Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Sostenibilità economica
Costi energetici
Competitività delle nuove tecnologie
Meccanismi di mercato
Green ECONOMY posti di lavoro
È la cosiddetta regola dell' equilibrio delle tre "E": Ecologia, Equità, Economia.
Equità sociale:
Occorrere permettere a tutti di aspirare
ad un dignitoso standard di qualità della vita:
la responsabilità sociale come base
di una parità di opportunità
Economia:
Meccanismi di incontro
Sostenibilità domanda/offerta o di
ambientale: premialità/penalità, più
Viviamo in un mondo che di puro incentivo:
a risorse limitate modello
competitivo.
Nuove professioni
K.Danaher,
Global Citizens Center
En. el: + 75% in 20y.
India=x3. Cina=x2.
Fonte: TERNA
• progresso tecnologico
• circolo virtuoso con crescita delle FER ed economie di scala
• nuove tipologie impianti di produzione di piccola taglia
- rendimenti crescenti
- taglie minime, costi e emissioni decrescenti
• avvento dell’ICT nel settore energetico (es. contatori intelligenti,
portali internet su cui vedere profili di carico, comandi remoti…)
• nuovi usi elettrici: auto elettriche e pompe di calore
Fonte: Arera
La trasformazione del sistema elettrico negli anni ‘10
Fonte: Arera
Principali peculiarità
del sistema elettrico
• L’energia elettrica «non è accumulabile come tale»
• In ogni istante, occorre mantenere un perfetto equilibrio
fra produzione (generatori) e consumo (carichi)
• Tradizionalmente, il carico è stato lasciato libero di variare “a suo piacimento”
• I generatori devono reagire istantaneamente per adeguarsi alle variazioni del carico:
Come ci si riesce?
P, Q
I Per poter applicare l'equivalente occorre che le forze
elettromotrici del circuito siano invariate, il che non è
ZR propriamente vero.
E V Per le variazioni a regime possiamo pensare che
intervengano i regolatori di tensione degli alternatori e
mantengano costante la tensione ai morsetti ma anche in
questo caso abbiamo un'approssimazione in quanto viene
ZR= R+jX
tenuto costante solo il modulo (non anche la fase)
Variazione della tensione in un nodo di carico
P, Q jXI
I
E
Zth V RI
E
V
Zth= R+jX
I
Espressioni approssimate
della caduta di tensione
X I sinj
E
R I cosj
in p.u.
b V
j alle variazioni
in AT
20
15
10
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
ora
• specialmente sulle reti di distribuzione:
elevata impedenza di Thevenin, spesso con forte componente
resistiva, al punto di connessione, per cui:
a. le rapide variazioni della potenza attiva transitante si traducono
in corrispondenti variazioni del modulo della tensione
(sotto- e sovra-tensioni: c.d.t. ≈ rDp + xDq, con p e q >0 se assorbite)
principale limitazione alla Hosting Capacity delle reti MT-BT
b. sensibile inquinamento armonico dovuto all’elettronica di potenza
di interfacciamento con la rete
• difficoltà gestionali
• molti consumer sono diventati prosumer
• occorre coordinare tantissimi piccoli impianti dispersi sul territorio
e in particolare sulle reti di distribuzione («osservabili» dal TSO?)
• produzione concentrata in aree precise del Paese congestioni
• priorità di dispacciamento impatto sui generatori tradizionali
• inversioni di flusso su molti rami della rete, …
Principali limitazioni all’installazione di nuovi dispositivi
di generazione e carico sulle odierne reti di distribuzione
Congestioni di rete
Violazioni del modulo della tensione (sovra- e sottotensioni)
Squilibri di tensione tra le fasi (per dispositivi monofase non ben ripartiti sulle 3 fasi)
Altri fenomeni più specialistici legati alla Power Quality e ai sistemi di protezione
Le variazioni di tensione, positive o negative a seconda del verso del flusso di potenza, sono dovute al transito
della potenza attiva sulle resistenze di rete e della potenza reattiva sulle reattanze di rete, quindi:
sulle reti radiali di MT e soprattutto di BT (aventi resistenze significative), il fenomeno è molto più intenso
che su quelle di AT (magliate, con resistenze trascurabili e con efficaci strumenti di regolazione della tensione);
in un dato istante, il profilo di tensione lungo la linea dipende non solo dalle resistenze e reattanze della rete
(elemento strutturale e stabile nel tempo, salvo cambi di assetto), ma soprattutto dalle potenze prelevate o
assorbite da ciascun utente in quell’istante e dalla sua esatta localizzazione;
il profilo di tensione lungo la linea varia nel corso della giornata, aleatoriamente quanto lo sono i diagrammi
di carico/generazione dei singoli prosumer ( il fotovoltaico e la ricarica per la mobilità elettrica rendono più
complessa la previsione e la mitigazione del fenomeno).
Nel caso di un sistema fotovoltaico avente a monte una resistenza di rete significativa (p.es. perché
posizionato alla fine di una lunga linea aerea di BT, come in ambito rurale), la variabilità della potenza attiva
prodotta si ripercuote fedelmente sull’andamento temporale della tensione, disturbando tutti gli utenti vicini:
A causa di queste criticità, i DSO impongono specifiche limitazioni alle nuove risorse di generazione e di carico
che chiedono l’allacciamento ai vari punti della loro rete. Tali limitazioni:
possono essere sulla potenza nominale dell’impianto o, in una logica più evoluta, sulla potenza massima
di esercizio (spesso distinta per fasce orarie);
sono fortemente dipendenti, come il fenomeno fisico, dalle caratteristiche della singola rete di
distribuzione MT/BT in esame (contrariamente al caso della trasmissione, in cui molte considerazioni
hanno valore almeno zonale e il fenomeno più limitante è quello delle congestioni);
influiscono sul permitting, sui tempi di allacciamento e sulle modalità di esercizio, quindi sulle opportunità
di business, che vanno valutate caso per caso stimando sotto ad ogni cabina primaria la HC di PV e/o EV.
In risposta al notevole incremento di domande di connessione, i DSO hanno inizialmente rincorso con affanno
le singole richieste, mentre i PdS più recenti stanno cercando di aumentare strutturalmente la HC.
Incremento della HC
La Hosting Capacity
HC di base HC incrementata
performance della rete
o sul comportamento
consentito agli utenti
Penetrazione
della generazione
distribuita o della
ricarica elettrica
- Stoccaggio dell’energia
- Mobilità elettrica
La supervisione
del sistema
scende al
livello della
rete di
distribuzione
Dal Distribution
Network
Operator (DNO)
al
Distribution
System
Operator (DSO)
Dal sistema elettrico alla città:
Nel 2050: città = 70% popolazione mondiale (10 mld), 2/3 domanda energetica, ¾ PIL
Dalla rete
alla casa:
Integrazione
con la domotica
+ Qualità e confort
- Consumi
- produrre e consumare
in base ai prezzi
- programmare accensioni
e spegnimenti utenze
(tariffe)
-integrazione fra tutti
i dispositivi elettronici
- “Tutto è connesso”
- Internet on things
ed eolica
Fonte: Terna
Non solo in Italia…:
Fonte: Cal-ISO
Fonte: Terna
Fonte: Terna
Fonte: Terna
Fonte: Terna
Fonte: Terna
Per sfruttare al meglio le FRNP è necessario ripensare la gestione del sistema elettrico
Fonte: Terna
Il cambiamento nei flussi di potenza
Fonte: Arera
Impatto delle fonti rinnovabili sul mercato dell’energia
Regole del Mercato del Giorno Prima (MGP)
- La generazione distribuita ha priorità di dispacciamento implicitamente va “in base”
e il sempre minore carico rimanente (“contendibile”) deve essere coperto dalla generazione
convenzionale (cicli combinati ridotti a 1500-2500 h/anno: “spiazzamento”)
- Il mercato è basato sul “system marginal price”: l’ultima offerta accettata determina
il prezzo per tutti il prezzo è fatto da una UP marginale non rinnovabile
e tendenzialmente ripercorre la forma del carico contendibile
- Effetto diurno delle FER del Sud sul verso delle congestioni ex-ante
prezzi zonali invertiti fra giorno e notte (flussi da N a S di notte e da S a N di giorno)
180
160
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
ed energia regolante
su reg. e stabilità di f
alle grandi perturbazioni, soprattutto nelle isole
• Over-generation nazionale/zonale
Fonte: RSE/Terna
Fonte: CESI
Fonte: Terna
Fonte: Terna
Fonte: Terna
Fonte: RSE
Fonte: RSE
Come reagire a queste nuove sfide?
Fonte: Terna
L’Allegato 70 si applica a tutta la GD sopra 1 kW
Tutti i nuovi inverter + retrofitting vecchi ≥ 6kW ( apr2015)
Fonte: Terna
Fonte: RSE
Per evitare effetto yo-yo di sovra/sottofrequenza, la GD deve:
• non sganciare a 50.3 Hz
• regolare f a scendere (oltre 50.3 Hz, statismo 2.4%)
• rimanere a P ridotta quando f riscende verso 50 Hz
• solo trascorsi 300s nel range 50±0.1Hz, riprendere la potenza
precedente, ma lentamente (max 20%/min)
Fonte: Terna
Low/Overvoltage Voltage Ride Through
Quantità FER aggiuntive per raggiungimento obiettivi Fit-for-55
Fonte: TERNA
Scenari energetici e richieste di connessione
Fonte: TERNA
Impatto della crescita delle FER sulla gestione del sistema
Fonte: TERNA
Piani di sviluppo della rete
2030
2027
2032-36
>2035
2031
2027-28
2035
2028
Fonte: TERNA
4) Lo Storage
Distribuito/Concentrato? Su sistemi di generazione/carico/rete?
• Peak shaving
• Filtraggio attivo
• Funzioni dinamiche
come la fast primary reserve
e l’inerzia sintetica (dP≡df/dt) Fonte: Terna
Fonte: TERNA
LOES
Fonte: Terna
Evoluzione del mercato dei servizi
Fonte: Arera
Evoluzione del mercato dei servizi
Fonte: Arera
Fonte: Arera
Laurea in Ingegneria dell’Energia
Energia Elettrica per la sostenibilità
Introduzione
Obiettivi di questo corso
1 Introduzione al corso
2 Analisi di impatto ambientale
3 Interazione tra veicoli elettrici (EVs) e rete elettrica (V2G)
4 Elettrotermia e processi di riscaldamento induttivi
5 Generazione elettrica da fonte rinnovabile
Integrazione della generazione distribuita e da fonte
6
rinnovabile non programmabile nei sistemi elettrici
Analisi di impatto ambientale
Contenuti
❑ Illustrazione a grandi linee della metodologia corretta che occorre seguire per
fare confronti ambientali fra diversi tipi di veicoli.
❑ Illustrazione di alcuni risultati importanti che sono stati ottenuti da gruppi di
ricerca prestigiosi e autorevoli.
Interazione tra veicoli elettrici e rete (V2G)
❑ Quando i veicoli elettrici (EVs) sono connessi alla rete per la ricarica, le batterie
possono fornire servizi alla rete, per migliorarne il funzionamento.
❑ In questo caso i veicoli possono reimmettere parte dell’energia immagazzinata in
rete, ovviamente in modo da non compromettere le possibilità di mobilità del
singolo utente. Tali servizi possono essere remunerati e incentivati.
Contenuti
❑ Conoscenze di base su veicoli elettrici (EVs) e sistemi di accumulo elettrochimico.
❑ Conoscenze di base sulla ricarica dei veicoli elettrici (EVs): tecnologie, standard
impiegati.
❑ Descrizione dell’interazione tra i veicoli elettrici e la rete: problematiche e
opportunità connesse con l’interazione dei veicoli elettrici in ricarica con la rete
che li alimenta. Servizi offerti, quadro normativo, analisi di casi studio.
Elettrotermia e processi di riscaldamento induttivi
Contenuti
❑ Descrizione generale dell'interfacciamento elettrico della generazione fotovoltaica ed
eolica con discussione degli schemi maggiormente adottati.
❑ Valutazione di maggior dettaglio della generazione elettrica e dell'interfacciamento con
la rete tramite dispositivi statici, presenti sia in molti sistemi eolici, che in tutti i sistemi
fotovoltaici. Essi sono fondamentali anche per i sistemi di accumulo, spesso necessari
come supporto alla generazione rinnovabile.
Integrazione della generazione distribuita e da fonte
rinnovabile non programmabile nei sistemi elettrici
❑ Analisi delle problematiche tecnico-economiche di integrazione della generazione
distribuita e da fonte rinnovabile non programmabile nei sistemi elettrici.
Contenuti
❑ Caratteristiche delle fonti rinnovabili non programmabili (FRNP) in un'ottica di
sistema.
❑ Vincoli di rete e di sistema che frenano l'integrazione delle FRNP.
❑ Coordinamento tecnico ed economico delle FRNP.
❑ Nuovi mercati dell'energia e dei servizi: dalle comunità ai mercati locali,
al peer to peer.
Programma del corso: esercitazioni
❑ Nel corso saranno impiegati strumenti simulativi avanzati per consentire allo
studente di comprendere gli strumenti attraverso cui si modellano gli apparati
e i sistemi elettrici descritti, attraverso idonee logiche di gestione.
❑ Sistemi multi-domain. Forte interazione fra l'area energetica e quella di
controllo (simulazione cyber-physical). Necessità di simulazione hybrid tempo
continua/tempo discreta.
❑ Saranno forniti modelli esemplificativi dei contenuti presentati a lezione,
mediante tool di simulazione commerciali e open-source.
❑ In particolare il linguaggio Modelica (open-source) consente simulazioni
multi-physics, cyber-physical, hybrid con diversi tools simulativi, commerciali o
di tipo open-source. OpenModelica è un eccellente tool di simulazione gratuito.
❑ Sarà svolta anche una esercitazione pratica sui veicoli elettrici (EVs), sia per
quanto riguarda l’impiego su strada che per le procedure di ricarica.
10
Materiale didattico e modalità di esame
Materiale didattico
Dispense del docente caricate su piattaforma Microsoft Teams.
Ricevimento
Tutti i giorni, su appuntamento.
Modalità di esame
Prova orale (circa 30 min) inerente ai contenuti del corso.
Contatti
giovanni.lutzemberger@unipi.it
050 2217311
Analisi di impatto ambientale LCA
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
2
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
3
1. Introduzione
Background
4
1. Introduzione
Background
5
1. Introduzione
Obiettivi e glossario
6
1. Introduzione
Obiettivi e glossario
• HEV: Hybrid-electric Vehicle. Sono i veicoli ibridi che tutti conosciamo. Per
definizione un veicolo ibrido può prelevare energia per il suo funzionamento da
più fonti energetiche indipendenti. Ad es. un serbatoio di gas e una batteria.
Nel linguaggio corrente, comunque, un veicolo ibrido è semplicemente un
veicolo che ha per la propulsione sia un motore a combustione interna che un
motore elettrico.
• PHEV: Plug-in Hybrid-Electric Vehicle. Sono talvolta denominati anche ibridi
ricaricabili. Essi sono in sostanza dei veicoli ibridi, quindi dotati di batteria, in
cui la batteria oltre che essere ricaricata prelevando energia dall’altra fonte
energetica sempre presente (ad es. un serbatoio di benzina) può essere
ricaricata anche direttamente dalla rete elettrica, quando il veicolo è fermo ed
è ad essa collegato con un accoppiamento spina-presa.
• FCEV: Fuel-Cell Electric Vehicle. Si tratta dei veicoli alimentati ad idrogeno,
che usano una fuel-cell per generare l’energia elettrica che poi, attraverso un
motore elettrico è usata per la propulsione. Solitamente questi veicoli sono
anche ibridi, nel senso che hanno anche una batteria che consente loro di
sfruttare l’energia di frenata. La batteria è necessaria in quanto le fuel-cells
non sono reversibili, non sono quindi in grado di convertire energia da elettrica
in chimica (cioè di generare idrogeno).
7
1. Introduzione
Obiettivi e glossario
8
1. Introduzione
Obiettivi e glossario
9
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
10
2. Analisi del ciclo vita
Analisi LCA
11
2. Analisi del ciclo vita
Analisi LCA
12
2. Analisi del ciclo vita
Analisi LCA
13
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
14
3. Vita utile e analisi dal pozzo alle ruote
Approccio WtW
❑ Le emissioni da considerare possono essere
tipicamente di due tipi:
❑ Emissioni effettuate durante la vita utile.
❑ Emissioni effettuate nelle altre fasi del ciclo di
vita.
❑ La fase di vita utile è già da sola molto complessa
(v. sotto).
15
3. Vita utile e analisi dal pozzo alle ruote
Approccio WtW
❑ Per confrontare a parità di condizioni le emissioni di un veicolo a batteria
con quelle di un veicolo basato su motore a combustione interna, occorrerà
partire dall’energia prelevata dall’ambiente per entrambi.
❑ Si fa un’analisi Well-to-Wheel (WtW): dal pozzo alla ruota.
❑ La terminologia fa riferimento all’uso di fonte fossile, sia per la produzione
del combustibile di veicoli tradizionali, che per la produzione di energia
elettrica poi convogliata nei veicoli elettrici. La metodologia è però valida
anche nel caso di altre fonti primarie, quali ad esempio eolico e solare, in cui
il “pozzo” va inteso come la fonte primaria, quindi il sole o il vento.
16
3. Vita utile e analisi dal pozzo alle ruote
Well-to-Tank (WtT) e Tank-to-Wheel (TtW)
❑ L’analisi WTW si può suddividere a sua volta in due fasi separate:
❑ Preparazione del combustibile, Well-To-Tank, (WtT), “dal pozzo al
serbatoio”: comprende, nel caso del petrolio, la sua estrazione, la sua
raffinazione e trasformazione, il trasporto del combustibile finito fino al
punto di distribuzione).
❑ Utilizzo del combustibile, Tank-To-Wheel (TtW), “dal serbatoio alla
ruota”: riguarda tutti i processi energetici ed emissivi che si svolgono
all’interno del veicolo. Questa distinzione è particolarmente importante
per il raffronto dei veicoli elettrici a batteria con quelli convenzionali.
17
3. Vita utile e analisi dal pozzo alle ruote
Il problema del mix
❑ Nei veicoli convenzionali sono presenti emissioni in entrambe le
fasi, anche se prevalgono quelle della fase di utilizzo, dal serbatoio
alla ruota (TtW).
❑ I veicoli elettrici a batteria non hanno alcuna emissione gassosa nel
posto di utilizzo, ed è la ragione per cui vengono anche denominati
ZEV (Zero-Emission Vehicles).
❑ In realtà anche questi veicoli danno un contributo all’effetto serra,
in quanto esistono le emissioni associate con la fase di produzione
dell’energia elettrica, ovvero la fase dal pozzo al serbatoio (WtT).
❑ Per valutare le emissioni di gas serra associate alla fase dal pozzo al
serbatoio (WtT) per i veicoli elettrici a batteria, si può considerare
il mix di produzione dell’energia elettrica, per valutare quanta
CO2 viene generata in media per kWh prodotto.
❑ La maggior parte degli studi (compresi quelli presentati nel
seguito) ragionano dunque sul mix di produzione di energia
elettrica.
18
3. Vita utile e analisi dal pozzo alle ruote
Il problema del mix
❑ Da considerare comunque che:
❑ L’energia elettrica prodotta da fonte rinnovabile (es. pannelli
fotovoltaici) dà un contributo nullo nella valutazione ponderata
di CO2. Esempio mix 50% centrale carbone/fotovoltaico:
0.5·950 g/kWh+0.5·0=475 g/kWh
❑ I mix di produzione dell’energia elettrica variano, valutati su
scala nazionale, europeo o mondiale, per via delle diverse
combinazioni di produzione dell’energia elettrica.
❑ I mix di produzione dell’energia elettrica possono essere a loro
volta influenzati dalla presenza di un grande numero di veicoli
in ricarica. Ad esempio la ricarica serale porta all’accensione di
centrali di punta (bassa efficienza, alta produzione di CO2); la
ricarica estiva in pieno giorno aiuta il sistema elettrico in quanto
consente di assorbire e gestire in maniera efficiente il picco di
produzione da fotovoltaico.
19
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
20
4. Lo studio JEC
Introduzione
❑ Molti studi finalizzati al confronto di veicoli convenzionali con i
veicoli elettrici a batteria limitano il confronto alla sola vita utile,
nell’ipotesi che la maggior parte delle emissioni di gas serra
avvenga proprio in questa fase.
❑ Uno degli studi che segue questa semplificazione è lo studio JEC
WtW. Esso è realizzato congiuntamente da:
❑ JRC (Joint Research Centre), centro di ricerca della
Commissione europea).
❑ EUCAR (European Council for Automotive R&D), associazione
dei principali costruttori automobilistici europei.
❑ CONCAWE, un’associazione di produttori e distributori di
combustibili fossili operanti nell’unione europea.
❑ Il gruppo JEC (circa 50 persone) rappresenta le competenze
necessarie per uno studio completo e accurato, a meno
dell’assenza nel gruppo di ricerca di esperti di reti di
trasmissione e distribuzione dell’energia elettrica.
21
4. Lo studio JEC
Metodologia
❑ Lo studio, del 2014, riporta i risultati relativi a veicoli di taglia media per
ognuna delle tipologie considerate, con caratteristiche stimate al 2020.
❑ Nei risultati (v. grafico sotto) si valuta l’indice GWP: quest’ultimo viene
valutato sia relativamente alle emissioni per la produzione di energia
elettrica rapportate ai kWh prodotti (ascissa), sia relativamente alle
emissioni veicolari rapportate ai km percorsi dal veicolo (ordinata).
22
4. Lo studio JEC
Metodologia
❑ Le curve sono state calcolate effettuando un’analisi dal pozzo alla ruota
(WTW) includendo gli effetti del trasporto del combustibile al luogo della
distribuzione (ad esempio che anche nel caso di veicoli alimentati a idrogeno
prodotto per elettrolisi da fonti rinnovabili si ha un certo grado di emissioni).
❑ Per i consumi energetici dei veicoli, si è fatto riferimento al ciclo NEDC (New
European Driving Cycle), utilizzato per l’omologazione al momento della
realizzazione dello studio. Tale ciclo è stato sostituito, dal settembre 2017,
dal più recente WLTC.
❑ Il ciclo WLTC è più gravoso del NEDC, ma più vantaggioso per i veicoli
elettrici rispetto ai convenzionali, per la presenza di un maggior numero di
frenate rigenerative.
❑ I veicoli caratterizzati da rette orizzontali sono quei veicoli i cui consumi di
energia non dipendono dall’azione delle centrali elettriche.
❑ I veicoli elettrici che producono GHG per via della generazione di energia
elettrica, hanno consumi proporzionali alle emissioni di GHG.
❑ Le linee verticali blu indicano la produzione media di GHG di un certo tipo di
centrale o mix di centrali elettriche.
23
4. Lo studio JEC
Metodologia
❑ Le curve sono state calcolate effettuando un’analisi dal pozzo alla ruota
(WTW) includendo gli effetti del trasporto del combustibile al luogo della
distribuzione (ad esempio che anche nel caso di veicoli alimentati a idrogeno
prodotto per elettrolisi da fonti rinnovabili si ha un certo grado di emissioni).
❑ Per i consumi energetici dei veicoli, si è fatto riferimento al ciclo NEDC (New
European Driving Cycle), utilizzato per l’omologazione al momento della
realizzazione dello studio. Tale ciclo è stato sostituito, dal settembre 2017,
dal più recente WLTC.
❑ Il ciclo WLTC è più gravoso del NEDC, ma più vantaggioso per i veicoli
elettrici rispetto ai convenzionali, per la presenza di un maggior numero di
frenate rigenerative.
❑ I veicoli caratterizzati da rette orizzontali sono quei veicoli i cui
consumi di energia non dipendono dall’azione delle centrali
elettriche.
❑ I veicoli elettrici che producono GHG per via della generazione di
energia elettrica, hanno consumi proporzionali alle emissioni di
GHG.
❑ Le linee verticali blu indicano la produzione media di GHG di un
certo tipo di centrale o mix di centrali elettriche.
24
4. Lo studio JEC
Risultati
❑ I veicoli elettrici a batteria presentano emissioni inferiori rispetto ai veicoli a
benzina qualunque sia il mix di produzione dell’energia elettrica considerato.
❑ I veicoli a metano, Diesel e GPL sono stati accorpati in un’unica retta
orizzontale per semplicità di lettura.
❑ Tali veicoli appaiono dunque sempre convenienti, ma la loro convenienza
diventa estremamente più elevata considerando il mix di produzione
dell’energia elettrica in ambito UE.
25
4. Lo studio JEC
Risultati
❑ Analisi di altre fonti (es. ISPRA 2020) suggeriscono che il trend delle
emissioni di gas serra per la produzione di energia elettrica negli anni 2010-
2020 mostra una riduzione almeno pari a quanto desumibile dalla figura.
❑ Per le emissioni WTW dei veicoli a idrogeno, in questo caso è la modalità di
produzione del combustibile a incidere sulle emissioni globali, passando da
valori attorno ai 60 g/km nel caso di processo di reforming, a valori inferiori
ai 10 g/km per elettrolisi, con energia elettrica ricavata da fonte rinnovabile
(vento).
26
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
27
5. Il Global EV Outlook
Introduzione
❑ Lo studio presenta un’analisi della situazione mondiale al 2019 delle
emissioni di gas serra, valutate secondo un approccio di tipo WTW.
❑ Tra i risultati principali, è stato stimato che l’elettrificazione in atto nel 2019
abbia consentito un risparmio di 53 milioni di tonnellate di CO2 equivalenti,
in luogo dei 104 milioni emessi dai veicoli che hanno sostituito (basati su
motori a combustione interna).
Note:
❑ I valori positivi sono relativi
alle emissioni (valutate con la
tecnica del WTW) dei veicoli
elettrici stimati in uso nel
2019.
❑ I valori negativi sono relativi
a quelle emissioni che vi
sarebbero state se invece
degli EV si fossero avuti
veicoli della stessa categoria
ma dotati di ICE.
❑ Il vantaggio più grande si ha
sui veicoli a 2 e 3 ruote.
28
5. Il Global EV Outlook
Introduzione
❑ Lo studio JEC (v. grafico precedente) è stato effettuato da un gruppo di
lavoro completamente diverso da quello che ha redatto il Global EV outlook:
i risultati sono tuttavia congruenti, tenuto in conto che una riduzione del
50% delle emissioni è associabile a mix di generazione di 500-600 g di CO2
per kWh.
❑ Tali valori sono compatibili con il mix di centrali presente a livello mondiale,
per via di un’aliquota di centrali a carbone superiore a quella europea, e
minori fonti di generazione elettrica rinnovabile.
❑ Sempre secondo le previsioni dello studio, se venissero adottate politiche in
grado di attuare gli obiettivi fissati negli accordi sul clima, il risparmio di
emissioni di CO2 salirebbe a 440 Mt di CO2, pari al 65% di quanto verrebbe
emesso in assenza di veicoli elettrici.
❑ Lo studio, in aggiunta al solo approccio WTW, mette in conto anche
l’impatto ambientale della costruzione e del riciclaggio (analisi
LCA), contemplando anche veicoli a fuel-cells a idrogeno.
29
5. Il Global EV Outlook
Analisi LCA
❑ Lo studio effettua un’analisi LCA, di cui si riassumono nel grafico a slide
seguente i risultati principali, per una vettura di classe media, su un
orizzonte temporale di 10 anni.
❑ Tra gli EV, si considerano due versioni (BEV 40 e BEV 80) in base alla taglia
della batteria, espressa in kWh.
❑ Le varie quote sono relative ai seguenti contributi, distinti per colore:
realizzazione dei componenti del veicolo; impatto di assemblaggio,
dismissione, riciclaggio; realizzazione della batteria; WTT; TTW.
Note
❑ Si considera che la realizzazione della batteria comporti impegni di CO2-eq
per kWh differenti (65 kg di CO2-eq per kWh in caso di batteria realizzata in
Europa, in verde, 100 kg di CO2-eq per kWh per la medesima realizzazione in
Cina, in verde tratteggiato il costo addizionale).
❑ I veicoli sono stati supposti operanti sul ciclo WLTC.
❑ Per i PHEV è stata considerata una percorrenza del 40% a benzina e del
60% a batteria.
❑ Il FCEV è stato valutato considerando produzione di idrogeno da metano.
30
5. Il Global EV Outlook
Risultati
Le varie quote sono relative ai seguenti contributi, distinti per colore:
realizzazione dei componenti del veicolo; impatto di assemblaggio,
dismissione, riciclaggio; realizzazione della batteria; WTT; TTW.
31
5. Il Global EV Outlook
Risultati
❑ La fase che contribuisce maggiormente alle emissioni di CO2-eq è quella della
vita utile del veicolo.
❑ BEV, HEV, PEV e FCEV sono tutti ampiamente vantaggiosi rispetto ai veicoli
dotati di motore a combustione interna (ICE).
❑ Il massimo vantaggio si ha con i PHEV e BEV 40. Risulta evidente che
l’attuale tendenza ad usare batterie di maggior capacità riduce in maniera
significativa i vantaggi ambientali dei BEV. In questo senso si può
considerare che la vocazione dei BEV continua ad essere prevalentemente
quella urbana, per la quale una batteria da 40 kWh è più che sufficiente,
mentre per le maggiori percorrenze sono oggi più interessanti i PHEV.
❑ Man mano che la produzione di elettricità si arricchisce di contributi da fonti
rinnovabili, la banda di BEV e PHEV tende a ridursi, con miglioramento
significativo della loro competitività ambientale.
32
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
33
6. L’effetto del V2G
Limiti degli studi proposti
❑ Sia lo studio JEC che il rapporto Global EV Outlook valutano le emissioni
WTT dei veicoli elettrici mediante il mix di produzione dell’energia elettrica.
Questo approccio maschera una situazione ben più articolata.
❑ Sarebbe infatti importante considerare anche le fasce orarie in cui si
ricaricano i veicoli, soprattutto in uno scenario di uso massivo di veicoli
elettrici.
❑ Il sistema elettrico per l’energia è dotato di molte centrali di produzione di
energia elettrica, e relative linee di interconnessione, che devono fare in
modo che generazione e carichi siano continuamente bilanciati: la potenza
erogata da tutte le centrali di produzione deve essere istantaneamente pari
a quella assorbita dai carichi (inclusa l’energia persa nelle linee di
collegamento).
❑ Il carico varia nel tempo: ogni utente può, in linea di massima aumentare o
diminuire il carico ad arbitrio.
❑ Anche la potenza disponibile per la generazione da eolico e fotovoltaico varia
nel tempo in maniera indipendente da tutto: questa potenza è detta in
gergo tecnico generazione non dispacciabile.
❑ La potenza che devono erogare le centrali termoelettriche (ad es. quelle a
metano), invece, può essere scelta entro certi limiti da noi, ed è pertanto
detta dispacciabile.
34
6. L’effetto del V2G
Effetti della generazione da fonti rinnovabili
❑ Se ipotizziamo come unica fonte non dispacciabile quella da fotovoltaico
(v. sotto), notiamo che essa è presente solo nella fascia centrale della
giornata (area in giallo).
❑ Le centrali dispacciabili devono fornire una potenza che varia fortemente nel
corso della giornata (profilo di carico), in particolare verso le ore 17.00,
quando la domanda di energia aumenta e si annulla la produzione solare.
❑ Al fine di massimizzare l’efficienza delle centrali, si vorrebbe che queste
operassero il più possibile a potenza costante.
35
6. L’effetto del V2G
L’utilizzo degli accumuli di rete
❑ L’incremento di efficienza può essere ottenuta aggiungendo sistemi di
accumulo dell’energia (batterie o altri sistemi) al sistema elettrico: essi
hanno il compito di assorbire energia quando la produzione da fonti
rinnovabili è abbondante, ed erogarla quando essa è nulla e il carico è
elevato.
❑ I sistemi di accumulo si ricaricano ai bassi carichi e si scaricano agli alti. La
variazione nel tempo della potenza della generazione dispacciabile si riduce
in maniera significativa.
36
6. L’effetto del V2G
Il ruolo degli EVs
❑ In uno scenario futuro in cui molti veicoli siano collegati alla rete elettrica, i
proprietari di questi veicoli che non avessero bisogno di avere il veicolo
ricaricato il prima possibile, potrebbero accedere ad una tariffa agevolata, nel
caso consentissero al gestore della rete elettrica di scegliere l’orario in cui
ricaricare (es. in 12 ore).
❑ In tal modo tali veicoli si comporterebbero come carichi dispacciabili, la cui
potenza può cioè essere scelta dal gestore di rete, entro certi limiti, e non
prefissata dall’utente.
❑ In presenza di molti veicoli
dispacciabili in carica, essi
possono essere ricaricati nella
parte di carico più basso,
ottenendo un effetto simile a
quello dell’accumulo di rete.
❑ Naturalmente se all’opposto tutti
i veicoli fossero ricaricati nelle
ore serali, essi comporterebbero
un peggioramento della curva
della potenza richiesta alla
generazione dispacciabile.
37
6. L’effetto del V2G
L’effetto del V2G
❑ Un ulteriore miglioramento dell’utilizzazione del parco di veicoli elettrici
connesso alla rete è ottenibile attraverso il cosiddetto “Vehicle to Grid”
(V2G).
❑ In questo caso la connessione del veicolo alla rete è bidirezionale; esso può
quindi non solo assorbire potenza ma anche, tipicamente per brevi intervalli
di tempo e piccolissime quantità di energia, erogare verso la rete.
❑ È dimostrato che questo può portare benefici importanti alla gestione della
rete stessa, con logorio assolutamente trascurabile della batteria del veicolo
(es. servizi di regolazione primaria della frequenza).
❑ In sostanza utilizzando i veicoli elettrici come carichi dispacciabili e usando il
servizio V2G, la competitività dei veicoli elettrici può aumentare, assicurando
ulteriori riduzioni di emissioni di CO2-eq nelle classifiche.
❑ Per far sì che i veicoli in ricarica tendano a favorire un funzionamento
efficiente della rete si possono usare meccanismi a leva tariffaria (es. usando
tariffe dell’energia molto basse per quegli utenti che accettino una ricarica
differita nel tempo, e all’opposto penalizzare le ricariche molto veloci e in
orari sfavorevoli per la rete).
38
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Conclusioni
39
Conclusioni
40
Conclusioni
41
Analisi di impatto ambientale LCA
addendum
❑ Metodologia eco-score
Indice
❑ Metodologia eco-score
LCA dei sistemi veicolari
riciclaggio [1] Boureima et al: “Comparative LCA of electric, hybrid, LPG and
gasoline cars in Belgian context”, Simposio EVS 24, Stavanger 2009
6
Vita utile dei sistemi veicolari
Il forte contributo di
rinnovabile (Italia) e
nucleare (Europa)
favorisce l'auto
elettrica.
Per la ricarica
notturna andrebbe
però considerato il
mix notturno.
7
Indice
❑ Metodologia eco-score
Principali indicatori impatto ambientale: acidificazione
Acidificazione dell'atmosfera
Acid gases that are released into the air or resulting from the reaction of non-acid
components of the emissions are taken up by atmospheric precipitations and the falling
“acid rain” forms an acid input which is absorbed by plants, soil and surface waters
leading to leaf damage and superacidity of the soil, which in turn affects the solubility
and hence availability of plant nutrients plants can take in.
This may lead to an increased take up of heavy metals or reduced take up of some
plant nutrients and hence negatively affect the growth of plants.
Sostanza SO NO NO NO HS
2 2 2 2
Peq = pk mk p
k
1 1,07 0,7 0,7 1,88
k Sostanza NH NH HF
4 3
9
Principali indicatori impatto ambientale: eutrofizzazione
Eutrofizzazione
Eutrophication (Greek: eutrophia—healthy, adequate nutrition, development;
German: Eutrophie) or more precisely hypertrophication, is the ecosystem response
to the addition of artificial or natural substances, such as nitrates and phosphates,
through fertilizers or sewage, to an aquatic system. One example is the "bloom" or
great increase of phytoplankton in a water body as a response to increased levels
of nutrients. Negative environmental effects include hypoxia, the depletion of
oxygen in the water, which induces reductions in specific fish and other animal
populations.
Peq è il potenziale in kg di PO 4
pk sono i pesi relativi
(°) ione fosfato (*) disciolto in acqua
10
Principali indicatori impatto ambientale: salute umana
Livello intermedio: come nelle slides precedenti si riportano gli effetti delle varie
sostanze in kg di una sostanza equivalente.
Livello danno: “Disability-Adjusted Life Years” Ad esempio un DALY=3 implica
perdita di tre anni di vita della popolazione (la disabilità è riportata a frazioni di
vita).
Livello normalizzato: i punti sono “persone-anno”, e rappresentano il danno
ambientale prodotto in un anno da un cittadino europeo medio.
CFC11=freon 11
11
Principali indicatori impatto ambientale: salute umana
12
Principali indicatori impatto ambientale: effetto serra
Global Warming Potential (GWP)
L’ IPCC (International Panel on Climate Change) fornisce informazioni sul potenziale serra
relativo delle varie sostanze, che vengono aggiornate negli anni.
I coefficienti da utilizzare dipendono dall’orizzonte temporale su cui si valuta il potenziale
riscaldamento. Su un orizzonte di 100 anni i valori del Second Assessment Report (SAR, 1995) e
Fourth Assessment Report (AR4, 2007) sono i seguenti:
g CO2 equivalenti
SAR (1995) AR4 (2007)
CH4 21 25
N2O 310 298
SF6 23900 22800
NOTE:
1)Non viene considerato il vapor d’acqua che è il principale responsabile dell’effetto serra in quanto le sue concentrazioni non
sono conseguenza diretta di attività antropiche; peraltro ogni riscaldamento comporta una maggiore soluzione di acqua
nell’atmosfera e quindi un ulteriore incremento del riscaldamento
2)Per semplicità si sono trascurati nella tabella e nella conseguente formula i fluorocarburi, che hanno impatto minore sul global
warming.
13
Indice
❑ Metodologia eco-score
Uno studio di esempio (1) (dati relativi al Belgio)
■
Acidificazione dell'atmosfera
■
Eutrofizzazione
■
Tossicità
■
Effetto serra
(1) Messagie M., et al: “Life Cycle Assessment of conventional and alternative small passenger
vehicles in Belgium”, Vehicular Propulsion and Power Conference - VPPC 2010
15
Uno studio di esempio: acidificazione
NOTE
1. la riga nera rappresenta i valori
al netto del recupero a fine
vita.
2. In questo studio invece che i
kg SO2eq sono usati i kg H+
eq.
3. i veicoli BEV sono dotati di
batt. Litio, l'hybrid di NiMH.
4. Le batterie al Piombo sono
solo per i veicoli convenzionali.
5. La parte vita utile è la più
significativa eccetto che per i
BEV, ma anche la costruzione
ha notevole rilevanza.
6. i dati sono importanti in termini
relativi; comunque in termini
assoluti sono dovuti all'intera
vita del veicolo stimata in
230000 km.
7. elettricità: mix Belgio.
16
Uno studio di esempio: acidificazione
Risultati notevoli
17
Uno studio di esempio: eutrofizzazione
Risultati notevoli
1. Anche
sull'eutrofizzazione
sussiste un notevole
vantaggio dei BEV.
2. I veicoli a benzina
sono avvantaggiati
rispetto ai Diesel.
18
Uno studio di esempio: salute umana
Risultati notevoli
1. Anche in questo caso i
BEV vincono, con
ampio margine.
2. Anche i BEV hanno
emissioni TTW dovuti
a particolato prodotto
da pneumatici e
freni.
3. Fondamentale per i
BEV un efficace
riciclaggio,
specialmente della
batteria.
4. Ricordiamo sempre
che siamo nel caso
Belgio.
VEI: LCA-WTW 19
Uno studio di esempio: effetto serra (GWP)
Risultati notevoli
1. Questo è il settore in cui
il BEV ha il maggior
margine di vantaggio.
2. Fra i veicoli
convenzionali, come è
noto, i più
svantaggiati sono quelli a
benzina.
Nota
Il confronto sul GWP dipende
fortemente dal mix produttivo
dell'energia elettrica.
E' stato osservato come in
caso di produzione
esclusivamente da carbone il
BEV può risultare più
impattante di un ICEV.
Nei casi di Italia ed Europa,
comunque il GWP di BEV è
sempre molto inferiore a
quello degli ICEV.
20
Attenzione al mix per la produzione di energia elettrica!
Applicabilità al
caso italiano
Il Belgio si
caratterizza per
un'elevata
presenza di
produzione
nucleare, a GWP
quasi nullo.
Sommando però
nucleare e
rinnovabili la
differenza non è
molto marcata.
21
Un altro studio (caso Italia): effetto serra
22
Effetto serra: di origine antropica?
I principali gas serra
sono rimasti
pressoché costanti per
N2O 10000 anni, e sono
CO2 improvvisamente
variati a partire dalla
rivoluzione industriale.
In particolare la CO2
+ stata fra 260 e 280
ppm per 10000 anni
ed è aumentata a 380
ppm in pochi secoli.
ppm
CH4 2005 coeff GWP %
Questo porta ad
380 1 380 71
elevata affidabilità
1,7 25 42,5 8
0,37 298 110 21
della conclusione che
gli incrementi siano di
533 100 origine antropica.
(grafici e questa conclusione:
IPCC-policy makers)
VEI: LCA-WTW 23
Indice
❑ Metodologia eco-score
Verso un confronto globale dei sistemi veicolari
■
Acidificazione dell'atmosfera
■
Eutrofizzazione
■
Tossicità
■
Effetto serra
■
Ulteriori indicatori:
■
Emissioni acustiche
■
Sostenibilità di lungo termine
■
….
Come mettere insieme tutti questi indicatori per stilare una classifica
globale?
=> Metodo dell'eco-score
VEI: LCA-WTW 25
Il metodo globale dell'eco-score
4) calcolo dell'ECO-score:
impatto totale del veicolo di riferimento
ECO − score =
impatto totale del veicolo considerato
VEI: LCA-WTW 26
Il metodo globale dell'eco-score
VEI: LCA-WTW 27
Il metodo globale dell'eco-score
Ci si può attendere
per il caso italiano
un eco-score intorno
a 2 (con i pesi usati).
VEI: LCA-WTW 28
Energy storage systems
Technologies and sizing criteria
Basics
• Introduction to energy storage
• The battery architecture
• Charging and discharging
• Mathematical modelling
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
• Monolitic or hybrid storage
Basics
• Introduction to energy storage
• The battery architecture
• Charging and discharging
• Mathematical modelling
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
• Monolitic or hybrid storage
How to store electric energy
* Indeed capacitors and inductors store energy in electric and magnetic fields, and this can be
considered storing electricity «as is».
Battery typology
• Lead-acid batteries. Used as SLI nearly on every car or truck. Used in first-
generation PEVs. Today nearly abandoned for BEVs because of their lower
specific energy (below 35 Wh/kg). Stationary applications declining because of
the li-bat growth.
• Ni-Cd batteries. Were used in eighties and nineties as a better option than
lead-acid. Higher specific energy (60-70 Wh/kg; environmental concerns.
today banned by the EU (in new installations) because of environment
concerns.
• Ni-MH batteries. Good substitute for NiCd, batteries to which is similar in
construction and operation, but does not have the toxic Cadmium. Used on-
board millions of Toyota Priuses. Now being phased-out in favour of Li-bats.
• Na-NiCl batteries. Now Italian. Hot batteries (300°C). fair specific energy,
poor specific power. Good for buses (high utilisation). Cost and reliability
concerns. Italian manufacturer.
• Lithium batteries. Depending on design: high specific energy, specific power,
energy density, power density. The ultimate EV and stationary standard.
Lithium battery typology (1/2)
• NCA: Nickel-Cobalt-Aluminium.
• NMC: Nickel-Manganese-Cobalt.
• LMO: Lithium-Manganese-Oxyde.
• LTO: Lithium tinanate.
• LFP: Lithium iron-phosphate.
electron
i flow + - + -
R (discharge)
+ or E-R (charge) -
negative electrode
negative electrode
positive electrode
positive electrode
positive ions
negative electrode
positive electrode
Cu 2+ Zn 2+
separat.
mecca- + +
negative nico SO42− SO42−
ions
Electrolytic
solution Cell with mechanic pila Daniell cell (separator
separator separates electrolytic solutions)
The single cell basic composition (2/2)
• Nominal capacity
Is the charge that can be extracted from a full battery at given discharge current,
ambient temperature, end-of discharge voltage. The Ch capacity is the charge that can
be extracted in a h-hour discharge (Example: C1, C5, C10).
• Nominal current
Being nominal current and nominal capacity linked by the relation Cn=InTn, from the
nominal capacity and the nominal current it is also possible to determine the nominal
discharging time Tn.
• Nominal voltage
It is assumed as the voltage/cell multiplied by the total number of element in series.
• Max, Min voltage
They indicate the operative window voltage of the battery.
• Additional parameters
Specific energy (Wh/kg); Energy density (Wh/L); Specific power (W/kg); Power density
(W/L).
General characteristics (2/2)
• Self discharge
Inactive batteries are subject to a progressive reduction of the extractable charge.
Self discharge is strongly dependent on the temperature, and increases with it. The
speed is initially high, and then decreases over time. An indication after one month of
inactivity at temperature of 20°C, for lithium batteries, is in the range 2-8%.
• Useful life
The battery is subjected to change its characteristics over time. More in detail, after an
initial increase of the capacity, it is possible to observe a progressive reduction. End of
life is fixed when the extractable capacity under standard conditions decreases up to
80% of the initial one.
• Calendar life: aging over time (i.e. 10 years).
• Cycle life: aging over charge/discharge cycles. Cycle life depends on battery typology
(i.e. Pb=300-500 cycles; Li=1000-4000 cycles), and it is also influenced by the
discharging depth.
Discharging
The reference is the constant-current discharge, since the current is the rate at which
the battery discharges, i.e. the speed of discharge.
2,6
0 20 40 60 80 100 120 C/Cn Li-LFP Pb-gel Li-NMC
% discharge
1,2
In constant-current discharge:
1
E disch = u( t )i( t )dt = I i( t )dt = QU m Um = u (t )dt
T2 T2 T2 T2
Charge indicators
DOD (depth of discharge): ratio between the extracted charge (starting from battery full)
and the battery capacity (extractable charge) at that current and temperature.
Qestr
DOD =
C (I act , act )
SOC (state of charge): ratio between the charge stored (starting from battery empty) and
the battery capacity (extractable charge) at that current and temperature.
Note
SOC and DOD depend on the assumed reference. When talking about these indicators,
the reference must be specified carefully. In some cases the assumed reference is simply
the nominal battery capacity.
Basics
• Introduction to energy storage
• The battery architecture
• Charging and discharging
• Mathematical modelling
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
• Monolitic or hybrid storage
Equivalent electric network
Cn C1
R0 i0
in Rn i1 R1
im
+
+ Rp
u
E(SOC)
-
= (u actual − u model ) 2
Parameters evaluation (2/2)
2.5
current (A)
-2.5
-5
0 4 8 12 16 20 22
time (h)
3.5
voltage (A)
2.5
0 4 8 12 16 20 22
time (h)
Comparison model/experimental results
• Combinations with n=1 or n=2 can be analysed: both the models present
acceptable results, while the 2 R-C blocks one has a distinct advantage.
SOC estimation (1/3)
• The battery state of charge (SOC) knowledge is important for BEVs (Battery
Electric Vehicles), but also in HEVs (Hybrid Electric Vehicles) to evaluate the
management strategy of the vehicle.
• SOC can be continuously evaluated through the numerical integration of
the current exiting from the battery: this process implies an accumulation
of errors.
Qestr = iestr ( t )dt
Qestr
SOC = 1 −
CSOC
• When the vehicle rests, an error compensation is applied through the use
of the correlation between SOC and the corresponding rest voltage.
SOC estimation (2/3)
• The battery is first charged, then subject to partial discharge phases (MST).
• At the end of pause (as example 3600 s) after each partial discharge,
voltage is independent on the previous battery current.
• From the current drawn at each step and the measure of the corresponding
rest voltage, the correlation shown in figure can be derived.
4.2 8 4.2
Fuel Cell System
4 4 4
Voltage (V)
Current (A)
Voltage (V)
3.8 0 3.8
-4 3.6
3.6
3.4
3.4 -8 1 0.8 0.6 0.4 0.2 0
0 1 2 3 4
SOC
Time (h)
SOC estimation (3/3)
+ It
A
V Load
-
It Ut
Ut
It Unet SOC_U
Uoc
R0-R1C1-R2C2 -+
SOC_ev
SOC_ev
1
SOC mix
Cs SOC_Ah
• Safety issue mainly for lithium cells, that in some cases may explode.
• Different behaviour depending on the battery family. LFP cells are indicated
as safer than the other technologies, due their major thermal and chemical
stability.
• Manufacturers normally perform abuse tests on cells to verify their level of
safety.
• Typically considered abuse tests are:
• Thermal (thermal stability, thermal shock).
• Electrical (over-charge, over-discharge, external short circuit).
• Mechanical (nail penetration, crush, vibration, drop).
Abuse tests (1/2)
source: LG
Abuse tests (2/2)
• Different boundary
conditions may cause
extremely different
results.
• Different boundary
conditions may cause
extremely different
results.
• Passive balancing
Made with resistors. Low capital cost, losses during life.
• Active balancing
Here the most charged supply energy towards the least charged.
Lithium batteries: the BMS (3/3)
• Active balancing can be cost effective to compensate for cheap, uneven cells. In other
cases passive balancing is the optimal solution.
• The best option depends on the un balancing speed. If unbalance is slow, the cost of
energy lost in resistors is negligible and the lower cost of passive equalisation
prevails.
