“Smart Node” – Progetto Pilota Regione Valle d’Aosta (att.ta di progeto distinta) 02.10.2014...
-
Upload
vuongquynh -
Category
Documents
-
view
215 -
download
0
Transcript of “Smart Node” – Progetto Pilota Regione Valle d’Aosta (att.ta di progeto distinta) 02.10.2014...
“Smart Node” – Progetto Pilota Regione Valle d’Aosta
Description of the presentation
Author of the presentation
Space for other logos
02.10.2014 2 WP 3: Information and Publicity, WP-Responsible: ALOT
Partner del Progetto
Space for other logos
Supporto scientifico
Partner di progetto
02.10.2014 3 WP 3: Information and Publicity, WP-Responsible: ALOT
Criticità della Rete Elettrica
La forte diffusione di impianti FER che si è verificata negli ultimi anni, in
forma distribuita e concentrata, ha causato sensibili disequilibri sulla rete
elettrica, legati alla loro caratteristica di generazione di natura stocastica:
Inversione del flusso alle cabine di trasformazione (nel 2013 per 450h più del
20% dei trasformatori AT/MT ha immesso energia sulla RTN, Fonte:Enel
Distribuzione)
Instabilità del profilo di tensione
Possibili Blackout a macchia di leopardo
Necessità di Riserve Calde rispetto alla gestione di impianti distribuiti
programmabili
02.10.2014 4 WP 3: Information and Publicity, WP-Responsible: ALOT
Diffusione delle FER - Italia
L’importanza crescente del segmento
residenziale
La segmentazione del mercato
Fonte: Solar Energy Report ES 2014
02.10.2014 5 WP 3: Information and Publicity, WP-Responsible: ALOT
Diffusione delle FER – in Valle d’Aosta
Fonte: Solar Energy Report ES 2014
L’impiego di fonti rinnovabili (idroelettrico, solare, eolico, biomasse) è sviluppato
in buona misura nel territorio Valdaostano, sia nel campo di applicazioni private
(installazioni domestiche) sia nel campo di grandi installazioni (bacini idroelettrici).
L’energia da fonte rinnovabile è prodotta sfruttando l’energia idroelettrica, solare,
eolica e la biomassa. La fonte idroelettrica copre più del 99% della produzione
totale, con un valore di circa 3000 GWh/anno.
Le altre fonti contribuiscono in maniera minore, ma non trascurabile. La biomassa
è impiegata per produzione di energia e cogenerazione.
Produzione da eolico:14.4 GWhe/anno
Produzione da fotovoltaico: 48 GWhe/anno
Tuttavia, l’impiego di tali fonti di energia è limitato, a causa dell’inadeguatezza
della rete elettrica in alcune zone della regione.
02.10.2014 6 WP 3: Information and Publicity, WP-Responsible: ALOT
Sistemi di Accumulo come una delle Possibili Soluzioni al
Problema
Uno dei potenziali impieghi dei sistemi di accumulo dell’energia consentirà,
lato utente (i.e. Prosumer), di smorzare i disturbi sulla rete dovuti all’energia
prodotta quando non vi è richiesta del singolo utente oppure, nel caso
dell’aumento dell’autoconsumo, di valorizzare il kWh immagazzinato,
utilizzandolo nella fascia oraria più onerosa.
Lato Distributore (DSO) invece sarà possibile gestire con una logica
sovraordinata gli accumuli distribuiti, in modo da garantire la sicurezza e la
qualità del servizio di distribuzione.
Al fine di valorizzare al meglio l’energia a disposizione, nasce l’esigenza di
sviluppare sistemi in grado di gestire in maniera intelligente, efficiente e
programmabile tutti i flussi di energia scambiati tra impianto FER, Carico,
Accumulo e Rete.
02.10.2014 7 WP 3: Information and Publicity, WP-Responsible: ALOT
Sito Pilota – Smart Node
E’ stata individuata una PMI industriale come sede dell’impianto pilota, in
quanto rappresentativo di un tipo di utenza fortemente diffusa nella Regione.
Per questo motivo, la configurazione di Smart Node sviluppata potrà essere
facilmente replicata sul territorio.
SITO IMPIANTO:
Sede operativa di Mavel S.r.l,
Pont Saint Martin (AO).
02.10.2014 8 WP 3: Information and Publicity, WP-Responsible: ALOT
Smart Node - Obiettivi
• Validare ilmodello di simulazione dello Smart-Node attraverso
l’acquisizione di dati sperimentali.
