ETD

Archivio digitale delle tesi discusse presso l'Università di Pisa

Tesi etd-11122018-120736


Tipo di tesi
Tesi di laurea magistrale
Autore
GIOLA, CHIARA
URN
etd-11122018-120736
Titolo
Ottimizzazione stocastica del dimensionamento e della gestione di un sistema poligenerativo: il caso studio di un campus universitario
Dipartimento
INGEGNERIA DELL'ENERGIA, DEI SISTEMI, DEL TERRITORIO E DELLE COSTRUZIONI
Corso di studi
INGEGNERIA ENERGETICA
Relatori
relatore Prof. Testi, Daniele
relatore Ing. Urbanucci, Luca
Parole chiave
  • smart energy system
  • generazione distribuita
Data inizio appello
29/11/2018
Consultabilità
Non consultabile
Data di rilascio
29/11/2088
Riassunto
I sistemi per la generazione distribuita sono valide soluzioni per raggiungere obiettivi ambientali, di efficienza della produzione e di integrazione delle fonti da energia rinnovabile. In questa tesi è stato analizzato un sistema per la generazione distribuita che includa fonti energetiche rinnovabili e impianti per la cogenerazione. Il caso studio è un campus universitario collocato a Trieste-Italia, analizzato in un anno tipico di funzionamento. Il dimensionamento del cogeneratore, dei moduli fotovoltaici, della turbina eolica e la gestione di tutto il sistema sono stati ottimizzati; il design ottimale è stato calcolato grazie ad un algoritmo genetico, la gestione è stata ottimizzata con un approccio greedy. È stata discussa la configurazione con il minimo Equivalent Annual Cost (EAC). È stato evidenziato come una configurazione con le pompe di calore distribuite presso gli edifici sia più economica, permetta una maggior integrazione di rinnovabili e riduca l’impatto ambientale in termini di emissioni di \ce{CO2} e consumi di energia primaria netta non rinnovabile. È stata condotta anche un'analisi stocastica valutando le incertezze sulla temperatura esterna, l'irraggiamento, la velocità del vento, i carichi elettrici e la richiesta di acqua calda sanitaria con un approccio probabilistico. L’effetto delle variabili incerte sul sistema è stato valutato tramite il Metodo Monte Carlo. Grazie ad un’ottimizzazione stocastica multiobiettivo è stata discussa la gamma di soluzioni appartenenti al fronte di Pareto ottenuto minimizzando la media dell'Equivalent Annual Cost e il rischio nel worst case scenario (95° percentile).

In this work a distributed energy system including renewable energy sources and combined heat and power engine has been analysed. The optimization problem is tackled in terms of simulation-based design of energy generators and distribution scheduling for a typical year of operation. The methodology has been applied to a Campus in Trieste, Italy. The nominal powers of CHP plant, photovoltaic modules and wind turbine have been optimized by genetic algorithm; we have also found the optimal scheduling of energy generators by means of a greedy approach. Configuration with minimal Equivalent Annual Cost is discussed. It is highlighted how involving distributed heat pumps is cost effective, integrates more renewable energy sources, and reduces environmental impact in terms of \ce{CO2} emissions. A stochastic analysis is provided. Model uncertain parameters of radiation, external temperature, wind velocity, domestic hot water requirement and electric load are evaluated in a probabilistic approach and EAC in each scenario is considered by means of Monte Carlo simulation method. A stochastic multi-objective problem is formulated to find the optimized nominal power of generators of the DER system; both minimal expected value and 95th percentile of EAC distribution are the objective functions. Solutions on Pareto frontier are discussed.
File