Corasaniti ifs Italia - Ottimizzazione di un portfolio di impianti di...

1

Ottimizzazione di un portfolio di

impianti di Cogenerazione in

service per conto di utenze

industriali e asservite a reti di

Teleriscaldamento

Relatore: Pietro Corasaniti – Project Manager

ifs Italia

2

� La Gestione per conto di Aziende terze (Clienti) Clienti di impianti (generalmente di co/trigenerazioneindustriale) inserito nel contesto produttivo del Cliente.

� In particolare Energy Service promuove, realizza e gestisce l’impianto di co/trigenerazione posto al servizio dello stabilimento del Cliente.

� L’Obiettivo primario dell’attività è massimizzare il risultato economico nel rispetto dei vincoli di carattere tecnico, commerciale e normativo.

L‘Energy Service o ContractingL‘Energy Service o Contracting

3

� Ottenere una programmazione oraria di un generico impianto di cogenerazione (produzione combinata di energia elettrica e termica), che fornisce energia ad uno stabilimento di cui si dispone della stima del fabbisogno orario di elettricità e calore (ad alta e bassa temperatura) per un orizzonte temporale a BT/MT

� Dati tipici disponibili per la caratterizzazione del sistema di gestione degli impianti:�tipologia delle macchine e delle caldaie, performance data, modalità di

funzionamento;

�bilanci energetici (termico ed elettrico);

�condizioni economiche di fornitura dei vettori energetici allo stabilimento cliente e di approvvigionamento della materia prima e dell’energia (costi, ricavi, prezzi di mercato dell’energia, ecc.);

�stime di consumo dello stabilimento cliente;

�normativa da rispettare.

Problema dell‘Ottimizzazione dell‘ESCOProblema dell‘Ottimizzazione dell‘ESCO

4

Problema dell‘Ottimizzazione dell‘ESCO (2)Problema dell‘Ottimizzazione dell‘ESCO (2)

5

Il modello di BusinessIl modello di Business

Gas contract Costs

Cogeneration

+

Restrictions

BUY EE

Costs

FC Price

SELL EE

Revenue

FC Price

FC Price

EE Load

FC Price

Revenue

TE Load

FC Price

Revenue

+ Boilers

Revenue

FC Price

Cooling

Technicalparameter

FC Loads

6

Parametri base del caseParametri base del case

� Target: massimizzare Ebit (=Revenues – Costs)

� Input� Le previsioni dei prezzi (immissione, prelievo, energia termica, CIP6, CTR,…)� Le previsioni di consumo del cliente che utilizza l‘impianto (energia termica,

elettricità)

� Output� Quantità (energia termica, elettricità) prodotta

� Quantità (elettricità) immessa/prelevata

� Ore di funzionamento

� Profilo di carico della cogenerazione e delle caldaie termiche

� Calcoli ex post� Indici LT e IRE, PES, TEE, costi fissi (manutenzione)

7

Vincoli specifici del caseVincoli specifici del case

Vincoli� Numero massimo di ore annuali di funzionamento dei motori� Numero massimo di accensioni e spegnimenti in un giorno� Imporre ON/OFF al funzionamento dei motori� Definizione di ore in cui il cogeneratori non è disponibile� Definizione ore di manutenzione annue� Bilanciamento potenza elettrica (Pe erogata dai cogeneratori + Pe presa da

rete - Pe immessa in rete – Pe richiesta da Aux cogeneratori = Pe richiesta stabilimento)

� Bilanciamento potenza termica (Pt erogata dai cogeneratori + Pt erogata caldaie = Pt richiesta da stabilimento)

� Minima e massima percentuale di carico dei cogeneratori(es. il range di funzionamento del cogeneratore può essere solo dall’85% al 100% delle proprie capacità)

� Minima e massima percentuale di carico mensile Caldaie(es. una caldaia può lavorare solo da un 30% al 100 % delle proprie capacità)

� Definizione massima potenza elettrica prelevabile da rete� Definizione massima potenza elettrica Immessa in rete� Definizione LT, IRE o PES

8

L‘uso di un prodotto di mercato : ResOptL‘uso di un prodotto di mercato : ResOpt

Variant Tree Generator Scenario Tree Generator (*)

Topology Modeller

Planning Version Management

Macro Component Builder

Time Series Management

PROMETHEUS Model Generator

Deterministic CalculationEngine

Stochastic CalculationEngine (*)

(*) Future Releases

Variant Tree Generator

Topology Modeller

Planning Version Management

Macro Component Builder

Time Series Management

PROMETHEUS Model Generator

Deterministic Calculation

Engine

Stochastic Calculation

Engine

Scenario Tree Generator

� ResOpt è uno strumento di supporto alle decisioni al fine di avere la situazioneottimale per minimizzare i costi, massimizzare i profitti o l‘Ebit