• Testare diverse funzioni dello Smart-Node in diverse
configurazioni dell’utenza
• Fornire una base per l’estensione ad una scala regionale dei
risultati dell’impianto pilota, per valutare gli effetti della
diffusione di Smart Nodes sul sistema energetico regionale.
• Trarre considerazioni sulle possibili logiche di controllo delle
future Smart Grids.
02.10.2014 9 WP 3: Information and Publicity, WP-Responsible: ALOT
Smart Node – Fasi di lavoro
Realizzazione impianto pilota
Analisi di diverse configurazioni di impianto
•Carico
•Carico + FV
•Carico + FV + Accumulo
•Carico + FV + Accumulo + VE
Test delle funzioni-obiettivo
•Massimizzazione dell’autoconsumo
•Spianamento dei carichi
Calibrazione del modello di simulazione sulla base dei risultati
ottenuti
Estensione dei risultati a scenari di ipotetica diffusione degli Smart
Node a scala regionale e stima dei benefici energetico- ambientali
Costruzione del modello matematico
per le simulazioni «smart node» e
mobilità elettrica
(att.ta di progeto distinta)
02.10.2014 10 WP 3: Information and Publicity, WP-Responsible: ALOT
Architettura – Smart Node
02.10.2014 11 WP 3: Information and Publicity, WP-Responsible: ALOT
Smart Node - Piattaforma Web
Tutti i dati acquisiti tramite inverter e meter posto all’interfaccia con la rete,
vengono trasmessi via GPRS ad un portale web dedicato, che consente
all’utente di monitorare in real-time il valore delle grandezze fisiche di
interesse e di averne a disposizione un ampio profilo storico.
02.10.2014 12 WP 3: Information and Publicity, WP-Responsible: ALOT
Smart Node – Risultati Preliminari (1)
In configurazione Carico Accumulo RES Rete, si è osservato che la logica di
massimizzazione dell’autoconsumo implementata ha fatto sì che nei momenti
in cui la produzione era superiore al carico (in particolare nei giorni festivi)
l’accumulo elettrochimico si ricaricasse utilizzando parte dell’energia
autoprodotta, limitando così l’immissione in rete
Carico
Pt Attiva = Pt FV ± Pt Accumulo
Potenza FV
Energia
Immagazzinata
in Batteria
02.10.2014 13 WP 3: Information and Publicity, WP-Responsible: ALOT
Smart Node – Risultati Preliminari (2)
Nella medesima configurazione dello Smart Node, la logica di Spianamento del
Carico implementata ha fatto si che la potenza richiesta alla rete avesse un
andamento mediamente costante, così come si può osservare dal confronto con
profilo del carico del nodo senza accumulo:
Con A
ccum
ulo
Senza
Accum
ulo
02.10.2014 14 WP 3: Information and Publicity, WP-Responsible: ALOT
Modello di simulazione Smart Node – TRAMSE
Il problema da risolvere è comprendere le grandezze significative e le dinamiche interne
di un nodo intelligente, oltre che l’interazione tra nodo e rete.
Il nodo è costituito, in generale, da utenza, pannello, storage e veicolo elettrico.
L’interazione di questi componenti con la rete potrebbe essere complessa.
Un modello di simulazione permette di comprendere meglio le interazioni tra le variabili
del nodo intelligente, oltre che testarne le differenti configurazioni
02.10.2014 15 WP 3: Information and Publicity, WP-Responsible: ALOT
Fattori fondamentali della ricerca
1. Fattore di distorsione: quantificazione della distorsione provocata
dal nodo sulla rete.(Pmax – Pmin)/Pmedia
2. Frequenza di intervento della batteria: per quantificare il cimento
dinamico della batteria (frequenza con cui lavora). (Pcarica/Capacità)
[1/h]
3. Energie impegnate e potenze transitanti in ciascun componente del
sistema
02.10.2014 16 WP 3: Information and Publicity, WP-Responsible: ALOT
Modello di simulazione Smart Node – TRAMSE
Il modello comprende:
1) Carico utente, configurabile secondo la taglia (utente
domestico, utente industriale).
2) Pannello fotovoltaico, completo di modello di
irraggiamento solare reale funzione della posizione e del
giorno dell’anno e di modello di nuvolosità. Il pannello
opera tramite curve (tensione, corrente) in funzione
dell’irraggiamento e della temperatura ambientale.
Essendo basato su mappe, il modello può prendere dati
sperimentali da pannelli reali.
3) Storage (batteria), configurabile attraverso l’introduzione
di curve (potenza, rendimento) configurabili dall’utente.
4) Veicolo elettrico, implementato come un ulteriore carico
domestico
Il veicolo opera come uno storage a presenza casuale; ad
ogni “arrivo” del veicolo, lo stato di carica risulta casuale.