To summarize:
BMS
Battery monitoring system: monitors all cells’ state: typically all cell’s voltages and some
temperatures.
BMMS
Battery Monitoring and Managing system: In addition to monitoring manages charge
(with equalisation).
Other BMS/BMMS functions include
thermal management, SOH SOL monitoring and managing (in addition to SOC).
• Sizing criteria
• Identification of the storage typology (i.e. supercapacitor, lithium…).
• Identification of the family, inside the considered storage typology
(i.e. power oriented/energy oriented).
• Definition of the nominal capacity and number of cells.
• Modelling and simulation of the system under analysis, including storage.
• Design of the Rechargeable Energy Storage System.
Note: the two steps in red can be achieved having as reference Ragone plots, from the
preliminary evaluation of power and energy managed by the storage for the considered
application.
Sizing criteria (2/2)
• Numerical simulations
• To better evaluate the storage system behaviour and refine the
preliminary sizing.
• Additionally, SOC variation in a realistic case study must be considered, to
correctly perform a cycle life evaluation.
from Focus “Batteries for Electric cars, challenges, opportunities and the Outlook to 2020”, www.bcg.com/ publications,
Boston Consulting Group Inc 2020.
Capacity and number of cells
• E and P known or estimated. From the storage system* to the i-cell we have:
E = ncell Ei
P = ncell Pi
*: For simplicity, the storage system is intended here composed exclusively by cells connected in series.
Note: see slide 16 for other details about the used expression for evaluating capacity.
Coupling to the converter (1/2)
• Examples
• Series hybrid propulsion system: the storage can be directly linked to the
DC bus, or interfaced through a DC/DC converter.
• Parallel hybrid propulsion system: the storage is interfaced through a
DC/AC converter to the electrical machine.
• General requirements
• Need to adapt DC voltage to AC voltage, depending on inverter
characteristics: VLL, RMS = 0.707 VDC (inverter SV-PWM)1
• Need of reducing high frequency current ripple inside the battery.
• Need of reducing electromagnetic interference for the BMS.
combust. +
MCI G UDC M
-
sistema di
accumulo
completo
combust.
MCI cambio
Basics
• Introduction to energy storage
• The battery architecture
• Charging and discharging
• Mathematical modelling
• Safety
Technology survey
• Lead-acid
• NiMH
• Na-NiCl
• Lithium (in several flavors)
• Redox flow batteries
• Supercapacitors
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
• Monolitic or hybrid storage
Comparisons. Power Vs Energy: Ragone plots (1/3)
Wh/kg 10s
100 Li-ion P
1s
Pb
10
Large Ultracaps
1 small
Ultracaps
0.1
1 10 100 1000 10000 W/kg
Comparisons. Power Vs Energy: Ragone plots (2/3)
0.1
conventional
capacitors
0.1
conventional
capacitors
105
Pb 300-500
104
Li 1000-4000
103
102
1: Vossloh Kiepe data.
0 10 20 30 40 50 60 70 80 90
The microcycle issue
50
[A] Current (A) • Hybrid NEDC-style current profile
25
(largest peaks equal to 6Cn). After
0
10000 simulated km we saw a capacity
-25 loss of 1.8%. It was 1000 NEDCs=15k-
-50 C.
0 200 400 600 800 1000 t (s) 1200
(f ile nedc.mat; x-v ar t) i
30
• SOC fluctuation here was around 1%.
Battery
temperatures (°C) case • By extrapolation* we estimated more
25 than around 500k Cycles,
corresponding to 4x105 km.
Room
20
0 200 400 600 800 1000 t[s]
(s) 1200
(f ile 6C_sy mm_mult.mat; x-v ar x) T_batt T_amb
In this case we estimated 500k-C with a SOC equivalent fluctuation of 1%. This could be
sufficient for the whole vehicle life.
- Supercap - +~ +
Battery + -~ -
Hybrid Storage System
Note: this is a very hot topic. On the IEEE data bank the item "Battery Hybrid Energy
Storage System" gives 918 papers in the period 2008-2014.
Hybrid Storage systems (2/3) iTot.i
150
iTot
iTot
• Without interposition 100 iTot.i
150
50
of the converter. A
100 a)
0
50
• Example: -50
00 5 10
Csc=500 F -50 pBat.pow er pSC.pow er
rSC.n.i rBat.n.i
Rsc=50 μΩ 200
150
Rbat=3 m Ω 100
100
rSC.n.i rBat.n.i
b)
150
0
50
100
• Battery and SC -100
0
50 0 5 10
simulated through -50
0
equivalent R-C 0 5 10
-50
blocks. pBat.pow er
ground
pSC.pow er 0
iSca1.v cSC.v
5
cBat.v
10
300
2.0
200
c) d)
100
1.9
0
-100 1.8
0 5 10 0 5 10
Hybrid Storage systems (3/3)
• Several other solutions with interposition of the converter.
mostly considered
+ +
a) b)
- -
Sistema di accumulo ibrido
higher flexibility
+
+
c) d)
- -
to summarize
• Batteries contain VERY much lower energy than fossil fuels, but the energy
quality is higher and they are reversible.
• The very fact that the storage energy is generated during recharge makes
charging much slower.
• BEVS and HEVS require energy oriented and power oriented batteries,
respectively.
• Not only batteries are available for storing electricity: supercapacitors, flywheels,
compressed air, …
• Among the various chemistries today Lithium dominates.
• Lithium does not say much: at least 5 different chemistries are of interest.
• Supercapacitors are an option for hybrids, but high power lithium batteries are
also competitive; hybrid storage combines supercapacitors and batteries.
• Finally: batteries are not just cells, but also cases, and monitoring and
management (thermal, charge, life, ...) systems.
Thank you for your attention
Vehicle to Grid (V2G)
2
Indice
3
1. Evoluzione del sistema elettrico
Piano nazionale energia e clima
❑ Il piano nazionale integrato per l’energia e il clima (PNIEC) stabilisce i target
nazionali in materia di energie rinnovabili, emissioni ed efficienza energetica.
❑ Gli obiettivi di produzione da rinnovabile prevedono al 2030:
❑ 70 GW di rinnovabili intermittenti (più della domanda di picco)
❑ 40 TWh di eolico
❑ 75 TWh di PV
❑ 55 GWh di nuovi accumuli stimati necessari
4
1. Evoluzione del sistema elettrico
Le nuove sfide del sistema elettrico
1margine di potenza, rispetto al fabbisogno previsto, che si costituisce per compensare gli
eventuali scarti tra produzione e consumo, dovuti a variazioni aleatorie o errori di
previsione del fabbisogno, indisponibilità imprevista di generazione, variazioni impreviste
nei programmi di scambio con l’estero.
2 deficienza della rete di svolgere il servizio di trasporto di energia elettrica a causa di
vincoli di rete.
5
1. Evoluzione del sistema elettrico
Nuove tecnologie al servizio del sistema elettrico
7
1. Evoluzione del sistema elettrico
I veicoli elettrici come risorse per il sistema elettrico
8
1. Evoluzione del sistema elettrico
La mobilità elettrica nel PNIEC
❑ Il PNIEC assegna un ruolo di primo piano allo sviluppo della mobilità
elettrica.
❑ Il target PNIEC al 2030 prevede 4.1 milioni di BEV più 2 milioni di
PHEV.
❑ I veicoli elettrici, in qualità di carichi dispacciabili, possono contribuire
a mitigare le criticità previste per il sistema elettrico:
❑ autoconsumo (ad esempio FV più ricarica elettrica).
❑ flessibilità della domanda (ricariche intelligenti).
❑ Negli scenari definiti dal PNIEC i veicoli elettrici sono un carico
flessibile:
❑ 4 milioni di veicoli elettrici puri (ipotesi: 15 kWh/BEV al giorno)
❑ 60 GWh teorici disponibili per servizi al sistema.
9
1. Evoluzione del sistema elettrico
L’evoluzione delle infrastrutture di ricarica
❑ Le stime RSE prevedono che per soddisfare lo scenario definito dal
PNIEC saranno necessari 3.3 milioni di punti di ricarica privati e oltre
110 000 punti di ricarica pubblici.
10
Indice
11
2. Tecnologie di ricarica
Ricarica AC o DC
12
2. Tecnologie di ricarica
Ricarica AC o DC
13
2. Tecnologie di ricarica
I modi di ricarica
14
2. Tecnologie di ricarica
Interazione con la rete: V1G e V2G
15
2. Tecnologie di ricarica
Interazione con la rete: V2H e V2B
16
2. Tecnologie di ricarica
Interazione con la rete: prospettive per il V2X
❑ La tecnologia V2X è ancora nelle sue prime fasi di sviluppo e a
differenza delle soluzioni V1G, non ha ancora ha raggiunto una
maturità tecnologica.
❑ Un passo avanti verso il V2X è stato compiuto con il rilascio dello
standard ISO 15118-20, che definisce i protocolli di comunicazione e
i requisiti di sequenza per abilitare la ricarica bidirezionale. Tuttavia,
dovrebbero essere intraprese ulteriori azioni per favorire il lancio
della tecnologia V2X.
❑ Attualmente lo standard europeo CCS non consente ancora la
ricarica bidirezionale, ostacolando così le possibilità di implementare
schemi V2X.
❑ Inoltre, si rendono necessarie nuove funzionalità di mercato per
abilitare i BEV a fornire servizi alla rete e coinvolgere gli utenti a
partecipare alle soluzioni V2G in modo attivo.
❑ Considerando tutti questi fattori, si prevede che l'utilizzo della
tecnologia V2X si avvii nella metà del 2024 e raggiunga un mercato
maturo entro la fine del 2030.
17
2. Tecnologie di ricarica
Interazione con la rete: V2H e V2B
18
2. Tecnologie di ricarica
Interazione con la rete: esempio di V1G
19
Indice
20
3. Nomenclatura e organi coinvolti, nozioni generali
Gli attori della ricarica pubblica
❑ La Direttiva 2014/94/UE DAFI (Direttiva sulla realizzazione di
un’infrastruttura per i combustibili alternativi, attualmente in
revisione a livello comunitario UE) e relativo recepimento nella
legislazione italiana con il Decreto Legislativo 16 dicembre 2016
n. 257 ha definito quali sono gli attori del processo di ricarica e ha
previsto che il mercato della ricarica sia aperto alla concorrenza tra
gli stessi.
❑ In particolare, i principali attori coinvolti nel mercato della ricarica
elettrica sono:
❑ Charging Point Operators (CPO), ossia coloro che si occupano di
gestire, manutenere e operare le infrastrutture di ricarica. Si
evidenzia al riguardo che l’investimento per la realizzazione delle
infrastrutture è di norma interamente a carico del CPO, che
svolge l’attività in totale autonomia economica.
❑ Mobility Service Providers (MSP), ossia coloro che offrono il
servizio di ricarica e gestiscono i pagamenti degli utenti finali
(un equivalente del fornitore di energia elettrica o del gas
domestico).
21
3. Nomenclatura e organi coinvolti, nozioni generali
Gli attori della ricarica pubblica
❑ Un altro attore direttamente coinvolto nel sistema e-mobility sono i
gestori delle reti di distribuzione, in inglese Distribution System
Operator (DSO).
❑ I DSO sviluppano, gestiscono e operano la rete di distribuzione in
Bassa e Media Tensione a cui si connettono le infrastrutture di
ricarica.
❑ Secondo la DAFI, gli operatori dei sistemi di distribuzione svolgono
un ruolo importante in relazione ai punti di ricarica. Nello sviluppo
delle loro mansioni, i gestori dei sistemi di distribuzione, dovrebbero
cooperare in modo non discriminatorio con qualsiasi altro
proprietario o operatore di punti di ricarica, in particolare fornendo
loro le informazioni necessarie per un accesso e un utilizzo efficiente
del sistema.
❑ Il grafico a pagina seguente sintetizza l’intera catena del valore del
servizio di ricarica, con tutti gli attori coinvolti: dalla vendita
dell’energia, fino all’offerta del servizio di ricarica al cliente finale.
22
3. Nomenclatura e organi coinvolti, nozioni generali
Gli attori della ricarica pubblica
23
3. Nomenclatura e organi coinvolti, nozioni generali
Gli attori della ricarica pubblica
❑ Altri attori coinvolti nel sistema e-mobility sono:
❑ I governi nazionali che definiscono quadri strategici per
garantire lo sviluppo dei BEV e della relativa infrastruttura di
ricarica, introducendo opportune misure misure e incentivi.
❑ Le amministrazioni locali sono responsabili dello spazio pubblico,
e sovraintendono i progetti pubblici relativi alla infrastruttura di
ricarica. L'amministrazione locale dovrebbe verificare la
selezione ottimale dei siti di ricarica, rendere efficienti le
procedure autorizzative e assicurare che tutti i punti di ricarica
siano interoperabili dal punto di vista dell'utente.
❑ L'Autorità di Regolazione, in Italia ARERA (Autorità per Energia
Reti e Ambiente), svolge attività di regolazione e controllo, ha
un ruolo di primo piano nel definire le modalità di connessione
alla rete delle infrastrutture di ricarica. Come regolatore delle
tariffe dell’energia elettrica al cliente finale, può predisporre
misure volte a favorire la ricarica dei veicoli elettrici, sia in
ambito domestico sia per le colonnine di ricarica accessibili al
pubblico.
24
3. Nomenclatura e organi coinvolti, nozioni generali
Nomenclatura e nozioni
❑ Questa sezione spiega alcuni concetti e nomenclature utili alla
comprensione delle slide.
25
3. Nomenclatura e organi coinvolti, nozioni generali
Nomenclatura e nozioni
DC: Corrente Continua.
26
3. Nomenclatura e organi coinvolti, nozioni generali
Nomenclatura e nozioni
In caso di
superamento dei
limiti di transito il
mercato viene
separato in più zone
di mercato (“market
splitting”). Alcune
zone saranno in
esportazione, altre
in importazione.
27
3. Nomenclatura e organi coinvolti, nozioni generali
Nomenclatura e nozioni
MERCATO DEI SERVIZI DI DISPACCIAMENTO (MSD): sede di
negoziazione delle Offerte di vendita e di acquisto di servizi di
dispacciamento, utilizzata da Terna S.p.A. per le risoluzioni delle
congestioni intrazonali, per l’approvvigionamento della Riserva e per il
bilanciamento in tempo reale tra immissioni e prelievi.
❑ Al MSD possono partecipare solo le unità abilitate alla fornitura di
servizi di dispacciamento, la cui partecipazione è obbligatoria. Il
MSD si compone di una fase di programmazione e di una fase di
gestione in tempo reale. Le Offerte accettate su MSD determinano i
programmi finali di immissione e prelievo di ciascun Punto di offerta.
❑ Nella fase di programmazione (noto come l’MSD ex-ante) Terna
approvvigiona le risorse necessarie alla risoluzione delle congestioni
e alla costituzione di un adeguato margine di riserva.
❑ La seduta per la presentazione delle Offerte sul MSD ex-ante è unica
e si apre alle ore 15.30 del giorno precedente il giorno di consegna e
si chiude alle ore 17.00 del giorno precedente il giorno di consegna.
28
3. Nomenclatura e organi coinvolti, nozioni generali
Nomenclatura e nozioni
Nella fase di gestione in tempo reale di MSD o Mercato di
Bilanciamento (MB) Terna si assicura il costante equilibrio tra
immissioni e prelievi di energia.
Nel MSD le unità di produzione e le unità di consumo che partecipano
al mercato possono presentare offerte a salire o offerte a scendere.
Offerta a salire Offerta a scendere
Unità di produzione Incrementa immissione Riduce immissione
Unità di prelievo Riduce il prelievo Aumenta il prelievo
Unità mista: prelievo Incrementare l’immissione o Ridurre l’immissione o
più consumo1 ridurre il prelievo incrementare il prelievo
MERCATO DI BILANCIAMENTO (MB): costituito dalla presentazione
continua di Offerte, con dettaglio orario per le 24 ore del giorno di
flusso. L’apertura della Seduta per la presentazione delle Offerte per il
MB è alle 22.30 del giorno antecedente il giorno di flusso. Gli operatori
potranno presentare Offerte sino a 60’ prima dell’inizio dell’ora cui tali
Offerte si riferiscono.
1Il Vehicle-to-Grid (definito nelle prossime slide) può configurare come unità
mista.
29
3. Nomenclatura e organi coinvolti, nozioni generali
Nomenclatura e nozioni
MOBILITY SERVICE PROVIDER (MSP): vende i servizi di ricarica e
si interfaccia con il cliente fissando le tariffe e fatturando i pagamenti.
TSO: Transmission System Operator, il gestore delle reti di
trasmissione dell’energia elettrica in alta e altissima tensione. In Italia,
la gestione delle reti di trasmissione è affidata a Terna, che si occupa
anche di mantenere il sistema bilanciato a 50 Hz.
WALL BOX: dispositivo a muro per la ricarica domestica di auto
elettriche. È dotato di prese Tipo 2, può integrare una control box e
anche di sistemi intelligenti di regolazione del flusso in funzione del
prelievo di energia di tutta l’abitazione.
Vehicle One Grid - V1G: ricarica monodirezionale (dalla rete alla
colonnina) gestita da un controllore esterno che può decidere di
aumentare o diminuire la potenza di ricarica.
Vehicle to X - V2X: come ricarica V1G che in più ammette anche il
flusso di potenza dalla colonnina verso la rete.
30
Indice
31
4. Normativa di riferimento per il Vehicle-to-Grid
DM 30 gennaio 2020
❑ Il DM 30 gennaio 2020 stabilisce criteri e modalità per favorire la
diffusione della tecnologia di integrazione tra i veicoli elettrici e la
rete elettrica, denominata Vehicle to Grid (V2G), in coerenza con la
riforma del mercato dei servizi elettrici avviata da ARERA1 in
attuazione dell’art. 11 del decreto legislativo 4 luglio 2014 n. 102.
❑ Il termine Vehicle to Grid (V2G) indica l'interazione tra veicoli elettrici
e sistema elettrico, che consente ai predetti veicoli di erogare,
attraverso le infrastrutture di ricarica, i seguenti servizi:
❑ Regolazione primaria e secondaria di frequenza e la regolazione di
tensione ove tecnicamente fattibile.
❑ Servizi di riserva terziaria e bilanciamento articolati nelle
modalità "a salire" ed "a scendere", nonché di risoluzione delle
congestioni.
❑ In particolare, qualora i servizi predetti comportino anche iniezioni di
potenza dalla batteria del veicolo verso la rete, essi sono denominati
V2G in casi diversi, tali servizi sono denominati V1G.
1 Autorità di Regolazione per Energia, Reti e Ambiente
32
4. Normativa di riferimento per il Vehicle-to-Grid
DM 30 gennaio 2020
❑ V2G: Bidirezionale abilita il prelievo e immissione di energia in rete
garantendo un adeguato livello di carica della batteria al momento
del prelievo. Il fattore abilitante è un sistema di ricarica
BIDIREZIONALE controllabile tramite segnali esterni.
❑ V1G: Monodirezionale è noto anche come "Ricarica controllata" o
"Smart Charging". Il fattore abilitante è una Wall Box controllabile
tramite segnali esterni. La potenza di ricarica viene controllata da un
attore del sistema elettrico (es. aggregatore).
33
4. Normativa di riferimento per il Vehicle-to-Grid
Infrastrutture di ricarica e UVAM
❑ Le Unità Virtuali Abilitate Miste (UVAM) sono unità virtuali abilitate di
cui alla delibera ARERA n.300/2017, caratterizzate dalla presenza di
unità di produzione non rilevanti (programmabili o non
programmabili), unità di consumo, sistemi di accumulo, compresi
veicoli elettrici collegati alla rete tramite infrastrutture di ricarica.
❑ In collaborazione con il Comitato elettrico italiano (CEI) sono inoltre
individuate specifiche tecniche minime che i dispositivi ed i misuratori
installati presso il punto di connessione, anche già integrati nelle
infrastrutture di ricarica, devono possedere ai fini della partecipazione
al mercato per il servizio di dispacciamento.
❑ Il Comitato Tecnico 316 del CEI ha sviluppato la bozza di Allegato X
alla norma CEI 0-21 dedicato alla definizione dei requisiti funzionali
del Controllore di Infrastrutture di Ricarica (CIR).
34
Indice
35
5. Attività di Normazione in corso
Il Controllore dell’Infrastruttura di Ricarica
❑ In base alla specifiche definite nella bozza di Allegato X, il
Controllore dell’Infrastruttura di Ricarica (CIR)1 consente di:
❑ Ottimizzare la potenza destinata alla ricarica dei veicoli
elettrici, in funzione dell’assorbimento degli altri carichi
utilizzatori presenti nell’utenza, nonché di eventuale
produzione in loco.
❑ Rendere disponibili risorse di modulazione affinché un
soggetto aggregatore (anche “Balance Service Provider”
BSP) possa offrire, in forma aggregata, flessibilità sul
Mercato dei Servizi di Dispacciamento (MSD).
❑ Rendere disponibili risorse di modulazione per il
Distributore DSO.
❑ Contribuire alla sicurezza del sistema elettrico fornendo i
servizi di rete in condizioni di sotto-frequenza.
36
5. Attività di Normazione in corso
Il Controllore dell’Infrastruttura di Ricarica
❑ Al fine di abilitare le funzioni prima elencati il CIR dovrà garantire:
❑ la raccolta dei dati in tempo reale relativi alla misura della potenza
prelevata dall’infrastruttura di ricarica, della potenza prelevata ed
immessa da eventuali generatori e/o accumuli presenti in
impianto, e della potenza scambiata con la rete al punto di
consegna.
❑ lo scambio dei dati di potenza con gli attori abilitati, quali (DSO),
l’Aggregatore, per la partecipazione volontaria al Mercato dei
Servizi di Dispacciamento (MSD). Lo scambio dei dati con il DSO
per i servizi a quest’ultimo dedicati è previsto per i soli CIR
installati presso gli utenti passivi trifase. Per le installazioni
monofase il DSO può delegare le azioni sul CIR al BSP.
❑ la regolazione dinamica e parametrizzabile della potenza prelevata
dalla rete per la ricarica della batteria del veicolo, effettuata
attraverso una Stazione di Ricarica EV in modo 3 e in modo 4
(definito come da serie CEI EN IEC 61851).
❑ la fornitura dei servizi di rete per la sicurezza del sistema elettrico
(risposta in sotto-frequenza) basata sulla disponibilità di una
misurazione locale della frequenza di rete.
37
5. Attività di normazione in corso
Il Controllore dell’Infrastruttura di Ricarica
38
5. Attività di Normazione in corso
Esempio di applicazione CIR ambito residenziale
❑ Una Wall-box controllata dal CIR è in grado di:
❑ Evitare l’intervento del limitatore del contatore, anche in
assenza di altri sistemi di gestione dell’energia.
❑ Rispondere a segnali di mercato provenienti
dall’AGGREGATORE (BSP - Balance Service Provider) per la
partecipazione al mercato dei servizi di dispacciamento
(MSD).
❑ Rispondere a segnali di sistema provenienti dal DSO.
Contatore elettronico 2G
carichi residenziali
Chain 2
(Comunicazione
powerline)
Aggregatore Controllore
Infrastruttura
DSO di Ricarica
Wallbox
Residenziale
2.0
39
Indice
40
6. Iniziativa sperimentale ARERA
DEL 541/2020
❑ La Delibera 541/2020 dell’ARERA definisce i termini generali per l’avvio
di una sperimentazione finalizzata a facilitare la ricarica nelle fasce
orarie notturne e festive (solo per ricarica dei veicoli elettrici in luoghi
non accessibili al pubblico).
❑ Dal 1 luglio 2021 al 31 dicembre 2023 sarà possibile ricaricare il
proprio veicolo elettrico avendo la disponibilità di una potenza di circa
6 kW, di notte, di domenica e nei giorni festivi, senza dover richiedere
un aumento di potenza al proprio fornitore di energia elettrica, quindi
senza dover sostenere costi fissi aggiuntivi dovuti all'incremento della
potenza.
❑ Lo scopo della sperimentazione è
promuovere la ricarica “intelligente"
dei veicoli elettrici in modo
compatibile con le reti elettriche
esistenti, sfruttando le potenzialità
offerte dai misuratori elettronici e
dai dispositivi di ricarica più
avanzati, in grado cioè di regolare
la velocità di ricarica sulla base di
comandi forniti da attori esterni (ad
esempio da aggregatori, oppure in
modo automatico.
41
Indice
42
7. Caso studio parcheggio aziendale
Introduzione
❑ Caso studio: flotta di veicoli aziendali con ricarica V2G.
❑ Obiettivo: valutare i benefici della partecipazione al Mercato dei
servizi di Dispacciamento (MSD) da parte di un aggregato di
veicoli elettrici.
❑ Metodo: ottimizzazione deterministica con l’obiettivo di ridurre
i costi per la ricarica e contemporaneamente garantire la
ricarica dei veicoli.
❑ Committente dello studio: Ministero dello Sviluppo Economico
per le attività di ricerca e sviluppo di interesse generale per il
sistema elettrico nazionale. Accordo di programma finanziato
dalla Ricerca di sistema per il triennio 2019-2020.
❑ Affidatario dello studio: Ricerca sul Sistema Energetico (RSE)
nell’ambito del progetto «Scenari e strumenti per la mobilità
elettrica e relativa integrazione e interazione con il sistema
elettrico».
43
7. Caso studio parcheggio aziendale
Aggregato di EV
❑ Lo studio parte dalla considerazione che i veicoli elettrici possono
essere uno strumento di flessibilità per il sistema elettrico:
❑ Servizi di regolazione della frequenza e di bilanciamento.
❑ Regolazione della tensione.
❑ Risoluzione delle congestioni nella rete di distribuzione.
❑ Questi servizi, qualora regolamentati e remunerati, permetterebbero la
riduzione dei costi per i proprietari dei BEV (La sperimentazione
condotta nell’ambito del Parker Project ha rivelato che ciascun veicolo
può ricevere un compenso di 1860 € per la fornitura del servizio di
bilanciamento da parte di un’infrastruttura V2G).
❑ Al fine di fornire un servizio al sistema elettrico è necessario avere più
veicoli connessi alla rete che si comportano in modo controllato e
coordinato → aggregato di veicoli elettrici.
❑ In Italia una UVAM costituita da un aggregato di veicoli elettrici può
offrire servizi alla rete. L’interazione tra la rete e ogni veicolo elettrico
nell’aggregato, avviene tramite la figura dell’aggregatore, che riceve il
segnale di regolazione/dispacciamento dall'operatore elettrico (DSO o
TSO) e invia i comandi ai singoli punti di ricarica, che modificano il
processo di ricarica in base alle esigenze della rete.
44
7. Caso studio parcheggio aziendale
V2G per servizi di bilanciamento su MSD
❑ Il presente caso studio si concentra sulla ricarica di una flotta aziendale che
rappresenta un ottimo aggregato per offrire servizi di flessibilità, grazie alla
disponibilità di punti di ricarica con potenza generalmente (fino a 22 kW)
superiore rispetto a quella dei punti di ricarica domestici, con una finestra di
tempo di utilizzo ben definita.
❑ Risulta di interesse analizzare come sfruttare la potenzialità del V2G per
acquistare e vendere energia sul mercato dei servizi di bilanciamento (MB).
❑ Caso studio:
❑ Punti di ricarica pari a 100.
❑ Potenza della stazione di ricarica uguale a 15 kW.
❑ Capacità della batteria per ciascun veicolo uguale a 40 kWh.
❑ Ogni veicolo viene caricato con una energia 𝐸𝑐 = ∆𝑙 · c
∆𝑙 un’autonomia aggiuntiva pari a 90 km
c consumo medio del veicolo elettrico pari a 180 Wh/km.
❑ Per poter valutare i benefici del V2G è necessario definire la baseline, cioè il
profilo di potenza dell’aggregato nell’ipotesi di non partecipare al MSD ma
semplicemente di ricaricare i veicoli elettrici.
45
7. Caso studio parcheggio aziendale
Potenziale di flessibilità
❑ La potenza di baseline viene calcolata
utilizzando una potenza costante in grado
di garantire il raggiungimento dello stato di
carica target di ciascun veicolo.
46
7. Caso studio parcheggio aziendale
Definizione del problema matematico
❑ La gestione ottima della ricarica dei veicoli deve essere svolta in modo da
ridurre il costo delle ricariche, partecipare al MSD e contemporaneamente
garantire la ricarica dei veicoli elettrici.
❑ Si rende necessario impostare un problema di ottimizzazione che mira a
massimizzare i ricavi derivanti da un’eventuale partecipazione al MSD. Le
variabili decisionali che il risolutore ottimizza per massimizzare i ricavi sono la
potenza offerta a salire a la potenza offerta a scendere1.
❑ I vincoli che il problema di ottimizzazione dovrà rispettare sono:
❑ Vincoli di energia: ogni veicolo deve raggiungere lo stato di carica finale
stabilito dall’utente.
❑ Vincoli di potenza: la potenza disponibile istante per istante dipende dal
numero di veicoli connessi ai punti di ricarica.
❑ Vincoli di offerta: per la partecipazione al MSD deve essere raggiunta
una determinata soglia minima in MW.
1Ci si riferisce a offerte a salire (scendere) nel caso di offerte di vendita (acquisto). L’energia
per ricaricare può essere acquistata su MGP o su MSD. Il vantaggio di partecipare anche su
MSD è la possibilità di avere un ritorno economico. Su MSD posso acquistare energia ad un
prezzo più basso rispetto a MGP. Analogamente, i prezzi di vendita su MSD sono solitamente
maggiori rispetto al prezzo su MGP. L’algoritmo di ottimizzazione decide quanta energia
comprare da MGP, e quanta acquistarne e vendere su MSD per massimizzare i profitti dalla
compravendita su MSD.
47
7. Caso studio parcheggio aziendale
Scenari simulati
❑ Le simulazioni sono effettuate considerando il caso di UVAM, così come definite
da ARERA, in cui l'aggregato deve presentare un'offerta di almeno 1 MW con
una durata di almeno due ore. Ciò risulta poco flessibile per il caso dei veicoli
elettrici.
❑ Si considera quindi uno scenario più compatibile con i veicoli elettrici,
introducendo il caso di unità virtuali abilitate costituite esclusivamente da punti
di ricarica di veicoli elettrici denominate UVAR. Per incoraggiare l'uso di veicoli
elettrici per la fornitura di servizi di bilanciamento sono state introdotte le
seguenti regole di partecipazione:
❑ Soglia minima per potenza regolabile di 0.2 MW.
❑ Durata minima pari a 1 ora.
48
7. Caso studio parcheggio aziendale
Simulazioni giornaliere
UVAM con l’applicazione V2G
❑ La strategia di dispacciamento prevede
due offerte a scendere (giallo),
effettuate all'inizio e alla fine della
sosta dei veicoli, e due offerte a salire
(rosso) effettuate durante le ore di
maggiore presenza dei veicoli,
ottenendo così un valore in modulo
maggiore della potenza a scendere.
❑ L'energia finale dell'aggregato è quella
ottenuta raggiungendo la ricarica
completa di ciascun veicolo. L'energia
non scende mai sotto il valore che
garantisce uno stato di carica delle
batterie minimo superiore al 50%, per
far fronte il caso in cui i veicoli
dovessero interrompere la ricarica
prima dell'orario previsto.
49
7. Caso studio parcheggio aziendale
Simulazioni giornaliere
UVAR con l’applicazione V2G
❑ Nel caso di UVAR la durata minima è
ridotta e più flessibile rispetto al
primo caso.
❑ Rispetto alla partecipazione come
UVAM, il numero di offerte a salire e
scendere è maggiore grazie ai vincoli
meno stringenti.
❑ Questa maggiore possibile
partecipazione porterebbe maggiori
benefici economici.
50
7. Caso studio parcheggio aziendale
Simulazioni annuali
Energia offerta per il servizio a salire e a scendere Energia offerta per il servizio a salire e a scendere
rispetto alla carica standard nel caso UVAM rispetto alla carica standard nel caso UVAR
❑ Caso UVAM: la quantità di energia coinvolta è più piccola rispetto al caso UVAR.
❑ Su base mensile, l'energia minima offerta dall’UVAM varia da 40 MWh a un
massimo di 111 MWh. La variazione delle offerte è piuttosto significativa. Il
mese di agosto si distingue perché a causa dei pochi veicoli disponibili, la
quantità di energia offerta è inferiore alla baseline, a differenza da tutti gli altri
mesi.
❑ La variazione è più ridotta nel caso di UVAR, dove l'energia mensile minima è di
125 MWh rispetto al massimo di 150 MWh. In questo caso, agosto non è più un
valore anomalo, perché l'afflusso inferiore di veicoli elettrici consente comunque
di offrire energia entro le soglie stabilite dall'ipotesi effettuata.
51
7. Caso studio parcheggio aziendale
Analisi economica
❑ Quali sono i vantaggi e gli svantaggi economici delle tecnologie V1G e V2G
sulla base dei risultati ottenuti dai problemi di ottimizzazione?
❑ I parametri che influenzano il ritorno economico per i casi studio considerato
sono:
• Prezzo di vendita e acquisto accettato (€/MWh) per i servizi ancillari.
• Costi del MGP per la ricarica di veicoli elettrici.
• Oneri di sistema e costi di trasmissione e distribuzione associati
all'energia prelevata.
• Oneri di dispacciamento.
• Accise.
• Costo per il deterioramento delle batterie, calcolato considerando un
costo della batteria pari a 200 €/kWh e un numero di cicli vita pari a
4000, da cui risulta un costo per il deterioramento pari a 0.05 €/kWh.
52
7. Caso studio parcheggio aziendale
Analisi economica: scenari
❑ Si considerano tre scenari:
❑ Ricarica standard: nel caso in cui non venga offerto alcun servizio,
si includono solo i costi relativi alla ricarica dei veicoli elettrici.
L'energia della ricarica è ponderata dal prezzo al quale si acquista
su mercato dell’energia, inclusi tutti gli oneri e le accise.
❑ Contesto attuale: prevede una distinzione in base al
comportamento dell’aggregato come generatore, se l'energia
iniettata supera l'ingresso, altrimenti come carico. Nel primo caso,
i costi sono tradotti in profitti dalla vendita di energia, a cui non si
applicano oneri. All’energia erogata è associato il costo stimato
dell’invecchiamento aggiuntivo delle batterie. Nel secondo caso,
tutta l’energia assorbita è soggetta a oneri di dispacciamento.
❑ Senza oneri: prevede un’esenzione dagli oneri per la quota di
energia assorbita che viene in seguito erogata verso rete per
servizi di rete.
53
7. Caso studio parcheggio aziendale
Analisi economica: risultati
❑ I maggiori flussi energetici del V2G generano dei costi, dovuti agli oneri e
all’usura della batteria, che non giustificano l’offerta per il servizio se si considera
di applicare gli oneri a tutta l’energia prelevata.
❑ Nel caso Senza oneri (oneri solo sull’energia prelevata al netto di quella erogata
per servizi di rete) si osservano vantaggi rispetto al caso Ricarica standard anche
con l’applicazione V2G.
❑ In particolare nel caso UVAM si ottiene una riduzione del costo di ricarica di circa
il 48% che nel caso UVAR raggiunge il 62%.
54
8. Caso studio sperimentazione colonnina V2G
Introduzione
55
8. Caso studio sperimentazione colonnina V2G
Caratteristiche sistema veicolo colonnina
56
8. Caso studio sperimentazione colonnina V2G
Caratterizzazione sistema veicolo colonnina
57
8. Caso studio sperimentazione colonnina V2G
Prove di caratterizzazione a 10 kW
58
8. Caso studio sperimentazione colonnina V2G
Prove di caratterizzazione a 10 kW
59
8. Caso studio sperimentazione colonnina V2G
Prove di caratterizzazione a 10 kW
60
8. Caso studio sperimentazione colonnina V2G
Prove di caratterizzazione a 15 kW
❑ Rispetto alla prova a 10 kW, si osserva sia nella fase di scarica che
di carica, come la potenza non sia costante ma sia limitata dalla
massima corrente in DC della stazione di ricarica (pari a 40 A).
❑ In scarica, al diminuire della tensione della batteria, la corrente
aumenta per mantenere costante la potenza sino al valore
massimo. Al raggiungimento di tale valore, diminuendo la tensione
della batteria, la potenza scaricata si riduce in quanto il sistema
opera a corrente costante e limitata a 40 A.
61
8. Caso studio sperimentazione colonnina V2G
Prove di caratterizzazione a 15 kW
62
8. Caso studio sperimentazione colonnina V2G
Test di verifica della funzionalità V2G
63
8. Caso studio sperimentazione colonnina V2G
Test di verifica della funzionalità V2G
64
9. Servizi alla rete
Introduzione
65
9. Servizi alla rete
Possibili casi d’uso
66
9. Servizi alla rete
Modalità di ricarica e programmi di prelievo
68
9. Servizi alla rete
Parametri del caso studio
69
9. Servizi alla rete
Caso benchmark
70
9. Servizi alla rete
Caso A: Ricarica V1G senza programma di prelievo
❑ Il servizio offerto è solo a scendere, ovvero aumento del prelievo dalla rete.
L’eventuale ricarica residua è completata con un acquisto su MGP al prezzo
PUN.
❑ Fintanto che gli scambi su MB avvengono a prezzi inferiori al PUN, si riesce
ad ottenere un risparmio in bolletta. Viceversa, all’aumentare del livello di
prezzo su MB, la quantità di energia scambiata su MB non è più conveniente
per cui la bolletta tende ad aumentare.
❑ L’utente riesce a spostare su MB solamente il 20% dell’intera energia
prelevata, il restante 80% deve essere acquistato su MGP come ricarica
residua.
❑ Il punto di massimo risparmio si ottiene per valori di prezzo molto bassi su
MB, circa 10 €/MWh, con cui si raggiunge un risparmio di circa l’8% rispetto
alla ricarica benchmark.
❑ Ulteriore risparmio si potrebbe ottenere introducendo un’agevolazione sui
costi per servizi di rete e oneri di sistema relativamente all’energia assorbita
per il servizio a scendere. Il risparmio massimo complessivo rispetto alla
ricarica benchmark raggiungerebbe circa il 16%.
71
9. Servizi alla rete
Caso B: Ricarica V1G con programma di prelievo
❑ Servizio offerto a salire (riduzione del prelievo) negli intervalli di validità del
programma in prelievo e a scendere (aumento del prelievo) negli altri
intervalli. L’eventuale ricarica residua è completata con un acquisto su MGP
al prezzo PUN.
❑ Negli intervalli in cui è definito il programma di prelievo su MGP, l’offerta su
MB a salire raggiunge circa il 50% dell’intera energia prelevata. Inoltre,
sempre per servizi su MB, l’offrire a scendere raggiunge circa il 15%
dell’intero volume prelevato.
❑ Il prelievo netto su MB (somma dell’energia prelevata in base al programma
di prelievo e dell’energia prelevata per servizio a scendere) sale a circa il
39% dell’intero volume prelevato. L’energia per la ricarica residua (61%) è
acquistata su MGP.
❑ La compravendita su MB permette di ottenere un massimo risparmio in
bolletta del 7%.
❑ Considerando la remunerazione in capacità, negli intervalli di programma di
prelievo, si raggiunge un risparmio massimo del 23%.
❑ Se, poi, si applica all’energia netta prelevata l’agevolazione sui costi di rete
e oneri di sistema, il risparmio massimo aumenta al 29%.
72
9. Servizi alla rete
Caso C: Ricarica V2G senza programma di prelievo
❑ Il VE scambia energia in entrambe le direzioni (assorbimento e immissione)
senza programma di prelievo. Le offerte su MB possono essere a scendere
oppure a salire, anche con immissione.
❑ Il volume di energia netta prelevata dalla rete dal veicolo aumenta di circa il
24% (rispetto al riferimento) per lo scambio bidirezionale.
❑ I servizi a salire rappresentano circa il 20% dell’energia prelevata, mentre
quelli a scendere sono circa il 27% .
❑ Gli scambi su MB non consentono di ricaricare completamente il veicolo,
perciò occorre acquistare su MGP circa il 96% dell’energia prelevata.
❑ La possibilità di compravendita su MB permette di ottenere un massimo
risparmio in bolletta del 24%.
❑ Le agevolazioni introdotte sulla sola energia prelevata per il servizio a
scendere portano il risparmio al 35%. Le agevolazioni introdotte sull’energia
prelevata per il servizio a scendere e su quella immessa in rete portano il
risparmio al 43%.
❑ La compravendita su MB e MGP ha un sensibile impatto sulla vita utile delle
batterie dei veicoli, che si riduce del 19% rispetto al caso di riferimento.
73
9. Servizi alla rete
Caso D: Ricarica V2G con programma di prelievo
❑ Il VE scambia energia in entrambe le direzioni (assorbimento e immissione),
con programma di prelievo su MGP.
❑ Il volume di energia netta prelevata dalla rete dal veicolo aumenta di circa il
68% (rispetto al riferimento).
❑ I servizi a salire rappresentano circa il 31% dell’energia prelevata, mentre
quelli a scendere sono circa l’11%.
❑ L’energia netta prelevata negli intervalli di programma di prelievo è di circa
il 70%.
❑ Gli scambi su MB non consentono di ottenere l’energia necessaria per
ricaricare il veicolo, perciò occorre acquistare su MGP circa il 52%
dell’energia prelevata nel caso di riferimento.
❑ La possibilità di compravendita su MB permette di ottenere un massimo
risparmio in bolletta del 23%. Il risparmio aumenta al 39% se si introduce
anche la remunerazione in capacità per le offerte su MB negli intervalli di
programma di prelievo.
❑ Le agevolazioni introdotte sulla sola energia prelevata per il servizio a
scendere, aumentano il al 45%. Se si applica anche lo sconto sull’energia
immessa in rete, il risparmio aumenta fino al 56%.
74
9. Servizi alla rete
Conclusioni
76
BEV Charging Basics
Italian for charging: ricarica
Introduction
Modes, Types, Cases
Fast&Smart charging
BEV Charging Basics
Italian for charging: ricarica
Introduction
Modes, Types, Cases
Fast&Smart charging
Vehicle Charging
• AC for low and medium charging power, DC for large powers (fast
charge: typically above 20-30 kW; (IEA calls "High power
charge" charge above 22 kW).
Introduction
Modes, Types, Cases
Fast&Smart charging
Charging modes in pictures (very simple info)
Example of a "portable charging station". Schuko is limited to 10 A; so for it we can select only
6, 8, 10 A.
When we charge Renault Zoe we cannot choose 8 A, since this value is not available from the
vehicle's charger.
When in mode 4 the charger is in the station. Even in that case charge rate handshaking with
vehicle is important since battery charging power is limited (dynamically)
Standards are continuously evolving. A new version of 61851-1 is being released that
states:
NOTE 2 In the following countries, Mode 1 charging is prohibited in public areas by national
codes: IT
NOTE 2 In the following countries, Mode 2 is not allowed in public areas: IT.
Other partial prescriptions have already being appeared, so that in practice only modes 3
and 4 are allowed in Italy for publica areas.
in Italia, il Modo di carica 1 è consentito solamente in ambiti strettamente privati non aperti
a terzi, quali ad esempio ambienti il cui accesso necessiti di chiavi, attrezzi particolari, ecc.
in possesso del solo relativo proprietario.
The pilot function can be performed using a pwm-controlled pilot wire or other
systems able to reach the same results.
If a pilot wire is used an additional pin is to be used in plugs-socket couples. Since for
mode 1 this function is not required, ordinary plug-socket pairs can be used.
In addition to the mandatory control pilot functions, the following optional functions can
be provided (clause 6.3.2 of 61851-1:2019):
• Digital communication between EVSE and EV is optional for modes 2 and 3, mandatory
for 4.
• IEC states control pilot functions, while implementation protocols are free.
• Annex A of 61851 gives (non-mandatory) example protocols
• DC (fast) charge requires vehicles to control chargers located in the charge station. IEC
states details of bidirectional vehicle-to-car communication, but protocols are still free.
In practice:
• When choosing a wall-box, to exploit the most features of charge controlling, it is
advisable to first check car-wallbox compatibility (IEA level 1 charge)
• In case of IEA level 2 and level 3 AC charge (>3.7 kW) there is a single protocol per type
and the same protocol is also used by Tesla, which uses type 2.
• For DC charge three systems are used:
✓ Combined Charging System (CCS) uses IEC connectors EE or FF along with they own
protocols (using Power Line Communication, PLC)
✓ CHAdeMO uses IEC connector AA along with its own protocol (using Controller
Area Network, CAN-bus).
✓ Tesla uses proprietary standard (DC-over-type 2). It has also a CHAdeMO adapter;
model 3 in EU has CCS: these allow DC charging from non-Tesla stations.
• Car manufacturers supply one or more cables to connect their vehicles to different
infrastructure plugs: case B (Europe)
• Vehicles allowing Mode 4 are directly connected to the recharge station cable (Case C).
• Tesla : case B - Type2 for up to 11 kW; case C with proprietary supercharger (DC over
Type 2). ChadeMO adapter in USA and CCS connector in EU for DC charge. Only Type 2
socket on cars (except Model 3 for Europe which as Combo-2).
Symbol Meaning
PE Protective earth
CP Control Pilot
CS Connection switch
Sheet 2-I (sheet 2) L1,L2/N Single-phase wires
Only for DC
This connector was a de-facto
standard under the name
ChaDeMo connector
Today (2019) the most used in the
world for DC charge
Symbol Meaning
PE Protective earth
CP Control Pilot
CS Connection switch
COM1, Communication
COM2 (CAN-H, CAN-L)
Vehicle-side connector view
Sheet 3-Ib (sheet 1)
M. Ceraolo - EHV - Charging BEVs 23
IEC 62196-3: Configuration type AA gist
Sheet 3-IVa
Citroen Berlingo van 1+AA Hyundai KONA Electric FF Mercedes GLC 350e PHEV 2
(up to 70 kW DC charge)
(*) AC charge limited to 32 A (7.4 kW); (**) also 11 kW charge; (°) also DC charge.
For all cars available modes are 2, 3, plus 4 in case of type EE, FF
1= SAE J1772 2= Mennekes AA= ChaDeMo EE=CCS1; FF=CCS2
Data: https://www.e-station.it/guida-alle-auto-elettriche.html
M. Ceraolo - EHV - Charging BEVs 29
Vehicular socket examples 2 (Mar 2019)
Vehicle Type Vehicle Type Vehicle Type
Mercedes Vito E-Cell 2 Peugeot iOn (2010) 1+AA Renault Zoe (all) 2
3-phase up to 44 kW
Mini Cooper S E 2 Peugeot partner E 1+AA Smart EQ fourfour (all) 2
For all cars available modes are 2, 3, plus 4 in case of type AA, EE, FF
Note that nearly all PHEVs do not have DC charge: this is because mains charge is for
savings, which are much higher at slow charge.
Fast charge is not needed because range difficulties are solved by fuel propulsion.
For all cars available modes are 2, 3, plus 4 in case of type AA, EE, FF
1= SAE J1772 2= Mennekes AA= ChaDeMo EE=CCS1; FF=CCS2
Data: https://www.e-station.it/guida-alle-auto-elettriche.html
M. Ceraolo - EHV - Charging BEVs 31
Above - 70kW: ultra-fast charging EVs
(ev-database.org)
kW are max DC charging power. Includes some vehicles announced for 2020
VehicleJaguar I-pace kW km/h* Vehicle kW km/h*
Audi e-tron 55 quattro (95 kWh) 15511 600 Polestar 2 15011 670
Peugeot e-208 10074 440
Hyundai KONA Electric 7711 370 Porsche Taycan turbo S 27011 780
Jaguar I-pace 10474 350 TESLA 3 (supercharger V2) 15011 650
Mercedes EQC 400 4MATIC (85 11274 430 TESLA 3 LR (supercharger V3) 25011 850
kWh)
Nissan Leaf e+ (62 kWh) 10074 390 Volkswagen Id3 mid range (58 kWh) 10011 480
Volkswagen Id3 long range (82 kWh) 12511 550
Opel e-corsa (50 kWh) 10074 430 Volvo XC40 Electric (78 kWh) 150 600
*Rate (km/h): average charging speed over a session from 10% to 80%
74max AC power: 7,4 kW 11max AC power: 11 kW
CCS tends to be the leading standard for very-fast charging. Chademo stations are currently
limited to 50 kW, while CCS's often go beyond, up to 350 kW
Source: https://cleantechnica.com/2018/11/22/ccs-becoming-dominant-dc-charging-standard-in-europe-will-nissan-drop-chademo/
Fast-charge connectors - summary (by ENEA)
*Mar 2019: Tesla updated V2 charges to 150 kW and Launched supercharger V3, P=250 W, only for Model 3
M. Ceraolo - EHV - Charging BEVs 33
The CCS landscape
Introduction
Modes, Types, Cases
Fast&Smart charging
Charge Power and initial SOC
I* I-U charge
U*
Pavg
Power
t* teoc
Const Pow
I* I-P-U charge
U*
Pavg
Power
t1 t2 teoc
Several different terms are used to classify charging stations (e.g. "night charge", "slow charge",
"quick charge", "fast charge" etc.).
A very good source is the International Energy Agency, which classifies stations as follows (*):
level 1 (conventional plugs): AC 3.7 kW
level 2 (slow chargers): 22 kW (both single-phase and three-phase)
level 3 (fast chargers): > 22 kW (three-phase AC and DC)
Notes
• 3.7 kW corresponds to 16 A-230 V
• Level 2 implicitly recalls mode >1: that's why level 1 refers to conventional plugs
• 7.4 kW often used in Europe since it is single-phase 32 A-230 kW (above 6 kW electricity supply in
Italy requires three-phase); > 7.4 kW AC is nearly always three-phase
• 11 kW three-phase and 22 kW three-phase often used in Europe since corresponds to 16 A-400 V
and 32 A-400 V respectively.
