Corasaniti ifs Italia - Ottimizzazione di un portfolio di impianti di...
Transcript of 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
conoscenza dei modelli statistici/stocastici.
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
conoscenza dei modelli statistici/stocastici.
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
Save all information from ResOpt
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)
Reduction methods and
creation of a scenario tree
DB/TSM
Save all information from ResOpt
Price modeling
(Montecarlo, different distributions and
models, ~ 10.000)
Reduction methods and
creation of a scenario tree
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
gen-15 feb-15 mar-15 apr-15 mag-15 giu-15 lug-15 ago-15 set-15 ott-15 nov-15 dic-15
Vendita cliente Vendita terzi
15
0 MWh
50 MWh
100 MWh
150 MWh
200 MWh
250 MWh
300 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
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