5) Algoritmi e Logiche di controllo.
02.10.2014 17 WP 3: Information and Publicity, WP-Responsible: ALOT
Modello di simulazione Smart Node – TRAMSE – La batteria
Il rendimento della batteria è stato valutato in questa sede tramite un modello
di simulazione presente in letteratura.
Naturalmente prove sperimentali porterebbero ad una più precisa
caratterizzazione della batteria.
Sono stati valutati differentemente i rendimenti di carica e scarica, per diverse
taglie di batteria.
85
87
89
91
93
95
97
0 0.5 1 1.5
[%]
Potenza / Capacità [1/h]
Rendimento in scarica
8.8 kWh
6 kWh
26 kWh
02.10.2014 18 WP 3: Information and Publicity, WP-Responsible: ALOT
Modello di simulazione Smart Node – TRAMSE – Logiche
Due diversi tipi di logica di controllo sono stati testati:
1. Grid-smoothing: il sistema è utilizzato per garantire il massimo
spianamento della curva di potenza di rete.
2. Autoconsumo: questa logica di controllo garantisce il massimo
autoconsumo dell’energia prodotta dal pannello fotovoltaico.
I parametri di input delle logiche sono:
• Somma algebrica tra potenza del pannello e potenza del carico;
• Stato di carica della batteria (SOC)
Le grandezze di output sono:
• Potenza prelevata/immessa in rete
• Potenza in ingresso/uscita dallo storage
02.10.2014 19 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente domestico
Utente domestico “consumer”
Utente domestico con pannello da 1 kW
Utente domestico con pannello e storage da 6 kWh
Utente domestico con pannello e con storage da 12 kWh più veicolo elettrico
Per mese estivo (giugno) e mese invernale
(gennaio)
0 0.5 1 1.5 2 2.5 3
x 105
0
0.5
1
1.5
2
2.5
3
Time [min]
Po
wer
[kW
]
Profilo di potenza richiesta dall’utente
domestico in configurazione base:
Energia utilizzata in un mese pari a
434 kWh.
Fattore di distorsione pari a 4.98.
02.10.2014 20 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente domestico
Profilo potenza di rete e potenza
pannello per l’utente domestico.
L’energia prelevata dalla rete in 1
mese è pari a 308.1 kWh.
Si rileva un fattore di distorsione pari
a 16.61.
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
3
Time [min]
Po
wer
[kW
]
Power Grid
Power Panel
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
3
Time [min]
Po
wer
[kW
]
Power Grid
Power Panel
Utente domestico con pannello e
storage da 6 kWh, gestito in grid-
smoothing mode.
L’energia prelevata dalla rete in 1
mese è pari a 330 kWh. L’incremento
è dovuto alle perdite in batteria
Si rileva un fattore di distorsione pari
a 7.43.
02.10.2014 21 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente domestico
Utente domestico con pannello e
storage da 6 kWh, gestito in
autoconsumo.
L’energia prelevata dalla rete in 1 mese
è pari a 229.7 kWh.
Si rileva un fattore di distorsione pari a
17.99. L’incremento della distorsione si
deve al fatto che quando la batteria è
carica e vi è irraggiamento solare
conviene scaricare in rete la batteria
per permettere l’accumulo dell’energia
solare.
5000 5500 6000 6500 7000 7500 8000 8500 9000 9500 10000-1.5
-1
-0.5
0
0.5
1
1.5
2
2.5
3
Time [min]
Po
wer
[kW
]
Power Grid
Power Panel
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000-2
-1.5
-1
-0.5
0
0.5
1
Time [min]
Po
wer
[kW
]
P Gross in batt
P Gross out batt
Flussi di potenza in ingresso ed in uscita
dalla batteria.
02.10.2014 22 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente domestico
Risultati delle simulazioni per utente domestico.
Basic+PV panel
Basic+PV
panel+Battery
(Grid-smoothing
Mode)
Basic+PV
panel+Battery (Self-
consumption mode)
User Energy [kWh] 434,33 434,33 434,33
Energy from Grid [kWh] 308,08 330,00 229,74
Energy to Grid [kWh] 133,44 133,44 35,74
PV panel Energy [kWh] 259,70 259,70 259,70
Electric Vehicle Energy [kWh] 0,00 0,00 0,00
Energy Lost [kWh] 0,00 19,21 20,31
Gross Energy battery input [kWh] 0,00 136,01 133,44
Gross Energy battery output [kWh] 0,00 114,10 114,08
Battery Efficiency [-] NC 0,84 0,85
E (Battery to user energy ratio) [-] NC 0,26 0,26
D (Grid Distortion Factor) [-] 16,61 7,43 17,99
F (Battery Engagement Factor) [kW/kWh] NC 0,45 0,37
Si osserva che il fattore di impegno della batteria risulta diminuito per il sistema
gestito in autoconsumo (0.37 contro 0.45), indicando un minore sfruttamento della
batteria.