• Three-phase in practice limited to 43.5 kW, which corresponds to 64 A-400 V. This power level
tends to be progressively abandoned to reduce on-board charger burden so IEA level 3 in practice
means DC fast charge.
DAFI directive
Normal power recharging: up to 22 kW excluding private charging up to 3.7 kW
High power recharging: above 22 kW
International Energy Agency (IEA) SAE
level 1 (conv. Plugs): AC 3.7 kW
AC lev 1: 120V, 16 A, 1.4 kW
level 2 (slow chargers): 22 kW
AC lev 2: 240 V, 80A, 14 kW
Level 3 (fast): AC3 <43.5 kW and DC
AC lev 3: > lev 2
Other examples (Italy advertisments)
DC lev 1: 200-450 V, 80A (3.6 kW)
slow: 3.7 kW; quick: 22 kW DC lev 2: 200-450 V, 200A (90 kW)
fast: 50 kW
DC lev 3: 200-600 V, 400A (240 kW)
ultra-fast >50 kW
Ultra-fast stations are 120-150 kW (Tesla V2*), 250 kW (Tesla V3), 350 kW (CCS HPC350).
A list of ultra-fast charge enabled vehicles (>70 kW) shown in a previous slide
• We have dispatchable charge when the network has margins to choose when and how to charge.
• We have undispatchable charge when the vehicle needs to be charged immediately after connection
to a public charging service.
Undispatchable charge can create difficulties to the grid, which must confront with this additional load,
especially in a future scenario with thousands of vehicles simultaneously charging. The vehicle load
diagram is expected to have peaks during evenings, when other loads are high, and solar generation is
absent.
Dispatching charge, on the other hand, can give important benefits. For instance the user can leave
vehicles connected, giving a 24h margin to charge. In these cases the network can take advantage of a
controllable load, to attain net benefits, for instance when at noon we have a very strong solar
production. The impact Several dispatched vehicles as a whole can contribute to smooth the nation load
diagram. The benefits are large and electricity cost will be low (even zero in some cases). The topic is
under discussion since there are difficulties in allocating benefits among different grid operators
(producers, TSO's, distributors)
Fast-charge requires huge charging power, which in turn requires having a powerful distributing network
to feed it. Moreover, when fast charging is requested, obviously charging is strongly needed, and
therefore fast charge results to be undispatchable. Fast charge is therefore, and will be in the future,
more expensive than slow charge.
M. Ceraolo - EHV - Charging BEVs 44
DC charge, and the power peak issue
When the vehicle is connected to the grid (for charging), if it is VSC interfaced, the VSC can supply
network services, e.g.:
1. Voltage regulation
2. Reactive power compensation
3. Frequency regulation
Some services (1 and 2 above) do not require power delivery from the vehicle, the third one does.
Therefore this is a Vehicle-to-grid service V2G.
There is a lot of debate on V2G, but it is uncommon. Some CHAdeMO cars allow it*
Concerns are risen regarding the impact on battery life of the additional charge/discharge cycles
potentially required by power-involving services (such as frequency regulation)
Dispatching charging does not affect (or positively affects) battery life and therefore is much less
questionable than full V2G services.
To promote V2G communication protocol standards have already been issued: ISO 5118 series.
Batteries for EV's typically reach today 3000-5000 charge/(80% discharge) cycles, which
usually means around ten years
At the end of this period batteries are typically designed to have 80% of the initial capacity.
This because users don't want ther range to be too much reduced.
These batteries are still useful, and can be used for stationary applications.
Second life is still debated, since important issues such as: residual battery quality, insurance
and guarantee, need to be addressed.
Introduction
Modes, Types, Cases
Fast&Smart charging
Modellazione e primi test di servizi alla rete
tramite veicoli elettrici di flotte aziendali,
valutazioni dei potenziali margini di
flessibilità aggregata
Riccardo Lazzari, Luigi Pellegrino, Carlo Sandroni, Maurizio
Verga, Riccardo Maria Vignali
Dicembre 2019
Contratto Accordo di programma 2019-2021 con il Ministero dello Sviluppo Economico per le
attività di ricerca e sviluppo di interesse generale per il sistema elettrico nazionale.
Titolo Modellazione e primi test di servizi alla rete tramite veicoli elettrici di flotte aziendali,
valutazioni dei potenziali margini di flessibilità aggregata
Title Modelling and first tests of grid services through electric fleets charging: evaluation of
opportunities for aggregated flexibility services
Progetto 2.6 Scenari e strumenti per la mobilità elettrica e relativa integrazione e interazione
con il sistema elettrico
Linea di Soluzioni tecniche e gestionali per l’elettrificazione delle flotte aziendali e la fornitura
Attività di servizi di flessibilità - 2019
La parziale riproduzione di questo documento è permessa solo con l'autorizzazione scritta di RSE.
Emesso 31/12/2019
Elaborato Riccardo Lazzari, Luigi Pellegrino, Carlo Sandroni, Maurizio Verga, Riccardo Maria
Vignali
INDICE
INDICE ..................................................................................................................................................... 3
STORIA DELLE REVISIONI ................................................................................................................ 4
SINTESI .................................................................................................................................................... 4
SHORT SUMMARY................................................................................................................................ 4
SOMMARIO............................................................................................................................................. 5
ABSTRACT .............................................................................................................................................. 6
1 INTRODUZIONE ............................................................................................................................... 7
2 AGGREGAZIONE DI VEICOLI ELETTRICI PER SERVIZI DI RETE ................................... 8
2.1 Regolamento UVAM .................................................................................................................. 8
2.2 Caso studio ................................................................................................................................ 10
2.2.1 Profilo di ricarica tipico ............................................................................................................................................ 11
2.2.2 Modello di ottimizzazione .......................................................................................................................................... 13
2.3 Risultati ..................................................................................................................................... 17
2.3.1 Scenari simulati ......................................................................................................................................................... 17
2.3.2 Simulazione giornaliera ............................................................................................................................................ 18
2.3.3 Simulazione annuale .................................................................................................................................................. 23
2.3.4 Analisi economica ..................................................................................................................................................... 26
SINTESI
Il documento descrive le logiche di gestione e l’analisi della potenziale redditività di un aggregato di
veicoli elettrici connessi tramite colonnine Vehicle-to-Grid (V2G), considerando i servizi previsti nel
progetto pilota UVAM. Inoltre, viene descritta l’integrazione a livello ICT di colonnine bidirezionali di
ricarica Enel X all’interno del software di gestione della Test Facility di RSE e l’esecuzione dei primi
test di ricarica e scarica effettuati su veicoli elettrici Nissan Leaf.
SHORT SUMMARY
The document describes the operating procedures and the analysis of the potential profitability of an
aggregate of electric vehicles connected through Vehicle-to-Grid (V2G) charging stations taking into
account the services requested for the “UVAM” pilot project. Furthermore, it describes the integration at
ICT level of Enel X bidirectional charging stations within the management software of RSE’s Test
Facility and the execution of the first charging and discharging tests carried out on the Nissan Leaf EVs.
19012974
SOMMARIO
La diffusione di mezzi di trasporto sostenibili e innovativi ha un ruolo fondamentale per la transizione
energetica e per le politiche ambientali nazionali. Nonostante ciò, una rapida e importante diffusione di
veicoli elettrici può rappresentare una sfida per il sistema elettrico. In questo contesto è dunque di
particolare interesse sviluppare delle tecnologie che permettano ai veicoli elettrici di configurarsi anche
come un’opportunità per la rete elettrica. L’attività svolta mira ad analizzare e sperimentare l’utilizzo dei
veicoli elettrici come strumento di flessibilità per la rete.
L’attività di ricerca presentata nel presente rapporto ha avuto lo scopo di valutare le potenzialità
tecnico-economiche di servizi offerti da un aggregato di veicoli elettrici connessi attraverso colonnine
V2G e di effettuare le prime sperimentazioni delle colonnine V2G presenti nella Test Facility di
generazione distribuita.
Nella prima parte del documento è stata valutata la potenziale redditività di servizi offerti da un
aggregato di veicoli elettrici considerando come caso studio la ricarica presso i luoghi di lavoro delle
automobili dei dipendenti e considerando i dati reali dei dipendenti di RSE. Con l’ipotesi di fornire
servizi secondo quanto previsto per le UVAM, è stato quindi sviluppato un problema di ottimizzazione
che permette di pianificare i profili di ricarica dei veicoli elettrici al giorno seguente, con lo scopo di
effettuare la ricarica e offrire servizi alla rete. Il modello realizzato ha permesso inoltre di effettuare
un’analisi economica considerando un orizzonte temporale di un anno e considerando anche aggregati di
potenza inferiore (200 kW) rispetto a quanto previsto per le UVAM (1 MW). È stato verificato come,
nell’ipotesi di applicare oneri alla quantità di energia prelevata da rete, lo Smart Charging (V1G) sia
l'unica opzione di ricarica che porterebbe un vantaggio economico, corrispondente a un risparmio del
68% rispetto alla sola ricarica del veicolo. Viceversa, quando gli oneri di dispacciamento sono applicati
alla quota di energia prelevata al netto di quella erogata per i servizi di rete, anche il caso V2G risulta
conveniente, con un risparmio fino al 62% pur considerando l’usura della batteria.
Nella seconda parte del documento sono invece presentate le integrazioni a livello ICT delle colonnine
bidirezionali Enel X nel software di gestione dell’impianto DER-TF di RSE e le prove preliminari
effettuate su un veicolo elettrico Nissan Leaf. È stato verificato come sia possibile utilizzare circa
36 kWh, dei 40 kWh disponibili, per erogare servizi alla rete. La scarica e la ricarica della batteria del
veicolo avviene con una round-trip efficiency valutata lato AC superiore all’82%. La fase di ricarica e la
fase di scarica non presentano limitazioni significative di potenza, salvo che per stati di carica prossimi
al 90% ed è quindi possibile utilizzare questi veicoli elettrici, connessi alle colonnine V2G, per fornire
servizi alla rete con ampia flessibilità in potenza ed energia.
19012974
ABSTRACT
The diffusion of sustainable and innovative vehicles plays a primary role for the energy transition and
for national environmental policies. Despite this, a rapid and important penetration of electric vehicles
can pose a challenge to the electric system. In this context, it is therefore necessary to develop
technologies that allow electric vehicles to become an opportunity for the power system. Therefore, this
activity aims to analyze and test the use of electric vehicles as a flexibility tool for the network.
The research activity presented in this report has the aim of assessing the technical and economic
potential of services offered by an aggregate of electric vehicles connected through V2G (bidirectional)
charging station and carrying out the preliminary tests of the V2G infrastructure installed in the
distributed energy resources Test Facility of RSE.
In the first part of the report, the potential profitability of services offered by an aggregate of electric
vehicles has been analyzed considering the recharge of employees' electric vehicles at the workplaces as
a case study and taking into account the real data of RSE employees. With the hypothesis of providing
services as an UVAM, an optimization problem has been developed in order to schedule the recharging
profiles of electric vehicles for the following day, with the aim of recharging and offering services to the
network. This model also made it possible to carry out an economic analysis considering a time horizon
of one year and also considering aggregates with a lower power (200 kW) respect to the UVAM (1MW).
It has been verified that the Smart Charging (V1G) application is the only recharging option that would
lead to an economic advantage, corresponding to a saving of 62% compared to the simple recharge of
the vehicles, when the electric charges are applied to the absorbed energy. Vice versa, when the electric
charges are applied only to the amount of absorbed energy minus the feed energy, also the case of V2G
is profitable with a saving up to 68% considering the battery aging.
In the second part of the document, the ICT integrations of the Enel X bidirectional charging stations in
the management software of the DER-TF system of RSE and the preliminary tests carried out on a
Nissan Leaf electric vehicle are presented. It has been verified that it is possible to use approximately
36 kWh, of the 40 kWh available, to provide services to the grid. The vehicle battery is discharged and
recharged with a round-trip efficiency on the AC side over 82%. The recharging and discharging phase
do not have significant power limitations, except for states of charge close to 90% and it is therefore
possible to use these electric vehicles, connected to the V2G charging station, to provide services to the
network, with a wide flexibility in terms of power and energy.
19012974
1 INTRODUZIONE
Il presente Rapporto è parte integrante della documentazione delle attività di Ricerca di Sistema previste
dal “Piano Triennale di Realizzazione 2019-2021” nell’ambito del progetto 2.6 “Scenari e strumenti per
la mobilità elettrica e relativa integrazione e interazione con il sistema elettrico” / WP2 “Mobilità
elettrica e integrazione e interazione con il sistema elettrico” e costituisce Deliverable della Linea di
Attività 2.01 “Soluzioni tecniche e gestionali per l’elettrificazione delle flotte aziendali e la fornitura di
servizi di flessibilità”.
In questo contesto è dunque necessario sviluppare delle tecnologie che permettano ai veicoli elettrici di
configurarsi come un’opportunità per la rete elettrica. In un’ottica di evoluzione del sistema elettrico
sempre più spinta verso la generazione rinnovabile, l’attività svolta nella presente linea di attività mira
dunque ad analizzare e sperimentare l’utilizzo dei veicoli elettrici come strumento di flessibilità per il
sistema elettrico. I sistemi di ricarica dinamica possono infatti offrire molteplici servizi [2] sia a livello
locale, come ad esempio il controllo della tensione e la risoluzione delle congestioni nella rete di
distribuzione, sia per l’intero sistema elettrico, offrendo ad esempio servizi di regolazione della
frequenza e di bilanciamento. Tali servizi, qualora regolamentati e remunerati, permetterebbero la
riduzione dei costi per i proprietari dei veicoli elettrici, rendendo questa tipologia di veicoli
maggiormente competitiva rispetto ai classici mezzi di trasporto con motore a combustione interna. Un
esempio reale di questa possibilità è rappresentata dal Parker Project [3] dove è stata sperimentata per
due anni consecutivi la fornitura del servizio di Frequency Containment Reserve (FCR) da parte di
un’infrastruttura V2G, con un’entrata complessiva di 1860 € per ciascun veicolo partecipante al
progetto.
L’attività di ricerca triennale ha lo scopo di valutare le potenzialità tecnico-economiche e di validare in
campo funzioni innovative di gestione della ricarica, finalizzate all’erogazione di servizi di tipo V2G e
V2H, tramite una sperimentazione nella Test Facility di Generazione Distribuita. La sperimentazione ha
diversi scopi: mettere in luce i possibili problemi legati all’integrazione tra le piattaforme software,
verificare l’affidabilità dell’erogazione dei servizi richiesti e quantificare l’invecchiamento addizionale
delle batterie dei veicoli.
L’attività svolta in questa annualità e descritta in questo documento ha riguardato:
- l’analisi della potenziale redditività dei servizi V2G e lo sviluppo delle logiche di gestione per
un aggregato di veicoli elettrici e considerando i servizi previsti dalla delibera Arera
300/2017/R/eel [4];
- l’integrazione a livello ICT nel software di gestione della Test Facility di Generazione
Distribuita di RSE di colonnine bidirezionali Enel X, già installate nella precedente attività [5],
per sperimentazione V2G;
- l’esecuzione, nella Test Facility di RSE, dei primi test di ricarica e di scarica su due auto Nissan
Leaf per verificarne le prestazioni per servizi V2G.
19012974
Uno dei progetti pilota di Terna si inserisce in questo contesto e identifica con il termine UVAM (Unità
Virtuali Abilitate Miste) gli aggregati degli impianti non rilevanti, che sono stati abilitati ad effettuare
19012974
servizi come risoluzione delle congestioni, riserva terziaria rotante, riserva terziaria di sostituzione e
bilanciamento. In particolare i requisiti indicati dal Regolamento di Terna [6] per tali aggregati sono:
• nel caso di servizi unidirezionali, vale a dire solo verso il basso (o verso l'alto) la potenza
minima (massima) controllata deve essere almeno pari in valore assoluto a 1 MW mentre quella
massima (minima) almeno uguale in valore assoluto a 2 kW;
• in caso di bidirezionalità la differenza algebrica fra potenza massima e minima abilitata
impostata deve essere almeno pari a 1 MW;
• modulazione in immissione crescenti (o decrescenti) o modulazione in prelievi decrescenti
(crescenti) entro 15 minuti dal ricevimento dell'ordine di dispacciamento di Terna per quanto
riguarda la risoluzione delle congestioni, la riserva terziaria rotante, il bilanciamento e entro 120
minuti per la riserva terziaria di sostituzione;
• durata dei servizi almeno pari a 2 ore per quanto riguarda la risoluzione delle congestioni, la
riserva terziaria rotante, il bilanciamento e almeno 8 ore per la riserva terziaria di sostituzione;
• la possibilità di ricevere un compenso fisso annuo, con un tetto pari a 30 k€/MW, nel caso in cui
sia garantita almeno un’offerta della durata di 4 ore nella fascia oraria 14-20 per ogni giorno
della settimana lavorativa. Negli scenari analizzati nel presente capitolo, questo ulteriore
vantaggio non è stato preso in considerazione; in ogni caso, non è detto che questa
remunerazione si mantenga in futuro.
Le condizioni e i termini di partecipazione delle risorse distribuite al MSD definite nel regolamento
UVAM possono essere applicate anche ai veicoli elettrici.
L’interazione tra la rete e ogni veicolo elettrico nell’aggregato, come mostrato in Figura 2.1, avviene
sempre tramite il BSP, o aggregatore, che riceve il segnale di regolazione/dispacciamento dall'operatore
elettrico e invia i comandi ai singoli punti di ricarica compatibili. La suddivisione del setpoint tra i vari
veicoli avviene secondo varie logiche di controllo implementate dall’aggregatore. Le principali strategie
di controllo online includono:
• First Come First Served (FCFS): carica in base all'orario di arrivo;
• Earliest Deadline First (EDF): carica in base all’orario di partenza;
• Least Laxity First (LLF): carica in ordine di necessità.
Per questi motivi l’analisi è stata effettuata su un parcheggio aziendale, nell’ipotesi che i dipendenti
siano muniti di veicoli elettrici in grado di offrire servizi alla rete durante il loro processo di ricarica in
cambio del servizio di ricarica offerto dall’azienda. Per far ciò sono stati considerati dati reali dei
dipendenti della sede di Milano di RSE. In particolare, giorno per giorno, si sono considerate l’ora di
partenza e arrivo di ogni dipendente munito di veicolo (per ipotesi elettrico) per dedurre il tempo totale
disponibile per caricare ogni batteria del veicolo e offrire servizi alla rete. La Figura 2.2 riporta la
quantità totale di veicoli presenti durante un'intera giornata.
Figura 2.2 – Numero di veicoli elettrici presenti nel parcheggio aziendale in data 8 Gennaio 2018.
L'algoritmo di ricarica considerato è simile al First Come First Served ma con una potenza di ricarica
costante e generalmente inferiore a quella massima della colonnina (come si vedrà in seguito). Le
caratteristiche del parcheggio sono le seguenti:
• Numero di stazioni di ricarica n (stima plausibile, considerando un parco auto di circa 200
L’analisi è stata effettuata considerando un passo temporale ∆t di 15 minuti e ipotizzando che tutti i
veicoli si presentino al lavoro con il medesimo stato di carica iniziale e vogliano ricaricare le batterie
con la medesima quantità di energia. In particolare, durante l’orario di permanenza sul posto di lavoro
viene ricaricata l’energia necessaria per garantire un’autonomia media aggiuntiva per i veicoli elettrici
pari a 90 km. Ogni veicolo deve essere quindi caricato con una energia EC pari a:
= Δ ∙ (2.1)
dove Δ è l’autonomia aggiuntiva espressa in km e è il consumo medio del veicolo elettrico espresso in
kWh/km.
L’energia caricata può essere inoltre espressa considerando lo stato di carica, calcolato come indicato
dalla (2.3), attraverso la seguente equazione:
dove SoCI è lo stato di carica iniziale medio e SoCF è lo stato di carica finale medio dell’intero aggregato
di veicoli elettrici. Lo stato di carica è definito come:
() ∙
() =
(2.3)
dove P(t) è la potenza scambiata dal veicolo elettrico con la stazione di ricarica.
Dalla (2.1) e dalla (2.2) risulta che per raggiungere un obiettivo di circa 90 km di autonomia,
priorità ai veicoli che arrivano per primi. Il profilo di carica dell’intero aggregato $%&'()& è stato
potenza di ricarica di ogni singolo veicolo dividendo l’energia da caricare per il tempo di sosta, dando
)
0 ⋯ 0
$%&'()& = - *+,( = *+,( ∙ 0 ⋮ ⋱ ⋮6
1 ⋯ 0
(2.4)
(./
L’energia accumulata da ogni veicolo *+.( è invece esprimibile come l’integrale della potenza di
ricarica sommato all’energia già presente nel veicolo al momento di arrivo alla stazione di ricarica.
L’energia accumulata dall’intero aggregato $%&'()& è anch’essa calcolabile come somma dell’integrale
della potenza di baseline dell’aggregato e l’energia presente nell’aggregato inizialmente.
19012974
Considerando i dati relativi alla Figura 2.2 si sono ottenuti i profili di baseline in energia e potenza
riportati nella Figura 2.3 per il giorno 8 gennaio 2018. Dalle figure è possibile effettuare qualche
considerazione sulla disponibilità della flessibilità fornita da un parcheggio di veicoli elettrici come
quello considerato in questa analisi:
• Durante la notte, siccome non sono presenti veicoli elettrici connessi alle stazioni di ricarica,
non c’è la disponibilità a partecipare al MSD.
• Durante il giorno la potenza di baseline presenta un andamento “a campana” dovuto alla
variazione del numero di veicoli presenti nel parcheggio. Si osserva che ci sono due transitori,
uno dalle 6:00 alle 9:00 e uno dalle 16:00 alle 18:00 circa. La disponibilità a partecipare al MSD
dipende dal numero di veicoli presenti nel parcheggio. Nel migliore dei casi, considerando che
tutti i veicoli presenti siano disposti a partecipare al MSD, il numero minimo necessario per
partecipare al MSD è dato dal rapporto tra la potenza minima per effettuare un’offerta (1 MW
nel caso di UVAM) e la potenza di ogni stazione di ricarica. Questo significa che durante i
transitori non è sempre possibile partecipare al MSD. La disponibilità è quindi limitata agli orari
in cui è connesso un numero sufficiente di veicoli elettrici per poter partecipare al MSD.
• La baseline di energia è più o meno lineare a fronte di un profilo della potenza di baseline
approssimabile ad un gradino. Questi andamenti si ripetono spesso nel corso dei giorni feriali
dell’anno. Questa caratteristica permette di prevedere facilmente la presenza dei veicoli al
giorno dopo e di fatto rende questo tipo di risorsa di flessibilità facilmente controllabile e
soggetta a modesta aleatorietà.
Figura 2.3 – Baseline in energia e potenza dell’aggregato di veicoli elettrici in data 8 Gennaio 2018.
19012974
Figura 2.4 – Prezzo medio accettato a salire (linea blu) e a scendere (linea rossa) nel mercato di bilanciamento e costo
medio dell’energia nel mercato del giorno prima (linea gialla).
Le offerte a salire sono anche chiamate offerte di vendita, mentre quelle a scendere sono offerte di
acquisto. Un'offerta di vendita sarà in genere fatta a un prezzo superiore al prezzo zonale del mercato del
giorno prima. In modo speculare, le offerte di acquisto tendono ad essere presentate a un prezzo
inferiore rispetto a quello del MGP, con l'intenzione di riacquistare a un costo ridotto una quantità di
energia già precedentemente remunerata a un prezzo più elevato, esercitando quindi un guadagno.
19012974
Questo comportamento non dovrebbe essere inteso rigorosamente in senso speculativo, poiché non si
dovrebbe dimenticare che questi operatori forniscono servizi essenziali per la sicurezza del sistema
elettrico e per la continuità della fornitura. In generale, per ogni quarto d'ora di negoziazione ∆t, è
sempre valida la seguente disuguaglianza:
>9(),$?@ (∆) < >%C,$?@ (∆) < >* ,$?@ (∆) < >(∆)
>(∆) < >* ,&'' (∆) < >%C,&'' (∆) < >9%:,&'' (∆)
(2.7)
• >* ,$?@ è il prezzo di acquisto sul mercato energetico del giorno prima,
dove:
• >* ,&'' è il prezzo di vendita sul mercato energetico del giorno prima,
• >9(),$?@ è prezzo minimo accettato nell'acquisto,
• >%C,$?@ è il prezzo medio accettato nell'acquisto,
• >%C,&'' è il prezzo medio accettato nella vendita,
• >9%:,&'' è il prezzo massimo accettato nella vendita.
• >(∆) è l’offerta in prezzo che si farà per la quantità di energia offerta sul MSD.
Ovviamente, un sistema che fornisce questo tipo di servizio, in concorrenza con altri, tenderà a offrire
un prezzo di compromesso tra guadagno personale e un'alta probabilità di essere accettato. Nel modello
di ottimizzazione sviluppato si è ipotizzato di utilizzare per ogni istante temporale, il prezzo medio
storicamente accettato. Questa assunzione giustifica l’utilizzo dell’approccio deterministico utilizzato,
evitando di considerare la probabilità che l’offerta effettuata non venga accettata.
?EF%7G (∆) quantità di potenza iniettata o riduzione della potenza prelevata [MW];
con:
In futuro, quando ci sarà una larga diffusione dei veicoli elettrici, il contesto regolatorio e i requisiti dei
mercati potranno essere differenti. Tuttavia l’analisi qui riportata servirà per valutare nell’attuale
contesto il potenziale beneficio derivante dalla tecnologia V2G. Nel caso in cui la funzione obiettivo
risulti negativa, sarà possibile stimare, a posteriori, i diversi fattori che possono essere modulati al fine
di promuovere l'uso di questa tecnologia.
• Variabile ausiliaria collegata alla potenza in uscita T?EF%7G (∆) ∈ [0,1]: vettore binario che
• Variabile ausiliaria collegata alla potenza in entrata TGMF)F%7G (∆) ∈ [0,1]: vettore binario che
assume un valore pari a 1 solo in caso di offerta a salire, altrimenti uguale a 0.
per offrire servizi, deve essere, nell'ultimo istante ∆Q()%' , almeno pari a $%&'()& , cioè ogni veicolo
La quantità totale di energia dell’aggregato E, che comprende quella utilizzata per ricaricare i veicoli e
Questa quantità deve anche essere, in qualsiasi momento, compresa tra V∆%7()8 W, cioè la quantità di
carica immagazzinata da tutti i veicoli nell'intervallo di tempo iniziale, definita dalla (2.15) e quella
desiderata a fine carica (2.16), per garantire che i veicoli si trovino in uno stato di carica definito
dall’utente anche se dovesse interrompere la ricarica prima dell'orario previsto.
Le variabili di cui sopra sono state ottenute come mostrato di seguito (dove =*+ rappresenta il numero
di veicoli elettrici presenti).
dove n^._. indica il numero delle stazioni di ricarica presenti e quindi la potenza disponibile dipende dalla
potenza di ciascuna stazione di ricarica, .. , moltiplicata per il numero minimo tra i veicoli elettrici
presenti e le stazioni di ricarica installate (con l'ipotesi che una stazione possa caricare una vettura alla
volta).
?EF%7G (Δ) ≥ 0
GMF)F%7G (Δ) ≤ 0
(2.19)
due variabili binarie, T?EF%7G e TGMF)F%7G , che definiscono se è presente un’offerta a salire o a
Al fine di stabilire una strategia di offerta discretizzata con passo di 15 minuti, è necessario introdurre
scendere.
T?EF%7G (∆) + TGMF)F%7G (∆) ≤ 1 (2.20)
pilota di Terna, è necessario ricordare che deve essere raggiunta una determinata soglia minima PMQQ&7 ,
Al fine di specificare l'offerta minima da rispettare, in entrambi i casi, per la partecipazione al progetto
Big-M [7]. Analogamente, la funzione ?EF%7G = PMQQ&7 ∙ a?EF%7G , può essere riscritta come segue:
Questo vincolo logico è stato tradotto in vincoli lineari a numero intero misto usando la tecnica della
?EF%7G ≤ T?EF%7G ∙ b
?EF%7G ≥ −T?EF%7G ∙ b
?EF%7G ≤ PMQQ&7 + V1 − T?EF%7G W ∙ b
(2.22)
Un'altra importante specifica da rispettare, che è presente in entrambi i regolamenti discussi, è la durata
minima tmin della disponibilità per i servizi di dispacciamento.
19012974
Sviluppando la serie per uno specifico ∆( , indiscriminatamente per uno dei due vincoli, è possibile
di istanti temporali nel corso di una giornata considerando passi temporali di 15 minuti.
In altre parole, per ogni intervallo di tempo la quantità di potenza a salire deve essere almeno uguale o
maggiore alla quantità offerta negli otto intervalli precedenti. Lo stesso vale per la potenza a scendere,
ricordando che, dal momento che è convenzionalmente una quantità negativa, la potenza offerta deve
essere sempre minore o uguale.
2.3 Risultati
I risultati riportati in questa sezione sono relativi alle ipotesi e alle condizioni iniziali descritte
precedentemente. Sono stati analizzati diversi scenari e identificate le condizioni più vantaggiose per la
tecnologia V2G. Per valutare i benefici dell’applicazione, al variare delle disponibilità delle auto nel
parcheggio, sono stati considerati due periodi di tempo pari rispettivamente a un giorno lavorativo e a un
intero anno.
servizi di bilanciamento, la soglia minima di offerta è ridotta a 0,2 MW con una durata minima non
strettamente definita per essere adattata alle esigenze di mobilità. Per questo studio la soglia è stata
scelta pari a un'ora.
Dopo i primi risultati ottenuti, è stato deciso di valutare un altro tipo di ricarica intelligente: V1G,
ovvero la ricarica controllata unidirezionale. Quest'ultima tecnologia consente ai veicoli elettrici di
partecipare al MSD senza invertire il flusso di potenza, cioè senza mai scaricare la batteria. Le offerte da
considerare in questo caso saranno comunque sempre a salire e scendere, con la differenza che il veicolo
si comporta sempre come un carico e mai come generatore. Per tale motivo, i vincoli di potenza possono
essere riscritti come:
?EF%7G (∆) ≥ 0
GMF)F%7G (∆) ≤ 0
$%&'()& (∆) + ?EF%7G (∆) + GMF)F%7G (∆) ≤ 0
(2.25)
Gli scenari considerati sono in tutto tre: servizi V2G e V1G forniti in caso di partecipazione
rispettivamente a UVAM e UVAR.
Figura 2.5 – Profilo di potenza offerta a salire (in rosso) e a scendere (in giallo) a confronto con la potenza di baseline (in
blu) nel caso V2G – UVAM.
19012974
Osservando la Figura 2.6 si nota che l'energia finale dell'aggregato è quella ottenuta raggiungendo la
ricarica completa di ciascun veicolo. Inoltre, l'energia non scende mai sotto il valore di energia di
%7()8 (in questo caso considerato pari al 50%), anche nel caso in cui i veicoli dovessero
partenza (pari a 4,5 MWh), garantendo sempre uno stato di carica delle batterie minimo superiore a
valutare il comportamento dell'aggregato con due diverse condizioni iniziali: = 50% (Figura 2.7 e
primo caso ed è stata ipotizzata pari a 1 ora. Considerando questa durata del servizio, è stato possibile
Figura 2.8) e = 70% (Figura 2.9 e Figura 2.10). Nel caso di UVAM non è stato possibile fare
Figura 2.8 – Profilo dell’energia dell’aggregato nel caso V2G – UVAR – rstu = vw%.
Rispetto alla partecipazione come UVAM, la Figura 2.7 mostra chiaramente che il numero di offerte a
salire e scendere è maggiore grazie ai vincoli meno stringenti. Questa maggiore possibile partecipazione
porterebbe maggiori benefici economici.
19012974
Figura 2.10 - Profilo dell’energia dell’aggregato nel caso V2G – UVAR – rstu = xw%.
Figura 2.11 - Profilo di potenza offerta a salire (in rosso) e a scendere (in giallo) a confronto con la potenza di baseline
(in blu) nel caso V1G – UVAR.
Le prestazioni energetiche del parco auto mostrano che la modalità di ricarica V1G corrisponde
semplicemente alla regolazione della velocità di ricarica, senza alcun ciclo aggiuntivo che potrebbe
invecchiare maggiormente le batterie.
Figura 2.13 – Energia offerta per il servizio a salire e a scendere rispetto alla carica standard nel caso V2G – UVAM.
19012974
Figura 2.14 - Energia offerta per il servizio a salire e a scendere rispetto alla carica standard nel caso V2G – UVAR.
Energia totale [GWh]
Energia scambiata [MWh]
Figura 2.15 - Energia offerta per il servizio a salire e a scendere rispetto alla carica standard nel caso V1G – UVAR.
I valori relativi al caso di V1G sono decisamente inferiori rispetto alla tecnologia V2G, ovviamente
sempre inferiori alla baseline, con 36 MWh e 60 MWh come minimo e massimo.
Come già specificato, la potenza modulante da presentare su MSD deve superare una certa soglia con
progressione decimale. Per questo motivo, sono state riportate le frequenze delle offerte, intese come
durata in ore, in base ai valori di potenza discreti raggruppati a partire dal valore di soglia.
19012974
Figura 2.16 – Frequenza delle offerte a salire e scendere nel caso V2G – UVAM.
In entrambi gli scenari V2G, come mostrato in Figura 2.16 e Figura 2.17, l'ottimizzatore tende a fare
offerte a salire con ampiezza maggiore rispetto alle offerte a scendere.
Totale ore [h]
Totale ore [h]
Figura 2.17 - Frequenza delle offerte a salire e scendere nel caso V2G – UVAR.
La Figura 2.18 mostra invece come nel caso V1G l’ottimizzatore fornisca la soluzione opposta poiché le
offerte a salire sono limitate dall'unidirezionalità della modalità di ricarica.
19012974
Figura 2.18 - Frequenza delle offerte a salire e scendere nel caso V1G – UVAR.
I parametri che influenzano il ritorno economico per il caso studio considerato sono:
• prezzo di vendita e acquisto accettato [€/MWh] per i servizi ancillari;
• costi del MGP per la ricarica di veicoli elettrici;
• oneri di sistema e costi di trasmissione e distribuzione associati all'energia prelevata;
• accise [9];
• costo per il deterioramento delle batterie, calcolato considerando un costo della batteria pari a
200 €/kWh e un numero di cicli vita pari a 4000, da cui risulta un costo per il deterioramento
pari a 0,05 €/kWh.
Gli oneri di dispacciamento, elencati in Tabella 2.1, vengono applicati alle variabili decisionali per le
offerte di acquisto; i parametri aggiuntivi da includere nella valutazione sono costanti e non influenzano
l’ottimo della funzione obiettivo.
Tabella 2.1 – Componenti degli oneri di dispacciamento
Questa analisi è stata effettuata considerando che ogni offerta generata dal modello di ottimizzazione è
considerata accettata: infatti i prezzi assunti sono sottostimati rispetto ai prezzi mediamente accettati. La
distinzione tra oneri applicati prevede i seguenti casi:
I. “Ricarica standard”: nel caso in cui non venga offerto alcun servizio, si includono solo i costi
relativi alla ricarica dei veicoli elettrici, come espresso dalla (2.26):
II. “Contesto attuale”: vengono applicati tutti i componenti degli oneri, a entrambi i tipi di offerte
(solo per la quota di energia in prelievo), come espresso dalla (2.27):
y = ∑( −&''z ∙ (> |,&''z − y$.F. ) h} &''z > $%&z + $?@ (∆)
y = ∑h 1,h + 2,h + 3,h h} &''z ≤ $%&z + $?@ (∆)
(2.27)
III. “Senza oneri”: oneri applicati sull’energia prelevata al netto dell’energia erogata per servizi di
rete (2.29):
>* z , costo dell’energia sul mercato del giorno prima al quarto d’ora i [€/MWh];
•
&'' , $%& , $?@ corrispondono alle energie quart’orarie per il servizio a salire, per la baseline e per il
servizio a scendere.
Innanzitutto, al fine di confrontare le due opzioni di fornitura del servizio con il solo caso di ricarica, che
non prevede alcun guadagno, è stato scelto di calcolare i costi dei tre scenari. Tutte le altre variabili delle
espressioni sono considerate in valore assoluto. In questo modo, nel caso I (“Ricarica standard”)
l'energia della ricarica è ponderata dal prezzo al quale si acquista su mercato dell’energia, inclusi tutti gli
oneri e le accise. Si noti che l’IVA, è da considerare solo nel caso in cui il costo della ricarica sia
sostenuto dal dipendente e non dall’azienda. Nel caso studio considerato la ricarica è pagata
dall’azienda, quindi non si è considerata l’IVA.
L'opzione II (“Contesto attuale”) prevede una distinzione in base al comportamento dell’aggregato come
generatore, se l'energia iniettata supera l'ingresso, altrimenti come carico. Nel primo caso, i costi sono
tradotti in profitti dalla vendita di energia, a cui non si applicano oneri. All’energia erogata è associato il
costo stimato dell'usura delle batterie per unità di energia; in assenza di erogazione le batterie non
sarebbero infatti soggette ad alcun tipo di invecchiamento aggiuntivo, Nel secondo caso, ci sono tre
termini: il primo corrisponde al guadagno di cui sopra mentre gli altri due considerano il costo
dell'energia acquistata, inclusi gli oneri e le accise, nonché i costi della baseline al netto dell’energia
venduta. In questo caso tutta l’energia assorbita è soggetta a oneri di dispacciamento.
L’ultimo caso III (“Senza oneri”) prevede un’esenzione dagli oneri per la quota di energia assorbita che
viene in seguito erogata verso rete per servizi di rete.
La Figura 2.19, Figura 2.20 e Figura 2.21 mostrano l'andamento dei costi giornalieri nei tre scenari
finora analizzati; in ciascuno di essi si distinguono i casi II e III. In tutte e tre le figure l'andamento dei
costi mensili non presenta grandi variazioni, ad eccezione del crollo nel mese di agosto; la spiegazione si
trova nella minore affluenza di dipendenti in quel periodo. Inoltre, ci sono punti in cui i costi sono quasi
zero poiché i giorni feriali includono anche alcune festività durante le quali il numero di veicoli è
inferiore a dieci.
Costo ricarica [€/day]
Si osserva che, per il caso analizzato e nell’ipotesi di applicare gli oneri a tutta l’energia prelevata
(“Contesto attuale”), il V1G è l'unica opzione di ricarica che porterebbe a un vantaggio economico
corrispondente a un risparmio del 68% rispetto alla sola ricarica del veicolo, in altri termini pari a un
guadagno annuale di circa 93000 €. Nel caso di V2G, infatti, l’eccessiva movimentazione di energia
genera dei costi, dovuti agli oneri e all’usura della batteria, tali da non giustificare l’offerta per il
servizio se si considera di applicare gli oneri a tutta l’energia prelevata.
Nel caso III (“Senza oneri”), che prevede un’applicazione degli oneri solo sull’energia prelevata al netto
di quella erogata per servizi di rete, si osservano vantaggi rispetto al caso I (“Carica standard”) anche
con l’applicazione V2G. In particolare nel caso UVAM si ottiene una riduzione del costo di ricarica di
circa il 48% che nel caso UVAR raggiunge il 62%.
Infine si osserva come nel caso V1G non ci sia differenza tra il caso II e III. Questo è dovuto al fatto che
con questa applicazione non si inverte il flusso di potenza dell’aggregato, cioè non si eroga energia
verso rete, quindi la quantità di energia soggetta a oneri di dispacciamento è la medesima in entrambi i
casi.
19012974
3.1 Integrazione delle stazioni di ricarica V2G nel sistema di supervisione della Test
Facility
L’integrazione degli analizzatori di rete è stata realizzata mediante l’implementazione, all’interno del
software di gestione del sistema di supervisione, di un applicativo software di acquisizione dati mediante
protocollo Modbus TCP/IP. La mappatura degli indirizzi Modbus di interesse è stata fornita dal
costruttore degli analizzatori. Per ogni analizzatore sono acquisiti ogni secondo 54 dati corrispondenti
alle principali misure elettriche di fase e complessive (tensioni, correnti, potenze attive, reattive ed
apparenti, fattori di potenza), a misure relative alla qualità di rete (distorsione armonica totale THD delle
tensioni e correnti) ed a valori cumulati (Energia attiva e reattiva in carica e scarica).
L’integrazione dei dati forniti dalle colonnine di ricarica, e relativi sia alle colonnine stesse sia ai
principali dati acquisiti dalle autovetture, è stata effettuata mediante predisposizione, nel sistema di
supervisione, di variabili di acquisizione e controllo gestite mediante connessione internet al cloud. Il
software di interfacciamento con il cloud, descritto nel paragrafo 3.2, provvede ad interfacciarsi con il
sistema di supervisione mediante data base REDIS1 ed a scrivere (dati misurati) e leggere (richieste di
setpoint) i principali dati (potenza attiva e reattiva in AC stazione di ricarica, potenza in DC e stato di
carica della batteria).
I dati acquisiti dal sistema di supervisione sono salvati su disco locale e su server aziendale. Inoltre, le
misure sono pubblicate in tempo reale su server proprietario National Instrument e rese disponibile per
altre applicazioni sviluppate in ambiente LabVIEW.
Un’ulteriore attività di integrazione ha riguardato lo sviluppo di un nuovo pacchetto, mostrato in Figura
3.2, all’interno dell’interfaccia operatore della Test Facility, mostrato in Figura 3.1, che permette di
visualizzare lo stato delle stazioni di ricarica V2G e delle auto e di impostare richieste di potenza che
saranno inviate al cloud dallo SCADA.
1
Vedi: https://redis.io/
19012974
Figura 3.1- Interfaccia HMI Test Facility di Generazione Distribuita – selezione stazioni di ricarica V2G
Figura 3.2 -Interfaccia HMI Test Facility di Generazione Distribuita – pagina monitoraggio stazioni di ricarica V2G
La pagina di interfaccia con l’infrastruttura V2G riporta, per entrambe le stazioni di ricarica, i dati
elettrici principali, come tensione, corrente e potenza lato rete, visualizza il verso della potenza (entrante
od uscente dalla vettura nelle fasi di carica o scarica) e, sulla base delle misure fornite dal cloud, il
valore di stato di carica della batteria e di potenza in corrente continua. Nella parte destra sono inoltre
19012974
riportati in forma grafica gli andamenti temporali di potenza in AC (V2G_P), di potenza in DC (P_Car)
e di stato di carica delle batterie (SOC).
Una seconda finestra riporta tutti i dati acquisiti dagli analizzatori di potenza, come mostrato in Figura
3.3. Per ogni stazione di ricarica, sono acquisite e visualizzate le principali misure elettriche, i valori di
distorsione armonica totale di tensione e corrente ed alcuni dati cumulati e/o statistici (energie in carica e
scarica e correnti massime).
Figura 3.3 - Interfaccia HMI Test Facility di Generazione Distribuita – pagina dati analizzatori di rete V2G
L’integrazione delle stazioni di ricarica nel software di supervisione è infine completata
dall’aggiornamento del software di elaborazione dati archiviati (EDA), realizzato da RSE e che permette
di visualizzare ed esportare i dati binari in formato leggibile ed utilizzabile da altri pacchetti software,
con l’inserimento dei nuovi dati V2G. In Figura 3.4 si riporta un esempio di gestione dal software EDA
di misure archiviate di ricarica V2G.
19012974
Figura 3.4 - Esempio di analisi dati di stazioni V2G archiviati mediante software EDA
Come ultimo esempio di integrazione delle stazioni di ricarica V2G nel sistema di supervisione della
Test Facility si riporta, in Figura 3.5, un esempio di un applicativo software sviluppato a scopi
dimostrativi e presentato al pubblico durante l’inaugurazione ufficiale dell’installazione V2G tenutasi in
RSE il 24 Maggio 2019.
Figura 3.5 – Applicativo SW dimostrativo di possibili servizi di supporto ala rete forniti dalla tecnologia V2G
Nell’applicativo sviluppato, sono stati aggregati i differenti generatori ed i carichi presenti nella
microrete RSE al fine di calcolare ed evidenziare i dati complessivi di generazione e consumo. È inoltre
riportato il dato complessivo di potenza alla rete, indicando la condizioni di importazione (o
esportazione) di energia in caso di eccesso di carico (o di generazione). Nell’esempio di figura un
eccesso di generazione avrebbe comportato esportazione di energia verso la rete, situazione
normalmente indesiderata a vantaggio dell’autoconsumo. L’utilizzo delle stazioni V2G (nel caso in
esame con carica delle batterie delle auto) ha permesso di minimizzare l’esportazione verso la rete
19012974
stessa. Ciò fra l’altro produce un beneficio anche a livello di sistema elettrico (minori scambi in
immissione/prelievo comportano minori perdite di energia in rete).
L’applicativo presenta quindi in maniera semplificata un possibile utilizzo della tecnologia V2G per un
servizio di un obiettivo di massimo autoconsumo, allo scopo di favorire, per un pubblico non
specializzato, la comprensione delle potenzialità e dei possibili benefici che tale tecnologia può portare
alla gestione dell’energia.
I casi d’uso di interesse per l’attività sperimentale sono i seguenti, rappresentati in Figura 3.6:
1. Avvio della Ricarica Smart: questo caso d’uso ha l’obiettivo di avviare una sessione di ricarica,
ottenendo alcune informazioni aggiuntive dall’utente. Queste informazioni aggiuntive possono
includere la durata prevista del parcheggio e lo stato di carica finale richiesto, utili per
pianificare il profilo di ricarica.
2. Schedulazione della ricarica: obiettivo di questa funzione è il calcolo dei profili di
ricarica/scarica di ogni colonnina, tenendo conto delle richieste degli utenti. Tale funzione dovrà
essere avviata periodicamente o all’avverarsi di determinati eventi.
3. Monitoraggio della ricarica: durante le varie sessioni di ricarica è necessario monitorare le
potenze effettivamente erogate da ogni colonnina e gli stati di carica delle vetture, in modo tale
da soddisfare i vincoli sulla potenza aggregata e le esigenze degli utenti. A tale scopo sarà
necessario ricevere periodicamente le misure elettriche istantanee, da salvare in un database
opportuno e visualizzare.
specifiche delle API (Application Programming Interface) che verranno messe a disposizione per la
gestione remota dei punti di ricarica. L’implementazione delle funzioni locali e della comunicazione
sarà implementata nel corso delle future linea di attività.
Parallelamente, è stato creato un mock-up della pagina web utilizzabile per gestire il primo caso d’uso,
ovvero l’avvio della Ricarica Smart (Figura 3.7), disponibile sia in versione desktop che in versione
mobile, per l’utilizzo tramite smartphone.
Come si può vedere dalle figure, oltre ai dati della vettura e del punto di ricarica, vengono chiesti lo
stato di carica attuale, la durata presunta della sosta e lo stato di carica desiderato al termine della sosta.
A seconda del tipo di colonnina e di ricarica, alcuni dati, come lo stato di carica attuale, sono acquisibili
direttamente dall’auto o dalla colonnina stessa, ma per completezza è prevista la possibilità di
immissione diretta del dato.
Quando viene premuto il pulsante di “Avvio ricarica”, la richiesta viene registrata in un database locale
delle sessioni di ricarica attive e delle relative caratteristiche, informazioni che verranno utilizzate per la
schedulazione delle singole ricariche e per il calcolo dei margini di flessibilità che possono essere offerti
sui mercati dei servizi.
(a) (b)
Figura 3.7 – Interfaccia web per l’avvio della ricarica, versione desktop (a) e versione mobile (b)
Il sistema di gestione delle ricariche è stato creato utilizzando l’infrastruttura di cloud privato di RSE,
basato su OpenStack. È stata qui creata una macchina virtuale con un server NodeJS per la gestione sia
dell’interfaccia utente mostrata sopra, sia dell’interfacciamento previsto tramite API con i server di
Enel X. Come database al momento è stato utilizzato Redis, un archivio chiave-valore adatto alla
prototipazione rapida, che verrà eventualmente affiancato da altri sistemi di archiviazione dedicati a
scopi specifici (es. memorizzazione delle misure).
19012974
Il sistema colonnina di ricarica – veicolo elettrico è stato caratterizzato mediante l’esecuzione di cicli di
carica e scarica a potenza costante. In particolare, a partire dalla condizione di piena carica (SOC=100%
come da indicazione della colonnina e dell’autovettura), è stata effettuata una scarica a potenza costante
sino al raggiungimento del valore minimo di SOC impostato alla colonnina pari al 10%, cui è seguita
una carica a potenza costante sino al raggiungimento della condizione di batteria pienamente carica.
A titolo di esempio si riportano i risultati di due cicli effettuati, il primo a potenza di 10 kW ed il
secondo alla potenza di 15 kW, che è la potenza nominale della stazione di ricarica.
I risultati della prova a potenza costante di 10 kW sono riportati nelle seguenti figure. In Figura 3.8 sono
riportate le curve di potenza in corrente alternata (connessione stazione di ricarica) ed in corrente
continua (batteria). Si osserva che in tale condizione operativa (pari a circa 2/3 della potenza nominale
delle stazioni di ricarica), la potenza di scarica si è mantenuta costante per tutta la prova (sino al
raggiungimento della carica minima dell’autovettura, impostata a 10%). La fase di carica seguente è
caratterizzata da una prima parte a potenza costante mentre la parte finale, a valle del superamento del
90% di SOC al tempo 06:30, è stata operata con una riduzione di potenza. Tale comportamento è ben
evidenziato dalle curve di tensione e corrente della batteria riportate in Figura 3.9. Si osserva infatti che
in quasi tutta la prova la limitazione di potenza è operata dalla stazione di ricarica mentre tensione e
corrente della batteria non sono limitate salvo che nella fase finale di carica. Infatti, al superamento del
90% del SOC di batteria, il BMS impone un funzionamento a tensione circa costante di circa 403,5V.