� ResOpt è basato su un sw core MIP (Mixed Integer Programming) sviluppatoa livello universitario in Germania, e su un motore topologico multi-commodityEE, gas, calore e vapore in Generazione, Stoccaggio e Distribuzione

Statistic Calculation

Engine

9

La fase di design e configurazione del modello DeterministicoLa fase di design e configurazione del modello Deterministico

10

Complessità e competenze crescentiComplessità e competenze crescenti

Campo di Applicazione Competenze di business e tecniche Punti di forza

Deterministico

Valutare il risultato ottenibile (programma

per impianto/i), tenendo conto dei vincoli di

funzionamento e dei costi di produzione, e di

uno scenario di previsioni e stime.

L'utente può modificare ad ogni run le

condizioni di partenza (previsioni, vincoli ecc).

Alta conoscenza del business/mercato, limitata

conoscenza dei modelli statistici/stocastici.

L'utente ha controllo sia dello scenario di

previsione e stime su cui si basa il risultato, sia

del risultato stesso (strategia/economics) che

ResOpt calcola e l'utente approva.

L'estensione possibile è verso un "What if"

usando le varianti per costruire un insieme di

scenari di previsione/stima.

Statistico

Valutare il risultato ottenibile (insieme di

programmi per impianto/i), tenendo conto

dei vincoli di funzionamento e dei costi di

produzione, e di più scenari di previsioni e

stime.

L'utente si affida allo strumento per creare più

scenari di previsioni/stime e a ridurne ad un

numero sufficiente senza una significativa

perdita di precisione.

Alta conoscenza del business/mercato, buona


Si tratta di una estensione dell'analisi "what if"

con più scenari di previsioni/stime costruiti in

base alle variazioni statistiche delle stime stesse,

il che permette di tenere in conto le incertezze e

la volatilità dei mercati seppure con un

approccio ancora "deterministico".

Stocastico

Valutare il risultato ottenibile (programma

per impianto/i), tenendo conto dei vincoli di

funzionamento, dei costi di produzione, e di

più scenari di previsioni e stime.

E' lo strumento stesso che fornisce

direttamente all’utente la strategia migliore

risultante dall'insieme di risultati possibili.

Alta conoscenza del business/mercato, alta


Per una migliore gestione dell'incertezza e

della volatilità dei mercati lo strumento

realizza una ottimizzazione stocastica tra più

scenari creati dallo strumento stesso.

11

Approccio Statistico : confrontoMulti-scenarioApproccio Statistico : confrontoMulti-scenario

DB/TSM

Save all information from ResOpt

Reduction methodsreduce to N (~ 50)

scenarios to be handled by ResOpt

ResOpt(solving N problems)(presolving, read TS, write results to DB)

Solver(Cplex or Gurobi)

Price modeling

(Montecarlo, different distributions and

models, ~ 10.000)

Statistico Deterministico

Risultato dopo la riduzione degli scenari dove il diametro degli scenari “ridotti” indica la loro probabilità che può essere utilizzata per es. per pesare opportunamente il risultato economico dello scenario.

Heitsch, Henrion, Küchler, Römisch in „Innovative Modellierung und Optimierung von Energiesystemen“, (2009) 227-254

12

Approccio Stocastico : riduzione del RischioApproccio Stocastico : riduzione del Rischio

Database


Solver(Cplex or Gurobi)

Price modeling

(Estimate parameter of the quantities)

Reduction methods and

creation of a scenario tree

ResOpt (solving

complete problem)(presolving, read TS, write result to BelVis)

Stocastico Deterministico

Price modeling

(Estimate parameter of the quantities)



DB/TSM


Price modeling

(Montecarlo, different distributions and

models, ~ 10.000)



Esempio di alberatura degli scenari per modelizzare il processo energetico che dovrà essere ottimizzato.

H. Heitsch and W. Römisch, Generation of multivariate scenario trees to model stochasticity in power management, IEEE St. Petersburg Power Tech Proceedings, St. Petersburg, Russia, 2005

13

� Nel customer case sono stati modellati/ottimizzati un totale di 14 impianti che operano in diversi ambiti (teleriscaldamento, industria della ceramica, imballaggi…).

� Ottenendo dal confronto fra lo strumento precedentemente utilizzato e ResOpt un delta medio sull’EBIT pari al:

Alcune note metodologiche sul confronto:

� il confronto è stato fatto a parità di condizioni (fabbisogni, prezzi…);

� il confronto non prevede minori margini da indisponibilità di motori;

� a valle delle analisi, in via prudenziale, è stato inserito un coefficiente di

correzione a copertura del rischio scenario.