02.10.2014 23 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente domestico
Grafico del SOC batteria nel tempo per
sistema gestito in modalità grid-
smoothing.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Time [min]
SO
C [
%]
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 104
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Time [min]
SO
C [
%]
Grafico del SOC batteria nel tempo per
sistema gestito in modalità autoconsumo.
Il sistema batteria in modalità
autoconsumo sembra operare con una
frequenza giornaliera.
02.10.2014 24 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente PMI
Sono state poi svolte prove per un utente industriale, caratterizzato sul diagramma di
carico registrato presso MAVEL srl.
Il consumo elettrico mensile di MAVEL è pari a circa 3300 kWh.
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 104
-40
-35
-30
-25
-20
-15
-10
-5
0
Time [min]
Pow
er [
kW
]
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 104
-40
-35
-30
-25
-20
-15
-10
-5
0
Time [min]
Pow
er [
kW
]
Diagramma di carico nel mese di Marzo
Curva delle durate ( indica per quanto tempo ogni valore di potenza risulta impegnato)
02.10.2014 25 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente PMI
State of charge (batteria al piombo da 22 kWh):
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
x 104
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
Time [min]
SO
C
02.10.2014 26 WP 3: Information and Publicity, WP-Responsible: ALOT
Prove svolte sul modello – utente PMI
Risultati delle simulazioni per utente industriale
Basic Panel
Panel +
Storage Grid
Smoothing
Panel + Storge
Self
consumption
User Energy [kWh] 3274,72 3274,72 3274,72 3274,72
Energy from Grid [kWh] 3274,72 2223,44 2280,56 2096,42
Energy to Grid [kWh] 0,00 775,03 775,03 615,58
PV panel Energy [kWh] 0,00 1826,39 1826,39 1826,39
Electric Vehicle Energy [kWh] 0,00 0,00 0,00 0,00
Energy Lost [kWh] 0,00 0,00 52,06 35,32
Gross Energy battery input [kWh] 0,00 0,00 321,42 316,39
Gross Energy battery output [kWh] 0,00 0,00 264,31 283,94
Battery Efficiency [-] NC NC 0,82 0,90
E (Battery to user energy ratio) [-] NC NC 0,08 0,09
D (Grid Distortion Factor) [-] 8,58 22,05 10,33 22,72
F (Battery Engagement Factor) [kW/kWh] NC NC 1,17 0,43
Si osserva che il fattore di impegno della batteria risulta diminuito per il sistema
gestito in autoconsumo (0.43 contro 1.17), indicando un minore sfruttamento della
batteria.
02.10.2014 27 WP 3: Information and Publicity, WP-Responsible: ALOT
Attività di simulazione: considerazioni conclusive
Le simulazioni evidenziano che:
• L’algoritmo di controllo rivolto allo spianamento del carico di rete
fornisce una riduzione del fattore di distorsione del 55% rispetto al
caso base. Tuttavia, l’energia prelevata dalla rete aumenta del 7% circa
a causa delle perdite in batteria.
• L’algoritmo di controllo rivolto all’autoconsumo riduce la richiesta di
potenza da rete del 30%; tuttavia si riduce anche la quantità di energia
venduta alla rete (-73%) ed aumenta leggermente il fattore di
distorsione rispetto al caso base.
• La batteria risulta meno sollecitata quando il sistema opera con
l’algoritmo di autoconsumo.
02.10.2014 28 WP 3: Information and Publicity, WP-Responsible: ALOT
Integrazione della mobilità elettrica nello smart-node
E’ stato utilizzato un veicolo acquisito dal progetto Revè Gran
Paradis ed è stato possibile il monitoraggio delle grandezze
energetiche grazie al sistema di acquisizione montato a bordo.
A completamento dell’attività effettuata sull’impianto pilota è
stato realizzato uno studio sull’integrazione di veicoli elettrici
nello smart-node.
02.10.2014 29 WP 3: Information and Publicity, WP-Responsible: ALOT
Integrazione della mobilità elettrica nello smart-node
L’attività di monitoraggio del veicolo è stata affiancata da una
campagna di simulazione numerica finalizzata all’analisi energetica
della mobilità effettuata utilizzando veicoli elettrici.