Tale comportamento è in accordo con la corretta gestione delle batterie al litio per le quali si passa da un
funzionamento normale in controllo di corrente al controllo di tensione nella fase finale di carica.
2
Ricarica in corrente continua fino a 200A/400V
19012974
Figura 3.9 - Verifica batterie – ciclo a potenza costante di 10 kW - Tensione e corrente batteria
Dalle misure effettuate è possibile valutare il rendimento di conversione medio della stazione di ricarica
che è pari a circa il 94% durante la scarica a 10 kW ed a circa il 92% durante la carica a 10 kW.
L’andamento dello stato di carica della batteria è riportato in Figura 3.10; si osserva come il ciclo
completo è stato operato per valori di SOC compresi tra il 13,5% ed il 97%.
Tali valori limite si riferiscono allo stato di carica della batteria e corrispondono, nelle condizioni di
prova, ad un campo di valori di carica dell’auto di circa 1%÷100%.
19012974
Infatti il valore di carica indicato all’utente (ed alla stazione di ricarica) differisce dal reale valore di
carica della batteria in quanto quest’ultimo è limitato per garantire sempre la piena operatività dell’auto.
Dai dati misurati è possibile valutare che per la condizione di prova, caratterizzata da un SOH (State of
Health) del 93%, ai valori di SOC dello 0% e 100% dell’auto corrispondono valori reali di SOC della
batteria del 12,5 e 97%.
Tale limitazione di utilizzo effettivo della batteria garantisce che, anche con auto “vuota”, la batteria
abbia una carica residua che impedisca un completo spegnimento della vettura (anche a riguardo
dell’elettronica di bordo e dei sistemi di sicurezza), mentre la limitazione di carica massima impedisce
possibili condizioni di sovraccarica della batteria stessa.
È evidente che tale limitazione, necessaria per una gestione in sicurezza dell’auto, comporta una
riduzione della capacità massima utilizzabile che passa da un valore teorico di circa 40kWh a circa 34
kWh. La capacità massima del sistema tenderà inoltre a ridursi con l’invecchiamento della batteria in
quanto una diminuzione del valore di SOH comporterà necessariamente una riduzione della massima
energia utilizzabile dall’auto.
Figura 3.10 - Verifica batterie – ciclo a potenza costante di 10 kW- Stato di Carica
I dati accumulati di energia in scarica e carica sono riportati in Figura 3.11. l’andamento delle curve è in
accordo con quello delle curve di potenza con andamento lineare in fase di scarica ed una riduzione di
energia nella fase finale di carica. L’energia totale scaricata (rispettivamente dalla batteria e verso la
rete) è pari a 31,92 kWh e 30,16 kWh mentre l’energia caricata risulta 33,02 kWh lato batteria e
35,93 kWh lato rete.
19012974
Figura 3.11 - Verifica batterie – ciclo a potenza costante di 10 kW- Energia in scarica e carica
In Tabella 3.2 sono riportati i dati riassuntivi della prova di scarica e carica effettuata con potenza pari a
10 kW.
Tabella 3.2 - Dati riassuntivi ciclo di scarica e carica a 10 kW
Dai dati precedenti si osserva come la capacità totale della batteria sia prossima alla capacità nominale
di 40 kWh. Inoltre l’efficienza totale di ciclo (Round trip Efficiency) è, per la batteria, del 97,1% (valore
in accordo con la tipologia di batteria installata) mentre per il sistema (stazione di ricarica e veicolo
elettrico) è pari a circa l’84%.
I valori di incertezza estesa di misura durante la prova sono riportati nella tabella seguente.
Il secondo ciclo di scarica e carica riportato è stato effettuato alla potenza di 15 kW (potenza nominale
della stazione di ricarica). I risultati della prova sono riportati nelle seguenti figure.
Rispetto alla prova effettuata a 10 kW si osserva dalla Figura 3.12, sia nella fase di scarica sia in quella
di carica, come la potenza non sia costante ma sia limitata dalla massima corrente in DC della stazione
di ricarica (pari a 40A). In fase di scarica, al diminuire della tensione della batteria, la corrente aumenta
per mantenere costante la potenza sino al valore massimo, come mostrato in Figura 3.13. Al
raggiungimento di tale valore, diminuendo la tensione della batteria, la potenza scaricata si riduce in
quanto il sistema opera a corrente costante e limitata a 40A. In maniera analoga, in fase di carica, la
limitazione di corrente porta ad una limitazione di potenza che si riduce a mano a mano che la tensione
di batteria cresce. Al raggiungimento del 90% del SOC il BMS della batteria impone una fine carica a
tensione costante (a circa 403,5 V) con conseguente riduzione della corrente (e della potenza in carica).
La prova è stata effettuata imponendo un valore minimo di SOC auto in scarica del 20% corrispondente
al valore misurato di SOC batteria del 29,5%.
19012974
Tutti gli altri dati misurati hanno un comportamento analogo a quelli misurati nella prova a 10 kW. In
Tabella 3.4 sono riportati i dati riassuntivi della prova di scarica e carica effettuata con potenza pari a 15
kW.
Figura 3.13 - Verifica batterie – ciclo a potenza costante di 15 kW - Tensione e corrente batteria
19012974
Figura 3.14 - Verifica batterie – ciclo a potenza costante di 15 kW- Stato di Carica
Figura 3.15 - Verifica batterie – ciclo a potenza costante di 15 kW- Energia in scarica e carica
Dai dati precedenti si osserva come la capacità totale della batteria sia prossima alla capacità nominale
di 40 kWh. Inoltre l’efficienza totale di ciclo (Round trip Efficiency) è inferiore rispetto alla prova
effettuata a 10 kW con una riduzione, per la batteria, dal 97,1% al 96,3% mentre per il sistema (stazione
di ricarica e veicolo elettrico) si passa da valori dell’84% a circa l’82%, a causa delle maggiori perdite di
conduzione che si verificano a corrente elevata.
19012974
I valori di efficienza di conversione misurati sono in accordo con il dato dichiarato dal costruttore
(94,5%).
I valori di incertezza estesa di misura durante la prova sono riportati nella tabella seguente.
A valle delle prove di caratterizzazione delle batterie sono stati eseguiti dei test di verifica della
funzionalità V2G analizzando la capacità di risposta del sistema a seguire variazioni di set point della
potenza in carica e scarica.
A titolo di esempio si riportano, nelle figure seguenti, i risultati di una prova nella quale sono state
inizialmente variate le condizioni operative con intervalli dell’ordine dei 5 minuti ed una breve prova
con variazione rapida di set point di potenza.
Le prove effettuate hanno quindi mostrato il corretto funzionamento del sistema. Le batterie hanno
mostrato un comportamento coerente alla loro tipologia; l’aspetto più significativo da considerare
durante la gestione V2G, oltre alle caratteristiche tipiche del sistema quali Round Trip Eficiency ed
efficienza di conversione della stazione di ricarica, è la differenza tra lo stato di carica della batteria e lo
stato di carica dell’auto (valore disponibile alla stazione di ricarica ed ai dati in cloud).
La risposta del sistema V2G a richieste di variazione di potenza appare perfettamente compatibile con le
funzioni di supporto alla rete elettrica previste per tale tecnologia. Occorre però tenere conto anche della
limitazione in corrente delle colonnine, che determina la riduzione della potenza in alcune fasi di lavoro
rispetto ai 15 kW massimi.
19012974
4 CONCLUSIONI
L’attività di ricerca svolta e presentata nel rapporto ha avuto lo scopo di valutare le potenzialità
tecnico-economiche di servizi offerti da un aggregato di veicoli elettrici connessi attraverso colonnine
V2G e di effettuare le prime sperimentazioni delle colonnine V2G presenti nella Test Facility di
Generazione Distribuita.
Nella prima parte del documento è stata valutata la potenziale redditività di servizi offerti da un
aggregato di veicoli elettrici considerando come caso studio la ricarica presso i luoghi di lavoro delle
automobili dei dipendenti. In tale situazione, i veicoli elettrici risultano in ricarica per una fascia oraria
ampia (circa 8 ore) e questo permetterebbe di offrire servizi alla rete senza pregiudicare la carica delle
batterie. Ipotizzando di fornire servizi secondo quanto previsto dalle UVAM, è stato quindi sviluppato
un problema di ottimizzazione che permette di schedulare i profili di carica al giorno seguente dei
veicoli elettrici, con lo scopo di effettuare la ricarica e offrire servizi alla rete. A seguito dello sviluppo
del modello di ottimizzazione, è stata effettuata anche un’analisi economica considerando un orizzonte
di un anno e simulando oltre alle UVAM anche un aggregato con soglia minima inferiore (200 kW)
denominato UVAR. È stato verificato come il V1G è l'unica opzione di ricarica che porterebbe a un
vantaggio economico con l’attuale regolamentazione tariffaria, corrispondente a un risparmio del 68%
rispetto alla sola ricarica del veicolo, con un guadagno annuale di circa 93000 €. Nel caso di V2G,
infatti, l’eccessiva movimentazione di energia genera dei costi, dovuti agli oneri e all’usura della
batteria, tali da non giustificare l’offerta per il servizio nell’ipotesi di un prezzo medio di vendita pari a
circa 100 €/MWh. Considerando però l’evoluzione del contesto regolatorio, che porterà all’esenzione
dagli oneri di dispacciamento per la quota di energia prelevata e in seguito reimmessa in rete, anche il
V2G risulta un’applicazione interessante che porterebbe a una riduzione dei costi della ricarica fino al
62%. Si osservi inoltre che, nell’ipotesi in cui la vita utile della batteria sia maggiore di quella dell’auto,
si potrebbe considerare anche un costo per l’usura della batteria inferiore, aumentando di fatto il
risparmio rispetto alla ricarica standard dei veicoli.
Siccome i risultati ottenuti da questa prima analisi sono molto interessanti, si effettueranno in futuro
simulazioni per altri casi studi, considerando gli aggiornamenti della regolamentazione degli aggregati e
approcci di gestione stocastici che permetteranno di considerare le aleatorietà di alcune variabili (per
esempio: la presenza dei veicoli e l’accettazione dell’offerta).Nella seconda parte del documento sono
presentate le integrazioni a livello ICT delle colonnine bidirezionali Enel X nel software di gestione
dell’impianto DER-TF di RSE. A seguito di questa integrazione sono state effettuate differenti prove su
un veicolo elettrico Nissan Leaf con lo scopo di valutarne le prestazioni e verificarne l’affidabilità
nell’erogazione dei servizi richiesti. È stato verificato come dei 40 kWh di batteria sia possibile
utilizzare circa 36 kWh per offrire servizi alla rete. La carica e scarica della batteria avviene con una
round-trip efficiency valutata lato AC superiore all’82%, mentre la sola batteria dell’auto ha
un’efficienza sul ciclo completo pari a circa il 97%. La fase di ricarica e la fase di scarica non
presentano limitazioni significative di potenza, salvo che nelle condizioni di fine carica (SOC circa pari
al 90%). Alla potenza massima di 15 kW, la potenza non risulta però costante a causa della limitazione
di corrente della colonnina che ne limita il funzionamento. Risulta comunque possibile utilizzare tale
sistema (veicolo elettrico e colonnina) per fornire servizi alla rete, senza alcuna limitazione, utilizzando
una potenza in carica e scarica limitata a circa 13 kW.
19012974
5 BIBLIOGRAFIA
[1] Ministero dello Sviluppo Economico; Ministero dell’Ambiente e della Tutela del Territorio e del
Mare; Ministero delle Infrastrutture e dei Trasporti, «Piano Nazionale Integrato per l'Energia e il
Clima,» Italia, Dicembre 2019.
[2] IRENA, «Innovation Outlook: Smart Charging for Electric Vehicles,» International Renewable
Energy Agency, Abu Dhabi, 2019.
[3] «Parker project,» [Online]. Available: https://parker-project.com/. [Consultato il giorno 10 10 2019].
[4] ARERA, Delibera 300/2017/R/eel, 5 maggio 2017.
[5] E. Micolano, D. Bombelli e M. Sacchi, «Integrazione in rete e test di sistemi di ricarica di batterie
veicolari con funzioni V2G/V2H,» Ricerca di Sistema, RSE, n. 18007958, Milano, 2018.
[6] Terna, «Regolamento recante le modalità per la creazione, qualificazione e gestione di unità virtuali
abilitate miste (UVAM) al mercato dei servizi di dispacciamento».
[7] R. A. Saker e C. S. Newton, Optimization Modelling A pratical Approach, CRC Press Book, 2007.
[8] «Bozza decrete MISE auto elettrica V2G,» [Online]. Available: https://cdn.qualenergia.it/wp-
content/uploads/2019/05/bozza-decreto-MiSE-auto-elettrica-V2G.pdf. [Consultato il giorno 05 05
2019].
[9] GME - Gestore Mercato Elettrico, «Mercato Elettrico,» [Online]. Available:
https://www.mercatoelettrico.org/it/. [Consultato il giorno 10 10 2019].
19012974
6 GLOSSARIO
Dicembre 2020
Contratto Accordo di programma 2019-2021 con il Ministero dello Sviluppo Economico per le
attività di ricerca e sviluppo di interesse generale per il sistema elettrico nazionale.
Title Stochastic modeling and test of charging solutions to provide network services in
aggregate form
Progetto 2.6 Scenari e strumenti per la mobilità elettrica e relativa integrazione e interazione
con il sistema
Linea di Soluzioni tecniche e gestionali per l’elettrificazione delle flotte aziendali e la fornitura
Attività di servizi di flessibilità - 2020
La parziale riproduzione di questo documento è permessa solo con l'autorizzazione scritta di RSE.
Emesso 31/12/2020
Elaborato Riccardo Lazzari, Enrica Micolano, Carlo Sandroni, Maurizio Verga, Riccardo Maria
Vignali
Indice
INDICE ..................................................................................................................................................... 3
STORIA DELLE REVISIONI ................................................................................................................ 5
SINTESI .................................................................................................................................................... 5
SHORT SUMMARY................................................................................................................................ 5
SOMMARIO............................................................................................................................................. 6
ABSTRACT .............................................................................................................................................. 7
1 INTRODUZIONE ............................................................................................................................... 8
2 DISPACCIAMENTO OTTIMO DI UN AGGREGATO DI VEICOLI ELETTRICI ............... 10
2.1 Descrizione del problema ......................................................................................................... 10
2.1.1 Vincoli ....................................................................................................................................................................... 11
2.1.2 Funzione obiettivo ..................................................................................................................................................... 12
2.1.3 Il problema incerto risultante .................................................................................................................................... 14
2.2 Riformulazione stocastica ......................................................................................................... 14
2.2.1 Riformulazione dei vincoli ......................................................................................................................................... 15
2.2.2 Riformulazione della funzione obiettivo .................................................................................................................... 17
2.2.3 Il problema robusto risultante ................................................................................................................................... 19
2.3 Casi di studio ............................................................................................................................ 21
2.3.1 Caso di studio 1: flotta aziendale .............................................................................................................................. 21
2.3.2 Caso di studio 2: parcheggio pubblico ...................................................................................................................... 23
2.4 Considerazioni sulla remuneratività dei servizi di dispacciamento .......................................... 26
2.4.1 Senza remunerazione dai veicoli ............................................................................................................................... 27
2.4.2 Con rimunerazione dai veicoli................................................................................................................................... 27
2.4.3 Con valorizzazione dell’energia residua ................................................................................................................... 28
2.4.4 Tabella riassuntiva .................................................................................................................................................... 30
2.5 Limiti dell’approccio ed estensione al caso di sbilanciamento ............................................ 30
3 SPERIMENTAZIONE DI STAZIONI DI RICARICA V2G NELLA TEST FACILITY DI
RSE ..................................................................................................................................................... 32
3.1 Integrazioni del software di gestione e controllo ...................................................................... 32
3.2 Prove di caratterizzazione delle prestazioni delle stazioni di ricarica V2G .............................. 33
3.3 Prove con profili V2G............................................................................................................... 37
3.1 Prove con profili V2H............................................................................................................... 39
3.2 Estensioni della sperimentazione .............................................................................................. 42
3.2.1 Estensione ad altri servizi .......................................................................................................................................... 42
3.2.2 Estensione ad altri contesti........................................................................................................................................ 43
5 CONCLUSIONI ................................................................................................................................ 50
6 BIBLIOGRAFIA ............................................................................................................................... 51
7 APPENDICE: DETTAGLI MATEMATICI .................................................................................. 53
7.1 Vincolo di energia massima ...................................................................................................... 53
7.2 Convessità sotto valore atteso ................................................................................................... 56
8 ACRONIMI ....................................................................................................................................... 57
SINTESI
Il documento descrive le attività svolte per lo sviluppo e la verifica in campo, attraverso la test facility di
generazione distribuita di RSE, di funzioni innovative per la gestione della ricarica di veicoli elettrici,
finalizzate all’erogazione di servizi di tipo vehicle-to-grid. Inoltre, viene descritta la procedura di prova
da utilizzare per verificare il degrado di batterie veicolari in applicazioni vehicle-to-grid e i primi test
effettuati presso il laboratorio batterie di RSE.
SHORT SUMMARY
The document describes the activities performed in order to develop and verify, through the distributed
energy resources test facility of RSE, innovative functionalities to manage electric vehicle recharge
process, considering the provision of vehicle-to-grid services. Furthermore, this report describes the
procedure developed for the aging test of electric vehicle’s batteries in vehicle-to-grid application and the
first preliminary tests carried out in the battery laboratory at RSE.
20010758
SOMMARIO
La diffusione di mezzi di trasporto sostenibili ha un ruolo fondamentale per la transizione energetica e per
le politiche ambientali nazionali. Una rapida e importante diffusione di veicoli elettrici rappresenta una
sfida per il sistema elettrico, che deve essere in grado di alimentare questi nuovi carichi. Allo stesso tempo
però, i veicoli elettrici possono diventare un’opportunità per la rete elettrica grazie alla fornitura di servizi,
attraverso la modulazione della potenza di ricarica all’interno della giornata o, in taluni casi, potendo
anche immettere potenza in rete. In questo contesto, è dunque di particolare interesse sviluppare tecnologie
che permettano ai veicoli elettrici di configurarsi come uno strumento per la fornitura di servizi alla rete
elettrica.
L’attività di ricerca presentata in questo rapporto ha avuto lo scopo di ottimizzare e verificare l’utilizzo
dei veicoli elettrici come risorsa di flessibilità per la rete. In particolare, nella prima parte del documento
è descritto lo sviluppo di una nuova logica di gestione di un aggregato di veicoli in ricarica, basata su
tecniche di ottimizzazione stocastica, che permettono di massimizzare la redditività dei servizi offerti
tenendo contro delle aleatorietà del sistema. Il problema è stato formulato tenendo conto delle incertezze
insite nel modello, così da ottenere risultati il più possibile aderenti alla realtà. Gli aspetti incerti principali
che sono stati trattati sono l’energia iniziale dei veicoli in sosta, la durata della sosta, il momento di arrivo
del veicolo alla stazione di ricarica e l’incertezza di esito dei mercati. L’ottimizzatore stocastico sviluppato
è stato quindi verificato considerando i casi studio di una flotta aziendale e di un parcheggio pubblico,
dimostrando come la trattazione stocastica permetta di tener conto di tutte le incertezze e garantire la
carica dei veicoli elettrici all’interno di una banda desiderata.
Nella seconda parte del documento sono invece presentate le prove di ricarica effettuate attraverso la Test
Facility di generazione distribuita di RSE sulle colonnine bidirezionali presenti nel laboratorio. In
particolare, le prove hanno permesso di caratterizzare l’intera infrastruttura costituita dall’ottimizzatore
stocastico visto in precedenza, dai software di gestione dell’intera microrete sperimentale e
dell’infrastruttura cloud di Enel X. È stato verificato come le colonnine siano in grado di fornire la potenza
attiva richiesta con errori trascurabili (< 1,5 kW nella peggiore condizione) e con un ritardo medio di
attuazione pari a 44 secondi. Inoltre, è stato verificato che in applicazioni V2G le colonnine di ricarica
sono in grado di offrire il servizio richiesto durante l’intera durata della ricarica, con un’efficienza
complessiva di ricarica bidirezionale pari all’85%.
Infine, nella terza parte del documento viene illustrata la procedura e la postazione di prova sviluppate per
verificare l’effetto di ricariche V2G sulla vita utile delle batterie veicolari. Tale procedura di prova verrà
utilizzata nel prosieguo dell’attività per effettuare prove di vita su due moduli di batteria veicolari di cui
uno sottoposto a un ciclo di lavoro V2G e uno a un ciclo con ricarica tradizionale.
20010758
ABSTRACT
The spread of sustainable mobility plays a fundamental role in energy transition and for national
environmental policies. A rapid and significant deployment of electric vehicles poses a challenge to the
electric system, which must be able to supply these new loads. At the same time, electric vehicles can
become an opportunity for the electrical network thanks to the provision of ancillary services. The
recharging power can be modulated throughout the day and, in some cases, electric vehicles can supply
the grid. In this context, it is interesting to develop technologies that allow electric vehicles to be
configured as an effective tool to provide services to the grid.
The research activity presented in this report is aimed to optimize and verify the use of electric vehicles
as a flexibility resource for the grid. In particular, the first part of the document describes a new logic
developed to manage an aggregate of electric vehicles during the recharge phase. This management
procedure is based on stochastic optimization techniques, which make it possible to maximize the
profitability of the services offered while taking into account the random nature of the system. The
problem is formulated considering the uncertainties inherent in the model to obtain results as close as
possible to reality. The main uncertain aspects that have been dealt with are the initial energy of vehicles,
the parking's duration, the arrival's time of the vehicles and the uncertainty of the service markets. The
stochastic optimizer developed has been verified through two case studies: a company fleet and a public
parking. As a result, the stochastic formulation guarantees that the final state of charge of electric vehicles
is within a desired band, even if the uncertainties of the system can impact on the electric vehicle's
recharging phase.
The second part of the document presents the recharging tests carried out at the bidirectional charging
station installed at the distributed energy resources generation Test Facility of RSE. In particular, through
these tests the entire infrastructure consisting of the stochastic optimizer, the management software of the
entire experimental microgrid and the Enel X cloud infrastructure has been characterized. It was verified
that the charging station are able to provide the required active power with negligible errors (<1.5 kW in
the worst condition) and with an average delay of 44 seconds. Furthermore, it has been verified that the
charging stations are able to offer the requested service during the entire duration of the charging phase,
with an overall bidirectional charging efficiency of 85%.
Finally, the third part of the document illustrates the procedure and the test infrastructure developed to
verify the effect of V2G's profiles on the lifetime of electric vehicle's batteries. This test procedure will be
used in the continuation of the activity to carry out life cycle tests on two vehicle battery modules, the
former subjected to a V2G's profile and the latter to a traditional recharge cycle.
20010758
1 INTRODUZIONE
Il presente Rapporto è parte integrante della documentazione delle attività di Ricerca di Sistema previste
dal “Piano Triennale di Realizzazione 2019-2021” nell’ambito del progetto 2.6 “Scenari e strumenti per
la mobilità elettrica e relativa integrazione e interazione con il sistema elettrico” / WP 2 “Mobilità elettrica
e integrazione e interazione con il sistema elettrico” e costituisce Deliverable della Linea di Attività 2.4
“Soluzioni tecniche e gestionali per l’elettrificazione delle flotte aziendali e la fornitura di servizi di
flessibilità - 2020”.
Negli ultimi anni si sta assistendo a una significativa diffusione di veicoli elettrici [1], con uno scenario
PNIEC [2] al 2030 che prevede una presenza complessiva di quasi 6 milioni di veicoli elettrici sul territorio
Nazionale, di cui 4 milioni di veicoli elettrici puri e un paio di milioni di ibride plug-in. Una massiccia
diffusione di veicoli elettrici può rappresentare una sfida per la rete elettrica che dovrà essere rinforzata
per poter garantire l’alimentazione di questa tipologia di carichi elettrici, soprattutto laddove siano
installate infrastrutture di ricarica rapida.
Nel caso di infrastrutture di ricarica non rapida, i veicoli elettrici possono diventare anche un’opportunità
per la rete elettrica grazie alla fornitura di servizi attraverso la modulazione della potenza di ricarica
all’interno della giornata o, in taluni casi, potendo anche fornire potenza in rete. In tale contesto, anche a
seguito della pubblicazione in Gazzetta Ufficiale del decreto ministeriale sul Vehicle-to-Grid (V2G) [3],
si aprono nuove frontiere per la mobilità elettrica, con la possibilità di utilizzare le batterie delle auto come
sistemi di accumulo energetico distribuito. Da un punto di vista energetico, infatti, ciascun veicolo non è
altro che un accumulo elettrochimico, che può quindi essere usato per servizi all’utenza (Vehicle to home
- V2H) o servizi ancillari alla rete elettrica (Vehicle to Grid - V2G) [4].
Un singolo veicolo elettrico può offrire servizi locali per l’utenza, ma non può partecipare a nessun
mercato a causa della limitata potenza, ed è quindi necessario aggregare molteplici veicoli elettrici per far
fronte alle richieste di rete. L’apertura del mercato dei servizi ancillari a nuovi attori, come le Unità
Virtuali Abilitate Miste (UVAM) [5], con lo scopo di aumentare le risorse di flessibilità disponibili per
mantenere un’operatività sicura e continuativa della rete, permette anche agli stessi veicoli elettrici di
partecipare attivamente al funzionamento stabile della rete elettrica. In questo ambito, un ruolo centrale
negli anni a venire sarà svolto dagli aggregatori: operatori di mercato che, sfruttando la flessibilità delle
risorse da loro aggregate, possono offrire servizi alla rete.
In questo contesto è pertanto necessario sviluppare le tecnologie che permettano ai veicoli elettrici di
configurarsi come un’opportunità per la rete elettrica. In un’ottica di evoluzione del sistema elettrico
sempre più spinta verso la generazione rinnovabile, l’attività svolta mira dunque ad analizzare e
sperimentare l’utilizzo dei veicoli elettrici come strumento di flessibilità per il sistema elettrico. I sistemi
di ricarica dinamica possono infatti offrire molteplici servizi [6] sia a livello locale, come ad esempio il
controllo della tensione e la risoluzione delle congestioni nella rete di distribuzione, sia per l’intero sistema
elettrico, offrendo ad esempio servizi di regolazione della frequenza e di bilanciamento [4]. Tali servizi,
al momento solo in parte regolamentati e remunerati, permetterebbero la riduzione dei costi per i
proprietari dei veicoli elettrici, rendendo questi veicoli maggiormente competitivi rispetto ai classici mezzi
di trasporto con motore a combustione interna.
L’attività di ricerca triennale ha lo scopo di valutare le potenzialità tecnico-economiche e di validare in
campo funzioni innovative di gestione della ricarica, finalizzate all’erogazione di servizi di tipo V2G e
V2H, tramite una sperimentazione nella Test Facility di Generazione Distribuita. La sperimentazione ha
diversi scopi: mettere in luce i possibili problemi legati all’integrazione tra le piattaforme software,
verificare l’affidabilità dell’erogazione dei servizi richiesti e quantificare l’invecchiamento addizionale
delle batterie dei veicoli.
Nella precedente annualità [7] è stata effettuata l’analisi della potenziale redditività dei servizi V2G e lo
sviluppo di logiche di gestione deterministiche per un aggregato di veicoli elettrici, considerando i servizi
previsti dalla delibera ARERA 300/2017/R/eel [5]. Inoltre, durante l’attività sono state integrate nel
software di gestione della Test Facility di Generazione Distribuita di RSE le colonnine di ricarica
bidirezionali Enel X, installate in precedenza [8], allo scopo di effettuare una sperimentazione della
20010758
tecnologia V2G. Come prima parte di questa attività, sono stati dunque effettuati i primi test di ricarica e
di scarica su due auto Nissan Leaf per verificarne le prestazioni.
L’attività descritta nel seguente rapporto, a continuazione di quanto già effettuato nella precedente attività
[7], si propone di:
- sviluppare nuove logiche di gestione di un aggregato di veicoli in ricarica, basate su tecniche di
ottimizzazione stocastica, che permettano di massimizzare la redditività dei servizi offerti tenendo
conto delle aleatorietà del sistema.
- sperimentare nella Test Facility di Generazione Distribuita di RSE le differenti modalità operative
e le funzioni V2G e V2H1, sviluppate ed analizzate in simulato, attraverso i veicoli elettrici
disponibili e le colonnine V2G installate in precedenza [8], al fine di verificare le effettive capacità
di regolazione e di evidenziare eventuali limitazioni;
- valutare la possibile estensione della sperimentazione, considerando la flotta aziendale di RSE;
- sviluppare una procedura di prova da applicare a una batteria veicolare per poter valutare,
attraverso prove effettuate presso il laboratorio batterie di RSE, l’invecchiamento dovuto a cicli
di ricarica tipici dell’utilizzo V2G.
1
Lo sviluppo delle logiche di gestione della ricarica per servizi V2H è del tutto assimilabile alla gestione di un
sistema di accumulo domestico. Per tale ragione in questo rapporto non viene sviluppato alcun metodo di gestione,
ma viene riutilizzato quanto sviluppato nel rapporto di ricerca di sistema: “Implementazione dell’algoritmo S-TEO
applicato alla Test Facility di RSE e analisi del caso di aggregazione di sistemi di accumulo (VESS)” [17].
20010758
Si consideri un aggregato di 𝑁 veicoli, e si supponga per semplicità che siano presenti 𝑁 stazioni di
ricarica. L’aggregatore si pone il problema di come ricaricare i veicoli dell’aggregato e
contemporaneamente come partecipare in maniera ottima al mercato del giorno prima (MGP) e al
mercato dei servizi di dispacciamento (MSD) per l’intera giornata successiva. Tale orizzonte di
previsione è discretizzato in 𝑇intervalli, della durata di 𝜏 = 24/𝑇 ore.
Si denoti con 𝑎𝑖 e 𝑑𝑖 rispettivamente il primo intervallo e l’ultimo intervallo in cui il veicolo 𝑖 è
connesso alla stazione di ricarica. Tali variabili definiscono gli intervalli in cui è possibile
caricare/scaricare il veicolo, e sono di natura aleatoria, ma limitati su intervalli noti, ovvero 𝑎𝑖 ∈
[𝑎𝑖 , 𝑎𝑖 ], 𝑑𝑖 ∈ [𝑑𝑖 , 𝑑𝑖 ]. Tali intervalli potrebbero essere noti a priori, come ad esempio nel caso di
parcheggio aziendale, o potrebbero essere stimati a partire da dati storici.
Ciascun veicolo è modellizzato come un semplice sistema di accumulo, la cui energia è governata dallo
scambio di potenza e dal rendimento di carica e scarica:
dove 𝛼𝑖 < 1 è il coefficiente di autoscarica e il rendimento di carica e scarica 𝜂𝑘,𝑖 è esprimibile come:
𝜂𝑖+ 𝑝𝑘,𝑖 ≥ 0
𝜂𝑘,𝑖 = {1 2.2
⁄𝜂 − 𝑝𝑘,𝑖 < 0
𝑖
con 𝜂𝑖+ , 𝜂𝑖− ∈ [0,1] che sono rispettivamente i rendimenti in carica e scarica.
L’energia iniziale 𝑒0,𝑖 di ciascun veicolo è una variabile incerta, che può essere ipotizzata uniforme
su un supporto noto 𝑒0,𝑖 ∈ [𝑒0,𝑖 𝑒0,𝑖 ]. L’ipotesi di distribuzione uniforme facilita il calcolo analitico di
alcune componenti del problema di ottimizzazione, ma non è un’ipotesi limitante in termini di
validità dell’approccio. Si mostrerà in seguito infatti come utilizzare lo stesso approccio in caso di
distribuzioni generiche campionarie che derivino, ad esempio, dall’analisi di dati storici. Si definisce
𝜇
inoltre il centro e la semi-ampiezza del supporto dell’energia iniziale come 𝑒𝑖 e 𝑒𝑖𝑑 , rispettivamente
𝜇 𝜇
(ovvero 𝑒0,𝑖 ∈ [𝑒𝑖 − 𝑒𝑖𝑑 , 𝑒𝑖 + 𝑒𝑖𝑑 ]).
La potenza in 2.1 è quella totale di ricarica del veicolo (positiva se entrante). Questa potenza è suddivisa
in 4 componenti:
𝜇 + + − −
𝑝𝑘,𝑖 = 𝑝𝑘,𝑖 − 𝜗𝑘,𝑖 (𝑒0,𝑖 − 𝑒𝑖 ) + 𝑠𝑘,𝑖 𝜔𝑘 − 𝑠𝑘,𝑖 𝜔𝑘 2.3
Il primo termine 𝑝𝑘,𝑖 rappresenta una potenza “in anello aperto” che non dipende dalla realizzazione
𝜇
delle variabili incerte. Il secondo addendo 𝜗𝑘,𝑖 (𝑒0,𝑖 − 𝑒𝑖 )è un termine di compensazione che
aumenta o diminuisce la potenza richiesta al veicolo in funzione di quanto la sua energia iniziale si
discosta dal valore medio. In particolare, questo termine (pesato da una variabile decisionale 𝜗𝑘,𝑖 ) tende
a far caricare il veicolo se l’energia iniziale è inferiore al valore medio e scaricarlo se l’energia
iniziale è superiore al valore medio. L’introduzione di questo termine è necessaria per poter trattare
l’incertezza sull’energia iniziale, come si vedrà in sezione 2.2. Gli ultimi due termini in 2.3
rappresentano generici servizi a scendere e salire, rispettivamente. La variabile decisionale per i servizi a
+ −
scendere (salire) è 𝑠𝑘,𝑖 (𝑠𝑘,𝑖 ), e rappresenta la quota parte di banda di regolazione a scendere (salire)
a cui il veicolo 𝑖 contribuisce. I termini 𝜔𝑘+ , 𝜔𝑘− ∈ [0, 1] rappresentano il segnale di regolazione
incerto del corrispondente servizio a scendere e salire. Si noti che questa formulazione del generico
servizio è valida sia per servizi di regolazione secondaria (in questo caso 𝜔𝑘+ rappresenterebbe il
vero e proprio segnale di livello inviato dal TSO), sia per i servizi di regolazione primaria (in questo
+
caso 𝜔𝑘+ rappresenterebbe il segnale di scostamento di frequenza e 𝑠𝑘,𝑖 lo statismo). In generale,
questa formulazione è valida ogni volta che il servizio si configura come una banda offerta su
mercato, mentre l’effettiva richiesta di energia è una percentuale variabile e incerta della banda
offerta. Le variabili 𝜔𝑘+ e 𝜔𝑘− possono includere anche la componente aleatoria di esito del mercato,
e, in particolare, la loro distribuzione può essere pesata con la probabilità di accettazione delle
offerte (che a sua volta può essere stimata da analisi di dati storici).
2.1.1 Vincoli
La programmazione della carica/scarica di ciascun veicolo deve essere effettuata tenendo conto di
molteplici vincoli.
La potenza di carica/scarica di ciascun veicolo non può eccedere dei limiti noti, che sono determinati dal
limite più stringente tra quello della colonnina e quello del veicolo elettrico.
𝑚𝑖𝑛 𝑚𝑎𝑥
𝑝𝑘,𝑖 ≤ 𝑝𝑘,𝑖 ≤ 𝑝𝑘,𝑖 2.4
𝑚𝑎𝑥 𝑚𝑖𝑛
dove 𝑝𝑘,𝑖 è la potenza massima in carica e 𝑝𝑘,𝑖 è la potenza massima in scarica.
20010758
dove 𝑝𝑚𝑎𝑥 è la potenza massima che l’aggregato può assorbire da rete e 𝑝𝑚𝑖𝑛 è la potenza massima
che l’aggregato può cedere in rete.
L’energia di ciascun veicolo non può eccedere una soglia minima e massima desiderata:
𝑚𝑖𝑛 𝑚𝑎𝑥
𝑒𝑘,𝑖 ≤ 𝑒𝑘,𝑖 ≤ 𝑒𝑘,𝑖 2.6
𝑚𝑎𝑥 𝑚𝑖𝑛
dove 𝑒𝑘,𝑖 è la massima energia che può essere caricata e 𝑒𝑘,𝑖 è la massima energia che può essere
scaricata in rete. Si noti che questo vincolo può essere utilizzato anche per includere un eventuale
vincolo di carica minima desiderata a fine sosta.
Infine, per come è stata definita la potenza nell’equazione 2.3 si ha che:
+ − +
𝑠𝑘,𝑖 ≥ 0, 𝑠𝑘,𝑖 ≥ 0, 𝜗𝑘,𝑖 ≥0 2.7
È inoltre possibile includere nella formulazione un diverso campionamento temporale tra mercato dei
servizi e mercato dell’energia discretizzando il tempo al valore imposto dal “più veloce” dei mercati e
imponendo che le offerte sul mercato “più lento” si mantengano costanti per il numero opportuno di
intervalli.
𝑇−1 𝑁 + 𝑇−1 𝑁 −
𝑀𝐺𝑃 𝑀𝐺𝑃
𝑐 𝑀𝐺𝑃 = ∑ 𝑐𝑘𝑒+ [∑ 𝜏𝑝𝑘,𝑖 ] − ∑ 𝑐𝑘𝑒− [∑ 𝜏𝑝𝑘,𝑖 ] 2.8
𝑘=0 𝑖=1 𝑘=0 𝑖=1
𝑀𝐺𝑃 𝜇
dove 𝑝𝑘,𝑖 = 𝑝𝑘,𝑖 − 𝜗𝑘,𝑖 (𝑒0,𝑖 − 𝑒𝑖 ) è l’energia comprata su MGP per il veicolo 𝑖 all’istante 𝑘 e [𝑥]+
([𝑥]− ) rappresenta la parte positiva (negativa) di 𝑥, rispettivamente. Si ipotizza che il prezzo di
acquisto dell’energia sull’MGP 𝑐𝑘𝑒+ sia maggiore del prezzo di vendita sull’MGP 𝑐𝑘𝑒− (ipotesi verificata
20010758
Si noti che il costo è negativo (è un ricavo) nel caso di ricarica, ovvero quando la potenza in 2.3 è positiva.
In caso di scarica dei veicoli l’aggregatore invece remunera i veicoli (𝑐𝑘𝑣− ), in misura maggiore del costo
che essi pagano per la ricarica (𝑐𝑘𝑣+ ), ovvero 𝑐𝑘𝑣+ ≤ 𝑐𝑘𝑣− . Nel costo di scarica dei veicoli è possibile
includere anche un costo di degrado della batteria, così che l’aggregatore sia disincentivato
dall’effettuare un elevato numero di cicli di carica/scarica. Entrambi i costi in 2.10 sono intesi positivi.
dove 𝑐 𝐴𝑉𝐺 è un costo medio con cui si decide di valorizzare l’energia residua (potrebbe essere il
costo medio previsto per l’acquisto di energia al giorno successivo), e l’energia che si sta valorizzando è
quella all’istante di partenza 𝑑𝑖 + 1 (si ricordi che 𝑑𝑖 è incerta). Si noti che, nel caso di assenza di
remunerazione da parte dei veicoli, se non si valorizzasse l’energia residua, non ci sarebbe alcuna
convenienza per l’aggregatore a ricaricare più energia della minima indispensabile.
20010758
Il problema così definito tuttavia non ha significato, dal momento che al suo interno compaiono molteplici
variabili incerte. Per formulare il problema in termini di programmazione matematica è necessario
scegliere come trattare i termini in cui compare l’incertezza.
In linea di principio si potrebbe pensare di trascurare l’aleatorietà ipotizzando che essa sia perfettamente
conoscibile. Questo approccio, seppur semplicistico, può risultare ragionevole in certe applicazioni per le
componenti incerte di tempi di arrivo e durata della sosta (si pensi a un parcheggio di veicoli commerciali
con orari prefissati di inizio e fine missioni), e per l’energia residua a inizio sosta (si pensi a veicoli che
compiono sempre lo stesso tragitto o tratte prefissate) ma risulta poco adatto per valutare la flessibilità in
termini di servizi dell’aggregato. Ipotizzare infatti di conoscere esattamente il segnale di livello porterebbe
a soluzioni estremamente ottimistiche, in cui l’aggregatore ottiene un importante vantaggio economico
comprando e vendendo su MSD nei periodi in cui è certo che la flessibilità gli verrà effettivamente
richiesta.
Nella prossima sezione si mostrerà come trattare l’incertezza per una formulazione corretta del problema
2.12.
del problema in analisi per evitare di introdurre eccessive conservatività. Nelle seguenti sezioni viene
illustrata questa procedura per il problema 2.12.
Le due disuguaglianze hanno una semplice interpretazione: la potenza massima di carica (scarica) si
ottiene quando il veicolo arriva con energia molto bassa (alta) e contemporaneamente viene richiesta
l’intera banda a scendere (salire). Le disuguaglianze ottenute sono tight, nel senso che il vincolo 2.4 è
soddisfatto per ogni realizzazione dell’incertezza se e solo se è soddisfatto il vincolo 2.13. Si noti inoltre
che il vincolo ottenuto è deterministico, in quanto dipende solo da variabili decisionali e dalla
semiampiezza della distribuzione dell’energia iniziale, che è ipotizzata nota.
Un aspetto del problema su cui finora non ci si è soffermati è l’aleatorietà dei tempi di arrivo e partenza.
Questa incertezza va anch’essa trattata nella formulazione robusta del problema. In generale, sarebbe
sufficiente imporre i vincoli derivati da qui in avanti, per ogni combinazione possibile di tempi di arrivo
e partenza. Seppur corretto, questo approccio risulterebbe inutilmente ridondante, dal momento che il
problema risultante imporrebbe potenze nulle per tutti gli istanti di tempo in cui non vi è certezza che il
veicolo sia effettivamente presente. Per questo motivo è possibile irrobustire la dipendenza della potenza
dalle variabili incerte dei tempi di arrivo e partenza semplicemente imponendo potenze nulle negli istanti
in cui esiste una probabilità diversa da zero che il veicolo non sia presente, che si traduce in:
𝑝𝑘,𝑖 = 0
𝜗𝑘,𝑖 = 0
+ 𝑖𝑓 𝑘 < 𝑎𝑖 𝑜𝑟 𝑘 > 𝑑𝑖 2.14
𝑠𝑘,𝑖 =0
−
{ 𝑠𝑘,𝑖 = 0
In sostanza l’aggregatore, nella sua programmazione al giorno prima, può fare affidamento solo sui veicoli
di cui è garantita la presenza. Il problema robusto non contempla quindi lo sbilanciamento: l’estensione
dell’approccio al caso di sbilanciamento sarà oggetto di futuri rapporti. D’ora in avanti, dove non
specificato, l’indice temporale 𝑘 del veicolo 𝑖 si intenderà variare sugli intervalli di presenza garantita.
𝑘−1
𝑘−𝑎̅
𝛼𝑖 𝑖 𝑒𝑖𝑚𝑎𝑥 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 ℎ𝑡,𝑖 ≤ 𝑒𝑖𝑚𝑎𝑥
𝑡=𝑎̅𝑖
2.16
|ℎ𝑡,𝑖 − 𝜂𝑖+ (𝑝𝑡,𝑖 + +
𝑠𝑡,𝑖 − 𝜗𝑡,𝑖 𝑒𝑖𝑑 )| ≤ 𝑝𝑖𝑚𝑎𝑥 (1 − 𝑏𝑡,𝑖 )
|ℎ𝑡,𝑖 − 1⁄𝜂 − (𝑝𝑡,𝑖 + 𝑠𝑡,𝑖
+
− 𝜗𝑡,𝑖 𝑒𝑖𝑑 )| ≤ 𝑝𝑖𝑚𝑎𝑥 𝑏𝑡,𝑖
𝑖
dove ℎ𝑡,𝑖 sono variabili di ottimizzazione continue aggiuntive e 𝑏𝑡,𝑖 sono variabili di ottimizzazione
binarie aggiuntive. La presenza di variabili binarie rende il vincolo misto intero e di più difficile
risoluzione. Per questo motivo, se l’onere computazionale risulta eccessivo, è possibile adottare il
seguente rilassamento al posto di 2.16:
𝑘−1
𝑘−𝑎̅
𝛼𝑖 𝑖 𝑒𝑖𝑚𝑎𝑥 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑖+ (𝑝𝑡,𝑖 + 𝑠𝑡,𝑖
+
− 𝜗𝑡,𝑖 𝑒𝑖𝑑 ) ≤ 𝑒𝑖𝑚𝑎𝑥 2.17
𝑡=𝑎̅𝑖
Il grado di approssimazione risultante è tanto migliore quanto più i rendimenti si avvicinano all’unità e
quanto meno i veicoli vengono scaricati (se i veicoli sono solo caricati la trattazione è comunque esatta).
In ogni caso, dalle simulazioni svolte emerge un errore di approssimazione a tutti gli effetti trascurabile.
𝑘−1
𝑘−𝑎̅
𝛼𝑖 𝑖 𝑒𝑖𝑚𝑖𝑛 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 ℎ𝑡,𝑖 ≥ 𝑒𝑖𝑚𝑖𝑛
𝑡
2.18
+ −
ℎ𝑡,𝑖 ≤ 𝜂𝑖 (𝑝𝑡,𝑖
− 𝑠𝑡,𝑖 + 𝜗𝑡,𝑖 𝑒𝑖𝑑 )
ℎ𝑡,𝑖 ≤ 1⁄𝜂 − (𝑝𝑡,𝑖 − 𝑠𝑡,𝑖
−
+ 𝜗𝑡,𝑖 𝑒𝑖𝑑 )
𝑖
𝑘−1
𝜏 𝑑 −𝑡 𝑑 −𝑎 +1
∑ 𝛼𝑖 𝑖 𝜗𝑡,𝑖 ≤ 𝛼𝑖 𝑖 𝑖 2.19
𝜂𝑖−
𝑡
Il vincolo 2.19 ha lo scopo di limitare l’azione del compensatore e ha una semplice interpretazione fisica.
Si ipotizzi che la potenza open loop di ricarica e i servizi siano entrambi zero. In questo caso, l’unica
potenza immessa nel veicolo dipenderebbe dall’azione del compensatore. Per come è stato formulato,
questo tende a far convergere l’energia verso il punto medio del supporto della distribuzione, caricando il
veicolo se arriva più scarico e scaricandolo se arriva più carico. In questo senso il vincolo 2.19 impone
che l’azione del compensatore non ecceda il raggiungimento del punto medio del supporto della
𝜇
distribuzione 𝑒𝑖 . Tale vincolo non è limitante, perché non ha mai senso compensare più dell’intero
range di incertezza: infatti, un compensatore che soddisfa il vincolo 2.19 con l’uguaglianza annulla
completamente il contributo dell’energia iniziale incerta, portando le realizzazioni dell’energia da un certo
istante in poi ad evolvere in maniera deterministica (sempre escludendo il contributo aleatorio dovuto ai
tempi di arrivo, partenza e mercato dei servizi).
che è una funzione convessa delle variabili decisionali per ogni valore fissato dell’incertezza (si ricorda
𝑀𝐺𝑃
che in 𝑝𝑘,𝑖 compare il contributo dell’incertezza sull’energia iniziale). Dal momento che l’operatore
valore atteso preserva la convessità (si rimanda alla sezione 7.2 per la dimostrazione), anche 𝐸[𝑐 𝑀𝐺𝑃 ]
è una funzione convessa delle variabili di ottimizzazione. Tuttavia, la sua formulazione analitica
risulta eccessivamente complessa, anche nel caso di energia iniziale avente distribuzione uniforme.
È comunque possibile formulare un upper bound di 𝐸[𝑐 𝑀𝐺𝑃 ] sfruttando la linearità:
𝑇−1 𝑁
𝑀𝐺𝑃 𝑒− 𝑀𝐺𝑃
𝐸[𝑐 𝑀𝐺𝑃 ]
≤ 𝜏 ∑ ∑ 𝐸[max{𝑐𝑘𝑒+ 𝑝𝑘,𝑖 , 𝑐𝑘 𝑝𝑘,𝑖 }] 2.21
𝑘=0 𝑖=1
Il valore atteso in 2.8 può essere ora calcolato analiticamente, dal momento che dipende solamente da 𝑝𝑘,𝑖
e 𝜗𝑘,𝑖 . In definitiva si ha l’upper bound:
𝑇−1 𝑁
1
𝐸[𝑐 𝑀𝐺𝑃 ]
≤ τ ∑ ∑ max {𝑐𝑘𝑒+ 𝑝𝑘,𝑖 , 𝑐𝑘𝑒− 𝑝𝑘,𝑖 , ((𝑐𝑘𝑒+ + 𝑐𝑘𝑒− )𝑝𝑘,𝑖 + (𝑐𝑘𝑒+ − 𝑐𝑘𝑒− )𝜗𝑘,𝑖 𝑒𝑖𝑑 )} 2.22
2
𝑘=0 𝑖=1
𝑇−1 𝑁 𝑇−1 𝑁
𝑠+ + −
𝐸[𝑐 𝑀𝑆𝐷 ]
= ∑ 𝑐𝑘 ∑ 𝜏𝑠𝑘,𝑖 𝐸[𝜔𝑘+ ] − 𝑠−
∑ 𝑐𝑘 ∑ 𝜏𝑠𝑘,𝑖 𝐸[𝜔𝑘− ] 2.23
𝑘=0 𝑖=1 𝑘=0 𝑖=1
dove il valore atteso della parte positiva e negativa del segnale di livello può essere calcolato
analiticamente (ipotizzando una distribuzione nota per il segnale) o in forma campionaria (partendo da
𝜋
una analisi di dati storici). Nel caso di distribuzione uniforme, ad esempio, si ha 𝐸[𝜔𝑘− ] = 𝐸[𝜔𝑘+ ] = 2𝑘,
dove 𝜋𝑘 è la probabilità di accettazione del servizio all’istante 𝑘.
