A seguito della crescita della produzione da fonte rinnovabile non programmabile e del processo di decarbonizzazione del settore energetico, si è reso necessario l’ampliamento dei soggetti abilitati alla fornitura dei servizi ancillari. A tal riguardo, nel 2017 l’Autorità di Regolazione per Energia, Reti e Ambiente (ARERA) ha emanato la delibera 300/2017/R/eel finalizzata a promuovere la sperimentazione della fornitura di alcuni servizi ancillari da parte di aggregati di risorse distribuite (anche di piccole dimensioni) e da fonti rinnovabili.
In questo lavoro vengono proposti tre modelli che permettono di verificare la fattibilità della fornitura di servizi ancillari da parte di aggregati di utenti residenziali. Il primo modello permette di prevedere la flessibilità disponibile nell’aggregato e definisce la quantità ottimale che può essere offerta nell’ambito delle aste per l’assegnazione dei contratti a termine, come previsto dall’attuale quadro regolatorio. Viene inoltre presentato un secondo modello, basato su un approccio Rolling Horizon, che è in grado di verificare la fattibilità dell’attivazione della flessibilità, sia da un punto di vista tecnico, sia economico. Entrambi questi modelli sono basati su metodi di ottimizzazione lineare misto intero deterministica, sono implementati in ambiente Python e risolti tramite il solver Gurobi. Viene infine descritto un terzo modello che permette la previsione degli scambi energetici tra l’aggregato e la rete elettrica. Quest’ultimo modello mira a minimizzare i costi di compravendita dell’energia da parte del gestore dell’aggregato e di riservare la flessibilità dichiarata nell’ambito delle aste per l’assegnazione dei contratti a termine. A causa delle forti incertezze che caratterizzano la previsione della produzione fotovoltaica e la richiesta energetica degli utenti residenziali, il modello proposto si basa su un approccio di programmazione stocastica mista intera. La generazione degli scenari di realizzazione delle incertezze viene effettuata tramite un metodo Monte Carlo con successiva riduzione degli scenari utilizzando l’algoritmo k-means. Vengono infine riportati e commentati i risultati preliminari ottenuti, i quali mostrano come un aggregato composto da circa 1000 unità residenziali sia in grado di offrire al sistema elettrico 1 MW di flessibilità senza comportare effetti non voluti agli utenti.