+11%

Risultati in percentuale su 1 anno di funzionamento usando ResOptRisultati in percentuale su 1 anno di funzionamento usando ResOpt

14

Risultati Prodotto VS Custom – Quantità E.E.Risultati Prodotto VS Custom – Quantità E.E.

0 MWh

200 MWh

400 MWh

600 MWh

800 MWh

1.000 MWh

1.200 MWh

1.400 MWh

1.600 MWh

gen-15 feb-15 mar-15 apr-15 mag-15 giu-15 lug-15 ago-15 set-15 ott-15 nov-15 dic-15

Produzione Acquisto terzi

0 MWh

200 MWh

400 MWh

600 MWh

800 MWh

1.000 MWh

1.200 MWh

1.400 MWh

1.600 MWh


Vendita cliente Vendita terzi

15

0 MWh

50 MWh

100 MWh

150 MWh

200 MWh

250 MWh

300 MWh


Quantità ET Custom

Quantità ET Prodotto

Risultati Prodotto VS Custom – Quantità E.T.Risultati Prodotto VS Custom – Quantità E.T.

16

Dettagli Case: �3 motori�4 Caldaie termiche di integrazione

Dettagli Case: �3 motori�4 Caldaie termiche di integrazione

Cogenerazione asservita a ReteTeleriscaldamentoCogenerazione asservita a ReteTeleriscaldamento

G

Engine

CH4

G

Engine

CH4

G

Engine

CH4

Boiler1

Boiler2

Boiler3

Boiler4

Hot water - 90°C

Hot water - 65°C

CH4

LT

LT

HT

Hot water - 90°C

Hot water - 65°C

Needs

EE

Heat exchanger

17

La modellazione della rete di TeleriscaldamentoLa modellazione della rete di Teleriscaldamento

� Problema: l’equazione termodinamica che governa il fluido termovettore (acqua calda o surriscaldata) dipende in maniera non lineare da parametri come la pressione, temperatura o perdite di rete che si possono «semplificare», per es. discretizzando tali relazioni non lineari riportandole ad una spezzata

� In questo modo si è creato un “modello semplificato” per coprire alcuniaspetti del Teleriscaldamento tra cui la dipendenza della portata dallatemperatura (fissati gli altri parametri), i vincoli fisici del sistemaidraulico (es: max e min portata) e dei serbatoi (inteso come cicli di carico/scarico sulla rete) e le curve di riscaldamento/raffreddamento

� Nel modello che segue sono presenti alcuni componenti relativi allarete di Teleriscaldamento tra cui:� I nodi che rappresentano la domanda di calore (prevista usando il modulo

Previsione energetica BelvisPRO)

� Varie sorgenti del calore: da Cogenerazione, da Turbina (vapore in esubero) acccoppiata a Condensatore caldo, da Caldaia (Power-to-Heat)

� Il serbatoio utilizzato per soddisfare i picchi di domanda di calore

� Le reti con le perdite (della rete stessa e del serbatoio)

18

La modellazione della rete di Teleriscaldamento (2)La modellazione della rete di Teleriscaldamento (2)

Modello topologico di alto livello

19

Esempio pratico di ottimizzazione TLREsempio pratico di ottimizzazione TLR

Nuovo profilo della curva di consumo

TLR per spegnimento

forzato della CT e energia equivalente

all’area sottesa

Nuovo profilo della curva di consumo

TLR per deficit energetico da

compensare con calore COGE e

energia equivalente all’area sottesa

Tm

Tr

Carico Termico

Prod. Coge

MWht

h

È possibile manipolare il carico termico (entro i vincoli tecnici) al fine di accumulare energianella rete e rilasciarla quando è necessario evitando inutili consumi di gas della CT.Alcuni vincoli tecnici dell’esempio:- La Temp di ritorno (Tr) non può scendere oltre 50°C- Il delta fra Temp di mandata (Tm) e Tr non deve essere superiore a 5°C- L’energia accumulata nella rete deve essere rilasciata/utilizzata entro 4 ore- Posso accumulare energia se il carico termico è inferiore alla potenza termica MAX dell’impianto

20

Perchè utilizzare un Prodotto ?Perchè utilizzare un Prodotto ?

� Standardizzazione delle attività di gestione e manutenzione

� Competenze non limitate ad 1 o 2 programmatori

� Automazione dell’intero processo

� Gestione dei dati più efficace grazie all’EDM

� Disponibilità di altre funzionalità (es: Previsioni EE/ET)

� Migliori risultati

21

Grazie per l’attenzione

[email protected]@ifs-italia.it

Ifs italiaL.go Duranti n. 1, sc. D - Roma

Tel. 06 5089991www.ifs-italia.it

RiferimentiRiferimenti

Corasaniti ifs Italia - Ottimizzazione di un portfolio di impianti di...

Documents

Transcript of Corasaniti ifs Italia - Ottimizzazione di un portfolio di impianti di...