𝐸[𝑐 𝑉𝐸𝐻 ]
= ∑ ∑ 𝐸[max{−𝑐𝑘𝑣+ 𝜏𝑝𝑘,𝑖 , −𝑐𝑘𝑣− 𝜏𝑝𝑘,𝑖 }] 2.24
𝑘=0 𝑖=1
Essendo la funzione all’interno del valore atteso una funzione convessa delle variabili di ottimizzazione,
possiamo già concludere che il risultato del valore atteso sarà anch’essa una funzione convessa. Il suo
calcolo esplicito tuttavia risulta molto complesso; nel caso di distribuzione uniforme per l’energia iniziale
e per il segnale di livello è possibile ricavarne una rappresentazione analitica utilizzando il software
Mathematica2 e verificare, che, come atteso, è una funzione convessa definita a tratti. Da questa funzione
è possibile ricavare per interpolazione una funzione 𝑉 lineare a tratti che assicura, per costruzione, che
il bound sia soddisfatto con l‘uguaglianza sui bordi della partizione. Il procedimento è simile a quello
usato in [10], ma con una dimensione aggiuntiva data dall’energia iniziale. In definitiva:
+ −
𝐸[𝑐 𝑉𝐸𝐻 ] ≤ 𝑉(𝑝𝑘,𝑖 , 𝜗𝑘,𝑖 , 𝑠𝑘,𝑖 , 𝑠𝑘,𝑖 ) 2.25
Ancora una volta, è possibile verificare che l’approssimazione introdotta è del tutto trascurabile.
𝑁 𝑑𝑖
𝑑 −𝑎𝑖 +1 𝑑 −𝑡 1
𝐸[𝑐 𝐸𝑋𝑇 ] = −𝑐 𝐴𝑉𝐺 (∑ 𝛼𝑖 𝑖 𝐸[𝑒0,𝑖 ] + 𝜏 ∑ 𝛼𝑖 𝑖 𝐸 [min {𝜂𝑖+ 𝑝𝑡,𝑖 , 𝑝 }]) 2.26
𝜂𝑖− 𝑡,𝑖
𝑖=1 𝑡=𝑎𝑖
Nell’espressione sopra compare il valore atteso dell’energia iniziale, che si suppone noto o stimabile, e il
valore atteso di una funzione concava delle variabili di ottimizzazione. Nuovamente, dal momento che il
valore atteso preserva la concavità, questa componente di costo risulta convessa, a causa della presenza
del coefficiente negativo −𝑐 𝐸𝑋𝑇 . A questo punto si noti che:
1 1
𝐸 [min {𝜂𝑖+ 𝑝𝑘,𝑖 , +
− 𝑝𝑘,𝑖 }] = −𝐸 [max {−𝜂𝑖 𝑝𝑘,𝑖 − − 𝑝𝑘,𝑖 }]
2.27
𝜂𝑖 𝜂𝑖
e il termine al lato destro dell’uguaglianza è identico a quello che compare in 2.24 a meno di un cambio
di coefficienti all’interno dell’operatore max. L’approssimazione lineare a tratti utilizzata nella 2.25 è
quindi ancora valida, a patto di effettuare le opportune sostituzioni. Identificando con 𝑉̃ la funzione
2
https://www.wolfram.com/mathematica/
20010758
ottenuta a partire da 𝑉 a seguito delle sostituzioni è possibile quindi scrivere un upper bound sulla
componente di costo di valorizzazione dell’energia residua:
+ −
𝐸[𝑐 𝐸𝑋𝑇 ] ≥ −𝑉̃(𝑝𝑘,𝑖 , 𝜗𝑘,𝑖 , 𝑠𝑘,𝑖 , 𝑠𝑘,𝑖 ) 2.28
La funzione −𝑉̃ è quella che andrà effettivamente a sommarsi nella funzione obiettivo.
𝐸[𝑐 𝐸𝑋𝑇 ]
≥ 𝑒𝑖∗ 2.30
−𝑐 𝐴𝑉𝐺
che è equivalente a:
+ −
𝑉̃ (𝑝𝑘,𝑖 , 𝜗𝑘,𝑖 , 𝑠𝑘,𝑖 , 𝑠𝑘,𝑖 ) ≤ −𝑒𝑖∗ 𝑐 𝐴𝑉𝐺 2.32
min 𝐸[𝑐 𝑀𝐺𝑃 ] + 𝐸[𝑐 𝑀𝑆𝐷 ] + 𝐸[𝑐 𝑉𝐸𝐻 ] + 𝐸[𝑐 𝐸𝑋𝑇 ] 2.33
s.t. 2.13, 2.14, 2.15, 2.16 o 2.17, 2.18, 2.19
Il problema 2.33 è un problema di ottimizzazione deterministico in quanto non compare più l’incertezza
al suo interno. Una sua soluzione consiste nell’insieme di potenze in anello aperto, compensatori di energia
iniziale, banda a salire e banda a scendere per ogni veicolo, e per ogni istante di tempo. In aggiunta a
queste variabili fisiche il problema restituisce anche i valori ottimi delle variabili ausiliarie utilizzate nella
formulazione, che però sono dirette conseguenze delle scelte delle variabili fisiche e non sono pertanto
interessanti. La soluzione ottima di 2.33 è tale da:
• minimizzare il costo atteso per l’operatività del giorno successivo
• soddisfare i vincoli tecnici per ogni possibile realizzazione delle variabili incerte
La riformulazione dei vincoli e della funzione obiettivo è stata effettuata cercando di mantenere il
problema di semplice soluzione. Introducendo approssimazioni trascurabili si è riusciti ad ottenere un
problema Mixed-Integer Linear Programming (MILP) con il vincolo sull’energia massima espresso dalla
2.16 o, addirittura, Linear Programming (LP) con il vincolo espresso dalla 2.17.
analitico del valore atteso. Nel caso realistico in cui le distribuzioni siano ottenute a partire dai dati è
possibile comunque ripetere tutta la trattazione che porta al problema 2.33, semplicemente sfruttando il
fatto che, per ogni funzione convessa 𝜑(𝑥, 𝑤) delle variabili di ottimizzazione 𝑥 e dell’incertezza 𝑤, si
ha che:
e il lato destro di 2.34 è ancora una funzione convessa. In 2.34, 𝐼𝑗 sono gli intervalli in cui è suddiviso
l’istogramma di 𝑤, e 𝜎𝑗 è il centro di ciascuno di questi intervalli. Dal momento che, analogamente
al valore atteso, l’approssimazione campionaria preserva la convessità, la formulazione del
problema a partire dai dati non presenta difficoltà.
• Caso di andamento su MSD noto pari a 𝑠𝑘∗ . In questo caso è sufficiente imporre il vincolo
𝑁 𝑁
+ ∗ −
∑ 𝑠𝑘,𝑖 = +
[𝑠𝑘 ] , ∑ 𝑠𝑘,𝑖 = [𝑠𝑘∗ ]− 2.35
𝑖=1 𝑖=1
e far collassare la distribuzione di 𝜔𝑘 a una delta di Dirac in 1 per gli istanti in cui è stato
accettato un servizio a scendere e -1 per gli istanti in cui è stato accettato un servizio a salire
• Caso di andamento su MGP noto pari a 𝑝𝑘∗ . In questo caso è sufficiente imporre il vincolo
lineare:
𝑁
𝜇
∑ 𝑝𝑘,𝑖 − 𝜗𝑘,𝑖 (𝐸[𝑒0,𝑖 ]−𝑒𝑖 ) = 𝑝𝑘∗ 2.36
𝑖=1
20010758
che garantisce che il valore atteso dell’energia scambiata su MGP sia pari al valore desiderato (si
ricorda che la potenza scambiata su MGP è anch’essa una variabile aleatoria a causa della
presenza del compensatore sull’energia iniziale).
• 𝜏 = 15 minuti
• 𝑐𝑘𝑒+ : prezzo unico nazionale (PUN) 2020 + oneri e accise
• 𝑐𝑘𝑒− : media prezzi di vendita su MGP 2020
• 𝑐𝑘𝑠+ : media dei prezzi di servizi di regolazione secondaria a scendere su MSD ex ante 2020
• 𝑐𝑘𝑠− : media dei prezzi di servizi di regolazione secondaria a salire su MSD ex ante 2020
• 𝜂𝑖+ = 𝜂𝑖− = 0.97
• 𝛼𝑖 = 0.9997 (0.1% di autoscarica in 1 ora)
Essendo il numero di veicoli abbastanza elevato, si è preferito fare ricorso alla versione senza variabili
binarie. In questo modo la risoluzione del problema richiede meno di 4 secondi. In Figura 2.1 è mostrato
il risultato dell’ottimizzazione per uno dei veicoli della flotta:
20010758
Figura 2.1 - Risultati del problema di ottimizzazione per il veicolo nr. 1, per diverse realizzazioni dell’incertezza (energia
iniziale, orari di arrivo, segnale dei servizi). Andamento della potenza (in alto), andamento dell’energia (al centro) e
istogramma delle possibili realizzazioni dell’energia a fine sosta (in basso).
In Figura 2.1 sono mostrati tre grafici. Quello superiore contiene l’andamento della potenza in anello
aperto (in blu), della potenza per servizi a salire (nero) e della potenza per servizi a scendere (rosso). Il
contributo del compensatore non è mostrato perché nullo. Nel grafico centrale è mostrato l’andamento
dell’energia dello stesso veicolo per diverse realizzazioni di energia iniziale, tempo di arrivo, durata della
sosta e segnale di livello dei servizi di dispacciamento. Nel grafico inferiore è mostrato un istogramma
dell’energia finale al variare di tutte queste variabili incerte.
Come si vede, tra le 10 e le 11 il veicolo viene scaricato in rete per fornire un servizio a salire (grafico
superiore). Questo porta a una riduzione dell’energia (grafico centrale), che però non coinvolge tutte le
realizzazioni. Questo perché in certi casi (la maggior parte), l’offerta può non essere accettata, oppure il
segnale di livello può avere bassa intensità (anche nulla). Per questo motivo il fascio di evoluzioni
temporali dell’energia perde di “coerenza” e presenta delle intersezioni tra le realizzazioni.
Successivamente il veicolo viene caricato con potenza in anello aperto costante per diverse ore (grafico
superiore, linea blu). In questo intervallo di tempo l’energia cresce con pendenza costante per ogni
realizzazione dell’incertezza. Come si evince dall’istogramma nella parte inferiore, l’energia finale del
veicolo a fine sosta, indipendentemente dalla realizzazione dell’incertezza (es. erogazione del servizio), è
maggiore del limite minimo di 37.5 kWh, con una media, in blu, che si assesta intorno ai 44 kWh. Le
diverse realizzazioni dell’energia nel veicolo sono ottenute facendo variare tutte le componenti incerte del
problema: come si vede dal grafico centrale, infatti, lo stesso veicolo comincia la sosta con energie iniziali
diverse nel range specificato. La sosta stessa ha durata variabile, come si vede dal fatto che non tutte le
curve hanno la stessa ascissa di inizio e fine. Il segnale di livello incerto, invece, non è esplicitamente
raffigurato, ma il suo effetto può essere visualizzato dalla perdita di coerenza del fascio di realizzazioni
dell’energia, come discusso.
20010758
In questo caso, l’incertezza sull’energia iniziale non è elevata, e, in particolare, è minore della differenza
tra l’energia massima e l’energia minima desiderata a fine sosta. Questo comporta il fatto che non è
necessario l’utilizzo del compensatore per “contrarre” il fascio di realizzazioni dell’energia: il valore
ottimo del compensatore è pertanto pari a zero. In Figura 2.2 è mostrato l’andamento di alcune quantità
aggregate.
Figura 2.2 - Andamento di variabili aggregate e costi: potenza scambiata con la rete e andamento dei costi.
Nel grafico superiore è visualizzata la potenza scambiata all’allaccio con la rete, data dalla somma delle
potenze in anello aperto fornite alle singole colonnine. Come si vede, tra le 12 e le 15 il limite di potenza
di allaccio viene saturato; questo è dovuto al fatto che il costo dell’energia su MGP in quella fascia oraria
è minimo (ultimo grafico, variabile “ce+” in rosso). Analogamente si può notare come il servizio a salire
venga concentrato nell’ora di massima redditività, tra le 10 e le 11, compatibilmente con la disponibilità
dei veicoli.
• [𝑒0,𝑖 , 𝑒0,𝑖 ] = [0.1, 0.8]𝐶𝑖 ∀𝑖. Intervallo previsto di energia iniziale per ciascun veicolo in kWh
• 𝑚𝑖𝑛 𝑚𝑎𝑥
[𝑒𝑘,𝑖 , 𝑒𝑘,𝑖 ] = [0, 𝐶𝑖 ]𝑘 = 𝑎𝑖 , … , 𝑑̅𝑖 − 1. Vincoli di energia per gli istanti prima della partenza
• [𝑒𝑘,𝑖 , 𝑒𝑘,𝑖 ] = [0.7, 1]𝐶𝑖 𝑘 = 𝑑̅𝑖 . Vincoli di energia per l’istante di partenza
𝑚𝑖𝑛 𝑚𝑎𝑥
• 𝑚𝑖𝑛 𝑚𝑎𝑥
[𝑝𝑘,𝑖 , 𝑝𝑘,𝑖 ] = [−15, 15], ∀k, i. Limiti di potenza in kW per ciascun veicolo
• 𝑚𝑖𝑛 𝑚𝑎𝑥
[𝑝 , 𝑝 ] = [−4200, 4200]. Limiti di potenza in kW per l’aggregato
• 𝜔𝑘 ha distribuzione uniforme tra -1 e 1 e la probabilità di accettazione è pari al 10%
La Figura 2.3 mostra gli istanti di tempo (colonne) in cui le stazioni di ricarica (righe) sono occupate per
una specifica realizzazione dei tempi di arrivo e durata della sosta. Per semplicità si è ipotizzato che ogni
veicolo sia associato ad una sola colonnina e viceversa.
Figura 2.3 - Profilo di occupazione delle colonnine: una riga per ogni colonnina, sull’intera giornata di 96 quarti d’ora.
Una casellina gialla rappresenta una colonnina occupata ad un certo istante, blu non occupata.
In Figura 2.4 è mostrato l’andamento delle variabili decisionali per uno dei veicoli.
20010758
Figura 2.4 - Risultato dell'ottimizzazione per uno dei veicoli nel parcheggio pubblico: andamento della potenza scambiata,
andamento dell’energia dei veicoli elettrici, andamento dell’azione del compensatore e istogramma e istogramma delle
possibili realizzazioni dell’energia a fine sosta.
Nel grafico superiore è mostrato l’andamento della potenza scambiata su MGP dal veicolo (tratto blu). Il
veicolo non fornisce servizi su MSD, né a salire né a scendere. Nel secondo grafico è mostrato il
corrispondente andamento dell’energia ottenuto estraendo 100 campioni di energia iniziale, tempo di
arrivo, durata della sosta e segnale del mercato dei servizi (che però non ha impatto, essendo zero le offerte
su MSD). Come si vede, l’incertezza sull’energia iniziale è elevata: la sosta può cominciare con un’energia
compresa tra il 10% e l’80% dei 30 kWh totali. Un intervallo di energia iniziale così elevato richiede
necessariamente l’utilizzo del compensatore (terzo grafico dall’alto), per ridurre l’intervallo di energie
raggiungibili a fine sosta (che è vincolata a stare nell’intervallo [70% 100%] dell’intera capacità). La
soluzione ottima consiste nello “stringere” al massimo l’incertezza attraverso il compensatore e comprare
energia sufficiente a riempire al massimo la batteria del veicolo. Questo è dovuto al fatto che ricaricare i
veicoli rappresenta per l’aggregatore un ricavo maggiore rispetto ai possibili risparmi ottenibili con offerte
su MSD (per una trattazione sulla convenienza nella fornitura di servizi si veda il capitolo successivo).
Nell’ultimo grafico è rappresentato l’istogramma dell’energia a fine sosta, ottenuto su 3000 simulazioni.
Come si vede l’intervallo di energie è molto stretto e schiacciato verso il limite massimo pari a 30 kWh,
con una media, in blu, di circa 29,3 kWh.
20010758
Figura 2.5 - Andamento delle quantità aggregate nel caso di parcheggio pubblico: andamento della potenza totale
dell’aggregatore, porzione di colonnine occupate, profili di offerta su MSD, andamento dei costi.
Nel grafico superiore è mostrato l’andamento della potenza totale che l’aggregatore acquista su MGP. Nel
secondo grafico dall’alto è mostrata la porzione di colonnine occupate. L’ultimo grafico in basso mostra
l’andamento dei costi. Compatibilmente con la presenza dei veicoli si vede come la strategia ottima
consista nell’acquistare energia negli intervalli temporali in cui il costo su MGP è più basso (curva rossa
nell’ultimo grafico in basso).
In presenza di un’elevata remunerazione da parte dei veicoli, nella formulazione considerata che non
prevede sbilanciamenti (si veda sezione 2.5) per l’aggregatore non è conveniente scaricare i veicoli con
servizi a salire (dato che incorrerebbe in un costo superiore al ricavo ottenuto) e non è conveniente caricare
i veicoli con servizi a scendere (dato che è preferibile ottenere energia “certa” su MGP e guadagnare dalla
vendita). Un’analisi più approfondita sulla rimuneratività dei servizi ancillari derivante dall’uso del
modello di ottimizzazione descritto è fornita nella seguente sezione.
𝐽0 = 𝑐 𝑒+ 𝛿𝑒 2.37
dato dal prodotto tra il costo dell’energia su MGP e la quantità di energia acquistata.
dove si è ipotizzato che l’aggregatore compri sul mercato del giorno prima l’energia richiesta 𝛿𝑒 più una
quantità aggiuntiva 𝑠 − (primo addendo in 2.38) che poi rivende come servizio a salire (secondo
addendo in 2.38). Questa strategia risulta preferibile rispetto al caso base se:
𝐽− < 𝐽0 2.39
La condizione 2.40 richiede semplicemente che il costo dell’energia usata per ricaricare i veicoli oltre la
soglia minima sia inferiore al guadagno atteso dato dalla vendita della stessa energia sul mercato dei
servizi. Si noti che, ipotizzando una distribuzione uniforme per il segnale di dispacciamento, si ha
𝐸[𝜔− ] = 𝜋 − /2, dove 𝜋 − è la probabilità che una offerta per un servizio a salire venga accettata.
Come è intuitivo aspettarsi, la condizione 2.38 è verificata se i servizi a salire sono molto remunerati, e
se la probabilità di accettazione è sufficientemente elevata.
𝐽+ = 𝑐 𝑒+ 𝛿𝑒 + 𝑐 𝑠+ 𝑠 + 𝐸[𝜔+ ] 2.41
Essendo sempre 𝐽+ > 𝐽0 non è mai conveniente offrire servizi a scendere. Questo risultato non
sorprende, dal momento che, nella formulazione considerata, caricare i veicoli oltre la soglia minima
rappresenta solo un costo, e non c’è ricavo dall’offerta del servizio a scendere. Si noti inoltre come non
sia possibile utilizzare servizi a scendere per raggiungere il livello di carica minima, ma sia necessario
farlo attraverso MGP, per avere l’effettiva garanzia che quell’energia venga erogata. Questo limite può
essere superato introducendo un termine di sbilanciamento, si veda la sezione 2.5.
dovuto all’acquisto sul mercato del giorno prima dell’energia necessaria a raggiungere il limite massimo
di capienza della batteria e conseguente remunerazione da parte dell’utente.
20010758
In 2.43 il primo addendo rappresenta il costo di acquisto dell’energia su MGP per riempire completamente
il veicolo, e il secondo addendo rappresenta la remunerazione attesa del servizio a salire dato dalla vendita
di tutta l’energia che eccede la soglia minima 𝑒𝑓 .
Confrontando 2.42 e 2.43 si ha che 𝐽− < 𝐽0 se e solo se:
𝑐 𝑣− < 𝑐 𝑠− 2.44
Intuitivamente la 2.44 appare corretta: offrire servizi a salire conviene solamente se il mercato dei servizi
è sufficientemente remunerativo da compensare il costo in cui l’aggregatore incorre quando scarica i
veicoli. La condizione 2.44 è inoltre indipendente dalla distribuzione di probabilità del segnale di
dispacciamento.
𝑐 𝑣+ − 𝑐 𝑒+
𝐸[𝜔+ ] > 2.46
𝑐 𝑣+ − 𝑐 𝑠+
Per analizzare il risultato si consideri per semplicità il caso più favorevole possibile 𝑐 𝑠+ = 0, e si
parametrizzi il costo pagato dai veicoli come 𝑐 𝑣+ = 𝑘𝑐 𝑒+ . La 2.46 diventa:
𝑘−1
𝐸[𝜔+ ] > 2.47
𝑘
In questa forma si vede come al crescere del rapporto tra il costo pagato dai veicoli e il costo dell’energia
su MGP diventi via via meno conveniente offrire servizi, e sia quindi preferibile fornire agli utenti energia
“certa”, ricaricandoli con acquisti su MGP. Nel caso di distribuzione uniforme del segnale di
𝜋+
dispacciamento, si ha 𝐸[𝜔+ ] = 2 < 0.5 (dove 𝜋 + è la probabilità di accettazione di un servizio a
scendere), e la condizione è quindi soddisfatta solo per 𝑘 < 2 (sempre tenendo conto che 𝑐 𝑠+ = 0).
Con una distribuzione Bernoulliana di 𝜔+ (ovvero 𝜔+ = 1 con probabilità 𝜋 + e 𝜔+ = 0 con
probabilità 1 − 𝜋 + ), si ha 𝐸[𝜔+ ] = 𝜋 + , e la condizione diventa soddisfabile su un più ampio
intervallo di valori di 𝑘.
dove 𝑟 è il costo utilizzato per valorizzare l’energia residua 𝑒 𝑚𝑎𝑥 − 𝑒𝑓 , e il primo addendo
rappresenta il costo in cui l’aggregatore incorre nel ricaricare il veicolo fino al suo massimo. Si noti
che non c’è presenza di incertezza, e quindi di operatori di valore atteso, perché si è trascurata
l’aleatorietà di energia iniziale, tempi di arrivo e durata della sosta, e non vi è partecipazione al
mercato dei servizi.
In 2.49 il primo termine rappresenta il costo su MGP, il secondo termine che moltiplica 𝑟 è il valore atteso
dell’energia residua, ottenuto sottraendo ad 𝑒 𝑚𝑎𝑥 la quantità di energia venduta come servizio a
salire (𝑒 𝑚𝑎𝑥 − 𝑒𝑓 ) moltiplicata per il valore atteso del segnale di dispacciamento 𝜔− ; il terzo
termine è il guadagno ottenuto dal servizio su MSD. Confrontando 2.49 e 2.48 si ha che 𝐽− < 𝐽0 se e
solo se:
𝑟 < 𝑐 𝑠− 2.50
La condizione 2.50 appare corretta: dal momento che offrire un servizio a salire fa perdere un potenziale
guadagno sull’energia residua, è necessario che la remunerazione sia sufficientemente elevata. Nella
pratica si considererà 𝑟 ≈ 𝑐 𝑒+ e la condizione 2.50 sarà quindi tipicamente verificata.
In 2.51 il primo termine è il costo di ricarica su MGP, il secondo termine che moltiplica 𝑟 è il valore
atteso dell’energia residua, ottenuto sommando ad 𝑒𝑓 la quantità di energia acquistata come
servizio a scendere (𝑒 𝑚𝑎𝑥 − 𝑒𝑓 ) moltiplicata per il valore atteso del segnale di dispacciamento 𝜔+ ;
il terzo termine è la spesa per l’acquisto di energia su MSD. Confrontando 2.51 e 2.48 si ha che 𝐽+ <
𝐽0 se:
Nuovamente si nota che per valori elevati di valorizzazione dell’energia residua, non è conveniente offrire
servizi a scendere, ma è preferibile caricare con energia “certa” comprata su MGP. Parametrizzando il
costo dei servizi a scendere in funzione del costo su MGP 𝑐 𝑠+ = 𝛼𝑐 𝑒+ (con tipicamente 𝛼 < 1) la 2.52
è riscrivibile come:
𝑟 < 𝑐 𝑒+ 𝑅 2.53
20010758
1−𝛼𝐸[𝜔+ ]
con 𝑅 = 1−𝐸[𝜔+ ]
> 1, e di conseguenza occorre che la valorizzazione dell’energia residua sia minore
del prezzo di acquisto su MGP affinché sia conveniente offrire servizi a scendere (situazione tipicamente
non verificata).
𝑐 𝑣+ − 𝑐 𝑒+
Ricarica a pagamento 𝑐 𝑣− < 𝑐 𝑠− 𝐸[𝜔 + ] >
𝑐 𝑣+ − 𝑐 𝑠+
1 − 𝛼𝐸[𝜔 + ]
Valorizzazione energia residua 𝑟<𝑐 𝑠− 𝑟 < 𝑐 𝑒+
1 − 𝐸[𝜔 + ]
garantire una flessibilità modellistica maggiore, dal momento che non si fissa a priori la forma della legge
in feedback sull’incertezza, a discapito di un aumento di costo computazionale.
20010758
Figura 3.1- Interfaccia HMI Test Facility di Generazione Distribuita – selezione stazioni di ricarica V2G.
I diversi componenti costituenti la rete sono monitorati e controllati attraverso lo Supervisory Control And
Data Acquisition (SCADA), realizzato in RSE in ambiente LabVIEW™. La gestione dei diversi
componenti, e delle colonnine di ricarica, può avvenire manualmente mediante lo Human Machine
Interface (HMI) oppure attraverso il data base REDIS3, che consente di accedere in lettura e scrittura alle
principali grandezze della Test Facility ed effettuarne la gestione e il controllo attraverso controllori
3
Vedi: https://redis.io/
20010758
RSE
Engine
SCADA
RSE
HMI
Test Facility
Figura 3.2 – schema a blocchi generale dell’interfacciamento tra software di gestione e controllo e colonnine di ricarica
V2G.
Tabella 3.1 – Caratteristiche principali della colonnina di ricarica Enel X V2G 3.0
Figura 3.3 - Andamento della potenza attiva delle due colonnine durante la prova di caratterizzazione elettrica.
Come si può osservare dalla Figura 3.3, entrambe le colonnine riescono ad inseguire il riferimento di
potenza attiva fornito attraverso il cloud. Fino a potenze pari a 10 kW l’errore a regime è nullo, mentre
con un riferimento di potenza pari a 15 kW, si verifica un errore a regime, causato dalla limitazione in
corrente della colonnina, e pari al massimo a 1,5 kW. Si può osservare come il tempo di ritardo nella
risposta non sia costante ma vari durante l’intera prova, a causa di un’infrastruttura che non consente
l’inseguimento veloce dei riferimenti di potenza, ma che risulta comunque una valida soluzione per una
gestione aggregata di molteplici stazioni di ricarica. Dalla Figura 3.4, si può inoltre osservare che la
potenza reattiva scambiata con la rete è limitata a circa 0,5 kVAr.
4
Ricarica in corrente continua fino a 200A/400V
20010758
Figura 3.4 - Andamento della potenza reattiva delle due colonnine durante la prova di caratterizzazione elettrica.
Il fattore di potenza delle colonnine, quando la potenza attiva è differente da zero, è sempre compreso tra 0,97 a 1,
come mostrato in Figura 3.5.
Figura 3.5 - Andamento del fattore di potenza di ciascuna fase delle due colonnine durante la prova di caratterizzazione
elettrica.
Infine, il THD di corrente delle colonnine risulta in tutte le condizioni inferiore al 10%, ed inferiore al 5% per potenze
superiori a 10 kW) come mostrato Figura 3.6.
20010758
Figura 3.6 - Andamento del THD di corrente di ciascuna fase delle due colonnine durante la prova di caratterizzazione
elettrica.
Figura 3.7 – Andamento del riferimento e della potenza attiva effettivamente scambiata con la rete durante la prova di
caratterizzazione dinamica.
20010758
Dalla Figura 3.7 si può osservare come il ritardo di attuazione non sia costante, ma vari durante l’intera
prova da un minimo di 8 secondi ad un massimo di 93 secondi con un valore medio pari a circa 44 secondi.
Si osservi, che l’incertezza per tale misura è pari al passo temporale utilizzato e cioè 1 secondo.
Osservando la distribuzione del ritardo di attuazione, mostrata in Figura 3.8, è evidente che la maggior
parte degli eventi presentano un ritardo compreso tra 20 e 70 secondi. Un ritardo di attuazione come quello
misurato durante la prova è molto inferiore rispetto a quello richiesto dal regolamento UVAM [13] pari a
15 minuti o da quello che potrebbe essere richiesto per servizi locali.
Figura 3.8 – Distribuzione del ritardo di attuazione durante la prova di caratterizzazione dinamica.
Figura 3.9 – Andamento del riferimento e della potenza attiva fornita dalla colonnina V2G.
Come detto, il profilo di ricarica è tale da offrire servizi nella seconda parte della mattinata (dalle 10 alle
13:15) e deve permettere la ricarica a fondo a fine giornata. In Figura 3.11 è mostrato l’andamento dello
stato di carica della batteria, da cui si osserva che il veicolo elettrico inizia la fase di ricarica con un SOC
pari al 40 % e termina la ricarica con un SOC pari al 98%.
20010758
Figura 3.11 – Andamento dello stato di carica della batteria durante la prova V2G.
Figura 3.12 – Profilo di potenza attiva del carico e del fotovoltaico considerati per la prova V2H.
Figura 3.13 – Andamento del riferimento e della potenza attiva fornita dalla colonnina V2H.
Si osserva come il veicolo elettrico sia in grado di inseguire il profilo di carica previsto con un errore
inferiore a 50 W fintanto che la tensione di batteria, mostrata in Figura 3.14, non raggiunge il valore
massimo. Raggiunto questo valore, infatti, la potenza di ricarica diminuisce in modo esponenziale fino ad
azzerarsi.
20010758
In Figura 3.15 è mostrato l’andamento dello stato di carica della batteria, da cui si osserva che il veicolo
elettrico inizia la fase di ricarica con un SOC pari al 60 % e termina la ricarica con un SOC pari al 100%.
Si può osservare come nella prima fase della giornata, e cioè quando la produzione è inferiore al carico,
lo stato di carica si riduca, mentre durante la parte della giornata con elevata produzione da fotovoltaico
il veicolo venga caricato.
Figura 3.15 – Andamento dello stato di carica della batteria durante la prova V2H.
L’efficienza complessiva della fase di ricarica per questa specifica applicazione è pari al 79%. Tale valore
è leggermente inferiore a quanto ottenuto nel caso presentato nel paragrafo 3.3, a causa della maggiore
variabilità del profilo di ricarica e delle maggiori potenze scambiate con la rete.
20010758
Durante la Linea di Attività 2.7 sarà quindi indagata la possibilità di adeguare l’infrastruttura di ricarica
V2G presente nella Test Facility di RSE secondo i requisiti descritti per poter avviare una sperimentazione
di tali servizi aggiuntivi.
Figura 3.16 - ARVE – Schema a blocchi con i componenti del progetto e la loro interazione [17]. Nel box arancione è
evidenziato il collocamento del sistema di ottimizzazione delle ricariche.
20010758
C(0) − C(k)
SOHC (k) = (1 − ) ∙ 100 4.1
0.2 ∙ C(0)
dove C(0) è la capacità della cella all’inizio della vita operativa (misurata alla corrente nominale e alla
temperature di riferimento), e C(k) è il valore attuale. Il SOHC è pari al 100% quando la batteria è nuova
e si azzera quando la capacità si è ridotta all’80% della capacità iniziale (in alternativa fino al 60% per le
applicazioni di second-life).
L’indicatore del SOH ottenuto a partire dalla resistenza interna della cella è espresso dalla 4.2:
R(k) − R(0)
SOHR (k) = (1 − ) ∙ 100 4.2
R(0)
dove R(0) è la resistenza equivalente serie della cella a inizio vita e R(k) è la stessa resistenza misurata
dopo k cicli equivalenti5. Il SOHR è pari al 100% a inizio vita e si azzera quando la resistenza interna della
cella aumenta del 100% rispetto al valore iniziale. La batteria raggiunge la condizione di fine vita, o in
inglese End of Life (EOL), all’azzeramento del primo di questi due indicatori.
Le prove possono essere portate avanti fino al raggiungimento della condizione di fine vita per le due
batterie in prova. In alternativa, a valle della costruzione della curva del SOH in funzione del numero di
cicli equivalenti è possibile effettuare una previsione della vita operativa delle due batterie, che permetterà
di quantificare l’effetto dell’applicazione V2G sull’invecchiamento della batteria veicolare.
5
Numero di cicli equivalenti = totale degli Ah (o kWh) erogati dall’oggetto in prova rapportati alla capacità o energia
nominale dell’oggetto in prova.
20010758
3 Ripetizione del profilo di lavoro veicolare standard Ripetizione del profilo di lavoro V2G per 25 giorni
per 25 giorni
5 Ripetizione delle fasi 3 e 4 fino a fine prova (o a Ripetizione delle fasi 3 e 4 fino a fine prova (o a
EOL) EOL)
Prima dell’avvio dei test è necessario eseguire una serie di analisi che consistono in un’ispezione visiva e
strumentale dei campioni in prova, effettuata per verificare l’eventuale presenza di danni visibili
nell’involucro (ammaccature, segni di corrosione, rigonfiamenti, ecc.), perdite di elettrolita e la misura
della tensione a vuoto di ciascuna cella che compone l’oggetto in prova.
• Prova per la stima dei parametri del modello, che permette di calcolare i parametri del modello
elettrico equivalente, mostrato in Figura 4.1, della batteria in prova e delle singole celle di cui si
compone ovvero la resistenza serie R0, i parametri del gruppo RC (R1 e C1) e la tensione a vuoto
Voc a diversi valori del SOC. La prova è eseguita alla temperatura ambiente di riferimento di
20 °C.
Figura 4.1 –Circuito elettrico equivalente del primo ordine di una batteria e/o di una cella litio-ioni
I due set di prove sono preceduti da una fase di precondizionamento, che consiste nell’esecuzione di una
serie di cicli di scarica e carica a corrente nominale, eseguiti allo scopo di ottenere la stabilizzazione dei
parametri prestazionali della batteria in prova, che possono essere alterati da un lungo periodo di riposo
[18]. I cicli di precondizionamento devono essere ripetuti tutte le volte in cui un oggetto in prova è lasciato
a riposo per un periodo superiore a un mese.
6
1C equivale alla potenza necessaria a scaricare completamente una batteria in 1 ora. Per una batteria da 40 kWh,
1C è pari alla potenza di 40 kW.
20010758
Figura 4.2 – Esempio di profilo di scarica dinamica tipo B per BEV, per una batteria da 40 kWh
La carica V2G riproduce il profilo di lavoro di una batteria veicolare che svolge, durante la fase di ricarica
in cui è connessa alla rete, anche un servizio di rete, nello specifico un servizio di regolazione secondaria
20010758
della frequenza. Questo profilo di carica è stato scelto poiché presenta differenti variazioni di potenza (in
ambo le direzioni) e quindi determina un utilizzo più intenso della batteria. La ricarica della batteria
veicolare è alternata a fasi di scarica in cui il veicolo eroga potenza verso rete. La seguente tabella riassume
le caratteristiche del profilo di lavoro.
Il setpoint di potenza di ciascuna fase del profilo è espresso in rapporto all’energia nominale della batteria
in prova (nella tabella indicata con C). Nella tabella si riporta come esempio il setpoint di potenza per una
batteria veicolare da 40 kWh.
Tabella 4.3 – Caratteristiche del profilo di carica V2G
Rate di potenza Potenza per una batteria da Modalità
Fase Durata fase [min]
[kW] 40 kWh [kW] operativa
1 15 -0,175C -7,0 Carica
2 15 -0,162C -6,5 Carica
3 15 -0,075C -3,0 Carica
4 30 -0,149 -5,9 Carica
5 15 0,15C 6,0 Scarica
6 15 0,17C 6,8 Scarica
7 15 -0,167C -6,7 Carica
8 15 0,109C 4,4 Scarica
9 15 -0,018C -0,7 Carica
10 15 -0,007C -0,3 Carica
11 15 -0,019C -0,7 Carica
12 15 -0,029C -1,2 Carica
13 210 -0,175C -7,0 Carica
14 15 0,0 0,0 –
Il profilo base ha una durata di 7 ore e si conclude con la carica a fondo della batteria. La Figura 4.3 mostra
un esempio di profilo di carica V2G, messo a confronto con il profilo di carica standard, per batterie da
40 kWh.
Figura 4.3 – Profilo di carica V2G e profilo di carica standard, per batterie da 40 kWh
20010758
La Tabella 4.4 riassume le principali caratteristiche dei due profili di lavoro cui saranno sottoposti i due
oggetti in prova. La durata della fase di ricarica per entrambi i profili è stata scelta considerando il valore
del rendimento energetico di round-trip misurato nelle prove di caratterizzazione preliminare. Potrebbe
essere necessario apportare delle variazioni ai profili di ricarica in seguito alla variazione delle prestazioni
dei moduli in prova con l’invecchiamento.
Tabella 4.4 – Caratteristiche dei due profili di lavoro della prova ciclica
Durata
Cicli
Tipo di profilo Fase di guida Fase di carica complessiva
equivalenti/gg
[hh]
23 ripetizioni del Carica standard a
Profilo veicolare
profilo di scarica potenza costante 8,2 2,1
standard
dinamica pari a 0,15C
23 ripetizioni del
Profilo di carica
Profilo V2G profilo di scarica 9,9 2
V2G
dinamica
Durante la fase ciclica il profilo di lavoro dovrà essere ripetuto un numero di volte tale da determinare il
completamento di 50 cicli equivalenti per ciascuno dei moduli in prova. La fase ciclica dovrà quindi essere
portata avanti per circa 25 giorni consecutivi per entrambi i profili, prima di passare al successivo check-
up parametrico. Al termine di ciascuna sequenza di prova ciclica il sistema dovrà essere caricato a fondo
secondo una carica standard, acclimatato alla temperatura di riferimento di 20 °C e sottoposto al check-
up dei parametri diagnostici.
5 CONCLUSIONI
L’attività di ricerca presentata nel presente rapporto ha avuto lo scopo di sviluppare logiche di gestione
ottimizzata e di verificare sperimentalmente l’utilizzo dei veicoli elettrici come strumento di flessibilità
per la rete. È stata quindi sviluppata una logica di gestione di un aggregato di veicoli in ricarica, basata su
tecniche di ottimizzazione stocastica per la formulazione del problema di dispacciamento ottimo di
ricarica di veicoli elettrici; tale nuova logica permette di massimizzare la redditività dei servizi offerti
tenendo conto delle aleatorietà del sistema. La formulazione presentata permette di includere nella
trattazione molteplici aspetti incerti, e questo garantisce di rappresentare con il medesimo approccio casi
di studio anche potenzialmente molto eterogenei. I risultati ottenuti, attraverso due differenti casi studio,
mostrano una ottima scalabilità dell’approccio in termini di risorse computazionali e confermano
l’effettiva potenzialità di aggregati di veicoli elettrici per la fornitura di servizi ancillari.
Gli sviluppi futuri dell’approccio si concentreranno principalmente su due aspetti. Il primo, già in corso,
è la possibilità di includere lo sbilanciamento all’interno dell’approccio. Il secondo sarà
l’implementazione dell’approccio in una sua versione online, che permetta la gestione in tempo reale di
un aggregato di veicoli. Questa estensione, come accennato, non comporta sostanziali differenze di
metodo rispetto a quella qui presentata. Il risultato verrà testato sulla flotta di veicoli di RSE.
A riguardo delle verifiche sperimentali, nella seconda parte del documento sono presentati i risultati delle
prove di ricarica e di gestione V2G effettuate nella Test Facility di generazione distribuita di RSE
utilizzando due colonnine bidirezionali installate nel laboratorio. In particolare, le prove hanno permesso
di caratterizzare l’intero sistema di ricarica costituito, oltre che dalle colonnine e dalle auto,
dall’ottimizzatore stocastico descritto in precedenza, dai software di gestione dell’intera microrete
sperimentale e dell’infrastruttura cloud di Enel X. Le prove hanno mostrato come il sistema di ricarica sia
in grado di garantire la potenza attiva richiesta con errori trascurabili (< 1,5 kW nella peggiore condizione)
e con un ritardo medio di attuazione pari a 44 secondi, compatibile con i tempi richiesti per la fornitura di
servizi locali e molto inferiore rispetto a quello richiesto dal regolamento UVAM. Inoltre, le prove hanno
permesso di verificare che in applicazioni V2G le colonnine di ricarica sono in grado di offrire il servizio
richiesto durante l’intera durata della ricarica, con un’efficienza complessiva di ricarica bidirezionale pari
all’85%.
Infine, nella terza parte del documento sono illustrate la procedura e la postazione di prova sviluppate per
verificare l’effetto di ricariche V2G sulla vita utile delle batterie veicolari. La sperimentazione è effettuata
su due moduli di batteria veicolare da 25 V e 40 Ah nominali di tipo NMC che sono stati sottoposti a delle
prime prove di caratterizzazione in modo tale da verificare che le prestazioni iniziali dei due moduli siano
le più simili possibile. La procedura di prova verrà quindi utilizzata nel prosieguo dell’attività per
effettuare le prove di vita sui due moduli di batteria veicolari di cui uno sottoposto a un ciclo di lavoro
V2G e uno a un ciclo con ricarica tradizionale.
.
20010758
6 BIBLIOGRAFIA
[1] I. E. A. -. G. E. Outlook, «Global EV Outlook 2020 - Entering the decade of electric drive?,» Giugno
2020. [Online]. Available: https://www.iea.org/reports/global-ev-outlook-2020. [Consultato il
giorno 5 Novembre 2020].
[2] Ministero dello Sviluppo Economico; Ministero dell’Ambiente e della Tutela del Territorio e del
Mare; Ministero delle Infrastrutture e dei Trasporti, «Piano Nazionale Integrato per l'Energia e il
Clima,» Italia, Dicembre 2019.
[3] M. d. S. Economico, «Criteri e modalita' per favorire la diffusione della tecnologia di integrazione
tra i veicoli elettrici e la rete elettrica, denominata vehicle to grid.,» 14 Febbraio 2020. [Online].
Available: https://www.gazzettaufficiale.it/eli/id/2020/02/14/20A00891/sg.
[4] V2G-hub, «Insight,» [Online]. Available: https://www.v2g-hub.com/insights/. [Consultato il giorno
14 maggio 2020].
[5] ARERA, Delibera 300/2017/R/eel, 5 maggio 2017.
[6] IRENA, «Innovation Outlook: Smart Charging for Electric Vehicles,» International Renewable
Energy Agency, Abu Dhabi, 2019.
[7] R. Lazzari, L. Pellegrino, C. Sandroni, M. Verga e R. M. Vignali, «Modellazione e primi test di
servizi alla rete tramite veicoli elettrici di flotte aziendali, valutazioni dei potenziali margini di
flessibilità aggregata,» Ricerca di Sistema, RSE, n. 19012974, Milano, 2019.
[8] E. Micolano, D. Bombelli e M. Sacchi, «Integrazione in rete e test di sistemi di ricarica di batterie
veicolari con funzioni V2G/V2H,» Ricerca di Sistema, RSE, n. 18007958, Milano, 2018.
[9] J. Lin, K. Leung e V. O. K. Li, «Optimal Scheduling With Vehicle-to-Grid Regulation Service,»
IEEE Internet of Things Journal, vol. 1, n. 6, pp. 556-569, 2014.
[10] M. Rossini, C. Sandroni e R. Vignali, «A stochastic optimization approach to the aggregation of
electric vehicles for the provision of ancillary services,» to appear in IFAC Proceedings Volumes,
2020.
[11] J. Lofberg, «YALMIP: A toolbox for modeling and optimization in MATLAB,» in 2004 IEEE
international conference on robotics and automation (IEEE Cat. No. 04CH37508), 2004.
[12] I. B. M. Cplex, «ILOG CPLEX 12.6 Optimization Studio,» IBM, New York, NY, USA, 2014.
[13] Terna, «Regolamento recante le modalità per la creazione, qualificazione e gestione di unità virtuali
abilitate miste (UVAM) al mercato dei servizi di dispacciamento,» 2020.
[14] Terna, Codice di Rete - Allegato A15 - Partecipazione alla regolazione di frequenza e frequenza-
potenza, rev.01 2008.
[15] CEI, Norma 0-21: Regola tecnica di riferimento per la connessione di Utenti attivi e passivi alle
reti BT delle imprese distributrici di energia elettrica, v1 2020.
[16] F. Colzi, «Analisi preliminari e soluzioni per la conversione in elettrico di una flotta aziendale: il
caso studio di RSE,» Ricerca di Sistema, RSE, n. 19012972, Milano, 2019.
[17] F. Garrone, A. Cazzaniga, R. Terruggia, F. Zanon, A. Guagliardi e R. Lazzari, «Sviluppo di una
piattaforma dimostrativa di architetture di edge/fog computing per il Sistema Elettrico - Fog
INtelliGent Edge Reactive (FINGER),» Ricerca di Sistema, RSE, n. 20010463, Milano, 2020.
[18] E. Micolano, L. Pellegrino, «Procedure di prova e test di batterie su diverse tecnologie e differenti
applicazioni,» Ricerca di Sistema, RSE, n. 17001214, Milano, 2017.
[19] IEC 62660-1:2018 - Secondary lithium-ion cells for the propulsion of electric road vehicles - Part
1: Performance testing.
[20] M. Sion e others, «On general minimax theorems.,» Pacific Journal of mathematics, vol. 8, p. 171–
176, 1958.
20010758
Verrà qui discusso come ricavare il termine a sinistra della disequazione in funzione delle variabili di
ottimizzazione. Innanzitutto si noti che, fissato 𝑝𝑡,𝑖 , si ha:
1
min 𝜂𝑖 𝑝𝑡,𝑖 = min {𝜂𝑖+ 𝑝𝑡,𝑖 , 𝑝 } 7.2
𝜂𝑡,𝑖 ∈𝐻𝑖 𝜂𝑖− 𝑡,𝑖
1
dove 𝐻𝑖 è l’intervallo [𝜂𝑖+ , 𝜂− ]. Allora, per 𝑘 ∈ [𝑎𝑖 + 1, 𝑑𝑖 + 1] si ha:
𝑖
𝑘−1
𝑘−𝑎
max 𝑒𝑘,𝑖 = max{𝛼𝑖 𝑖 𝑒0,𝑖 } + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 min 𝜂𝑡,𝑖 𝑝𝑡,𝑖 =
𝑎𝑖 𝑎 𝑖 𝜂𝑡,𝑖 ∈𝐻𝑖
𝑡=𝑎𝑖
𝑘−1 7.3
𝑘−𝑎
= 𝛼𝑖 𝑖 𝑒0,𝑖 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 min 𝜂𝑡,𝑖 𝑝𝑡,𝑖
𝜂𝑡,𝑖 ∈𝐻𝑖
𝑡=𝑎𝑖
dove la seconda uguaglianza è dovuta al fatto che 𝑒0,𝑖 ≥ 0, 𝛼𝑖 ∈ (0,1] e 𝑎𝑖 ≤ 𝑎𝑖 . Il minimo può essere
portato fuori dalla somma, dal momento che 𝛼𝑖 è positivo, e, inoltre, il primo termine non dipende
da 𝜂𝑡,𝑖 :
𝑘−1
𝑘−𝑎
max 𝑒𝑘,𝑖 = min {𝛼𝑖 𝑖 𝑒0,𝑖 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 𝑝𝑡,𝑖 } 7.4
𝑎𝑖 {𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑡=𝑎𝑖
𝑘−1
𝑘−𝑎
max 𝑒𝑘,𝑖 = min (𝛼𝑖 𝑖 − 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 𝜗𝑡,𝑖 ) 𝑒0,𝑖
𝑒0,𝑖 {𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
⏟ 𝑡=𝑎𝑖
0
{ 𝑓𝑘,𝑖
𝑘−1 7.5
+𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 (𝑝𝑡,𝑖 + + [𝜔 ]+
𝑠𝑡,𝑖 𝑡 − − [𝜔 ]−
𝑠𝑡,𝑖 𝑡 )
⏟𝑡=𝑎𝑖
𝜔
𝑓𝑘,𝑖 }
0
𝜔
= min 𝑓
⏟𝑘,𝑖 𝑒0,𝑖 + 𝑓𝑘,𝑖
{𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑓𝑘,𝑖 (𝑒0,𝑖 ,{𝜔𝑡 }𝑡 ,{𝜂𝑡,𝑖 }𝑡 )
20010758
dove nella definizione di 𝑓𝑘,𝑖 si è esplicitata la dipendenza dall’energia iniziale, dalla sequenza
realizzazioni del segnale di livello e dai possibili rendimenti di carica/scarica. A questo punto è
possibile sfruttare la formulazione appena ottenuta nel vincolo originale:
max 𝑒𝑘,𝑖 = max max 𝑒𝑘,𝑖 = max min 𝑓𝑘,𝑖 (𝑒0,𝑖 , {𝜔𝑡 }𝑡 , {𝜂𝑡,𝑖 }𝑡 ) 7.6
𝑎𝑖 ,𝑒0,𝑖 ,{𝜔𝑡 }𝑡 𝑒0,𝑖 ,{𝜔𝑡 }𝑡 𝑎𝑖 𝑒0,𝑖 ,{𝜔𝑡 }𝑡 {𝜂𝑡,𝑖 ∈𝐻𝑖 }
𝑡
Grazie al teorema di Sion [20], che si applica per la linearità di 𝑓𝑘,𝑖 (𝑒0,𝑖 , {𝜔𝑡 }𝑡 ,⋅) e per la continuità e
quasi concavità di 𝑓𝑘,𝑖 (⋅,⋅, {𝜂𝑡,𝑖 }𝑡 ), è possibile scambiare gli operatori di massimo e minimo,
ottenendo:
Il massimo all’interno del minimo è ora calcolabile, perché, fissato il rendimento, la funzione
𝑓𝑘,𝑖 (𝑒0,𝑖 , {𝜔𝑡 }𝑡 ,⋅) è lineare nell’energia iniziale e segnale di livello. Si ha:
𝑘−1
𝑘−𝑎 𝜇 ̅0 ({𝜂𝑡,𝑖 } )| 𝑒𝑖𝑑 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 (𝑝 + 𝑠𝑡,𝑖
+
max 𝑒𝑘,𝑖 = 𝛼𝑖 𝑖 𝑒𝑖 + min {|𝑓𝑘,𝑖 𝑡 𝑡,𝑖 )} 7.9
𝑎𝑖 ,𝑒0,𝑖 ,{𝜔𝑡 }𝑡 {𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑡=𝑎𝑖
Prima di passare alla formulazione 2.16 e 2.18, è possibile ottenere una formulazione analoga a 7.9 per il
vincolo di energia minima. Ripetendo la procedura descritta per l’energia massima si arriva a:
𝑘−𝑎𝑖 𝜇
min 𝑒𝑘,𝑖 = 𝛼𝑖 𝑒𝑖
𝑎𝑖 ,𝑒0,𝑖 ,{𝜔𝑡 }𝑡
𝑘−1
7.10
0
+ min {− |𝑓𝑘,𝑖 ({𝜂𝑡,𝑖 }𝑡 )| 𝑒𝑖𝑑 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 (𝑝𝑡,𝑖 − 𝑠𝑡,𝑖
−
)}
{𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑡=𝑎𝑖
𝑘−𝑎
0
dove 𝑓𝑘,𝑖 ({𝜂𝑡,𝑖 }𝑡 ) = 𝛼𝑖 𝑖 − 𝜏 ∑𝑘−1 𝑘−1−𝑡
𝑡=𝑎𝑖 𝛼𝑖 𝜂𝑡,𝑖 𝜗𝑡,𝑖 . Dal momento che l’argomento del minimo è
concavo, è possibile imporre il vincolo di energia minima con riformulazione epigrafica.
