• comunità energetica (energy community)
• ottimizzazione (optimization)
• raffrescamento (cooling)
• riscaldamento (heating)

Negli ultimi anni, le Comunità Energetiche (Energy Communities, EC) hanno acquisito un ruolo centrale nella transizione verso sistemi energetici più sostenibili, decentralizzati e orientati al coinvolgimento attivo dei cittadini. Le EC permettono agli attori locali di produrre, consumare, accumulare e condividere energia da fonti rinnovabili, promuovendo non solo la sostenibilità ambientale, ma anche l’inclusione sociale. All'interno di questo contesto, le Comunità Energetiche Rinnovabili (Renewable Energy Communities, REC) rappresentano un modello più avanzato, caratterizzato da un maggiore livello di integrazione di tecnologie pulite e da un solido quadro normativo di riferimento.

Nonostante il crescente interesse e il supporto normativo a livello europeo e nazionale, molti degli strumenti di modellazione attualmente disponibili presentano alcune limitazioni significative. In particolare, essi tendono a concentrarsi esclusivamente sulla dimensione elettrica dei sistemi energetici, trascurando spesso il settore termico, che rappresenta invece una componente fondamentale dei consumi energetici nel settore residenziale. Inoltre, numerosi modelli esistenti presuppongono la presenza di reti di teleriscaldamento, che però non sono diffuse in molte aree del territorio italiano, limitando di fatto l’applicabilità pratica di tali approcci.

Alla luce di queste lacune, l’obiettivo di questa tesi è lo sviluppo di un modello innovativo, accessibile e flessibile, capace di includere in modo esplicito anche il sistema energetico termico all’interno delle Comunità Energetiche. In particolare, si è posta attenzione al concetto di flessibilità, intesa come la capacità di spostare nel tempo i carichi energetici in funzione di criteri economici e di disponibilità delle fonti rinnovabili, con l’obiettivo di massimizzare il beneficio economico complessivo per gli utenti della comunità.

Il modello proposto è stato sviluppato a partire da EnergyCommunity.jl, uno strumento open-source scritto in linguaggio Julia e disponibile su GitHub. Questo strumento, in origine, era stato progettato per modellare il comportamento elettrico delle comunità energetiche da una prospettiva centrata sull’utente. La scelta di EnergyCommunity.jl come base di partenza è stata motivata dalla sua struttura modulare, dall’accessibilità del codice e dalla facilità con cui è possibile estenderne le funzionalità.

L’estensione proposta in questa tesi ha integrato la dimensione termica del consumo energetico, includendo sia il riscaldamento che il raffrescamento, per ciascun utente o per l’intera comunità attraverso una rete di distribuzione termica. Diversamente da approcci basati sulla simulazione fisica degli edifici o sulla modellazione ambientale, la flessibilità termica nel modello è rappresentata attraverso l’adozione di dispositivi specifici in grado di spostare i consumi in fasce orarie più vantaggiose dal punto di vista economico, mantenendo un equilibrio tra realismo e semplicità computazionale.

Dal punto di vista metodologico, l’approccio di modellazione è stato formulato come un problema di Programmazione Lineare Intera Mista (MILP – Mixed-Integer Linear Programming). Questo tipo di formulazione è particolarmente adatto alla modellazione di sistemi energetici complessi, in quanto consente l’inclusione sia di variabili continue (ad esempio i flussi energetici) che discrete (come le decisioni di accensione/spegnimento di dispositivi), permettendo una rappresentazione coerente delle operazioni dei dispositivi flessibili e delle decisioni di investimento. L’ottimizzazione del modello è stata eseguita utilizzando il solutore Gurobi, scelto per la sua efficienza computazionale e utilizzato grazie a una licenza accademica fornita dall’Università di Pisa.

La funzione obiettivo del modello è volta alla massimizzazione del benessere sociale (Social Welfare), definito come la somma dei profitti annualizzati di ciascun utente della comunità. Tale funzione tiene conto dei costi di investimento, di esercizio e manutenzione, dei ricavi derivanti dall’autoconsumo e dalla vendita di energia, nonché delle interazioni con la rete pubblica. Il modello segue un processo iterativo di ottimizzazione che esplora le diverse combinazioni possibili di tecnologie e costi per identificare la configurazione più vantaggiosa per la comunità.

Il modello considera un’ampia gamma di variabili in ingresso, tra cui:

la produzione da fonti rinnovabili,
i profili di consumo elettrico e termico degli utenti,
i dispositivi installati (con le relative caratteristiche tecniche ed economiche),
i costi dell’energia elettrica e dei combustibili,
i dati climatici (come la temperatura esterna nel tempo),
e la quota di energia rinnovabile disponibile da ciascuna fonte in funzione del tempo.

Per ciascun utente vengono distinti i consumi elettrici da quelli termici, soddisfatti tramite diverse tecnologie selezionabili, tra fonti rinnovabili e non. Ogni dispositivo è descritto da parametri come capacità massima, vita utile, costo di investimento specifico, costi operativi e rendimento. Inoltre, è possibile configurare liberamente la tariffa applicata a ciascun utente e il tipo di dispositivo utilizzato, tramite un file di configurazione.

