Cerca nel sito per parola chiave

rapporti - Deliverable

Sviluppo e test in ambiente simulato di un software per la gestione ottimizzata innovativa di una centrale di teleriscaldamento

rapporti - Deliverable

Sviluppo e test in ambiente simulato di un software per la gestione ottimizzata innovativa di una centrale di teleriscaldamento

E’ stato sviluppato un sistema di ottimizzazione ibrido, combinando modelli fisici e modelli basati sui dati. L’ottimizzatore è stato sviluppato per una rete di teleriscaldamento nella zona di Milano e verrà testato tramite sperimentazioni sull’impianto. Le valutazioni economiche ottenute hanno evidenziato che l’utilizzo del sistema di ottimizzazione porta ad un risparmio medio tra il 4 e il 6% rispetto al normale funzionamento dell’impianto, e questo può arrivare al 30% tramite un utilizzo opportuno dei cogeneratori per la partecipazione al mercato elettrico.

L’evoluzione dei sistemi di teleriscaldamento (DHC) verso sistemi efficienti e a basse emissioni prevederà la progressiva introduzione di fonti rinnovabili programmabili e non programmabili, sistemi di cogenerazione (CHP), pompe di calore geotermiche, efficientamento dell’operatività del sistema con la diminuzione delle temperature di esercizio. La gestione di un tale sistema richiede un software di ottimizzazione delle risorse con caratteristiche di i) ottimalità, ii) predittività, iii) flessibilità e iv) responsività e robustezza. Il software per la gestione ottimizzata di una centrale di teleriscaldamento, sviluppato e descritto in questo rapporto, ha l’obiettivo di migliorare l’efficienza del sistema variando la temperatura di mandata in base alle richieste di carico e definire l’operatività dei generatori in modo da partecipare al mercato elettrico (Mercato Giorno Prima-MGP) fornendo, dove possibile, flessibilità per il Mercato del Dispacciamento (MSD) con conseguente risparmio di energia primaria e diminuzione della produzione di CO2 oltre che ritorno economico. Il sistema di ottimizzazione definirà quindi lo stato e i set point dei generatori coinvolti e la temperatura di mandata, variandola in base alle esigenze di carico previste. Il sistema di ottimizzazione si basa su modelli dei componenti della centrale ma anche su equazioni descrittive della dinamica della rete. Si è optato per un approccio ibrido del problema con un innovativo schema di controllo, che combina tecniche di Model Predictive Control (MPC) con approcci di Machine Learning (ML), quest’ultimi utilizzati per modellizzare la rete di teleriscaldamento (usando modelli autoregressivi) e per prevedere il carico termico (usando reti neurali). Il sistema di ottimizzazione sviluppato si classifica come un sistema MILP (Mixed Integer Linear Programming). Le valutazioni economiche ottenute tramite simulazione hanno evidenziato che l’utilizzo del sistema di ottimizzazione, pur con gli stringenti vincoli contrattuali sulle temperature di mandata, porta ad un risparmio medio del 4-6% sui costi di esercizio rispetto al normale funzionamento dell’impianto grazie a una riduzione delle perdite e quindi della potenza termica erogata dalla centrale. Inoltre, si evidenzia che questo risparmio

economico può arrivare fino al 30% tramite l’utilizzo opportuno dei sistemi di cogenerazione, i quali permettono di vendere energia elettrica al sistema elettrico (MGP) contemporaneamente alla produzione di calore per il soddisfacimento della domanda termica. L’ottimizzatore è stato sviluppato per un caso reale di una rete di teleriscaldamento nella zona di Milano e nel corso del 2021 la sua prestazione reale verrà testata tramite sperimentazioni sull’impianto.

Comments