̅ 0 e 𝑓𝑘,𝑖
Il vincolo aggiuntivo sul compensatore serve ora a definire il segno dei termini 𝑓𝑘,𝑖 0
. Una volta che
il segno è stato definito, il vincolo di energia massima rimarrà non convesso e sarà necessario
introdurre delle variabili binarie per gestirlo, mentre il vincolo di energia minima, per quanto detto
prima, potrà essere scritto imponendo contemporaneamente il vincolo con rendimento di carica e
il vincolo con rendimento di scarica.
20010758
Per giungere alla formulazione 2.16 e 2.18 è necessario sfruttare il vincolo aggiuntivo 2.19 sull’azione del
compensatore .
Si noti innanzitutto che:
𝑘−1 𝑘−1
𝜏
𝜏∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 𝜗𝑡,𝑖 ≤ − ∑ 𝛼𝑖𝑘−1−𝑡 𝜗𝑡,𝑖 7.11
𝜂𝑖
𝑡=𝑎𝑖 𝑡=𝑎𝑖
1
dal momento che 𝜂𝑡,𝑖 ≤ 𝜂−. Inoltre, si ha:
𝑖
dove la prima uguaglianza è ottenuta moltiplicando e dividendo per 𝛼𝑖 , la prima disuguaglianza è dovuta
1 𝜏
al fatto che − 𝜗𝑘,𝑖 ≥ 0, la seconda uguaglianza si ottiene includendo 𝜗𝑘,𝑖 nella sommatoria e la
𝛼𝑖 𝜂𝑖
seconda disuguaglianza è dovuta alla 7.11. Il vincolo aggiuntivo sul compensatore 2.19 porta quindi
alle seguenti implicazioni:
𝑑𝑖 −1 𝑘−1
𝜏 𝑑𝑖 −𝑡 𝑑 −𝑎 +1 𝑘−𝑎
− ∑ 𝛼𝑖 𝜗𝑡,𝑖 ≤ 𝛼𝑖 𝑖 𝑖 → 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 𝜗𝑡,𝑖 ≤ 𝛼𝑖 𝑖 7.13
𝜂𝑖
𝑡=𝑎𝑖 𝑡=𝑎𝑖
𝑑𝑖 −1 𝑘−1
𝜏 𝑑 −𝑡 𝑑 −𝑎 +1 𝑘−𝑎
∑ 𝛼𝑖 𝑖 𝜗𝑡,𝑖 ≤ 𝛼𝑖 𝑖 𝑖 → 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 𝜗𝑡,𝑖 ≤ 𝛼𝑖 𝑖 7.14
𝜂𝑖−
𝑡=𝑎𝑖 𝑡=𝑎𝑖
̅ 0 e 𝑓𝑘,𝑖
Grazie alle 7.13 e7.14, si ha che 𝑓𝑘,𝑖 0
sono entrambi positivi. Di conseguenza è possibile eliminare
il valore assoluto dalla 7.9 e dalla7.10, ottenendo per l’energia minima:
𝑘−1
𝑘−𝑎 𝜇 𝑘−𝑎
𝛼𝑖 𝑖 𝑒𝑖 + min {−𝛼𝑖 𝑖 𝑒𝑖𝑑 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 (𝑝𝑡,𝑖 − 𝑠𝑡,𝑖
−
+ 𝜗𝑡,𝑖 𝑒𝑖𝑑 )} ≥ 𝑒𝑖𝑚𝑖𝑛 7.15
{𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑡=𝑎𝑖
𝑘−1
𝑘−𝑎 𝜇 𝑘−𝑎
𝛼𝑖 𝑖 𝑒𝑖 + min {𝛼𝑖 𝑖 𝑒𝑖𝑑 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 (𝑝𝑡,𝑖 + 𝑠𝑡,𝑖
+
− 𝜗𝑡,𝑖 𝑒𝑖𝑑 )} ≤ 𝑒𝑖𝑚𝑎𝑥 7.16
{𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑡=𝑎𝑖
Infine, data l’indipendenza nel tempo degli 𝜂𝑡,𝑖 è possibile applicare il minimo in 7.15 e 7.16 ad ogni
elemento della sommatoria, ottenendo:
20010758
𝑘−1
𝑘−𝑎 𝜇
𝛼𝑖 𝑖 𝑒𝑖 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 min 𝜂𝑡,𝑖 (𝑝𝑡,𝑖 − 𝑠𝑡,𝑖
−
+ 𝜗𝑡,𝑖 𝑒𝑖𝑑 ) ≥ 𝑒𝑖𝑚𝑖𝑛 7.17
{𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑡=𝑎𝑖
𝑘−1
𝑘−𝑎 𝜇
𝛼𝑖 𝑖 𝑒𝑖 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 min 𝜂𝑡,𝑖 (𝑝𝑡,𝑖 − 𝑠𝑡,𝑖
−
+ 𝜗𝑡,𝑖 𝑒𝑖𝑑 ) ≤ 𝑒𝑖𝑚𝑎𝑥 7.18
{𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡
𝑡=𝑎𝑖
Il vincolo 7.17 può essere imposto mediante riformulazione epigrafica come in 2.18, mentre il vincolo
7.18 non è convesso e deve essere imposto attraverso l’introduzione di variabili binarie come in 2.16.
dove la prima disuguaglianza segue dalla convessità di 𝐽(𝑥, 𝛿) e monotonia dell’integrale rispetto alla
misura 𝑃Δ .
20010758
8 ACRONIMI
Acronimo Descrizione
ARVE Aggregatore della Ricarica dei Veicoli Elettrici
BEV Battery Electric Vehicle
BMS Battery Management System
EOD End of Discharge
EOL End Of Life
HMI Human Machine Interface
LP Linear Programming
MGP Mercato del Giorno Prima
MILP Mixed Integer Linear Programming
MSD Mercato dei Servizi di Dispacciamento
NMC Nichel Manganese Cobalto
PUN Prezzo Unico Nazionale
RdS Ricerca di Sistema
SCADA Supervisory Control And Data Acquisition
SOH State of Health
SOC State Of Charge
THD Total Harmonic Distortion
UVAM Unità Virtuali Abilitate Miste
V2G Vehicle To Grid
V2H Vehicle To Home
Evaluations on the possible participation of
electric vehicles in the balancing service
Silvia Canevese, Antonio Gatti
December 2019
Contract Accordo di programma 2019-2021 con il Ministero dello Sviluppo Economico per le
attività di ricerca e sviluppo di interesse generale per il sistema elettrico nazionale.
Title Evaluations on the possible participation of electric vehicles in the balancing service
Project 2.2 Modelli di architettura e di gestione del sistema e delle reti elettriche e della
regolazione che favoriscano l'integrazione di generazione rinnovabile e non
programmabile, autoproduzione, accumuli, comunità dell'energia e aggregatori e che
tengano conto della penetrazione elettrica
WP Risorse di flessibilità
Keywords ancillary service market; balancing market; balancing service; battery energy storage
system; electric vehicle; vehicle to grid
Partial reproduction of this document is permitted only with the written permission from RSE.
Indice
REVISION HISTORY ............................................................................................................................. 5
SHORT SUMMARY................................................................................................................................ 5
SINTESI .................................................................................................................................................... 5
ABSTRACT .............................................................................................................................................. 6
SOMMARIO............................................................................................................................................. 6
RIASSUNTO ESTESO ............................................................................................................................ 8
Contesto generale .................................................................................................................................. 8
Analisi degli accumuli elettrochimici per uso nei veicoli elettrici nella partecipazione ai servizi
ausiliari...................................................................................................................................... 10
Principali assunzioni e casi di studio ..................................................................................................................................... 11
Strategia di offerta ................................................................................................................................................................. 14
Stima del ricavo netto annuo da compravendita su MB ......................................................................................................... 16
Stima della bolletta finale con eventuale agevolazione.......................................................................................................... 16
Indice di risparmio ................................................................................................................................................................. 17
Cicli di carica/scarica e vita utile .......................................................................................................................................... 17
Risultati delle simulazioni ................................................................................................................... 18
Casi di riferimento (benchmark) ............................................................................................................................................ 18
Casi studio con partecipazione su MB ................................................................................................................................... 19
Principali evidenze conclusive ............................................................................................................ 22
1 INTRODUCTION ............................................................................................................................. 25
2 THE ITALIAN ANCILLARY SERVICE MARKET: SOME RESULTS .................................. 28
2.1 Overall annual energy exchanges ............................................................................................. 29
2.2 Overall annual economic values ............................................................................................... 31
3 EV RECHARGE STRATEGY: MAIN ASSUMPTIONS AND STUDY CASES ....................... 34
3.1 Modelling assumptions ............................................................................................................. 34
3.2 Bidding algorithm ..................................................................................................................... 36
3.3 Cycling aging evaluation: average-DoD approach ................................................................... 38
3.4 Economic evaluations ............................................................................................................... 39
3.5 Benchmark recharge: focus....................................................................................................... 41
3.6 Study cases ................................................................................................................................ 42
4 EV RECHARGE STRATEGY: SIMULATION RESULTS......................................................... 49
4.1 Energy exchanges, average prices, electricity bill .................................................................... 49
4.2 Variables related to battery cycling aging................................................................................. 75
4.3 Profitable instances and saving with respect to the benchmark bill.......................................... 84
4.3.1 Variables associated to C2 ≤ C1................................................................................................................................. 84
4.3.2 Variables associated to C3 ≤ C1................................................................................................................................. 96
4.3.3 Variables associated to C4 ≤ C1............................................................................................................................... 105
4.3.4 Variables associated to C2 – RcapPprg · 1 yr ≤ C1 ..................................................................................................... 114
4.3.5 Variables associated to C3 – RcapPprg · 1 yr ≤ C1 ..................................................................................................... 120
4.3.6 Variables associated to C4 – RcapPprg · 1 yr ≤ C1 ..................................................................................................... 126
4.3.7 Maximum and minimum saving with respect to C1 .................................................................................................. 132
REVISION HISTORY
Revision Date of the Protocol no. List of changes and / or paragraphs modified
no. revision
00 31/12/2019 20000290 First emission
SHORT SUMMARY
A simple strategy for V1G or V2G recharge of an electric vehicle is simulated, which includes the
supply of balancing services via participation in the Italian balancing market. A sensitivity analysis of
the results, in terms of energy exchanges, battery charge-discharge cycles and end user’s electricity bill
(computed also by assuming partial exemptions from charge fees), is carried out with respect to the
prices, assumed to be constant throughout a year, adopted to bid for the services.
SINTESI
Si simula una semplice strategia per la ricarica V1G o V2G di un veicolo elettrico, che prevede la
fornitura di servizi di bilanciamento mediante partecipazione al mercato del bilanciamento italiano. Si
svolge un’analisi di sensitività dei risultati, in termini di scambi di energia, cicli di carica-scarica della
batteria e bolletta elettrica dell’utente (anche in presenza di parziali esenzioni dagli oneri), rispetto ai
prezzi di offerta per il servizio, assunti costanti durante un anno.
20000290
ABSTRACT
After a brief analysis of the historical Ancillary Service Market (ASM) results (in terms of annual
amounts of energy exchanged and related economic value), focus is on the possible profitability, for
Electric Vehicles (EVs), of supplying tertiary frequency regulation reserves, in particular in the form of
Balancing Services (BS) offered on the Balancing Market (BM) i.e. the real-time stage of the ASM.
One-directional (V1G) and bi-directional (V2G) EV recharge is simulated to be carried out, partially at
least, by supplying BS, i.e. by exchanging pay-as-bid energy when bids by the EV for the service are
accepted; bid formulation and acceptance are modelled according to heuristic criteria which were the
object of previous work. The benchmark recharge mechanism adopted for comparison is based on
buying the whole energy for recharge on the Day-Ahead Market (DAM) at the National Single Price,
without service supply. Synthetic results include annual energy exchanges for the recharges, the related
battery charge-discharge cycles and the EV owner’s annual electricity bill, computed according to the
current regulatory framework.
Simulations refer to overnight recharges across the working days of the year 1st August 2016-31st July
2017, for an EV in the North market zone. The study cases, again object of previous work, involve a
domestic or a non-domestic end user, characterised by, respectively, 2.06 MWh/yr or 3.59 MWh/yr to be
recharged and 2 kW or 12 kW maximum recharging power. For each study case, the sensitivity of the
results is analysed with respect to the bid prices for the BS, here assumed to be constant throughout the
year. The maximum saving with respect to the benchmark bill is between around 7% and 113% for the
different study cases, and it is always achieved for downward bid prices around 10 €/MWh, and upward
bid prices around 80 €/MWh or 350 €/MWh. The profitability price regions are of course wider, and the
maximum saving is higher, if partial exemptions from paying charges in the bill and/or an additional
remuneration for the capacity (power) made available for the BS are introduced. If exemptions are only
for the energy absorbed from the grid for the downward service, the maximum saving can reach around
153%, while, if they are also for the energy injected for the upward service, it can reach around 168%.
The bid prices for which the maximum savings are reached do not change significantly in the presence
or absence of the exemptions.
SOMMARIO
Dopo una breve analisi degli esiti storici del Mercato per il Servizio di Dispacciamento (MSD) (energie
movimentate annue e loro valore economico), si analizza la possibile redditività, per i Veicoli Elettrici
(VE), della fornitura di riserve per la regolazione terziaria di frequenza sotto forma di Servizi di
Bilanciamento (SB) sul Mercato del Bilanciamento (MB), la fase in tempo reale di MSD. Si simula una
ricarica mono-direzionale (V1G) o bi-direzionale (V2G) del VE effettuata, almeno in parte, fornendo il
SB, cioè scambiando energia al prezzo offerto quando le offerte del VE per il servizio sono accettate. La
formulazione e l’accettazione delle offerte sono modellate secondo criteri euristici oggetto di lavori
precedenti. Il meccanismo di ricarica “di riferimento”, adottato per confronto, prevede l’acquisto di tutta
l’energia per la ricarica sul Mercato del Giorno Prima (MGP), al Prezzo Unico Nazionale, senza
fornitura di servizi. Si valutano anche, su base annuale, gli scambi totali di energia per le ricariche, i cicli
di carica-scarica della batteria e la bolletta elettrica del possessore del VE, calcolata secondo la
regolamentazione attuale.
Si considerano le ricariche notturne a cavallo dei giorni lavorativi nel periodo annuale 1 agosto 2016-31
luglio 2017, per un VE nella zona di mercato Nord. I casi studio, anch’essi oggetto di precedenti lavori,
riguardano un utente domestico e uno non domestico, con, rispettivamente, 2,06 MWh/anno o 3,59
MWh/anno da ricaricare e massima potenza di ricarica di 2 kW o 12 kW. Per ciascun caso studio, si
valuta la sensitività dei risultati rispetto ai prezzi di offerta per il SB, assunti costanti durante tutto
l’anno. Il massimo risparmio rispetto alla bolletta di riferimento, compreso tra circa il 7% e il 113% nei
diversi casi, si ottiene sempre per prezzi di offerta a scendere attorno a 10 €/MWh e a salire attorno a 80
€/MWh o 350 €/MWh. Nel piano dei prezzi di offerta, le regioni di profittabilità si ampliano, e il
20000290
risparmio massimo rispetto alla bolletta di riferimento aumenta, se si assumono esenzioni parziali dagli
oneri in bolletta (esso raggiunge il 153% circa se le esenzioni sono solo per l’energia assorbita per il SB
a scendere, il 168% circa se sono anche per l’energia iniettata in rete per il SB a salire) e/o una
remunerazione aggiuntiva per la capacità (potenza) resa disponibile per i SB. I prezzi di offerta per cui si
ottengono i massimi risparmi non variano molto in presenza o assenza delle esenzioni.
20000290
RIASSUNTO ESTESO
Il presente Rapporto è parte integrante della documentazione delle attività di Ricerca di Sistema previste
dal “Piano Triennale di Realizzazione 2019-2021” nell’ambito del progetto 2.2 “Modelli di architettura e
di gestione del sistema e delle reti elettriche e della regolazione che favoriscano l’integrazione di
generazione rinnovabile e non programmabile, autoproduzione, accumuli, comunità dell’energia e
aggregatori e che tengano conto della penetrazione elettrica” / WP2 “Risorse di flessibilità” e costituisce
Deliverable della Linea di Attività LA2.04 “Risorse e servizi di flessibilità convenzionali e innovativi:
modelli e analisi”.
Contesto generale
L’incremento della generazione da impianti a Fonte Energetica Rinnovabile (FER) consente di ricorrere
sempre di meno ai combustibili fossili per soddisfare il fabbisogno di energia elettrica negli usi finali, a
vantaggio quindi del clima (si iniettano così in atmosfera minori quantità di gas ad effetto serra). Le
grandi centrali termoelettriche, soprattutto quelle più vecchie e maggiormente inquinanti quali gli
impianti a carbone ed a olio combustibile, riducono le ore di funzionamento o addirittura sono dismesse
in quanto ormai fuori mercato. D’altra parte tali impianti, direttamente connessi alla rete di trasmissione
e intrinsecamente programmabili, hanno da sempre fornito al sistema le risorse di regolazione necessarie
(ad esempio, risorse per la regolazione della frequenza di rete e della tensione). Questo significa che, nei
Paesi come l’Italia, in cui l’approvvigionamento di energia elettrica è sempre avvenuto ricorrendo
principalmente agli impianti termoelettrici a combustibile fossile, l’effetto di sostituzione da parte degli
impianti rinnovabili può tradursi in una diminuzione della disponibilità di risorse di regolazione (riserva
di potenza attiva/reattiva, in linea o non in linea), soprattutto se agli impianti rinnovabili, principalmente
a quelli di piccola taglia e a quelli non programmabili, non è consentito di partecipare alla regolazione
del sistema. Peraltro una fonte rinnovabile, come il vento o il sole, può risultare molto variabile e poco
prevedibile, rendendo così la programmazione del livello di immissione in rete da parte dei titolari di
impianto meno accurata ed efficace, perciò il gestore di rete di trasmissione è costretto a richiedere, in
sede sia di programmazione dell’esercizio sia di gestione in tempo reale, maggiori risorse per il
bilanciamento della domanda, per la costituzione di sufficiente capacità di riserva (ad esempio terziaria)
e per la risoluzione di fenomeni di congestione, anche di tipo locale e talvolta amplificati dal recente
fenomeno di risalita del transito di energia dal sistema di distribuzione.
In mancanza di altri fornitori di servizi, le relative risorse vanno ricercate ancora presso i pochi impianti
termoelettrici “sopravvissuti”, soprattutto quelli di più recente realizzazione che risultano più flessibili
anche ad effettuare servizi di regolazione (invece che solo il servizio di base-load). In presenza di
scarsità di risorse evidentemente l’approvvigionamento di risorse di regolazione da parte del gestore di
rete può risultare non solo complesso, ma anche più costoso dell’usuale, con conseguenze economiche
quindi anche sul cliente finale in termini di maggiori oneri per il consumo dell’energia prelevata.
Dovendo obbligatoriamente l’operatore di rete assicurare un servizio (pubblico) di fornitura finale
dell’energia rispettando opportuni standard (sicurezza, continuità, qualità, economicità), l’esigenza di
dotare il sistema di adeguate risorse di regolazione è inderogabile. Perciò, si rende necessario
intraprendere tutte le contromisure possibili. Innanzitutto, si può estendere la platea dei fornitori dei
servizi di regolazione includendo anche gli impianti finora esclusi in modo da ridurre l’impiego degli
impianti convenzionali. Inoltre, si potrebbe predisporre la definizione di nuovi servizi da richiedere
prossimamente agli impianti di nuova costruzione, ricorrendo anche all’impiego di nuove soluzioni
tecnologiche per una gestione sempre più smart dell’intero sistema.
Vanno in questa direzione alcuni provvedimenti adottati recentemente dall’Autorità regolatoria
nazionale (ARERA) sulla base di alcune segnalazioni di criticità di funzionamento del sistema da parte
dell’operatore di rete (Terna). Ad esempio, grazie al provvedimento n. 300/2017/R/EEL, nuove risorse,
quali impianti di generazione distribuita (ossia impianti connessi al sistema di distribuzione e ritenuti
finora dall’operatore di rete non rilevanti ai fini del dispacciamento), impianti FER Non Programmabili
(FERNP) rilevanti e non, impianti di prelievo e sistemi di accumulo, possono, sebbene inizialmente solo
in forma sperimentale all’interno di progetti pilota opportunamente identificati dall’operatore di rete
20000290
Terna, partecipare alla fornitura di alcuni servizi ausiliari già scambiati sul Mercato per il Servizio di
Dispacciamento (MSD), come la riserva terziaria, la risorsa di bilanciamento e la risorsa per la
risoluzione di congestioni a programma, oppure alla fornitura di alcune risorse non trattate a mercato (ad
esempio la riserva di potenza reattiva) oppure alla fornitura di servizi non ancora codificati (ad esempio
la regolazione primaria ultra-veloce, tramite il servizio di Fast Reserve).
Come risorse flessibili da rendere disponibili al sistema, i Sistemi di Accumulo elettrochimico basati su
batterie (SdA) sono ritenuti una delle soluzioni più promettenti in quanto il sistema
“batteria+convertitore” è estremamente veloce nella risposta, estremamente flessibile in termini di
controllo (controllo disaccoppiato di potenza attiva e reattiva) e, se opportunamente dimensionato, anche
versatile nella fornitura di servizi in energia. Nelle applicazioni stazionarie tali sistemi sono facilmente
scalabili e facilmente impiegabili come sistemi singoli (applicazioni stand-alone) oppure come sistemi
abbinati a impianti di produzione di tipo FERNP (eolico, solare fotovoltaico) oppure convenzionali
(termoelettrici a vapore o a gas, idroelettrici anche di tipo generazione e pompaggio); inoltre, un SdA
può essere integrato all’interno di un Veicolo Elettrico (VE) il quale durante la fase di ricarica presso
una colonnina di ricarica si comporta, dal punto di vista funzionale, esattamente come un dispositivo
stazionario e quindi capace di interagire con la rete.
Allo stato attuale il principale limite all’applicazione dei SdA risiede principalmente nel costo della
tecnologia (costo della batteria, costo del sistema di conversione, costo degli apparati di controllo e
monitoraggio) e nella capacità di accumulo. L’incidenza dei costi dipende essenzialmente dal livello di
maturità della tecnologia e dalle dinamiche di mercato di tali dispositivi; la limitata capacità di accumulo
può essere invece in qualche modo dominata attraverso opportune strategie di controllo e di gestione
dello stato di carica (State of Charge - SoC), che a loro volta possono dipendere dal tipo di
servizio/servizi offerto/offerti, a mercato oppure no. In particolare la gestione del SoC può diventare
cruciale nel momento in cui il dispositivo è chiamato ad offrire un portafoglio di servizi/prodotti, in
quanto un’errata gestione può determinare, oltre al pagamento di eventuali penalità per mancato
servizio, un anticipato consumo della vita utile con conseguente costo di sostituzione del dispositivo o di
alcune sue parti. In sede di valutazione, da parte di un potenziale operatore, della possibile profittabilità
di una partecipazione ai servizi di regolazione della rete elettrica mediante un SdA, occorre dunque
condurre un’attenta analisi tecnico-economica, che consideri le ricadute della scelta del mercato a cui
partecipare, della scelta dei servizi da offrire, della definizione/ottimizzazione di una strategia per la
gestione del SoC, ecc..
Più specificatamente, volendo focalizzare l’attenzione sui SdA per applicazioni mobili nei VE, una
soluzione tecnologica che potrebbe essere prossima ad avere una diffusione di massa, se ne può
innanzitutto evidenziare, da un lato, il potenziale rispetto alla fornitura di servizi di rete ma, dall’altro,
una serie di criticità legate ai problemi di cui sopra; occorre poi aggiungere la complessità legata
all’aggregazione di dispositivi di piccola potenza ma in numero molto elevato e con una disponibilità
alla connessione “on-line” in rete molto variegata ed altamente aleatoria in quanto strettamente legata
alle abitudini e ai comportamenti degli utilizzatori.
Cogliendo l’interesse a livello sia nazionale che internazionale per la tecnologia dei VE, anche l’attività
di Ricerca di Sistema (RdS) ha iniziato a porre particolare attenzione sulla tecnologia dei SdA mobili
nell’ambito della fornitura di servizi ausiliari al sistema. Più precisamente, a completamento delle analisi
condotte, in precedenti annualità [1] [2] [3] [4] [5] [6], sugli accumuli per applicazioni stazionarie per la
fornitura di servizi di regolazione (regolazione primaria e secondaria di frequenza), in configurazione
stand-alone oppure combinata con altri impianti produzione (impianto rinnovabile, convenzionale), sono
state avviate preliminari analisi tecnico-economiche della fornitura del servizio di riserva terziaria, con
riferimento all’attivazione in tempo reale nel Mercato di Bilanciamento (MB) (servizio di
bilanciamento); tali analisi hanno riguardato, oltre che SdA stazionari, SdA in VE [5] [7] [8] [9]. Con
riferimento ai secondi, nella scorsa annualità [9] si è simulata la fase di scambio del servizio di
bilanciamento sul MB da parte di due utenti-tipo del VE (un utente domestico e uno non domestico),
assumendo che ciascun utente intendesse ricaricare il proprio veicolo proprio attraverso gli scambi di
energia per il servizio ed effettuasse a tal fine offerte su MB, con prezzo pari al prezzo medio orario
degli esiti storici. Sono stati quindi confrontati gli scambi di energia così ottenuti con quelli derivanti dal
20000290
solo approvvigionamento dell’energia da ricaricare effettuato tramite acquisto sul Mercato del Giorno
Prima (MGP). Infine si è valutato l’eventuale risparmio sulla bolletta elettrica per la ricarica del veicolo,
ossia la differenza tra la bolletta ottenuta con scambi su MB e quella ottenuta con soli scambi su MGP.
Analisi degli accumuli elettrochimici per uso nei veicoli elettrici nella partecipazione ai
servizi ausiliari
In accordo con la linea di programma indicata nell’Attività di Ricerca Triennale 2019-2021, il presente
rapporto descrive i risultati ottenuti estendendo l’analisi, avviata nell’annualità precedente, degli
accumuli elettrochimici per uso nei VE per la fornitura di servizi ausiliari al sistema elettrico. In
particolare, riprendendo l’approccio già usato, attraverso un’attenta analisi di sensitività si vogliono
stimare i margini di risparmio in bolletta che un utente finale potrebbe ottenere da una partecipazione, in
fase di ricarica del veicolo, ai servizi di bilanciamento su MB, in sostituzione del solo prelievo dalla rete
tramite acquisto dell’energia su MGP.
Più precisamente, si considera inizialmente, come caso di riferimento (benchmark), un utente finale
titolare di un VE che normalmente effettua la ricarica nelle ore notturne (inizio nelle ore serali, termine
nelle prime ore mattutine) presso un’apposita infrastruttura di ricarica (wall-box o colonnina) in
dotazione. Trascurando la figura dell’intermediario il quale realizza effettivamente la compravendita
dell’energia sui mercati elettrici per poi rivenderla al cliente finale, si assume semplicemente che
l’utente finale effettui l’acquisto dell’energia direttamente su MGP al prezzo PUN. Alla spesa per il
consumo di energia concorrono poi le altre componenti di costo che normalmente vengono applicate a
tutti gli utenti in prelievo: costo del servizio di dispacciamento, costo del servizio di
trasmissione/distribuzione/misura, oneri di sistema e oneri fiscali (accise, imposizione IVA). Inoltre, si
assume che in fase di compravendita su MGP il cliente finale possa, in via opzionale, anche definire un
proprio programma di prelievo all’interno dell’intervallo di tempo in cui si effettua la ricarica. In
definitiva, il cliente finale paga in bolletta una voce di spesa relativa alla ricarica notturna del proprio
veicolo. I periodi di ricarica del veicolo includono i giorni lavorativi lunedì-venerdì e sabato e portano la
batteria del veicolo a raggiungere la piena carica; in pratica, la prima ricarica della settimana avviene tra
il lunedì sera e le prime ore del mattino di martedì, l’ultima tra il venerdì sera e le prime ore del mattino
di sabato, lasciando così all’utente finale il libero utilizzo del veicolo per tutto il week-end. Questo
comportamento è simulato per un intero anno.
In alternativa, volendo cogliere ulteriori opportunità di risparmio derivanti dalla compravendita di
servizi ausiliari su MSD, si assume che il titolare del veicolo possa decidere di modificare il proprio
comportamento nella fase di ricarica. In particolare, sulla base dei livelli di prezzo storici dei servizi
scambiati su MSD, l’utente formula una propria offerta su MB per un servizio ausiliario (servizio di
bilanciamento) a salire (riduzione del prelievo) oppure a scendere (incremento del prelievo). Tale facoltà
è data al titolare del veicolo nell’intero intervallo di ricarica. In pratica l’intera fase di ricarica del
veicolo si svolge attraverso una compravendita di servizi su MB; inoltre si assume che l’eventuale
residuo di mancata ricarica potrà essere soddisfatto con un acquisto di ultima istanza su MGP. L’offerta
per un servizio e la sua accettazione/non accettazione su MB vengono simulate attraverso un semplice
algoritmo di tipo euristico: per ciascun intervallo (orario) rilevante per la presentazione delle offerte su
MB, si decide quale quantità di energia, e a quale prezzo, offrire per il servizio a salire e quale quantità
di energia, e a quale prezzo, per quello a scendere; ai fini dell’accettazione o meno, il prezzo offerto
viene poi confrontato con il valore di prezzo massimo (a salire) oppure minimo (a scendere) che
storicamente è stato accettato su MB per ciascun sottointervallo (quartorario) del medesimo intervallo.
Infine, traendo ispirazione dal meccanismo di remunerazione implementato per le Unità Virtuali
Abilitate Miste (UVAM), si suppone che, nel caso in cui il titolare del veicolo presenti anche un
programma di prelievo su MGP, tale programma certifichi anche una disponibilità in potenza su MB,
disponibilità da remunerare opportunamente. Quindi, nell’arco di un anno di simulazione il titolare del
VE effettua negli intervalli di ricarica una compravendita di servizi su MB ottenendo in cambio costi e
ricavi (questi ultimi comprensivi anche dell’eventuale remunerazione in capacità), la cui somma
algebrica costituisce, se possibile, un opportuno ricavo netto. A tale ricavo vanno poi aggiunte le
20000290
(oneri fiscali). Nel caso di componenti di costo fissate da ARERA si è fatto riferimento ad una tipologia
di utenza servita in regime di maggior tutela; per semplicità, si è qui trascurato il loro aggiornamento
periodico (il dato costante utilizzato nelle simulazioni si riferisce all’aggiornamento del II trimestre
2018). Per gli oneri fiscali valgono le disposizioni legislative. Nelle analisi sono state trascurate le
componenti di costo fisse, ossia le voci definite per punto di prelievo o per livelli di potenza del punto di
prelievo stesso.
L’eventuale remunerazione in capacità è stata valutata al valore massimo indicato per i progetti pilota
UVAM ai sensi della delibera n. 300/2017 (30 k€/MW/anno).
Indicativamente, all’utente domestico viene applicata complessivamente una maggiorazione di costo,
per ogni kWh prelevato, di circa 100 € (di cui circa il 78% di ricarico non da imposizioni fiscali) mentre
all’utente non domestico una maggiorazione di circa 75 € (di cui circa l’80% di ricarico non da
imposizioni fiscali).
Tabella 1 – Casi studio di partecipazione del veicolo elettrico ai servizi ausiliari su MSD (MB).
Ricarica domestica Ricarica non
domestica
V1G senza programma di ricarica A E
V1G con programma di ricarica B F
V2G senza programma di ricarica C G
V2G con programma di ricarica D H
Tabella 2 – Principali assunzioni sui parametri tecnici ed economici per la ricarica del veicolo elettrico.
Riguardo ai livelli di prezzo dell’energia scambiata su MGP e del servizio di bilanciamento, a scendere e
a salire, scambiato su MSD (MB), si può fare riferimento alla Figura 1 e alla Figura 2 e Figura 3
rispettivamente, relative agli esiti storici nella zona NORD nel periodo 1° agosto 2016 e 31 luglio 2017.
Il prezzo di acquisto PUN nella zona NORD si è attestato su valori compresi tra circa 15 €/MWh e circa
160 €/MWh (soprattutto entro la fascia ristretta 30-60 €/MWh), con un valore medio intorno a 50
€/MWh. I servizi a scendere sono stati scambiati su MB ad un prezzo minimo compreso tra 0 €/MWh e
20000290
80 €/MWh (fascia ristretta non oltre i 50 €/MWh); il prezzo massimo del servizi a salire invece non è
mai sceso sotto i 50 €/MWh ed è salito pochissime volte sopra i 700 €/MWh (fascia ristretta non sotto
gli 80 €/MWh). Questi livelli di prezzo vanno tenuti in conto nella definizione di una strategia di
formulazione delle offerte del titolare del VE su MGP e su MSD (MB), e anche nella definizione di un
criterio di accettazione delle offerte stesse.
Figura 1 – Prezzi di acquisto su MGP nella zona NORD nel periodo 1° Agosto 2016 – 31 luglio 2017 (visto che la
granularità di MB è quartoraria, per uniformità in ascissa sono riportati i quarti d’ora, pertanto il PUN si intede
costante nei quattro quarti d’ora di un’ora).
Figura 2 – Prezzi minimi di scambio dei servizi a scendere su MB nella zona NORD nel periodo 1° Agosto 2016 – 31
luglio 2017.
20000290
Figura 3 – Prezzi massimi di scambio dei servizi a salire su MB nella zona NORD nel periodo 1° Agosto 2016 – 31 luglio
2017.
Strategia di offerta
Con riferimento ai livelli di prezzo storici su MB, l’analisi preliminare condotta nella precedente
annualità considerava una formulazione delle offerte condotta con i prezzi medi orari storicamente
accettati per il servizio a salire e per il servizio a scendere. Per ciascun intervallo quartorario di validità
delle offerte su MB, poi, l’accettazione dell’offerta avveniva, come già accennato in precedenza, per
semplice confronto con il prezzo massimo accettato del servizio a salire e con il prezzo minimo accettato
del servizio a scendere; in pratica, se il valore di prezzo medio offerto risultava inferiore/uguale
(rispettivamente superiore/uguale) al prezzo massimo (minimo), l’offerta era da ritenersi accettata.
Un’analisi più approfondita consiste nell’individuazione dei livelli di prezzo di offerta più profittevoli:
in pratica, dato un livello costante di prezzo di offerta da proporre per un dato servizio nell’arco di un
periodo simulato, qual è il livello che permetterebbe di conseguire il massimo ricavo nel medesimo
periodo? E qual è il relativo risultato in termini di energia movimentata? Qual è anche l’effetto sulla
durata della batteria?
Per dare una risposta ai tre quesiti occorre considerare che, in generale, la partecipazione su MSD (MB)
è vantaggiosa se i relativi scambi di energia consentono di ottenere un risultato economico migliore del
solo scambio su MGP in prelievo. Alla luce dei livelli di prezzo realizzatisi storicamente su MGP e MB,
questa condizione potrebbe verificarsi ogni volta che in un intervallo rilevante per MB il prezzo
accettato del servizio a salire (riduzione del prelievo, fino a raggiungere, se possibile, l’iniezione in rete)
si dimostra superiore/uguale al prezzo PUN oppure il prezzo accettato del servizio a scendere (aumento
del prelievo) si dimostra inferiore/uguale al prezzo PUN (ovviamente il prezzo del servizio a salire deve
essere superiore al prezzo del servizio a scendere). Infatti, tale condizione, a parità di livello di carica del
sistema di accumulo a fine ricarica, permette di ottenere una migliore valorizzazione dei diversi scambi
intermedi di energia del VE con la rete invece che del solo acquisto su MGP in prelievo. Evidentemente
questo implica una ridefinizione del profilo di scambio di energia del veicolo con la rete, richiedendo al
SdA continue modulazioni oppure anche frequenti inversioni del verso del flusso di energia rispetto alla
rete nell’arco dell’intero periodo di ricarica. Tali azioni potrebbero avere un certo impatto sulla durata di
vita utile di un SdA costruito originariamente principalmente per un servizio di mobilità.
Qui, per l’applicazione ai casi studio di cui sopra (A, B, C, D, E, F, G, H), si definisce un algoritmo di
formulazione delle offerte su MB e su MGP per i periodi di ricarica notturna a cavallo dei giorni
lavorativi lungo un intero anno (1° agosto 2016-31 luglio 2017). A differenza di quanto assunto per la
20000290
ricarica benchmark, il riferimento ai soli giorni lavorativi comporta che la ricarica inizi alla sera di un
giorno lavorativo e termini al mattino del successivo giorno lavorativo, il quale può essere contiguo al
precedente, nel caso non vi siano giorni non lavorativi interposti, oppure no (ad esempio, la ricarica
iniziata il venerdì sera si conclude il successivo lunedì mattina); in tal modo, si intende enfatizzare lo
svolgimento di servizi tramite partecipazione a MB, anche se ciò comporta che l’utente finale non possa
usare il veicolo durante il week-end e nei giorni festivi.
In particolare, per ciascun intervallo orario valido per MB vengono assegnati un dato livello di prezzo
per il servizio a salire e uno per il servizio a scendere; tali valori sono mantenuti costanti per tutto
l’anno. Per ciascun caso di studio, si svolge una simulazione annuale per ciascuna coppia di livelli di
prezzo. Tenendo conto dei livelli massimi e minimi dei prezzi storici su MB nel periodo preso in esame
(1° agosto 2016-31 luglio 2017), il livello di prezzo di offerta assegnato per ciascun servizio offerto su
MB è compreso tra un minimo di 0 €/MWh e un massimo di 1000 €/MWh. Il primo prezzo non nullo
offerto è pari a 10 €/MWh; gli altri prezzi di offerta sono fissati a valori multipli del primo prezzo (in
totale si considerano 101 livelli di prezzo per il servizio a salire e 101 livelli di prezzo per il servizio a
scendere).
In sede di accettazione dell’offerta, per ciascun quarto d’ora in cui si risolve la selezione delle offerte su
MB l’algoritmo confronta il prezzo offerto del servizio a salire (a scendere) con il prezzo massimo
(minimo) storico; se il prezzo offerto è inferiore/uguale (superiore/uguale) al prezzo massimo (minimo)
storico, l’offerta è ritenuta accettata e quindi l’algoritmo calcola il corrispondente volume di energia e il
controvalore economico. Per semplicità, all’interno di ciascun intervallo di scambio (ora oppure quarto
d’ora) si assume che l’energia da movimentare in una direzione venga scambiata con la rete ad una data
potenza media costante. Inoltre, la movimentazione dell’energia offerta e accettata può essere compiuta
al più fino alla massima potenza consentita al SdA, che è pari alla massima potenza dell’infrastruttura di
ricarica. Si osserva che l’energia, e quindi anche la potenza media sopra menzionata, offerta per un dato
servizio (a salire oppure a scendere) in un certo intervallo dipende dal livello di carica del SdA, dal
livello desiderato di carica a fine ricarica e dalla distanza temporale dalla fine della ricarica. Possono
presentarsi intervalli con offerte per ambedue i servizi, ma in tali casi si assume che sia accettata al più
una delle due offerte: l’offerta accettata è determinata sulla base dei volumi di energia scambiati
storicamente nell’intervallo considerato; se i due volumi sono identici, si assegna la priorità al servizio a
salire. Inoltre, in presenza di un programma di prelievo su MGP, l’algoritmo fa sì che il SdA non offra
per quantità che vadano a violare in aumento il livello di prelievo programmato, per evitare indesiderati
sbilanci. Come si è detto, in caso di mancato raggiungimento del livello desiderato di carica grazie agli
scambi di energia su MB, l’algoritmo sposta le offerte su MGP per effettuare un acquisto di ultima
istanza di energia.
Più in dettaglio, la strategia di offerta implementata nell’algoritmo per partecipare ai servizi su MB in
ciascun periodo di ricarica simulato si può così schematizzare:
● V1G senza prelievo programmato (casi studio A, E):
○ per ogni ora in cui il SoC lo consente, il veicolo presenta un’offerta a scendere su MB
(prelievo); il massimo valore della potenza offerta è pari alla banda di flessibilità (Pn);
○ non sono previste offerte a salire (riduzione del prelievo oppure immissione), poiché non vi
è un programma di ricarica rispetto al quale si potrebbero presentare offerte di riduzione del
prelievo e non vi è possibilità di immettere in rete;
● V1G con prelievo programmato (casi studio B, F):
○ si assume che il veicolo presenti un programma in prelievo, a potenza fissata e qui assunta
costante, per le prime tre ore del periodo di ricarica, al fine di beneficiare della
remunerazione in capacità;
○ in tali tre ore, per ogni ora in cui il SoC lo consente, il veicolo presenta in MB offerte a
salire (riduzione rispetto al prelievo previsto, ma senza giungere all’iniezione in rete, poiché
la ricarica è di tipo V1G);
○ nelle ore successive, per ogni ora in cui il SoC lo consente, il veicolo presenta un’offerta a
scendere su MB (incremento del prelievo); il massimo valore della potenza offerta è pari
alla banda di flessibilità;
20000290
Indice di risparmio
In sede di valutazione della convenienza economica della ricarica con partecipazione a MB, ci si è
avvalsi di un indice sintetico che descrive il risparmio conseguito rispetto alla ricarica benchmark. Più
precisamente, l’indice esprime la percentuale di risparmio ottenuto rispetto alla spesa in bolletta nel caso
di solo prelievo da MGP (caso di riferimento). Quindi la partecipazione a MB viene giudicata
conveniente solo se l’indice sintetico assume valore positivo (o, al più, nullo). La valutazione di
convenienza è stata effettuata, per ciascun caso studio, per ciascuna delle simulazioni annuali a prezzi di
offerta costanti in precedenza descritte.
nel periodo di tempo di funzionamento. Il rapporto tra l’energia scaricata nell’intero periodo considerato
e la frazione di capacità di accumulo nominale utilizzata effettivamente in carica o scarica fornisce il
numero di cicli equivalenti compiuti dal SdA in condizioni di carica o scarica parziale nell’intero
periodo di tempo di funzionamento. A questo punto è possibile determinare la stima del ciclo vita (in
anni) del SdA come rapporto tra il valore medio pesato del numero massimo di cicli consentiti e il
numero di cicli equivalenti effettuati in un anno in condizioni di DoD parziale pari a quella di
riferimento.
Si osserva che la curva caratteristica fornita dai costruttori è normalmente decrescente rispetto alla DoD:
un valore di DoD inferiore (e inferiore al 100%, in particolare) significa dunque un numero massimo di
cicli equivalenti maggiore (e maggiore rispetto alle condizioni di lavoro standard). Questo significa che,
a parità di energia scaricata complessivamente, a valori piccoli di DoD corrispondono elevati valori di
numero massimo di cicli equivalenti ed elevati valori di cicli equivalenti effettivi. In pratica, rispetto alla
condizione standard di funzionamento (profondità di scarica 100%), la durata di vita utile deve risultare
maggiore in quanto il SdA impiega più tempo ad esaurire la propria capacità di accumulo.
domestico). L’utente non domestico consuma maggiormente la batteria in quanto il suo veicolo
movimenta più energia di quello dell’utente domestico e quindi compie più cicli equivalenti.
Nel secondo caso (ossia sotto l’ipotesi b)) la scarica effettiva nei “microcicli” avviene mediamente con
una DoD di circa il 19% (utente domestico) e il 33% (utente non domestico), valori ottenuti in
corrispondenza del valore medio pesato del numero massimo di cicli consentiti dal SdA in esame, ossia
in corrispondenza dei circa 60600 (utente domestico) e 32400 (utente non domestico).
Il valore della DoD indica un utilizzo medio del 19% (utente domestico) e del 33% (utente non
domestico) della capacità di accumulo nominale. Quindi dal rapporto tra l’energia scaricata
complessivamente e la frazione di energia nominale impegnata per la scarica si ottiene il numero di cicli
equivalenti effettuati dal SdA nelle condizioni di funzionamento a cicli parziali: circa 250 cicli per
l’utente domestico e circa 252 cicli (utente non domestico). Questo significa che il SdA sarebbe in grado
durare per circa 242 anni (utente domestico) e 129 anni (utente non domestico).
Considerato che la vita calendariale è al massimo di 20 anni, se si esegue la ricarica benchmark si
può dunque ritenere ampiamente garantita la durata di funzionamento del SdA. A tale conclusione
si giunge sia sotto l’ipotesi di lavoro della batteria in condizioni standard, sia sotto l’ipotesi di lavoro in
condizioni di scarica parziale (“microcicli”).
Non esistono, invece, in questi casi studio, lo sconto sull’energia immessa in rete e la remunerazione in
capacità.
Infine, in questi casi studio non si evidenzia un impatto sul consumo di vita utile, rispetto alla ricarica
benchmark, né con riferimento a una condizione di lavoro con DoD 100%, né con riferimento a una
condizione di lavoro con DoD parziale: in tali casi, infatti, non essendovi iniezioni in rete per servizio su
MB (la ricarica è di tipo V1G), vi sono solo diminuzioni consecutive del SoC durante l’uso del veicolo e
aumenti consecutivi del SoC durante le ricariche, perciò sia l’energia scaricata e ricaricata sia la DoD
parziale non cambiano rispetto alla ricarica di riferimento, e non cambiano neppure al variare del prezzo
di offerta per il servizio a scendere su MB.
Per semplicità espositiva, per gli altri casi studio si riporta di seguito solo l’analisi delle simulazioni in
cui i livelli di prezzo di offerta su MB hanno prodotto il massimo risparmio in bolletta, rispetto al caso di
riferimento (benchmark).
Casi studio B ed F: il VE scambia energia solo in prelievo (ricarica di tipo V1G) ma con un programma
di prelievo su MGP.
Entrambe le tipologie di utenza (utente domestico – caso B, utente non domestico – caso F) presentano
offerte su MB; il servizio offerto è a salire (riduzione del prelievo) negli intervalli di validità del
programma in prelievo e a scendere (aumento del prelievo) negli altri intervalli. L’eventuale mancata
ricarica è completata con un acquisto di ultima istanza su MGP al prezzo PUN.
Per entrambe le tipologie di utenza l’energia complessivamente prelevata dalla rete è uguale a quella di
riferimento (benchmark) ed è il risultato di una compravendita su MB e su MGP. In particolare, negli
intervalli in cui è definito il programma di prelievo su MGP, il titolare del veicolo domestico scambia su
MB per effettuare un servizio a salire (in riduzione del prelievo programmato) circa il 50% dell’intera
energia prelevata; in questo modo la quota di energia effettivamente prelevata secondo il programma di
prelievo si riduce a circa il 24% dell’intero volume assorbito. Inoltre, sempre per servizi su MB, il
titolare del veicolo riesce ad offrire a scendere (aumento del prelievo) circa il 15% dell’intero volume
prelevato, perciò il prelievo netto durante la fase di compravendita su MB (ossia la somma dell’energia
prelevata per servizio a scendere e dell’energia effettivamente prelevata in base al programma di
prelievo) vale circa il 39% dell’intero volume prelevato. Tuttavia, poiché la compravendita su MB non
consente di raggiungere il livello di carica desiderato a fine ricarica, l’energia per la ricarica residua
(restante 61% del volume prelevato) è acquistata su MGP.