E’ stato inoltre effettuato un confronto con un veicolo termico (diesel).
Tale studio è stato realizzato utilizzando un modello validato su un
sufficiente novero di tests sperimentali che ha permesso di
paragonare il comportamenti di vari veicoli sulla stessa missione
o dello stesso veicolo su missioni diverse.
L’attività proseguirà nei prossimi mesi con il confronto puntuale tra i
dati acquisiti e le campagne di simulazione.
02.10.2014 30 WP 3: Information and Publicity, WP-Responsible: ALOT
Attività di simulazione veicoli
Sono state condotte campagne di simulazione su due tipologie di veicolo
elettrico ed uno termico, utilizzando tre differenti profili di missione.
Kangoo 1,5
dCi Kangoo Z.E. Twizy
Massa a vuoto [kg] 1280 1450 550
Capacità [kWh] 580 25 7
Potenza [kW] 66 44 8
Twizy: Esempio di microveicolo elettrico
Kangoo: Veicolo utilizzato nell’ambito del progetto Rève
V.d.A. su cui si hanno dati sperimentali a
disposizione
02.10.2014 31 WP 3: Information and Publicity, WP-Responsible: ALOT
Profili di missione
Missione urbana
- Lunghezza: 22 km
- Velocità media: 19 km/h
- Velocità Massima: 68 km/h
- Dislivello: 250 m
Missione extraurbana
- Lunghezza: 36 km
- Velocità media: 45 km/h
- Velocità Massima: 81 km/h
- Dislivello: 400 m
Missione su percorso di montagna
- Lunghezza: 23 km
- Velocità media: 47 km/h
- Velocità massima: 84 km/h
- Dislivello: 750 m Tempo [s]
Qu
ota
[m
] V
elo
cità
[km
/h]
02.10.2014 32 WP 3: Information and Publicity, WP-Responsible: ALOT
Powertrain elettrico
Resistenze di
h diretti 0,447 0,852 0,91 0,84 0,84 0,95 avanzamento
(non conservative)
Batteria 7924 6621 6290 2179
21904 Generazione 9791 Distribuzione 8338 Carica 7587 9433 Inverter
termoelettrica elettrica da -1846 e Trasmissione
rete Motore
7587 2279 2727 2871 Energia retrocessa
4111
h retrogradi 0,81 0,84 0,95
1240
Freni
0Valori espressi in Wh
Rappresentazione grafica della catena energetica del veicolo elettrico
Si evidenzia il percorso dell’energia dal vettore primario alla strada.
Consumi rete Misure RèVe
Sistema
termoelettrico Catena a bordo veicolo
Utilizzo
finale Vettore
primario
Risultati simulazioni
Considerando una missione media costituita dalla combinazione delle varie tipologie di
percorso, ad esempio 40% urbano, 40% extraurbano e 20% montano, che caratterizzi l’intera
vita del veicolo, è possibile confrontare le tre tipologie analizzate.
Renault Kangoo 1.5 dCi Renault Kangoo ZE Renault Twizy
Energia primaria [Wh/km] 619 1 591 0,96 251 0,40
Emissione CO2 [g/km] 167 1 124 0,74 53 0,32
Consumo elettrico [Wh/km] 0 225 1 95 0,42
Se il percorso è particolarmente influenzato dalle missioni montane, come nel caso del
Progetto RèVe, ove circa la metà delle missioni aveva caratteristiche montane, si può
evidenziare un buon allineamento tra i valori simulati e quelli sperimentalmente rilevati.
La differenza tra l’energia elettrica consumata dal propulsore e quella generata dallo
stesso nelle fasi di rilascio ammonta infatti, per le simulazioni, mediamente a 180 Wh/km,
valore coerente con quello misurato nel Progetto.
Mobilità elettrica: conclusioni
Il carico elettrico addizionale costituiti dai veicoli, servirà a valutare se la penetrazione massiccia della e-mobility possa provocare un effetto distorsivo del diagramma di carico delle sottostazioni MT/BT e ad apprezzarne l’ampiezza. A questo possibile problema potranno rispondere gli smarts nodes dotati di accumuli stazionari gestiti in modo opportuno.
Il Progetto Alp Store integra l’analisi del ruolo degli storage mobili e stazionari nel sistema energetico regionale.
L’obiettivo di ridurre i km termici percorsi sul territorio deve tener conto dei vantaggi ottenibili dai veicoli elettrici e dalla valutazione delle implicazioni sulle reti. La e-mobility si rivela energeticamente molto vantaggiosa quando è effettuata con flotte di micro-veicoli che garantiscono bassissimi consumi e interazione contenuta con le reti.