica e accumulo.
La crescita di rinnovabili distribuite, veicoli elettrici e carichi flessibili rende più variabili gli scambi con la rete. Una nanogrid deve decidere quando usare il fotovoltaico, quando caricare o scaricare l'ESS, quando prelevare energia e quando ritardare carichi come lavatrice e lavastoviglie.
- Produzione PV intermittente e consumi domestici variabili.
- Carichi non interrompibili da soddisfare in tempo reale.
- Carichi programmabili con finestre di avvio e vincoli utente.
- Necessità di mantenere interpretabile la logica decisionale.
Approccio
Formalizzare i flussi e addestrare un EMS interpretabile.
Il lavoro parte dalla topologia elettrica della microgrid residenziale (rMG) e dalla notazione dei flussi energetici. Su questa base è costruito un modello dati con training, validation e test set, poi usato per sintetizzare un EMS fuzzy confrontabile con soluzioni di benchmark.
- Flussi energetici descritti per nodo, ramo e sistema connesso.
- Serie residenziali e PV riallineate in time slot da 15 minuti.
- Training, validation e test set separati per addestramento e verifica.
- Scelta di modelli grey-box per mantenere leggibile la decisione.
Sistema
Tre sistemi fuzzy per rete, batteria e carichi programmabili.
L'EMS modellato combina un ANFIS per gestire scambio con la rete, ESS e stato di carica, più due FIS Mamdani per decidere l'avvio dei carichi programmabili. Gli input includono SoC, carico, produzione PV, scambio precedente con la rete e presenza di cicli da avviare.
- ANFIS centrale per connessione con la rete e gestione ESS.
- Due FIS per la programmazione di lavatrice e lavastoviglie.
- Normalizzazione degli input in intervallo 0-1 e filtro sui segnali letti.
- Piano d'azione verificato sul modello matematico della microgrid.
Risultati
Simulazioni vicine ai benchmark, con limiti dichiarati.
Nel test set, gli EMS generati sono stati confrontati con benchmark ottimi in due scenari. La distanza dalla soluzione ottima è di circa 10 punti percentuali in uno scenario e circa 15 nell'altro; la gestione dei carichi programmabili migliora leggermente il secondo scenario, mentre resta trascurabile nel primo.
- Risultati valutati su funzioni di costo normalizzate, non su ROI economico.
- Prestazioni ANFIS giudicate efficaci nel contesto simulato.
- Contributo dei FIS sui carichi flessibili positivo ma limitato.
- Vincoli impostati in modo conservativo e risultati da non sovrainterpretare.
Tecnologia
Microgrid, MCIC, banca dati e segnali per controllo energetico.
Il sistema comprende la topologia della microgrid, il convertitore modulare MCIC, i modelli di impianto fotovoltaico, batteria e carichi e la gestione dei dati. La banca dati serve sia per addestrare EMS e predittori, sia per diagnostica, monitoraggio, manutenzione e riaddestramento in nuovi scenari.
- MCIC modulare per interfacciare sorgenti DC/AC e carichi DC/AC.
- Sistema PV e batteria modellati in Simulink con vincoli fisici.
- Storici di power converter, ESS e serie input/output EMS.
- Possibile riaddestramento quando cambiano stagioni, tariffe, carichi o dimensionamento batteria.
Riuso
Cosa resta per i progetti successivi.
MOSES ha dato ad Adeo esperienza su accumulo, gestione dei flussi energetici e modelli decisionali interpretabili, competenze che servono ai progetti successivi su energia e mobilità elettrica.
- Separare dati di addestramento, validazione e test per misurare davvero un EMS.
- Preferire modelli interpretabili quando le decisioni toccano la rete e gli utenti.
- Dichiarare i limiti: risultati in simulazione, su funzioni di costo normalizzate.
- Tenere una banca dati storica per riaddestrare il sistema quando cambiano le condizioni.
CTA
Hai un impianto o una rete energetica da gestire meglio?
Adeo può partire dall'esperienza di MOSES per discutere nanogrid, controllo dell'accumulo, dataset e sistemi decisionali interpretabili.
Parla di ricerca energia