Un comportamento simile è ottenuto anche con il veicolo non domestico. In particolare, l’energia
movimentata su MB per il servizio a salire è circa il 56% dell’energia prelevata nel caso di riferimento,
mentre quella prelevata secondo il programma di prelievo è circa il 27%. La quota offerta per servizio a
scendere è invece più alta di quella ottenuta con il veicolo domestico, circa il 43%. Anche in questo caso
la compravendita su MB non premette di ottenere il livello di carica finale desiderato, perciò anche il
veicolo non domestico è costretto ad acquistare su MGP circa il 29% dell’energia interamente prelevata.
La possibilità di compravendita su MB permette di ottenere un massimo risparmio in bolletta del 7%
(utente domestico) e del 12% (non domestico) rispetto al caso di riferimento.
Il risparmio aumenta sensibilmente se si introduce anche la remunerazione in capacità per le offerte su
MB negli intervalli di programma di prelievo: si raggiunge all’incirca un risparmio massimo del 23%
(utente domestico) e del 32% (utente non domestico).
Se, poi, si applica all’energia netta prelevata l’agevolazione sui costi di rete e oneri di sistema, il
risparmio massimo aumenta a 13% (utente domestico e senza remunerazione in capacità), 29% (utente
domestico e con remunerazione in capacità), 33% (utente non domestico e senza remunerazione in
capacità) e 53% (utente non domestico e con remunerazione in capacità). Non esiste, invece, in questi
casi studio, lo sconto sull’energia immessa in rete.
Infine, anche in questi casi studio non si evidenzia un impatto sul consumo di vita utile, rispetto alla
ricarica benchmark, né con riferimento a una condizione di lavoro con DoD 100%, né con riferimento a
una condizione di lavoro con DoD parziale: in tali casi, infatti, non essendovi iniezioni in rete per
servizio su MB (la ricarica è di tipo V1G), vi sono solo diminuzioni consecutive del SoC durante l’uso
del veicolo e aumenti consecutivi del SoC (il servizio a salire comporta solo una riduzione del prelievo
20000290
programmato e quindi solo una minore velocità di aumento del SoC durante le ricariche), perciò sia
l’energia scaricata e ricaricata sia la DoD parziale non cambiano rispetto alla ricarica di riferimento, e
non cambiano neppure al variare del prezzo di offerta per il servizio a scendere su MB.
l’effetto della presenza del programma stesso, portando a risparmi massimi maggiori di quelli dei
corrispondenti casi senza programma (e senza remunerazione in capacità).
Riguardo, invece, alla vita utile del SdA legata ai cicli di carica-scarica, ci si può focalizzare, per
semplicità, sulla stima che di essa si ottiene dalla valutazione dei cicli equivalenti a DoD 100%. Occorre
innanzitutto osservare che in modalità V1G sostanzialmente i volumi di energia scambiati non sono
diversi da quelli nella ricarica di riferimento, pertanto la vita utile stimata non cambia (rimanendo di
circa 96 anni per il VE dell’utente domestico e di circa 54 anni per il VE dell’utente non domestico; si
noti che numeri così elevati suggeriscono, almeno in prima approssimazione, che la durata effettiva della
batteria sarà limitata non dai cicli svolti, ma piuttosto dalla vita calendariale). Tuttavia, con la modalità
V2G si osserva tendenzialmente un aumento dei volumi di energia prelevata e di quelli scambiati per i
servizi sia a salire che a scendere. Tale aumento di energia movimentata incide sulla capacità di
accumulo della batteria del VE. In particolare, il consumo di vita ottenuto stimando i cicli di carica-
scarica a DoD 100% può raggiungere il 67% per il veicolo dell’utente domestico e l’86% per quello
dell’utente non domestico; esso merita dunque particolare attenzione ed ulteriori indagini. Se ci si limita,
tuttavia, alle sole istanze profittevoli ottenute in simulazione, si hanno valori del consumo di vita più
contenuti. In particolare, in corrispondenza dei prezzi di offerta per cui si ha il massimo risparmio
rispetto alla bolletta benchmark, si hanno le stime di vita utile riportate in Tabella 4: tali stime non
cambiano in assenza o presenza di agevolazioni in bolletta e in assenza o presenza della remunerazione
aggiuntiva in capacità; inoltre, il consumo di vita ottenuto raggiunge circa, per il VE dell’utente
20000290
domestico, il 20% e il 25%, rispettivamente nel caso V2G senza e con programma di ricarica, mentre,
per il VE dell’utente non domestico, il 50% e il 51%, rispettivamente nel caso V2G senza e con
programma di ricarica.
Tabella 4 – Vita utile stimata (a partire dai cicli di carica-scarica a DoD 100%) della batteria nelle condizioni di
massimo risparmio rispetto alla bolletta benchmark.
Utente domestico Utente NON domestico
Senza Con Senza Con
programma programma programma programma
di ricarica di ricarica di ricarica di ricarica
V1G 96 anni 96 anni 54 anni 54 anni
Senza agevolazioni
V2G 77 anni 72 anni 27 anni 26 anni
Eliminazione del costo dei servizi di V1G 96 anni 96 anni 54 anni 54 anni
rete e degli oneri di sistema
dall’energia prelevata per il servizio V2G 77 anni 72 anni 27 anni 26 anni
a scendere
Eliminazione del costo dei servizi di V1G 96 anni 96 anni 54 anni 54 anni
rete e degli oneri di sistema
dall’energia prelevata per il servizio
V2G 77 anni 72 anni 27 anni 26 anni
a scendere + sconto su energia
immessa in rete
Utente domestico Utente NON domestico
Senza Con Senza Con
programma programma programma programma
di ricarica di ricarica di ricarica di ricarica
Senza agevolazioni, ma con V1G N.A. 96 anni N.A. 54 anni
remunerazione in capacità V2G N.A. 72 anni N.A. 26 anni
Remunerazione in capacità + V1G N.A. 96 anni N.A. 54 anni
eliminazione del costo dei servizi di
rete e degli oneri di sistema
V2G N.A. 72 anni N.A. 26 anni
dall’energia prelevata per il servizio
a scendere
Remunerazione in capacità + V1G N.A. 96 anni N.A. 54 anni
eliminazione del costo dei servizi di
rete e degli oneri di sistema
dall’energia prelevata per il servizio V2G N.A. 72 anni N.A. 26 anni
a scendere + sconto energia immessa
in rete
In conclusione, alla luce dei risultati ottenuti, tra i possibili sviluppi futuri dell’attività si annovera
innanzitutto la ricerca di profili temporali di prezzi di offerta che risultino particolarmente profittevoli;
tali profili potrebbero essere ottenuti, ad esempio, analizzando più approfonditamente (come si prevede
per il 2020) i prezzi storici (accettati) su MB. A partire da tali profili di prezzo, si potrebbe poi effettuare
un’ottimizzazione dell’energia offerta per il servizio. Ovviamente, occorre prendere in considerazione e
indagare con attenzione l’invecchiamento della batteria determinato dai cicli di carica-scarica, perché gli
scambi di energia per il servizio possono anche aumentare sensibilmente i cicli rispetto a quelli dovuti
alla guida del VE e alla ricarica di riferimento. Infine, l’attenzione dovrebbe essere spostata, come si
prevede per le attività del 2021, dalla simulazione del comportamento di singoli VE a quella di aggregati
di VE. L’obiettivo finale è quello di dotarsi di strumenti per poter analizzare l’offerta di servizi da tre
punti di vista interagenti: quello dell’utente finale (che è già stato considerato qui), quello dell’operatore
di rete e quello del Balancing Service Provider (BSP). Un BSP, ad esempio, deve conoscere sia i
parametri di batteria e le esigenze di ricarica dei VE nel suo portafoglio, sia i segnali di quantità di
energia e relativo prezzo unitario nel mercato dei servizi di dispacciamento, al fine di ottimizzare il
coordinamento dei VE sia a livello tecnico sia a livello economico.
20000290
1 INTRODUCTION
This Report is part of the technical documentation of Research activities performed in the Three-year
Realization Plan 2019-2021 (“Piano Triennale di Realizzazione 2019-2021”) in the frame of “Ricerca di
Sistema” research program, under the project 2.2 “Modelli di architettura e di gestione del sistema e
delle reti elettriche e della regolazione che favoriscano l’integrazione di generazione rinnovabile e non
programmabile, autoproduzione, accumuli, comunità dell’energia e aggregatori e che tengano conto
della penetrazione elettrica” / WP2 “Risorse di flessibilità” and it represents the Deliverable of Research
Line 2.04 “Risorse e servizi di flessibilità convenzionali e innovativi: modelli e analisi”.
As generators fed with Non-Programmable Renewable Energy Sources (NPRES) increase their demand
coverage share [10] [11] [12], more and more fossil fuel-based generation units decrease theirs, thus
undergoing more and more frequent shutdowns and start-ups and even decommissioning [13] [14]. This
way, traditional facilities providing Ancillary Services (AS), e.g. to control grid frequency and voltage
[15] [16], are decreasing, while more of them would be needed to handle the fluctuating and partially
unpredictable energy injections, also flowing from the distribution to the transmission grid (so called
power reversal phenomena), due to NPRES power plants [17] [18] [19] [20] [21] [22] [23] [24] [25].
The Italian Transmission System Operator (TSO), in particular, has already started to highlight the need
for more/new flexible resources to participate in the AS Market (ASM), and also the need for the
introduction of new AS and of more “stringent” (from the provider’s point of view) performance
requirements for the existing ones [26] [27] [28] [29] [30] [31]. Thanks to Decision n. 300/2017/R/EEL
[32] by the Regulatory Authority for Energy, Networks and the Environment (in Italian ARERA,
formerly AEEGSI), new resources like distributed generators, NPRES generators, loads and Battery
Energy Storage Systems (BESS), including those in Electric Vehicles (EVs), have been allowed to
apply, also in an aggregated form, for pilot projects for the supply, in the Italian ASM, of different AS,
e.g. tertiary reserve, congestion management, balancing services (activation of tertiary reserve), reactive
power reserve, standard and fast primary frequency regulation [33] [34] [35].
As to BESS [36] [37] [38] [39] [40] [41], in particular, they can be considered as very flexible assets not
only for functionalities like peak shaving, load shifting, optimization of self-consumption by small
distributed NPRES installations, but also for AS supply, thanks to their prompt and fast power variations
upon request (they can carry out even power reversal in few hundred milliseconds), their scalability
(they are usually composed of a set of modules) and in general their versatility of use; as to this last
issue, the choice of their size in terms of nominal power and energy can be adapted to the
application/functionality, and also to accomplish a set of applications together, including the
superposition of different AS [42] [43] [44] [45] [46] [47] [48] [49] [50] [51]. They can work both in a
stand-alone configuration and together with other BESS and in support of NPRES or even conventional
power plants [52] [53] [54] [55]. The main drawbacks are related to their high investment costs [56] [57]
[58] [59] [60] and to their limited energy capacity. This latter, in turn, calls for suitable energy, or State
of Charge (SoC), management strategies aiming at always being able to fulfill power variation requests:
in case of requests for AS provision, for instance, even a partial failure in such fulfillment may imply
economic penalties. Besides, some AS may require many and/or deep charge-discharge cycles, which
could further increase due to the mentioned management strategies and which could cause early aging
(and therefore increase replacement costs) [61]. Technical and economic feasibility of chosen
functionalities and/or AS has therefore to be assessed [62] [63] [64] [65] [66], and optimal strategies for
SoC management and/or for cost management have to be sought for [67] [68] [69] [70] [71] [72].
More specifically, as to the BESS in EVs [73] [74] [75], although they are very small distributed devices
they could supply a collective contribution to AS, e.g. to frequency regulation [76] [77] [78] [79] [80]
[81] [82] [83], and also to multiple functionalities/AS together [84]; of course, aggregation/coordination
mechanisms have to be devised in order to properly manage the SoC of each EV while meeting both the
AS technical requirements and the EV user’s needs, and battery aging issues have to be considered in
the analyses [85].
20000290
In previous activities within the “Ricerca di Sistema” (RdS) research program, some preliminary techno-
economic assessments of the possible BESS performance in AS accomplishment were carried out. First
of all, attention was focused on primary and/or secondary frequency regulation for a stationary BESS in
a stand-alone configuration or coupled to a fossil-fuel or NPRES power plant [1] [2] [3] [4] [5] [6].
Technical performance was simulated, e.g., in terms of power and/or energy exchanges with the grid, as
compared to the ones requested by the service(s), and of the estimated number of charge-discharge
cycles carried out and of the related cycling life. Economic evaluations of the energy exchanges for the
services, and also of penalties, were carried out by referring to the current Italian regulatory framework
for power plants eligible for participation in the ASM (specific rules for BESS technologies were not
available); such evaluations led to an estimation of the BESS simple payback period. Then, the supply of
tertiary reserves in the form of Balancing Services (BSs) offered on the Italian Balancing Market (BM),
the real-time stage of the ASM, was analysed for a stationary stand-alone BESS [5] [7] [8] [9] and also
for a BESS in an EV [9]. As to EVs in particular, BS supply during the battery recharge period was
simulated: the usual EV battery recharge carried out by simply absorbing energy bought on the Day
Ahead Market (DAM) was replaced with a new recharge scheme based on bidding on the BM (and on
buying energy on the DAM for the residual recharge which could not be obtained on the BM). A simple
heuristic strategy to bid for BS supply in the BM was formulated. The remuneration of the energy
exchanges for the BS became part of the EV owner’s electricity bill; this bill was compared with to the
one obtained with the usual recharge mechanism (without BS supply).
In this report, focus is on the possible profitability, for EVs, of supplying BSs offered on the Italian BM.
To this purpose, EV recharge is simulated to be carried out, partially at least, by supplying BS, therefore
by exchanging energy when bids by the EV for the service are accepted; bids are formulated according
to a heuristic strategy, which was the object of previous work [9] and which aims at recharging a pre-
defined amount of energy over a pre-defined time interval, called “recharge period” and here spanning
some hours from the evening to the early morning; the bid acceptance criterion adopted, included in
previous works as well [9] [7] [5], is based on a simple comparison with historical BM accepted prices.
The “benchmark” recharge mechanism, simulated for comparison, is based on buying the whole energy
for recharge on the DAM at the National Single Price (“Prezzo Unico Nazionale” in Italian). The idea
underlying the strategy is to exploit, if possible, the fact that, in the BM pay-as-bid remuneration for the
exchanged energy, selling prices for upward services are normally higher than buying prices for
downward services and these latter are normally lower than DAM prices. Therefore, the main result
analysed, apart from annual energy exchanges for the recharges and from the related battery charge-
discharge cycles, is the EV owner’s annual electricity bill; the bill is computed according to the current
regulatory framework and also assuming the introduction of an exemption from the payment of
transmission and distribution charges and of system charges. The simulated study cases, again object of
previous work [9], are obtained by considering
• home (“domestic”) or company (“non-domestic”) recharge, which is associated to less or more
energy to be recharged and to smaller or larger maximum recharging power;
20000290
• the power flow direction (V1G or V2G recharge; in V1G recharge energy can only be absorbed by
the car, via the charging infrastructure, from the grid, while in V2G recharge energy can also be
injected into the grid);
• the absence or presence of a recharge program, i.e. of a pre-established power absorption profile on
the DAM in a pre-defined time interval of the day; in the latter case, in addition to the pay-as-bid
remuneration for the energy exchanged for the BS, a capacity remuneration is assumed to be
present, similar to the one currently foreseen in the Italian pilot projects according to Decision n.
300/2017/R/EEL.
The recharge strategy simulations are carried out by assuming overnight recharges to be carried out
across the working days of the year 1st August 2016-31st July 2017, in the North market zone (the most
relevant zone in terms of consumption level and of net generation capacity: more than 55% of the total
load and more of 47% of the energy offer are in such zone). For each study case, a sensitivity analysis of
the strategy results, in particular in terms of the annual energy exchanges and of the annual bill, is
carried out with respect to the bid prices for the BS, here assumed to be constant throughout the year.
Service profitability is assessed via a saving index, expressed ad the per cent saving of the bill with
respect to the bill associated to benchmark recharge at DAM prices; this index is also evaluated as a
function of the bid prices. One can observe, e.g., that the higher selling prices in the BM can lead to a
decrease of the customer’s electricity bill, with respect to the benchmark bill, provided that the bid
prices are suitably chosen. The maximum profitability related to BS supply is associated to the
maximum value of the saving index: such a value is computed together with the bid prices for which it is
attained.
pilot project, to test the so-called fast-reserve service [92], similar to the enhanced frequency response
already in use in Great Britain [93], and a pilot project to handle aggregated recharge infrastructures for
EVs for different AS [94].
In this report, attention is focused on EVs, which are here assumed to be contributing to BS supply.
Before describing a possible simplified bidding behaviour and assessing the related energy exchanges
and remuneration, anyway, it is useful to analyse how much need for energy exchanges the Italian ASM
has exhibited over the last years, and also the related economic value [95] [96] [97]1 [98]. Therefore,
overall results about historical accepted bids for the AS on the ASM are now reported. Both the ex ante
ASM and the BM stages are considered. Downward and upward bids/services are referred to with
labels“down” and “up”, respectively.
1
Also previous issues of the “Relazione Finanziaria Annuale” document were analysed, to collect data from 2010.
20000290
margins for the subsequent balancing of the residual load (i.e. of the load minus the non-programmable
generation); this early procurement of up/down resources, e.g. including keeping some plants ready to
increase their power injection into the network, is then followed by a downward modulation of power
injection in the real-time balancing stage. This behaviour by the TSO in buying and selling is
particularly evident as to the energy exchanges for the minimum power service (Table 2.2) and for the
downward step modulation services in the procurement stage (Table 2.2) and as to the energy exchanges
for the downward step modulation services in real-time balancing (Table 2.3); in particular, in 2018, as
compared to 2012, the exchanges for scheduled minimum power appear to be more than double, and the
exchanges for downward step modulation on the ex ante ASM almost double, respectively.
As to the energy exchanges for secondary regulation (Table 2.4), on the other hand, the downward ones
are larger than the upward ones in each year, which mirrors a tendency to generation surplus in the
system (especially during load ramps or just after them).
Finally, the accepted bids for start-up maneuvers and for changes of configuration (Table 2.5), which
involve availability to increase power generation (i.e. they are upward services), show around a constant
trend over the past few years; as to the former, e.g., there have always been more than 2000
instructions/yr, as to the latter more than 780 instructions/yr.
Table 2.1 – Amount of energy exchanges on the ASM in the years from 2010 to 2019.
Ex ante ASM [TWh/yr] BM [TWh/yr] Ex ante ASM + BM [TWh/yr]
Year Up Down Up Down Up + Down
2010 6.96 14.8 7.01 8.12 36.89
2011 4.72 4.87 3.94 12.35 25.88
2012 6.18 3.72 5.1 9.6 24.60
2013 8.99 5.04 4.77 9.11 27.91
2014 10.16 4.66 4.2 8.58 27.60
2015 9.81 5.19 4.84 10.41 30.25
2016 10.15 7.19 3.75 12.01 33.10
2017 11.47 6.01 3.57 12.12 33.17
2018 12.33 6.86 4.04 10.93 34.16
2019 13.82 7.38 3.84 12.34 37.38
Table 2.2 – Amount of energy exchanges for Non-SR services on the ex ante ASM in the years from 2010 to 2019.
Ex ante ASM (Up) [TWh/yr] Ex ante ASM (Down) [TWh/yr]
Upward bids Other upward bids: Downward bids Other downward bids:
Year
for minimum power step variations for shutdown step variations
2010 4.84 2.12 1.75 13.05
2011 3.68 1.04 0.8 4.07
2012 4.27 1.91 0.59 3.13
2013 6.57 2.42 2.07 2.98
2014 7.64 2.52 1.79 2.87
2015 7.25 2.55 0.85 4.33
2016 8.19 1.96 1.38 5.81
2017 9.70 1.78 0.45 5.56
2018 10.21 2.12 0.79 6.07
2019 11.6 2.24 1.00 6.38
20000290
Table 2.3 – Amount of energy exchanges for Non-SR services on the BM in the years from 2010 to 2019.
BM (Up) [TWh/yr] BM (Down) [TWh/yr]
Upward bids Other upward bids: Downward bids Other downward bids:
Year
for minimum power step variations for shutdown step variations
2010 0.68 3.46 0.23 8.43
2011 0.64 2.66 0.26 10.25
2012 0.56 3.68 0.18 7.74
2013 0.54 3.32 0.26 7.15
2014 0.7 2.46 0.19 6.57
2015 0.87 2.86 0.19 8.38
2016 0.74 2.00 0.27 9.95
2017 0.76 1.76 0.11 10.27
2018 0.70 2.25 0.11 9.12
2019 0.7 2.14 0.22 10.3
Table 2.4 – Amount of energy exchanges for SR services on the BM in the years from 2010 to 2019.
BM [TWh/yr]
Year SR - Up SR - Down
2010 0.85 1.88
2011 0.65 1.84
2012 0.86 1.68
2013 0.91 1.69
2014 1.04 1.81
2015 1.11 1.84
2016 1.01 1.80
2017 1.05 1.74
2018 1.09 1.71
2019 1.01 1.83
Table 2.5 – Number of instructions for start-ups or changes of configuration on the BM in the years from 2014 to 2019.
Year Number of start-ups Number of changes of configuration
2014 2106 781
2015 2699 1028
2016 2903 828
2017 3041 1105
2018 2886 972
2019 2542 836
constant. As to the total value of upward services, i.e. on the whole ASM, the trend has been increasing
from 2015 on, while the total value of downward services has been increasing from 2014 on. As to the
net annual costs for the TSO, computed as the difference between the overall annual value of the upward
AS and the overall annual value of the downward AS and transferred to the end users’ electricity bill as
the so-called uplift component, they kept around 1700-1800 M€/yr in 2014 and in 2016 to 2018, they
decreased to around 1300 M€/yr in 2015 and, in 2019, they are estimated to increase to around 2150
M€/yr; therefore, a global increasing trend can be detected over a long-time horizon, similar to the
global increasing trend of the overall annual value of the upward services. One can also notice, for
comparison, that, in 2012, the overall annual value of the upward services was around 1750 M€/yr and
the net annual cost for the TSO was around 1400 M€/yr.
Table 2.6 – Overall economic value of the AS in the years from 2010 to 2019.
Year Ex ante ASM BM Ex ante ASM + BM
Up Down Up Down Up Down Net AS cost for the TSO
[M€/yr] [M€/yr] [M€/yr] [M€/yr] [M€/yr] [M€/yr] (Up minus Down)
[M€/yr]
2010 1055 368 707 238 1762 606 1156
2011 836 156 630 393 1466 549 916
2012 981 105 776 248 1756 353 1403
2013 1269 77 663 193 1932 270 1662
2014 1264 45 637 134 1901 179 1722
2015 913 82 632 183 1545 265 1280
2016 1475 89 629 192 2104 281 1823
2017 1526 119 608 283 2134 402 1732
2018 1575 173 675 322 2250 495 1755
2019 2026 171 636 338 2662 508 2154
Details about the economic value of each upward or downward service in each market stage are supplied
in Figure 2.1 for the years from 2014 to 2019:
• as to the upward AS on the ex ante ASM,
o minimum power amounts to 685-1353 M€/yr,
o upward step services to 100-285 M€/yr;
• as to the upward AS on the BM,
o upward step services amount to 170-310 M€/yr,
o up SR to 49-150 M€/yr, start-up to 35-140 M€/yr,
o minimum power to 54-102 M€/yr,
o change of configuration to 10-23 M€/yr;
• as to the downward AS on the ex ante ASM,
o downward step services amount to 44-168 M€/yr,
o shutdown to 1-5 M€/yr;
• as to the downward AS on the BM,
o downward step services amount to 111-276 M€/yr,
o down SR to 19-45 M€/yr,
o shutdown to 1-2 M€/yr.
As to the weighted average unit prices of the AS computed, again, for each year from 2014 to 2019, one
has the following ranges:
• as to the upward AS on the ex ante ASM,
o minimum power prices amount to 94-158 €/MWh,
o upward step services prices amount to 89-131 €/MWh;
• as to the upward AS on the BM,
o upward step services prices amount to 108-159 €/MWh,
o up SR prices amount to 96-144 €/MWh,
20000290
Figure 2.1 – Annual economic value of each upward or downward service in each ASM stage, from 2014 to 2019.
20000290
The EV response, with BS provision, in terms of energy exchanges and the related economic evaluations
are compared with those obtained by carrying out the recharge without BS provision, i.e. by absorbing
only energy bought on the DAM; this latter recharge mechanism is considered here as a reference and
therefore it is called “benchmark” recharge. The idea underlying the heuristic strategy is to try to exploit,
as far as possible, the price differences within the BM and between the BM and the DAM: in the BM, in
fact, selling prices (for the upward BS) are normally higher than the DAM prices, as well as than
purchase prices (for the downward BS), and these latter are normally lower than the DAM prices. We
recall that remuneration for the energy exchanges on the BM for the service is according to a pay-as-bid
mechanism. Since the profitability evaluations in this work are performed ex post, the prices to be used
in the bids on the BM are taken as input data, as well as the price adopted for energy purchases on the
DAM. This last is assumed here as the National Single Price (NSP, in Italian “Prezzo Unico Nazionale”
– PUN). In the presence of a recharge program on the DAM, in addition to the pay-as-bid remuneration
for the energy exchanged for the AS, the EV is also assumed to obtain a capacity remuneration
(expressed in k€/MW/yr); this additional assumption is inspired by the remuneration recognised to
current Italian pilot projects about MVEUs for the provision of reserve capacity according to ARERA
Decision n. 300/2017/R/EEL [32] (compare [34], [88]).
The approach adopted in the EV simulation for BS provision is composed of two main steps:
• running the bidding algorithm (see Section 3.2),
• making overall economic evaluations (see Section 3.4).
The bidding algorithm itself computes the power and energy exchanges related to the chosen BS on the
BM and the ones related to energy purchases on the DAM for the residual recharge and for the
benchmark recharge; this is done for each recharge period over an overall one-year time interval Ttot.
Then, the costs and revenues related to the energy exchanges for each recharge period are computed, by
taking as a reference the current structure of an Italian end user’s electricity bill.
As to costs related to energy absorption from the grid, only the variable ones, i.e. the ones proportional
to energy exchanges, are taken into consideration here; they include
1. the costs for the downward BS supply (energy absorption) or for energy purchase on the DAM,
2. the system charges, the transmission and distribution costs and the dispatching charges,
3. the excise taxes,
4. the Value Added Tax (VAT, in Italian “Imposta sul Valore Aggiunto” – IVA).
Also the variable revenues related to energy injection into the grid are considered; by assuming an
extension to end users of the current Italian regulatory framework for generators, such revenues are here
assumed as not to be affected by charges, excise taxes and VAT. A similar hypothesis has been
discussed by the National Regulator about MVEUs [101] and more recently about dispatching rules for
BESS [102].
Fixed costs related to the rated power of the installation where the recharge is carried out and fixed costs
related to the number of connection points are neglected, instead, because they do not depend on the
chosen recharge mechanism (the one based on the strategy or the benchmark one) so they can be
considered to be constant. For the same reason, net metering schemes in the bill are not considered.
The bidding algorithm does not take into account the system charges and the transmission and
distribution costs associated with energy absorption: such charges and costs are considered in the overall
economic evaluations carried out after running it. Similarly, it does not consider capacity remuneration,
which is then considered in the overall economic evaluations.
Finally, we remark that the bidding algorithm and the economic evaluations are implemented, in the
Matlab® environment, for one single EV, for simplicity. Anyway, the EV itself can be regarded as an
average one within an EV aggregate, so that a preliminary overall assessment of the energy exchanges
and of service profitability can be made with reference to the aggregate by multiplying part of the results
(i.e. extensive variables such as the profit from the service) obtained for one EV simply by the number
of EVs in the aggregate.
20000290
The algorithm then computes, in particular, the energy exchanges, with the related costs and revenues,
associated with the service supply and the energy absorptions, and the related costs, associated to the
energy purchase on the DAM.
For each hour in which the EV makes upward or downward bids for the BS in the BM, a bid consists of
an energy quantity Eh (expressed in MWh) and an energy unit price ph (expressed in €/MWh); the
energy in the bid is assumed to be related to an amount of power constant throughout the hour, so equal
to the average power Ph = Eh /1 h (in MW), and, in case of bid acceptance in any quarter of an hour (¼
h) in that hour, the accepted energy is assumed to be the whole Eh /4, with the related accepted power Ph
(in fact, Ph · ¼ h = Eh /4). Therefore, in the following, for simplicity, reference is made to the power,
rather than to the energy, associated to a bid.
Bid acceptance in the market by the TSO is simulated via a simple ex-post criterion [5] [7]: an
upward/downward bid is assumed to be accepted in a ¼ h (belonging to the hour to which the
upward/downward bid refers) if its price is lower/higher than or equal to the maximum historical price
accepted for upward/downward bids in that ¼ h. Upward/downward bid acceptance is associated to the
issue of upward/downward dispatching order by the TSO; here, for simplicity, an order is assumed to
require, in the considered ¼ h, exchange of constant power, equal to the whole power indicated in the
bid.
In the algorithm simulation, there are hours in which both an upward and a downward bid are presented;
in each ¼ h of such hours, the acceptance of only one of them is simulated, by assuming that the
upward/downward bid is accepted if the total quantity historically accepted in that ¼ h for
upward/downward bids is greater than the total quantity historically accepted in that ¼ h for
downward/upward bids respectively; in case the two total quantities are the same, the upward bid is
assumed to be accepted.
The implemented bidding strategy can be summarized as follows, where Pn is the maximum power
flexibility allotted for the service and it is assumed to coincide with the maximum power exchange
allowed by the recharging infrastructure (i.e. with the maximum recharging power) and, where
applicable, to be symmetrical, i.e. equal in charge and in discharge:
• V1G without recharge program:
o for every hour in which the SoC allows for it, the EV makes a downward bid on the BM, to
absorb energy; the maximum power of the bid is equal to Pn;
20000290
o since the EV cannot inject power into the grid (due to the V1G assumption) and it does not
have a recharge program on the DAM (with respect to which the EV may make upward bids
to reduce its own absorption from the grid), no upward bids can be assumed;
• V1G with recharge program:
o as already remarked, in order to be enabled to benefit from the capacity remuneration as
well, the EV is assumed to submit an absorption program Pprg; here this is assumed to be at
constant power and for the first three hours of the considered recharge period; in such three
hours, the EV can also make upward bids in the BM, to reduce its absorption from the grid
with respect to its absorption program (anyway, it cannot inject power into the grid, due to
the V1G assumption);
o in the following hours, for every hour in which the battery SoC allows for it, the EV makes
a downward bid on the BM (to increase its absorption from the grid); the maximum power
of the bid is equal to Pn.
• V2G without recharge program:
o for every hour in which the battery SoC allows for it, the EV makes a downward bid (to
absorb power from the grid), whose maximum power is equal to Pn; similarly, the EV
makes an upward bid (to inject power into the grid), whose maximum power is equal to Pn.
• V2G with recharge program:
o in order to be enabled to benefit from the capacity remuneration as well, the EV is assumed
to submit an absorption program, again at constant power and for the first three hours of the
considered recharge period; in such three hours the EV can also make upward bids in the
BM, so that, in case of acceptance, it can inject into the grid an amount of power equal to
Pn; in other words, the power associated to these upward bids is equal to the sum of the
scheduled absorption power and of Pn;
o in the following hours, for every hour in which the battery SoC allows for it, the EV makes
a downward bid on the BM (to absorb power from the grid); the maximum power of the bid
is equal to Pn; similarly, the EV makes an upward bid (to inject power into the grid), whose
maximum power is equal to Pn.
• In all the four cases just dealt with (V1G without or with recharge program, V2G without or with
recharge program), as the end of the recharge period approaches, if the SoC has not reached its
target value yet and there is no time enough left to reach it by playing on the BM, the EV is charged
up to its target SoC by absorbing energy bought on the DAM, at the NSP, so the “residual” recharge
with respect to the target SoC is carried out without participating in the BM and therefore for sure.
The power in an (upward or downward) bid in a certain hour is the maximum compatible with the SoC
of that hour, with the SoC target, with the maximum power flexibility and with the distance, in hours, to
the end of the recharge period: this in order to have the EV battery always able, in case of acceptance, to
exchange that power and therefore not to incur imbalances associated with incomplete service supply,
therefore not to incur the related economic penalties. For instance, in case of the presence of a recharge
program (both for V1G and V2G), no downward bids are formulated in the hours when the program is
enforced: this way, no attempt is made in such hours to aim at reaching SoC values higher than the
target one; this, in turn, is a way to avoid imbalances, in such hours, in case an absorption request related
to an accepted downward bid could not be completely fulfilled.
As to residual recharge in particular, let t and t be the starting and ending time, respectively, of the
recharge period; since the algorithm rationale works on an hourly basis, t and t refer to the
beginning of hours. Let t be the time at the beginning of the current hour and
hours from t and t . Let be the target value for the SoC, to be reached at t . If it were
be the number of
reached by absorbing, throughout time , the maximum power in absorption, called P ,
where ! is the EV BESS charging efficiency. Let ) be the (ceiled number of) hours needed, from t,
to charge the battery to the target SoC at the maximum power in absorption P :
) = *+,-,./ 01 − $2' 3/$P ! '5. 3.3
) ≥
Residual recharge is started if
3.4
Finally, one can recall that, beside simulating EV bidding on the BM and, if necessary, residual recharge
on the DAM, the algorithm simulates separately, for comparison, the EV benchmark recharge on the
DAM, both in terms of the related energy (or power) exchanges in absorption and in terms of the related
SoC time profile.
The reference DoDavg is defined as the DoD corresponding to nmax,avg on the curve:
Thus, the equivalent number of discharge cycles actually done Ncyc, along Ttot, at DoDavg is evaluated
from the overall discharged energy Ed and DoDavg:
The BESS life, in years, is the ratio Lcyc = nmax,avg/(Ncyc/Ttot). It can then be compared to the “standard”
life L obtained, from the overall discharged energy, by assuming DoD = 1 (i.e. 100%) throughout Ttot.
As already mentioned, in the simulations here Ttot is a one-year-long time interval.
7
10
Maximum number of cycles to EOL [-]
NaS
Li
6 NaNiCl
10 2
5
10
4
10
3
10
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
DoD [-]
Figure 3.1 – Maximum number of cycles nmax as a function of the DoD, for Li-Ion, NaS and NaNiCl2 BESS technologies.
2
The assumptions in options 3 and 4 are somewhat different from ARERA’s hypotheses for a revision of the
conditions for the transmission, distribution and dispatching services as to the electrical energy absorbed and
injected back into the grid by storage systems [102]. Such hypotheses include an extension of the scheme
according to which such energy is treated. The extension regards those cases in which the absorption at the same
connection point is intended not only for storage systems or for auxiliary services of generation systems, but also
for further separate loads. This way, once quantified, the electrical energy absorbed from the grid and employed to
feed the storage systems for its subsequent re-injection into the grid and/or to feed the auxiliary services of
generation systems should be valued at the hourly zonal price instead of the NSP, thus avoiding distortion effects
(deriving from the fact that the NSP is normally applied to the absorbed energy, while the hourly zonal price is
applied to the injected energy); in addition, that energy should not be subject to the tariff components related to i)
transmission and distribution, ii) system charges, iii) reactive energy absorption, iv) dispatching.
20000290
constant power throughout the recharge period; along the whole simulated time interval (for
C` = CT − Q IU ∙ V′ ;
downward service; the overall variable cost in the bill is thus
3.14
• option 4: participation of the EV in the BM (simulated via the described bidding strategy), with
tax reliefs for the downward and for the upward service; more precisely, in addition to the
exemption considered in option 3 for the downward service, an exemption is also assumed in the bill
from the variable components of the system charges and of the grid tariffs for the energy injected
into the grid for the upward service, but with a weight equal to the percentage of energy absorbed
from the grid which has not benefitted yet of the exemption considered in option 3; the overall
Q _[,[[ Q ,[[ − Q IU c
variable cost in the bill is thus
Cb = CT − Q IU ∙ Vc + ∙ V =
!; def ; g Q ,[[
hijk,kik hvw,kik fhxy
= C` + l ∙ Vc .
3.15
mnopqrsmtu hvw,kik
The amounts of energy absorbed by the EV, i.e. by the recharge infrastructure, from the grid are
assumed to be greater than or equal to zero, the amounts of energy injected into the grid are assumed to
Q IJK,L (MWh): energy absorbed if recharge were made at constant power throughout the recharge
be lower than or equal to zero. Symbols are thus defined:
Q IJK,YXZ,L[ (MWh): energy actually absorbed on the DAM according to the recharge program
supply) on the DAM according to the recharge program
Q \],YX X (MWh): energy sold (therefore ≤ 0) for the upward balancing service and whose related
Q IU (MWh):
power exchange constitutes a reduction of the recharge program profile
Q \] (MWh):
energy absorbed for the downward balancing service
energy globally sold (therefore ≤ 0) for the upward balancing service (reduction
Q IJK,X (MWh):
of the recharge program profile or injection into the grid)
energy absorbed for residual recharge on the DAM
Q ,[[ (MWh): energy globally absorbed from the grid (related to the absorption profile, the
Q _[,[[ (MWh):
downward balancing service, the residual recharge)
energy globally injected into the grid, therefore ≤ 0 (related to the upward
pIJK,L (€/MWh): average price for the energy absorbed on the DAM in the benchmark case
balancing service, which can also be superposed to the absorption profile)
pIJK,YXZ (€/MWh): average price for the energy absorbed on the DAM for recharge according to the
VW, (€/MWh): average price for the energy absorbed for the downward balancing service
recharge program profile
20000290
VW,XZ (€/MWh): average price for the energy sold for the upward balancing service
pIJK,X (€/MWh): average price for the energy absorbed for the residual recharge on the DAM
p (€/MWh):
p′ (€/MWh):
average price for the system charges, the grid tariffs and the dispatching charges
average price for the system charges and the grid tariffs, i.e. for the charges which
p
are here the object of the assumed exemption mechanism
z (€/MWh): excise price
First of all, we recall that the recharge period (namely Tr) starts at time t and ends at time t , and
gained.
• “recharge as fast as possible”, i.e. recharge at the BESS maximum recharge power P (which
Two simple kinds of recharging rationale can be described as follows:
is here assumed to be equal to the maximum recharging power Pn) if possible, starting from the
beginning of the recharge period: to be precise, define the related charging time interval (as an
so, this benchmark recharge starts at t , lasts ), hours and it consists of absorbing power
3.17
7, $2'
P , 2 ≤ 2 ≤ 2 + ), − 1 ℎ
=} ∆EL − P ! ∙ 1), − 1 ℎ3 ;
P , 2 + ), − 1 ℎ < 2 ≤ 2 + ),
3.18
It may happen, however, that recharge periods with different time duration are chosen along the overall
simulated (one-year) time interval Ttot. As to overnight recharge, for instance, one can consider at least
two options:
• “everyday recharge”, where each recharge period starts on the evening of a day and ends in the
morning of the following day, so the duration of all the recharge periods is the same;
• “recharge referring to working days”, where the recharge period starts on the evening of a day and
ends in the morning of the following day in case of working days, while, in case of weekends, it
starts on Friday and ends on Monday and, similarly, in case of festivities, it starts on the previous
working day and ends on the following working day. This way, the recharge period is much longer
in case of weekends or festivities, so there is much more time to participate in the BM and supply
the service (the drawback is that the EV cannot be employed for driving during the recharge period).
This is the assumption adopted in the simulations here (see Section 3.6 and Chapter 4). In this case,
recharge by using a constant value for N in (3.19), more precisely by always taking N as the
for simplicity, the “recharge throughout the recharge period” rationale is applied for benchmark
duration of the shorter recharge periods, namely the duration of the recharge periods between two
consecutive days.
20000290
Table 3.2 – Study cases: main technical and economic parameters; for more details on p and p’ , see Table 3.3.
on on
3
The time interval for the recharge program is here three consecutive hours in the afternoon-early evening, for
similarity with the current Italian regulatory framework for MVEUs. In order to be able to apply for the mentioned
capacity remuneration, MVEUs must be available to supply the BS at least for four consecutive hours in the 14:00-
20:00 time interval (on working days); if availablity is for a shorter time, up to two consecutive hours, then the
capacity remuneration is reduced, up to a half. For a load such as a recharging EV, being available for the service
means having a programmed absorption profile, i.e. a recharge program. Here, the program is assumed to last three
hours, but with no reduction of the capacity remuneration, for simplicity. Since the EV is assumed to be charged in
the evening and at night, the three hours could be from 17:00 to 20:00; however, the EV is likely to be still on the
road at 17:00, while 18:00 can be considered an acceptable (for the user) starting time for recharge, so a shift to
recharge program its initial time t is chosen here to coincide with the beginning of the program itself, so that the
21:00 as the end of the three-hour interval is admitted here. As to Tr (recharge period), in the presence of a
EV can apply for the capacity remuneration; in the absence of a recharge program, t is chosen as one hour later,
to better fit the user’s needs; the one-hour difference in t (and in Tr), anyway, does not affect the economic
results significantly, since market prices do not differ significantly and the other simulation inputs are the same.
20000290
Table 3.3 – Variable components of system charges, of the network and metering fees and of the dispatching charges (II
trimester 2018 [103] [104]). The components considered for the dispatching charges are those for the captive market
(the so-called “mercato tutelato”, in Italian).
Home Company
recharge recharge
Components of charges (i.e. of “oneri”) €/MWh €/MWh
System charges (“oneri di sistema”) 69.97 50.85
Network and metering (“oneri di rete”) 7.86 8.46
Dispatching (“dispacciamento”) 11.55 11.55
10.35 4.02
Total charges (pon '
Other dispatching (“altro dispacciamento”)
99.732 74.877
Sum of system charges and of network and metering charges (p′on ) 77.832 59.307
For each study case, simulations are carried out over the one-year-long period Ttot between 1st August
2016 and 31st July 2017, with reference to the working days only (252 days) so t and t can also
refer to non-consecutive days, as explained in Section 3.5. As a comparison term to determine bid
acceptance in the bidding algorithm, the maximum and minimum historical accepted prices, over Ttot, in
the Northern market zone [9] [5] [7] are adopted. For the sake of completeness, for each ¼ h of the one-
year period, the minimum and mean value of the downward accepted prices and the maximum and mean
value of the upward accepted prices are reported, in Figure 3.2, Figure 3.3, Figure 3.4 and Figure 3.5
respectively; the NSP is reported, for comparison, in Figure 3.6. One can remark, e.g., that the majority
of the minimum downward accepted prices is lower than or equal to 60 €/MWh, and so is the majority
of the mean downward accepted prices, while the majority of the maximum upward accepted prices is
lower than or equal to 1000 €/MWh, and so is the majority of the mean upward accepted prices. The
NSP is always lower than 170 €/MWh instead.
20000290
Figure 3.2 – Minimum accepted price of the downward bids for the BS in each ¼ h of the considered one-year period (at
the bottom a zoom of the top graph).
20000290
Figure 3.3 – Mean accepted price of the downward bids for the BS in each ¼ h of the considered one-year period (at the
bottom a zoom of the top graph).
20000290
Figure 3.4 – Maximum accepted price of the upward bids for the BS in each ¼ h of the considered one-year period (at
the bottom a zoom of the top graph).
20000290
Figure 3.5 – Mean accepted price of the upward bids for the BS in each ¼ h of the considered one-year period (at the
bottom a zoom of the top graph).
20000290
180
160
140
120
100
80
60
40
20
0
0.5 1 1.5 2 2.5 3 3.5
Quarter of an hour [-] 104
Figure 3.6 – The NSP (PUN) along the considered one-year period; since it is an hourly price but the bidding algorithm
has to work on a quarter-of-an-hourly basis (which is the time granularity of the BM for the BS), each hourly value is
here repeated four times, for the four ¼ h in each hour, for ease of comparison with the BS prices.
As already hinted at, simulations are aimed at a sensitivity analysis with respect to the bid prices. The
downward bid price, pDW, is assumed to be constant throughout T (therefore throughout each recharge
period considered in Ttot) and so is the upward bid price, pUP. Thus, in the bill values, pbal,abso = pDW and
each couple (pDW; pUP), where pDW, pUP ∈ {0, 10, 20, …, 990, 1000} €/MWh (higher prices, up to 3000
pbal,erog = pUP. The bidding algorithm is run along the recharge periods of the working days of Ttot, for
€/MWh, allowed in the Italian BM, are neglected). Since 101 different values are considered for pDW and
101 for pUP, 101 × 101 (pDW; pUP) values are tested in the simulations for each study case, except for
study cases A and E: in those two cases, there is only the downward service and therefore only the 101
values considered for pDW. For each study case, for each of the 101 × 101 or 101 runs, the annual results
are computed, in terms of the mentioned overall energy exchanges, with the related average prices, and
of bill values C1 to C4, also in the presence of the capacity remuneration. In order to analyse service
profitability for the end user, a per cent saving index with respect to the benchmark bill is also defined:
C
for i = 2, 3, 4,
S = 1 − ∙ 100, , g = 0
C#
3.20
(notice the addition of subscript R if the capacity remuneration is considered). Doing the service is here
deemed to be profitable if the related bill is lower than or equal to the benchmark bill, therefore if the
corresponding saving index is greater than or equal to zero.
The main results of the sensitivity analysis are discussed in Chapter 4, with particular attention for the
profitable simulated instances (Section 4.3).
20000290
Let us focus on annual results in terms of the computed energy exchanges, namely Q IU ,
• option 4: participation in the BM, with tax reliefs for the downward and for the upward service.
Q \], Q \],YX X, Q IJK,YXZ,L[, Q IJK,X, Q ,[[ and Q _[,[[, of the related average prices and of the
electricity bill evaluated according to the mentioned options.
Table 4.1 reports, for each study case, those annual results which are invariant, i.e. independent of (pDW;
pUP):
• the benchmark energy absorption (namely Q IJK,L), which is around 2.06 MWh in the domestic
cases (A to D) and around 3.59 MWh in the non-domestic ones (E to H), and the related average
price on the DAM (pIJK,L), which is always around 49-50 €/MWh;
• the annual benchmark bill C1, which is about 390 € in the domestic cases and about 600 € in the
non-domestic ones; there are slight differences from case to case because of the one hour difference
in Tr duration in the presence or absence of the recharge program;
to the program (namely Q IJK,YXZ), which is about 1.51 MWh in the domestic cases (B, D) and
• in the cases with the recharge program, the energy which would be absorbed on the DAM according
about 3.02 MWh in the non-domestic ones (F, H), and the related average price (pIJK,YXZ), which is
always around 64 €/MWh.
For each study case, then, the annual results globally depending on (pDW; pUP) are considered.
