Il sistema elettrico è in una fase di profonda trasformazione: da una parte l’ampio sviluppo di fonti rinnovabili, in particolare non programmabili (FRNP), e la diffusione sempre maggiore di generazione distribuita e dall’altra la flessione della domanda finale stanno portando ad una completa revisione del paradigma di gestione del sistema, che necessariamente si ripercuote sul funzionamento dei mercati elettrici e dei servizi ancillari.

Il contesto in continua evoluzione ha un effetto evidente sugli esiti dei mercati dell’energia MGP e MI, le attività di scheduling e l’approvvigionamento delle riserve, e pertanto è indispensabile dotarsi di strumenti idonei per l’analisi e la simulazione del sistema e mantenere adeguati quelli già in uso. Nell’ambito della ricerca di sistema, nel PAR 2016 sono state svolte attività focalizzate sullo sviluppo, ampliamento e manutenzione degli strumenti per la simulazione del mercato elettrico e dei servizi di dispacciamento e per la previsione dei loro prezzi.

In particolare, la metodologia applicata in precedenza alla simulazione del MSD è stata positivamente estesa ad essere applicata al MB; questa estensione ha completato il parco di simulatori in possesso di RSE, permettendo la costruzione di una catena di simulazione che, a partire dalle caratteristiche dei singoli impianti di generazione e da opportune ipotesi di scenario sul sistema elettrico, permette di simulare come quest’ultimo si comporta a partire dal MGP passando per MI, MSD e terminando con MB. Nell’ambito di acquisire una più completa conoscenza dei meccanismi sottostanti gli esiti del MB, è stato anche sviluppato un modello matematico capace di discriminare la componente delle movimentazioni eseguite sui singoli impianti dovuta alla risoluzione delle congestioni di rete da quella dovuta al bilanciamento.

Contemporaneamente, si è provveduto ad affinare le metodologie di determinazione dello Unit Commitment degli impianti termoelettrici, per quello che riguarda la simulazione del Sistema Elettrico, in modo da risolvere le problematiche numeriche e ridurre i tempi di calcolo richiesti.

Si è infine sviluppata una metodologia di previsione dei prezzi che consenta non solo di ottenere buone previsioni, ma anche di valutare l’effettiva influenza che esprime ciascuno dei parametri ipotizzati come driver dei prezzi; questo è stato possibile grazie alle innovative tecniche considerate, tra cui le reti neurali e le Support Vector Machine.