Un altro elemento chiave del modello è l’integrazione di sistemi di accumulo energetico, sia elettrico che termico, al fine di massimizzare l’autoconsumo locale e ottimizzare l’impiego delle fonti rinnovabili. La risoluzione temporale adottata è di 15 minuti, in linea con la modalità di contabilizzazione dei consumi per ogni punto di consegna (POD).

Il modello è stato progettato per essere affidabile, sicuro e user-friendly, ed è applicabile a qualsiasi tipologia di utente, sia residenziale che commerciale o industriale. L’interfaccia di configurazione semplice e il codice aperto ne facilitano l’utilizzo anche da parte di stakeholder non tecnici, come amministratori pubblici, cooperative energetiche o cittadini interessati alla creazione di una comunità energetica.

Infine, il modello supporta due modalità operative: una configurazione cooperativa, in cui i membri della comunità condividono le risorse energetiche e i benefici in modo collettivo, e una configurazione non cooperativa, in cui ogni utente ottimizza i propri flussi in modo individuale. Questa flessibilità consente di analizzare diversi scenari di governance e gestione energetica, rendendo lo strumento utile sia per analisi accademiche che per applicazioni pratiche.

In recent years, Energy Communities (ECs) have emerged as key actors in the transition toward more sustainable, decentralized, and citizen-driven energy systems. These communities enable local stakeholders to jointly produce, consume, store, and share energy from renewable sources, fostering not only environmental sustainability but also social inclusion. Within this framework, Renewable Energy Communities (RECs) represent a more advanced model, characterized by greater integration of clean technologies and a solid regulatory framework.

Despite growing interest and supportive policies at both European and national levels, many existing modeling tools present significant limitations. Most notably, they tend to focus exclusively on the electrical dimension of energy systems, often neglecting the thermal energy sector, which plays a crucial role in residential energy consumption. Furthermore, many models assume the presence of district heating networks, which are not widely available in Italy, thereby limiting their practical applicability.

In response to these gaps, this thesis proposes the development of an innovative, accessible, and flexible model that explicitly includes the thermal energy system within Energy Communities. Special attention is given to the concept of flexibility, understood as the ability to shift energy loads over time based on economic criteria and renewable energy availability, with the goal of maximizing the overall economic benefit for the community's members.

The proposed model builds upon EnergyCommunity.jl, an open-source tool written in Julia and available on GitHub. Originally designed to model the electrical behavior of ECs from a user-centric perspective, EnergyCommunity.jl was chosen for its modular structure, accessibility, and openness to extensions.

This thesis extends the original tool by integrating the thermal dimension of energy consumption—namely, heating and cooling—both at the individual user level and for the community as a whole, including the potential use of district thermal networks. Unlike traditional approaches that rely on physical building simulations or environmental dynamics, thermal flexibility in this model is represented by the operation of specific devices capable of shifting energy use to more cost-effective time periods. This approach ensures a balance between realism and computational simplicity.

From a methodological standpoint, the modeling approach is formulated as a Mixed-Integer Linear Programming (MILP) problem. This formulation is particularly well-suited for energy system modeling, as it allows the inclusion of both continuous variables (e.g., energy flows) and discrete decisions (e.g., device operation and investment), providing a coherent mathematical structure for representing flexible devices and system operations. Optimization is performed using the Gurobi solver, chosen for its computational efficiency in large-scale MILP problems. The solver was made available through an academic license provided by the University of Pisa.

The model's objective function is designed to maximize Social Welfare, defined as the sum of the annualized profits of each user in the community. This function accounts for investment costs, operation and maintenance expenses, revenues from self-consumption and energy sales, and interactions with the public electricity grid. The optimizer follows an iterative process to explore feasible technology and cost combinations, identifying the optimal configuration for the community.

The model incorporates a wide range of input data, including:

renewable energy generation profiles,
user-specific electrical and thermal consumption curves,
device configurations and technical parameters,
electricity and fuel price components,
outdoor temperature trends over time,
and the share of renewable energy available from each source as a function of time.

Electrical and thermal loads are modeled separately for each user and are met using different selected technologies, both renewable and non-renewable. Each device is characterized by its maximum capacity, lifetime, specific investment cost, operational and maintenance costs, and efficiency. Additionally, users can configure the technologies assigned to each user and the type of tariff through a dedicated configuration file.

A key feature of the model is the integration of energy storage systems, both electrical and thermal, to enhance local self-consumption and optimize the use of renewable energy sources. The model adopts a temporal resolution of 15 minutes, in line with the metering practices of each POD (Point of Delivery).

The model is designed to be reliable, secure, and user-friendly, and is applicable to any type of user—residential, commercial, or industrial. Thanks to its open and modular structure, the tool is accessible even to non-technical stakeholders, such as public administrators, energy cooperatives, and citizens interested in setting up a community.

Finally, the tool supports two operational configurations: a cooperative configuration, in which community members share resources and benefits collectively, and a non-cooperative configuration, where each user optimizes their own energy flows independently. This flexibility allows for the simulation of various governance and management scenarios, making the tool useful for both academic research and real-world applications.