As to study cases A and E, such results depend on downward bid price pDW only, because there is only
the downward BS in such cases. Results are depicted in Figure 4.1, as a function of pDW indeed: on the
left, there are energy exchanges QDW, for the downward BS, and QDAM,res, for residual recharge, whose
sum equals Qin,tot in such cases (there are no other exchanges to consider, because recharge is V1G and
no recharge program is present); such exchanges are compared with the reference energy to absorb, i.e.
with QDAM,bnc, which coincides with Qin,tot in such cases. In the domestic study case (A), most of QDAM,bnc
is accounted for by QDAM,res, while in the non-domestic study case (E), by QDW; besides, in both cases, as
expected, QDW first increases as pDW increases, since the downward bid acceptance rate increases,
therefore QDAM,res decreases; then, as pDW further increases, QDW (therefore QDAM,res) becomes constant,
since the downward bid acceptance rate has reached it maximum value. In Figure 4.1, on the right, the
different bills are compared: C3 = C4 of course, due to the absence of the upward BS; besides, C3 < C2
by construction; as pDW increases, each bill first decreases and then increases, because QDW, as already
noticed, becomes constant. In more detail, in case A, one has C2 ≥ C1 (thus S2 ≥ 0) for 0 €/MWh ≤ pDW ≤
70 €/MWh, so downward BS supply is profitable in eight simulations among the 101 carried out; C3 ≥
C1 (thus S3 ≥ 0), instead, for 0 €/MWh ≤ pDW ≤ 140 €/MWh, i.e. not applying part of the charges makes
downward BS supply is profitable in fifteen simulations. In case E, C2 ≥ C1 (S2 ≥ 0) for 0 €/MWh ≤ pDW
≤ 40 €/MWh, C3 ≥ C1 (S3 ≥ 0) for 0 €/MWh ≤ pDW ≤ 90 €/MWh, i.e downward BS supply is profitable in
five or ten simulations, respectively, if all or part of the charges are applied. In the profitable
instances/simulations, the maximum saving with respect to C1 is obtained, in case A, for pDW = 10
20000290
€/MWh for all the considered bills, while, in case E, for pDW = 10 €/MWh for bill C2 and for pDW = 30
€/MWh for bill C3.
from left to right and from top to bottom, Q IU and Q \], Q \],YX X and Q IJK,YXZ,L[, Q IJK,X
As to study case B, the following annual quantities are depicted in Figure 4.2 as functions of (pDW; pUP):
and pIJK,X, Q ,[[ ; Q _[,[[ is not reported in this case, because it is always zero, since recharge is
V1G. One can notice that, for each pUP value, Q IU , Q IJK,X and pIJK,X are constant with respect to
pDW, apart from very small pDW values, while Q ,[[ , |Q \] | , |Q \],YX X | and Q IJK,YXZ,L[ are constant
with respect to pDW. Besides, as pUP increases, |Q \] |, Q IU , |Q \],YX X | and Q IJK,X decrease, while
Q IJK,YXZ,L[ increases and Q ,[[ increases very slightly. In more detail,
• Q IU is, on the whole, between 0.09 MWh (this minimum value is attained for (pDW; pUP) = (0
0 €/MWh)), with 0.16 MWh mean value; as compared to Q IJK,L = 2.06 MWh, therefore, the
€/MWh; 460 €/MWh)) and 0.40 MWh (this maximum value is attained for (pDW; pUP) = (40 €/MWh;
• Q \] is, on the whole, between -1.25 MWh (this minimum value is attained for (pDW; pUP) = (0
contribution to the recharge in terms of downward BS supply appears to be quite small in this case;
€/MWh; 0 €/MWh)) and -0.01 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
• for Q \],YX X , the same results as for Q \] are obtained, because with V1G recharge the upward BS
460 €/MWh)), with -0.17 MWh mean value;
• Q IJK,YXZ,L[ is, on the whole, between 0.27 MWh (this minimum value is attained for (pDW; pUP) =
can only be employed to reduce the programmed absorption (no injection into the grid is allowed);
€/MWh; 460 €/MWh)), with 1.34 MWh mean value; as compared to Q IJK,L = 2.06 MWh,
(40 €/MWh; 0 €/MWh)) and 1.51 MWh (this maximum value is attained for (pDW; pUP) = (0
in this case; besides, since Q IJK,YXZ = 1.51 MWh, the contribution to the recharge from the
therefore, the contribution to the recharge from the programmed profile is on average non-negligible
• Q IJK,X is, on the whole, between 0.43 MWh (this minimum value is attained for (pDW; pUP) = (40
programmed profile appears to be rather close to the one foreseen without BS supply;
0 €/MWh)), with 0.56 MWh mean value; as compared to Q IJK,L = 2.06 MWh, therefore, also the
€/MWh; 460 €/MWh)) and 1.56 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
contribution to the whole recharge from the “residual” part is on average non-negligible but
moderate (around 27%) in this case;
• pIJK,X is, on the whole, between 40.76 €/MWh (this minimum value is attained for (pDW; pUP) =
(0 €/MWh; 50 €/MWh)) and 43.07 €/MWh (this maximum value is attained for (pDW; pUP) = (10
€/MWh; 120 €/MWh)), with 41.42 €/MWh mean value;
• Q ,[[ is, on the whole, between 2.05 MWh (this minimum value is attained for (pDW; pUP) = (50
130 €/MWh)), with 2.06 MWh mean value; indeed, with V1G recharge Q ,[[ should be, ideally,
€/MWh; 90 €/MWh)) and 2.06 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
equal to Q IJK,L; however, it is not exactly the same due to numerical approximations in the
bidding algorithm.
Table 4.1 – Invariant results with respect to the bid prices for the BS.
Study QDAM,bnc pDAM,bnc QDAM,prg pDAM,prg
C1 [€]
case [MWh] [€/MWh] [MWh] [€/MWh]
A 2.057 48.94 387.81 0 -
B 2.057 50.18 390.51 1.512 63.90
C 2.057 48.94 387.81 0 -
D 2.057 50.18 390.51 1.512 63.90
E 3.591 48.97 597.42 0 -
F 3.591 50.22 602.82 3.024 63.90
G 3.591 48.97 597.42 0 -
H 3.591 50.22 602.82 3.024 63.90
20000290
(a)
(b)
Figure 4.1 – Simulation results for the V1G study cases without recharge program (cases A and E): on the left, the
annual energy quantities of interest; on the right, the annual electricity bill computed according to the different
considered options. Results are reported as a function of the bid price. In (a), all the results are reported; in (b), a zoom
on the smaller bid prices is shown.
Quantities Q IU and Q \], Q IJK,X and pIJK,X, Q ,[[ and Q _[,[[ are depicted in Figure 4.3 for study
case C; Q \],YX X and Q IJK,YXZ,L[ are not reported because they have to be zero by construction, since
there is no programmed absorption. One can notice that, for each pUP value the depicted quantities are
• Q IU is, on the whole, between 0.27 MWh (this minimum value is attained for (pDW; pUP) = (0
constant with respect to pDW, apart from very small pDW values. Besides,
0 €/MWh)), with 0.61 MWh mean value; as compared to Q IJK,L = 2.06 MWh, therefore, the
€/MWh; 660 €/MWh)) and 1.52 MWh (this maximum value is attained for (pDW; pUP) = (50 €/MWh;
contribution to the recharge in terms of downward BS supply starts to become non-negligible in this
case, differently from case B; in fact, the presence of injected energy for the upward BS (see
20000290
Q \] is, on the whole, between -3.28 MWh (this minimum value is attained for (pDW; pUP) = (20
the energy which can be absorbed for the downward BS;
•
€/MWh; 0 €/MWh)) and -0.01 MWh (this maximum value is attained for (pDW; pUP) = (30 €/MWh;
Q IJK,X is, on the whole, between 1.62 MWh (this minimum value is attained for (pDW; pUP) = (40
810 €/MWh)), with -0.48 MWh mean value;
•
0 €/MWh)), with 2.00 MWh mean value; as compared to Q IJK,L = 2.06 MWh, therefore, also the
€/MWh; 810 €/MWh)) and 5.05 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
contribution to the whole recharge from the “residual” part is on average non-negligible in this case;
• pIJK,X is, on the whole, between 41.16 €/MWh (this minimum value is attained for (pDW; pUP) =
(0 €/MWh; 660 €/MWh)) and 45.25 €/MWh (this maximum value is attained for (pDW; pUP) = (20
€/MWh; 90 €/MWh)), with 42.11 €/MWh mean value;
• Q ,[[ is, on the whole, between 2.07 MWh (this minimum value is attained for (pDW; pUP) = (30
0 €/MWh)), with 2.62 MWh mean value; therefore, Q ,[[ can also be considerably larger than
€/MWh; 810 €/MWh)) and 5.90 MWh (this maximum value is attained for (pDW; pUP) = (20 €/MWh;
Q IJK,L, because in V2G recharge the presence of injected energy as well (Q _[,[[) increases the
amount of energy to be absorbed in order to reach the desired energy recharge;
• for Q _[,[[, the same results as for Q \] are obtained, because the two quantities coincide in V2G
recharge in the absence of a recharge program.
In Figure 4.4 Q IU and Q \], Q \],YX X and Q IJK,YXZ,L[ , Q IJK,X and pIJK,X, Q ,[[ and Q _[,[[ are
depicted for study case D. One can notice that, for each pUP value, Q IU , |Q \] | , Q IJK,X, pIJK,X ,
Q ,[[ and Q _[,[[ are constant with respect to pDW, apart from very small pDW values, while |Q \],YX X |
and Q IJK,YXZ,L[ are constant with respect to pDW. In more detail,
• Q IU is, on the whole, between 0.10 MWh (this minimum value is attained for (pDW; pUP) = (0
0 €/MWh)), with 0.35 MWh mean value; as compared to Q IJK,L = 2.06 MWh, therefore, the
€/MWh; 810 €/MWh)) and 1.60 MWh (this maximum value is attained for (pDW; pUP) = (60 €/MWh;
contribution to the recharge in terms of downward BS supply is non-negligible in this case, similarly
Q \] analysed below), part of which is injected into the grid (see Q _[,[[ analysed below as well), in
to case C and differently from case B; in fact, the presence of energy sold for the upward BS (see
the downward BS; as compared to case C, both |Q \] | and |Q _[,[[ | tend to be larger, while Q IU
non-negligible amounts most of all, determines an increase of the energy which can be absorbed for
• Q \] is, on the whole, between -4.85 MWh (this minimum value is attained for (pDW; pUP) = (20
has a smaller minimum, a larger maximum and a larger mean value;
€/MWh; 0 €/MWh)) and -0.04 MWh (this maximum value is attained for (pDW; pUP) = (10 €/MWh;
• Q \],YX X is, on the whole, between -1.25 MWh (this minimum value is attained for (pDW; pUP) =
810 €/MWh)), with -0.77 MWh mean value;
(20 €/MWh; 0 €/MWh)) and -0.01 MWh (this maximum value is attained for (pDW; pUP) = (0
€/MWh; 520 €/MWh)), with -0.17 MWh mean value;
• Q IJK,YXZ,L[ is, on the whole, between 0.27 MWh (this minimum value is attained for (pDW; pUP) =
(20 €/MWh; 0 €/MWh)) and 1.51 MWh (this maximum value is attained for (pDW; pUP) = (0
has that, as compared to Q IJK,L = 2.06 MWh, the contribution to the recharge from the
€/MWh; 520 €/MWh)), with 1.34 MWh mean value; therefore, as already remarked for case B, one
programmed profile is on average non-negligible in this case; as in case B again, since Q IJK,YXZ =
1.51 MWh, the contribution to the recharge from the programmed profile appears to be rather close
to the one foreseen without BS supply;
• Q IJK,X is, on the whole, between 0.46 MWh (this minimum value is attained for (pDW; pUP) = (40
€/MWh; 810 €/MWh)) and 5.13 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
20000290
0 €/MWh)), with 1.07 MWh mean value; as compared to Q IJK,L = 2.06 MWh, therefore, not only
the contribution to the recharge from residual part of the recharge itself is on average non-negligible
in this case, but also it can be much larger, due to the presence of large energy sellings or injections
for the upward BS;
• pIJK,X is, on the whole, between 40.35 €/MWh (this minimum value is attained for (pDW; pUP) =
(0 €/MWh; 610 €/MWh)) and 45.98 €/MWh (this maximum value is attained for (pDW; pUP) = (10
Q ,[[ is, on the whole, between 2.10 MWh (this minimum value is attained for (pDW; pUP) = (10
€/MWh; 120 €/MWh)), with 41.76 €/MWh mean value;
•
€/MWh; 180 €/MWh)) and 6.29 MWh (this maximum value is attained for (pDW; pUP) = (20 €/MWh;
Q _[,[[ is, on the whole, between -3.61 MWh (this minimum value is attained for (pDW; pUP) = (20
0 €/MWh)), with 2.76 MWh mean value;
•
€/MWh; 0 €/MWh)) and -0.03 MWh (this maximum value is attained for (pDW; pUP) = (10 €/MWh;
810 €/MWh)), with -0.60 MWh mean value.
B, for each pUP value one has that Q IU , Q IJK,X and pIJK,X are constant with respect to pDW, apart
The same variables as for case B are depicted in Figure 4.5 for study case F. As already noticed for case
from very small pDW values, while Q ,[[ , |Q \] | , |Q \],YX X | and Q IJK,YXZ,L[ are constant with respect
to pDW. In case F, as pUP increases, |Q \] |, Q IU , |Q \],YX X | decrease, while Q IJK,YXZ,L[ increases and
Q ,[[ increases very very slightly. In more detail,
• Q IU is, on the whole, between 0.24 MWh (this minimum value is attained for (pDW; pUP) = (0
0 €/MWh)), with 3.56 MWh mean value; as compared to Q IJK,L = 3.59 MWh, therefore, the
€/MWh; 460 €/MWh)) and 3.07 MWh (this maximum value is attained for (pDW; pUP) = (50 €/MWh;
case; this is a difference with respect to case B; besides, with respect to case B, Q IU takes up much
contribution to the recharge in terms of downward BS supply appears to be non-negligible in this
larger values, due to the larger values of the energy to be recharged, of the maximum power
• Q \] is, on the whole, between -2.49 MWh (this minimum value is attained for (pDW; pUP) = (0
available for recharge and of the power in the recharge program;
€/MWh; 0 €/MWh)) and -0.01 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
460 €/MWh)), with -0.34 MWh mean value; one can notice, in particular, that the minimum and the
• for Q \],YX X , the same results as for Q \] are obtained (except for slight differences due to
mean values are around double the ones obtained in case B;
numerical approximations in the bidding algorithm), because with V1G recharge the upward BS can
only be employed to reduce the programmed absorption (no injection into the grid is allowed);
• Q IJK,YXZ,L[ is, on the whole, between 0.53 MWh (this minimum value is attained for (pDW; pUP) =
(0 €/MWh; 0 €/MWh)) and 3.01 MWh (this maximum value is attained for (pDW; pUP) = (50
obtained in case B; besides, as compared to Q IJK,L = 3.59 MWh, the contribution to the recharge
€/MWh; 460 €/MWh)), with 2.69 MWh mean value; these values are around double the ones
case B; besides, since Q IJK,YXZ = 3.02 MWh, the contribution to the recharge from the programmed
from the programmed profile is on average non-negligible in this case, similarly to what happens in
profile appears to be, on average, non-negligible with respect to the one foreseen without BS supply;
• Q IJK,X is, on the whole, between 0.00 MWh (this minimum value is attained for (pDW; pUP) = (50
0 €/MWh)), with 0.02 MWh mean value; differently from case B, as compared to Q IJK,L, the
€/MWh; 460 €/MWh)) and 1.86 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
• pIJK,X is, on the whole, between 33.49 €/MWh (this minimum value is attained for (pDW; pUP) =
contribution to the whole recharge from the “residual” part is on average negligible in this case;
(50 €/MWh; 460 €/MWh)) and 55.15 €/MWh (this maximum value is attained for (pDW; pUP) = (40
obtained in case B; this result, together with the previous one about Q IJK,X, will imply smaller
€/MWh; 120 €/MWh)), with 34.14 €/MWh mean value; all these values are lower than the ones
• Q ,[[ is globally constant, and equal to 3.61 MWh, i.e. very close to Q IJK,L.
expenses for residual recharge in the bill(s), with respect to case B;
20000290
Figure 4.2 – Simulation results for the domestic V1G study case with recharge program (case B): annual energy
exchanges and related average prices, as functions of the bid prices.
20000290
Figure 4.3 – Simulation results for the domestic V2G study case without recharge program (case C): annual energy
exchanges and related average prices, as functions of the bid prices.
20000290
Figure 4.4 – Simulation results for the domestic V2G study case with recharge program (case D): annual energy
exchanges and related average prices, as functions of the bid prices.
20000290
The same variables as for case C are depicted in Figure 4.6 for study case G. One can notice that, as in
case C, for each pUP value the depicted quantities are constant with respect to pDW, apart from very small
pDW values. In more detail, in case G, due to the larger values, with respect to case C, of the energy to be
• Q IU is, on the whole, between 1.63 MWh (this minimum value is attained for (pDW; pUP) = (0
recharged and of the maximum power available for recharge, these results can be highlighted:
€/MWh; 0 €/MWh)), with 6.21 MWh mean value; besides, as compared to Q IJK,L = 3.59 MWh,
€/MWh; 810 €/MWh)) and 18.76 MWh (this maximum value is attained for (pDW; pUP) = (50
the contribution to the recharge in terms of downward BS supply is not only non-negligible (as in
presence of injected energy for the upward BS (see Q \] = Q _[,[[ analysed below), in non-
case C), but it is very large, on average around 1.73 times and at most 5.23 times; in fact, the
negligible amounts most of all, determines an increase of the energy which can be absorbed for the
downward BS; such an increase is also much more pronounced than in case C, due to the fact that
• Q \] is, on the whole, between -17.99 MWh (this minimum value is attained for (pDW; pUP) = (50
injected energy is much larger than in case C;
€/MWh; 0 €/MWh)) and -0.20 MWh (this maximum value is attained for (pDW; pUP) = (30 €/MWh;
810 €/MWh)), with -3.34 MWh mean value; these values are about 5.48 times, twice and 6.96 times,
respectively, the ones obtained in case C;
• Q IJK,X is, on the whole, between 0.16 MWh (this minimum value is attained for (pDW; pUP) = (50
0 €/MWh)), with 1.33 MWh mean value; as compared to Q IJK,L = 3.59 MWh, therefore, the
€/MWh; 810 €/MWh)) and 10.44 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
moderate (around 37% Q IJK,L) in this case, although it can also become very small (around 4%
contribution to the whole recharge from the “residual” part is on average non-negligible but
• Q ,[[ is, on the whole, between 3.84 MWh (this minimum value is attained for (pDW; pUP) = (30
€/MWh; 810 €/MWh)), with 40.21 €/MWh mean value;
€/MWh; 0 €/MWh)), with 7.54 MWh mean value; therefore, Q ,[[ can be considerably larger than
€/MWh; 810 €/MWh)) and 24.75 MWh (this maximum value is attained for (pDW; pUP) = (50
Q IJK,L, because in V2G recharge the presence of injected energy as well (Q _[,[[) increases the
minimum, maximum and mean values of Q ,[[ are about 1.86 times, 4.19 times and 2.88 times,
amount of energy to be absorbed in order to reach the desired energy recharge; besides, the
as in case D for each pUP value, Q IU , |Q \] | , Q IJK,X, pIJK,X , Q ,[[ and Q _[,[[ are constant with
Finally, the same variables as for case D are depicted in Figure 4.7 for study case H. One can notice that,
respect to pDW, apart from very small pDW values, while |Q \],YX X | and Q IJK,YXZ,L[ are constant with
respect to pDW. In more detail, in case H, due to the larger values, with respect to case D, of the energy to
be recharged, of the maximum power available for recharge and of the power in the recharge program,
• Q IU is, on the whole, between 0.35 MWh (this minimum value is attained for (pDW; pUP) = (0
these results can be highlighted:
€/MWh; 810 €/MWh)) and 19.45 MWh (this maximum value is attained for (pDW; pUP) = (60
€/MWh; 0 €/MWh)), with 3.79 MWh mean value; these values, and in particular the maximum and
Q IJK,L = 3.59 MWh, the contribution to the recharge in terms of downward BS supply is non-
the mean, are much higher than the ones obtained in case D; besides, in this case H, as compared to
negligible; indeed, it is on average larger than Q IJK,L and it can become much larger (up to about
5.42 times Q IJK,L); in fact, the presence of energy sold for the upward BS (see Q \] analysed
below), part of which is injected into the grid (see Q _[,[[ analysed below as well), in non-
20000290
downward BS; as compared to case G, both |Q \] | and |Q _[,[[ | tend to be larger, while Q IU has a
negligible amounts most of all, determines an increase of the energy which can be absorbed for the
Q \] is, on the whole, between -21.51 MWh (this minimum value is attained for (pDW; pUP) = (50
smaller minimum, a larger maximum and a smaller mean value;
•
€/MWh; 0 €/MWh)) and -0.25 MWh (this maximum value is attained for (pDW; pUP) = (30 €/MWh;
810 €/MWh)), with -3.88 MWh mean value; these values are about 4.44 times, 2.5 times and 5.04
times, respectively, the ones obtained in case D, while they as mildly higher, as absolute values, than
for Q \],YX X is, on the whole, between -2.49 MWh (this minimum value is attained for (pDW; pUP) =
the ones found for case G;
•
(50 €/MWh; 0 €/MWh)) and -0.01 MWh (this maximum value is attained for (pDW; pUP) = (0
€/MWh; 460 €/MWh)), with -0.34 MWh mean value; these numbers are totally similar to those
Q IJK,YXZ,L[ is, on the whole, between 0.53 MWh (this minimum value is attained for (pDW; pUP) =
obtained in case F;
•
€/MWh; 460 €/MWh)), with 2.69 MWh mean value; as compared to Q IJK,L = 3.59 MWh, the
(50 €/MWh; 0 €/MWh)) and 3.01 MWh (this maximum value is attained for (pDW; pUP) = (0
contribution to the recharge from the programmed profile is on average non-negligible in this case,
Q IJK,YXZ,L[ are about twice the ones found in case B, and the same as those found in case F);
similarly to what happens in case B and in case F (and the minimum, maximum and mean values of
non-negligible with respect to the one foreseen without BS supply, i.e. to Q IJK,YXZ = 3.02 MWh;
besides, the contribution to the recharge from the programmed profile appears to be, on average,
• Q IJK,X is, on the whole, between 0.16 MWh (this minimum value is attained for (pDW; pUP) = (50
€/MWh; 810 €/MWh)) and 10.44 MWh (this maximum value is attained for (pDW; pUP) = (0 €/MWh;
0 €/MWh)), with 1.30 MWh mean value; these results are very similar to those found for case G;
• pIJK,X is, on the whole, between 37.86 €/MWh (this minimum value is attained for (pDW; pUP) =
(50 €/MWh; 810 €/MWh)) and 45.73 €/MWh (this maximum value is attained for (pDW; pUP) = (30
€/MWh; 120 €/MWh)), with 40.16 €/MWh mean value; these results are rather similar to those
found for case G;
• Q ,[[ is, on the whole, between 3.88 MWh (this minimum value is attained for (pDW; pUP) = (30
€/MWh; 810 €/MWh)) and 25.97 MWh (this maximum value is attained for (pDW; pUP) = (50
€/MWh; 0 €/MWh)), with 7.77 MWh mean value; these values are rather similar to those found for
case G, and more precisely they are slightly higher; as compared to the ones obtained in case D,
Q IJK,L = 3.59 MWh, in case H Q ,[[ appears always to be larger, and in particular it is on
instead, they amount to 1.85 times, 4.13 times and 2.82 times, respectively; besides, as compared to
average more than twice as much and at most 7.23 times as much: this because in V2G recharge,
also in the presence of a recharge program, the presence of injected energy as well (Q _[,[[)
increases the amount of energy to be absorbed in order to reach the desired energy recharge;
• Q _[,[[ is, on the whole, between -19.02 MWh (this minimum value is attained for (pDW; pUP) = (50
€/MWh; 0 €/MWh)) and -0.23 MWh (this maximum value is attained for (pDW; pUP) = (30 €/MWh;
810 €/MWh)), with -3.54 MWh mean value; these values are rather similar to those found for case
G, and more precisely they are slightly higher as absolute values; as compared to the ones obtained
in case D, instead, they amount to 5.27 times, 7.67 times and 5.9 times, respectively.
20000290
Figure 4.5 – Simulation results for the non-domestic V1G study case with recharge program (case F): annual energy
exchanges and related average prices, as functions of the bid prices.
20000290
Figure 4.6 – Simulation results for the non-domestic V2G study case without recharge program (case G): annual energy
exchanges and related average prices, as functions of the bid prices.
20000290
Figure 4.7 – Simulation results for the non-domestic V2G study case with recharge program (case H): annual energy
exchanges and related average prices, as functions of the bid prices.
20000290
values of quantities Q IU , Q \], Q \],YX X , Q IJK,YXZ,L[ , Q IJK,X , pIJK,X , Q ,[[ and Q _[,[[ are
For the sake of completeness, the minimum, maximum, mean, standard deviation, median and mode
reported, for all the study cases, in Table 4.2, Table 4.3, Table 4.4, Table 4.5, Table 4.6, Table 4.7, Table
4.8 and Table 4.9 respectively; for the minimum and maximum values, the bid prices for which such
• Q IU minimum values are always between 0.09 MWh and 1.63 MWh and are always attained for
values are attained are also reported. One can remark that
pDW = 0 €/MWh and very high pUP values (some hundred €/MWh); Q IU maximum values are
moderate pDW values (between 40 €/MWh and 70 €/MWh); Q IU mean values are always between
always between 0.40 MWh and 19.45 MWh and are always attained for pUP = 0 €/MWh and
0.16 MWh and 6.21 MWh; each of these minimum, maximum and mean values is higher in a non-
domestic study case than in the homologous domestic study case, i.e. in case E than in case A, in F
• Q \] is of course zero in case studies A and E, by construction; apart from such cases, Q \] minimum
than in B, in G than in C, in H than in D;
and pDW = 0 €/MWh or 20 €/MWh or 50 €/MWh; Q \] maximum values are always between -0.25
values are always between -21.51 MWh and -1.25 MWh and are always attained for pUP = 0 €/MWh
very high pUP values (some hundred €/MWh); Q \] mean values are always between -3.88 MWh and
MWh and -0.01 MWh and are always attained for pDW = 0 €/MWh or 10 €/MWh or 30 €/MWh and
-0.17 MWh; each of these minimum, maximum and mean values is lower in a non-domestic study
• Q \],YX X is of course zero in case studies A, C, E and G, by construction; in the other cases, its
minimum values are -1.25 MWh and -2.49 MWh, for a domestic and a non-domestic user
respectively, and are always attained for pUP = 0 €/MWh, with pDW = 40 €/MWh or 20 €/MWh or 0
€/MWh or 50 €/MWh; its maximum values are always about -0.01 MWh and are always attained for
pDW = 0 €/MWh or 50 €/MWh and very high pUP values (460 €/MWh or 520 €/MWh); its mean
• Q IJK,YXZ,L[ is also, of course, zero in case studies A, C, E and G, by construction; in the other
cases, its minimum values are 0.27 MWh and 0.53 MWh, for a domestic and a non-domestic user
respectively, and are always attained for pUP = 0 €/MWh, with pDW = 40 €/MWh or 20 €/MWh or 0
€/MWh or 50 €/MWh; its maximum values are 1.51 MWh and 3.01 MWh, for a domestic and a
non-domestic user respectively and are always attained for pDW = 0 €/MWh or 50 €/MWh and very
high pUP values (460 €/MWh or 520 €/MWh); its mean values are 1.34 MWh and 2.69 MWh, for a
domestic and a non-domestic user respectively;
• Q IJK,X minimum values are always between 0.00 MWh and 1.62 MWh and are always attained
for pDW = 40 €/MWh or 50 €/MWh or 70 €/MWh and very high pUP values (460 €/MWh or 810
€/MWh); its maximum values are always between 1.56 MWh and 10.44 MWh and are always
attained for pUP = pDW = 0 €/MWh; its mean values are always between 0.02 MWh and 2.00 MWh;
each of these minimum and mean values is lower in a non-domestic study case than in the
homologous domestic study case, while each of these maximum values is higher in a non-domestic
study case than in the homologous domestic study case, i.e. in case E than in case A, in F than in B,
• pIJK,X minimum values are always between 40.35 €/MWh and 41.16 €/MWh in the domestic
in G than in C, in H than in D;
study cases, between 33.49 €/MWh and 37.86 €/MWh in the non-domestic study cases, and they are
always attained for pDW = 0 €/MWh in the domestic study cases and for pDW = 50 €/MWh or 70
values (some hundred €/MWh); pIJK,X maximum values are always between 41.66 €/MWh and
€/MWh in the non-domestic study cases and they are almost always attained for very high pUP
45.98 €/MWh in the domestic study cases, between 45.73 €/MWh and 56.14 €/MWh in the non-
domestic study cases, and they are always attained for small pDW values (10 €/MWh or 20 €/MWh in
and they are almost always attained for high pUP values (around a hundred €/MWh); pIJK,X mean
the domestic study cases and for pDW = 30 €/MWh or 40 €/MWh in the non-domestic study cases)
20000290
values are always between 41.42 €/MWh and 42.11 €/MWh in the domestic study cases, between
Q ,[[ minimum values are always between 2.05 MWh and 2.10 MWh in the domestic study cases
34.14 €/MWh and 40.21 €/MWh in the non-domestic study cases;
•
and between 3.61 MWh and 3.88 MWh in the non-domestic study cases, and they are always
for very high pUP values (some hundred €/MWh); Q ,[[ maximum values are always between 2.05
attained for rather small and moderate pDW values (from 10 €/MWh to 60 €/MWh) and most of all
MWh and 6.29 MWh in the domestic study cases and between 3.61 MWh and 25.97 MWh in the
(from 0 €/MWh to 70 €/MWh) and most of all for pUP = 0 €/MWh; Q ,[[ mean values are always
non-domestic study cases, and they are always attained for rather small and moderate pDW values
between 2.05 MWh and 2.76 MWh in the domestic study cases and between 3.61 MWh and 7.77
MWh in the non-domestic study cases; each of these minimum, maximum and mean values is
higher in a non-domestic study case than in the homologous domestic study case, i.e. in case E than
in case A, in F than in B, in G than in C, in H than in D, and it is usually higher in the presence than
in the absence of the recharge program;
• Q _[,[[ is of course zero in case studies A, C, E and G, by construction; in the other cases, its
rather small pDW values (20 €/MWh or 50 €/MWh) and for pUP = 0 €/MWh; Q _[,[[ maximum
minimum values are always between -19.02 MWh and -3.28 MWh and they are always attained for
pDW values (10 €/MWh or 30 €/MWh) and for pUP = 810 €/MWh; Q _[,[[ mean values are always
values are always between -0.23 MWh and -0.01 MWh and they are always attained for rather small
between -3.54 MWh and -0.48 MWh; the absolute value of each of these minimum, maximum and
mean values is higher in a non-domestic study case than in the homologous domestic study case, i.e.
in case G than in case C and in H than in D, and it is higher in the presence than in the absence of
the recharge program.
For further information, the minimum, maximum, mean, standard deviation, median and mode values
Q IU , Q \] and Q IJK,X; such costs amount, respectively, to Q IU ∙ pIU , Q \] ∙ p\] (indeed, they are
are reported, in Table 4.10, Table 4.11 and Table 4.12, respectively, for the annual costs associated to
revenues in this case) and Q IJK,X ∙ pIJK,X . One can remark, in particular, that
• the mean value of Q IU ∙ pIU ranges between 79.39 € and 309.39 € in the domestic study cases,
between 459.84 € and 3146.13 € in the non-domestic ones; the standard deviation of Q IU ∙ pIU is
• the mean value of Q \] ∙ p\] has to be considered for all the study cases except for A and E; it
always of the same order of magnitude of the mean value and it can even be higher than it;
in the non-domestic ones; the standard deviation of Q \] ∙ p\] is always of the same order of
ranges between -107.83 € and -16.48 € in the domestic study cases, between -620.82 € and -32.95 €
• the mean value of Q IJK,X ∙ pIJK,X ranges between 23.14 € and 84.89 € in the domestic study
magnitude of the mean value and it is always smaller than it.
cases, between 0.63 € and 54.86 € in the non-domestic ones; the standard deviation of Q IJK,X ∙
pIJK,X ranges between 0.71 € and 47.98 € in the domestic study cases, between 3.65 € and 68.12 €
in the non-domestic ones.
The annual bill values for study cases B, C, D, F, G and H, respectively, are then depicted in Figure 4.8,
Figure 4.9, Figure 4.10, Figure 4.11, Figure 4.12 and Figure 4.13, all as functions of (pDW; pUP); to ease
comparison with C2, C3 and C4, C1 (which is constant with respect to (pDW; pUP) in each study case) is
also reported. In each study case, bills C2, C3 and C4 exibit a similar structural behaviour with respect to
(pDW; pUP). Let us consider, as an illustrative example, case B: for a fixed pDW, they first decrease and
then increase as pUP increases, and they are flat for large pUP values; the mentioned decrease is larger for
larger pDW values; for a fixed pUP, they tend to increase as pDW increases, and such increase is larger for
smaller pUP values, while for large pUP values the bills are almost flat. In case C, the bills’ behaviour is
similar to, and somewhat smoother than, the one in case B. In case D, as another example, their
behaviour is also similar to the one exhibited in case B, with some exceptions for small values of pDW
20000290
and pUP. On the whole, the bills exhibit a similar structural behaviour in the different study cases, with
some differences which are most evident for small values of pDW and pUP.
As to C2, C3 and C4 again, their minimum, maximum, mean, standard deviation, median and mode
values are reported, for all the study cases, in Table 4.13, Table 4.14 and Table 4.15 respectively; for the
minimum and maximum values, the bid prices for which such values are attained are also reported. After
recalling, for comparison, that bill C1 is about 390 € in the domestic cases and about 600 € in the non-
domestic ones, one can remark that,
• in case B, bill C2 ranges between around 362 € (this minimum value is attained for (pDW; pUP) = (10
€/MWh; 80 €/MWh)) and 881 € (this maximum value is attained for (pDW; pUP) = (1000 €/MWh; 0
€/MWh), with 480 € mean value; the minimum and the maximum values are similar to, but worse
(i.e. higher) than, the ones in case A (around 357 € and 842 € respectively), while the mean value is
better than the one in case A (around 596 €); in cases C and D, bill C2 improves, with respect to both
A and B, in terms of its minimum value, which reaches around 294 € and 299 € respectively, but it
deteriorates in terms of its maximum value, which reaches around 2630 € and 2890 € respectively,
and in terms of its mean value, which reaches around 726 € and 617 € respectively;
• in case F, bill C2 ranges between around 533 € (this minimum value is attained for (pDW; pUP) = (10
€/MWh; 80 €/MWh)) and 4369 € (this maximum value is attained for (pDW; pUP) = (1000 €/MWh; 0
€/MWh), with 1149 € mean value; the minimum value is similar to, but worse (i.e. higher) than, the
one in case E (around 478 €), while the maximum and the mean values are better than the one in
case E (around 4783 € and 2586 € respectively); in cases G and H, with respect to both E and F, bill
C2 improves very much in terms of its minimum value, which becomes even negative, around -81 €
and -7 € respectively, but it deteriorates very much in terms of its maximum value, which reaches
around 25804 € and 27024 € respectively, and it also deteriorates in terms of its mean value, which
reaches around 4151 € and 2853 € respectively;
• in case B, bill C3 ranges between around 339 € (this minimum value is attained for (pDW; pUP) = (10
€/MWh; 80 €/MWh)) and 850 € (this maximum value is attained for (pDW; pUP) = (1000 €/MWh; 0
€/MWh), with 468 € mean value; the minimum and the maximum values are similar to, but worse
(i.e. higher) than, the ones in case A (around 325 € and 807 € respectively), while the mean value is
better than the one in case A (around 562 €); in cases C and D, bill C3 improves, with respect to both
A and B, in terms of its minimum value, which reaches around 251 € and 276 € respectively, but it
deteriorates in terms of its maximum value, which reaches around 2512 € and 2765 € respectively,
and in terms of its mean value, which reaches around 679 € and 589 € respectively;
• in case F, bill C3 ranges between around 405 € (this minimum value is attained for (pDW; pUP) = (30
€/MWh; 70 €/MWh)) and 4187 € (this maximum value is attained for (pDW; pUP) = (1000 €/MWh; 0
€/MWh), with 1095 € mean value; the minimum value is similar to, but worse (i.e. higher) than, the
one in case E (around 321 €), while the maximum and the mean values are better than the one in
case E (around 4570 € and 2375 € respectively); in cases G and H, with respect to both E and F, bill
C3 improves very much in terms of its minimum value, which becomes even negative, around -316 €
and -136 € respectively, but it deteriorates very much in terms of its maximum value, which reaches
around 24693 € and 25871 € respectively, and it also deteriorates in terms of its mean value, which
reaches around 3782 € and 2629 € respectively;
• in case B, bill C4 ranges between around 339 € (this minimum value is attained for (pDW; pUP) = (10
€/MWh; 80 €/MWh)) and 850 € (this maximum value is attained for (pDW; pUP) = (1000 €/MWh; 0
€/MWh), with 468 € mean value; the minimum and the maximum values are similar to, but worse
(i.e. higher) than, the ones in case A (around 325 € and 807 € respectively), while the mean value is
better than the one in case A (around 562 €); in cases C and D, bill C4 improves, with respect to both
A and B, in terms of its minimum value, which reaches around 221 € and 231 € respectively, but it
deteriorates in terms of its maximum value, which reaches around 2309 € and 2535 € respectively;
its mean value, instead, reaches around 646 € and 545 € respectively, thus being worse in both cases
than in case B (the mean value in case D is better than in case A anyway);
• in case F, bill C4 ranges between around 405 € (this minimum value is attained for (pDW; pUP) = (30
€/MWh; 70 €/MWh)) and 4187 € (this maximum value is attained for (pDW; pUP) = (1000 €/MWh; 0
20000290
€/MWh), with 1095 € mean value; the minimum value is similar to, but worse (i.e. higher) than, the
one in case E (around 321 €), while the maximum and the mean values are better than the one in
case E (around 4570 € and 2375 € respectively); in cases G and H, with respect to both E and F, bill
C4 improves very much in terms of its minimum value, which becomes even negative, around -409 €
and -296 € respectively, but it deteriorates very much in terms of its maximum value, which reaches
around 24389 € and 25538 € respectively, and it also deteriorates in terms of its mean value, which
reaches around 3733 € and 2532 € respectively.
In short, the minimum value of C2 in each study case is lower than C1, and so is the mode (i.e. the most
frequent) value of C2; therefore, the supply of BS according to the simulated bidding strategy and with
constant bidding prices can indeed be profitable, also with the application of the whole charges currently
enforced for end users. More precisely, the minimum value of C2 in the domestic study cases is between
around 294 € and 362 €, and it increases from case C (V2G without recharge program) to case D (V2G
with recharge program) to case A (V1G without recharge program) to case B (V1G with recharge
program); the minimum value of C2 in the non-domestic study cases is between around -81 € and 532 €,
and, similarly to what occurs for domestic cases, it increases from case G (V2G without recharge
program) to case H (V2G with recharge program) to case E (V1G without recharge program) to case F
(V1G with recharge program).
Of course, the application of only part of the current charges leads to higher profitability of BS supply.
More precisely, the minimum value of C3 in the domestic study cases is between around 251 € and 339
€, and, similarly to what occurs for the minimum value of C2, it increases from case C (V2G without
recharge program) to case D (V2G with recharge program) to case A (V1G without recharge program)
to case B (V1G with recharge program); the minimum value of C3 in the non-domestic study cases is
between around -316 € and 405 €, and, similarly to what occurs for domestic cases and for the minimum
value of C2 in the non-domestic cases, it increases from case G (V2G without recharge program) to case
H (V2G with recharge program) to case E (V1G without recharge program) to case F (V1G with
recharge program). Similar “trends” with respect to the different study cases are exhibited by the
minimum value of C4 as well; as to numerical values, such minimum is between around 221 € and 339 €
in the domestic study cases and between around -409 € and 405 € in the non-domestic study cases.
The profitable instances, among all the simulated ones, will be analysed in Section 4.3.
Table 4.2 – Synthetic results about QDW: minimum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [MWh],
standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0.26 (0;-) 0.45 (50;-) 0.44 0.02 0.45 0.45
B 0.09 (0;460) 0.40 (40;0) 0.16 0.08 0.12 0.12
C 0.27 (0;660) 1.52 (50;0) 0.61 0.30 0.48 0.45
D 0.10 (0;810) 1.60 (60;0) 0.35 0.42 0.16 0.13
E 1.54 (0;-) 3.61 (70;-) 3.56 0.25 3.61 3.61
F 0.24 (0;460) 3.07 (50;0) 0.91 0.70 0.59 0.59
G 1.63 (0;810) 18.76 (50;0) 6.21 4.28 4.16 3.69
H 0.35 (0;810) 19.45 (60;0) 3.79 5.33 1.23 0.72
20000290
Table 4.3 – Synthetic results about QUP: minimum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [MWh],
standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B -1.25 (0;0) -0.01 (0;460) -0.17 0.35 -0.01 -0.01
C -3.28 (20;0) -0.01 (30;810) -0.48 0.86 -0.08 -0.01
D -4.85 (20;0) -0.04 (10;810) -0.77 1.31 -0.17 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F -2.49 (0;0) -0.01 (0;460) -0.34 0.70 -0.01 -0.01
G -17.99 (50;0) -0.20 (30;810) -3.34 4.97 -1.18 -0.20
H -21.51 (50;0) -0.25 (30;810) -3.88 5.98 -1.20 -0.25
Table 4.4 – Synthetic results about QUP,pr red: minimum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [MWh],
standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B -1.25 (40;0) -0.01 (0;460) -0.17 0.35 -0.01 -0.01
C 0 (20;0) 0 (60;90) 0 0 0 0
D -1.25 (20;0) -0.01 (0;520) -0.17 0.35 -0.01 -0.01
E 0 (40;-) 0 (10;-) 0 0 0 0
F -2.49 (0;0) -0.01 (50;460) -0.34 0.70 -0.01 -0.01
G 0 (50;50) 0 (10;50) 0 0 0 0
H -2.49 (50;0) -0.01 (0;460) -0.34 0.70 -0.01 -0.01
Table 4.5 – Synthetic results about QDAM,prg,act: minimum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [MWh],
standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B 0.27 (40;0) 1.51 (0;460) 1.34 0.35 1.51 1.51
C 0 (20;0) 0 (60;90) 0 0 0 0
D 0.27 (20;0) 1.51 (0;520) 1.34 0.35 1.51 1.51
E 0 (40;-) 0 (10;-) 0 0 0 0
F 0.53 (0;0) 3.01 (50;460) 2.69 0.70 3.01 3.01
G 0 (50;50) 0 (10;50) 0 0 0 0
H 0.53 (50;0) 3.01 (0;460) 2.69 0.70 3.01 3.01
20000290
Table 4.6 – Synthetic results about QDAM,res: minimum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [MWh],
standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 1.61 (40;-) 1.79 (0;-) 1.61 0.02 1.61 1.61
B 0.43 (40;460) 1.56 (0;0) 0.56 0.27 0.43 0.43
C 1.62 (40;810) 5.05 (0;0) 2.00 0.71 1.67 1.62
D 0.46 (40;810) 5.13 (0;0) 1.07 1.07 0.59 0.46
E 0.00 (70;-) 2.07 (0;-) 0.05 0.25 0.00 0.00
F 0.00 (50;460) 1.86 (0;0) 0.02 0.08 0.00 0.00
G 0.16 (50;810) 10.44 (0;0) 1.33 1.65 0.80 0.16
H 0.16 (50;810) 10.44 (0;0) 1.30 1.64 0.76 0.16
Table 4.7 – Synthetic results about pDAM,res: minimum value [€/MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [€/MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [€/MWh],
standard deviation [€/MWh], median [€/MWh] and mode [€/MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 41.25 (0;-) 41.66 (20;-) 41.62 0.04 41.63 41.63
B 40.76 (0;50) 43.07 (10;120) 41.42 0.48 41.25 41.25
C 41.16 (0;660) 45.25 (20;90) 42.11 0.9 41.67 41.61
D 40.35 (0;610) 45.98 (10;120) 41.76 1.29 41.02 41.02
E 33.49 (70;-) 56.14 (40;-) 34.24 3.49 33.49 33.49
F 33.49 (50;460) 55.15 (40;120) 34.14 2.96 33.49 33.49
G 37.86 (50;810) 47.47 (30;810) 40.21 1.93 40.60 37.86
H 37.86 (50;810) 45.73 (30;120) 40.16 1.86 40.61 37.86
Table 4.8 – Synthetic results about Qin,tot: minimum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [MWh],
standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 2.05 (60;-) 2.05 (0;-) 2.05 0 2.05 2.05
B 2.05 (50;90) 2.06 (0;130) 2.06 0 2.06 2.06
C 2.07 (30;810) 5.90 (20;0) 2.62 1.01 2.14 2.07
D 2.10 (10;810) 6.29 (20;0) 2.76 1.13 2.25 2.10
E 3.61 (30;-) 3.61 (70;-) 3.61 0 3.61 3.61
F 3.61 (30;460) 3.61 (50;50) 3.61 0 3.61 3.61
G 3.84 (30;810) 24.75 (50;0) 7.54 5.84 5.00 3.85
H 3.88 (30;810) 25.97 (50;0) 7.77 6.22 5.01 3.88
20000290
Table 4.9 – Synthetic results about Qout,tot: minimum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [MWh],
standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B 0 (0;0) 0 (0;0) 0 0 0 0
C -3.28 (20;0) -0.01 (30;810) -0.48 0.86 -0.08 -0.01
D -3.61 (20;0) -0.03 (10;810) -0.60 0.96 -0.16 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F 0 (0;0) 0 (0;0) 0 0 0 0
G -17.99 (50;0) -0.20 (30;810) -3.34 4.97 -1.18 -0.20
H -19.02 (50;0) -0.23 (30;810) -3.54 5.29 -1.19 -0.23
Table 4.10 – Synthetic results about the annual costs for the downward service, i.e. the costs associated to QDW:
minimum value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [€] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, mean value [€], standard deviation [€], median [€] and mode [€].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 447.40 (1000;-) 223.69 130.46 223.7 0
B 0 (0;0) 395.90 (1000;0) 79.39 64.68 70.41 0
C 0 (0;0) 1520.54 (1000;0) 309.39 252.06 271.61 0
D 0 (0;0) 1602.07 (1000;0) 178.14 264.30 96.78 0
E 0 (0;-) 3605.31 (1000;-) 1802.33 1051.71 1802.66 0
F 0 (0;0) 3072.31 (1000;0) 459.84 487.41 355.99 0
G 0 (0;0) 18747.54 (1000;0) 3146.13 3097.95 2454.3 0
H 0 (0;0) 19446.41 (1000;0) 1921.65 3316.71 652.05 0
Table 4.11 – Synthetic results about the annual costs of the upward service, i.e. the costs associated to QUP: minimum
value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [€] and (pDW; pUP) [€/MWh; €/MWh]
for which it is attained, mean value [€], standard deviation [€], median [€] and mode [€]. Costs are negative in that they
are revenues actually.
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B -82.49 (0;70) 0 (0;0) -16.48 19.36 -5.70 -82.49
C -225.78 (10;80) 0 (0;0) -59.58 51.98 -37.02 0
D -333.56 (10;80) 0 (0;0) -107.83 74.13 -83.46 0
E 0 (0;-) 0 (0;-) 0 0 0 0
F -164.99 (0;70) 0 (0;0) -32.95 38.71 -11.40 -164.99
G -1217.40 (50;70) 0 (0;0) -558.08 329.49 -573.65 0
H -1477.68 (50;70) 0 (0;0) -620.82 372.65 -584.90 0
20000290
Table 4.12 – Synthetic results about the annual costs of residual recharge, i.e. the costs associated to QDAM,res: minimum
value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [€] and (pDW; pUP) [€/MWh; €/MWh]
for which it is attained, mean value [€], standard deviation [€], median [€] and mode [€].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 66.86 (40;-) 73.83 (0;-) 66.96 0.71 66.86 66.86
B 17.83 (40;460) 63.68 (0;0) 23.14 11.31 17.83 17.83
C 67.28 (40;810) 221.56 (0;0) 84.89 33.13 69.47 67.28
D 19.05 (40;810) 225.09 (0;0) 45.77 47.98 24.10 19.05
E 0.12 (70;-) 85.88 (0;-) 1.95 10.49 0.12 0.12
F 0.12 (50;460) 77.23 (0;0) 0.63 3.65 0.12 0.12
G 5.91 (50;810) 422.34 (0;0) 54.86 68.12 32.42 5.91
H 5.91 (50;810) 422.36 (0;0) 53.77 67.84 30.77 5.91
Figure 4.8 – Simulation results for the domestic V1G study case with recharge program (case B): annual electricity bills
as functions of the bid prices.
20000290
Figure 4.9 – Simulation results for the domestic V2G study case without recharge program (case C): annual electricity
bills as functions of the bid prices.
20000290
Figure 4.10 – Simulation results for the domestic V2G study case with recharge program (case D): annual electricity
bills as functions of the bid prices.
20000290
Figure 4.11 – Simulation results for the non-domestic V1G study case with recharge program (case F): annual electricity
bills as functions of the bid prices.
20000290
Figure 4.12 – Simulation results for the non-domestic V2G study case without recharge program (case G): annual
electricity bills as functions of the bid prices.
20000290
Figure 4.13 – Simulation results for the non-domestic V2G study case with recharge program (case H): annual
electricity bills as functions of the bid prices.
Table 4.13 – Synthetic results about C2: minimum value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained,
maximum value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [€], standard deviation [€],
median [€] and mode [€].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 356.56 (10;-) 842.25 (1000;-) 596.28 143.33 596.18 356.56
B 362.39 (10;80) 881.30 (1000;0) 479.87 71.38 470.68 362.39
C 294.36 (10;350) 2630.45 (1000;0) 726.40 380.89 646.48 294.36
D 298.88 (0;350) 2889.96 (1000;0) 616.82 434.45 471.07 298.88
E 479.67 (10;-) 4783.35 (1000;-) 2585.94 1279.39 2584.11 479.67
F 532.89 (10;80) 4368.83 (1000;0) 1149.27 575.29 1033.24 532.89
G -80.52 (10;350) 25804.42 (1000;0) 4150.56 4201.52 3162.43 -80.52
H -7.07 (10;350) 27024.38 (1000;0) 2853.45 4533.04 1151.17 -7.07
20000290
Table 4.14 – Synthetic results about C3: minimum value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained,
maximum value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [€], standard deviation [€],
median [€] and mode [€].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 325.17 (10;-) 807.43 (1000;-) 561.65 143.02 561.36 325.17
B 338.51 (10;80) 850.49 (1000;0) 467.55 67.99 459.77 338.51
C 250.51 (10;350) 2512.10 (1000;0) 678.58 361.89 607.45 250.51
D 275.65 (10;350) 2765.27 (1000;0) 589.29 405.20 457.63 275.65
E 321.39 (30;-) 4569.53 (1000;-) 2374.59 1275.41 2370.29 321.39
F 404.75 (30;70) 4186.62 (1000;0) 1095.39 546.29 990.97 404.75
G -316.31 (20;350) 24692.56 (1000;0) 3782.30 4006.45 2872.20 -316.31
H -135.82 (10;350) 25871.07 (1000;0) 2628.93 4262.79 1079.99 -135.82
Table 4.15 – Synthetic results about C4: minimum value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained,
maximum value [€] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [€], standard deviation [€],
median [€] and mode [€].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 325.17 (10;-) 807.43 (1000;-) 561.65 143.02 561.36 325.17
B 338.51 (10;80) 850.49 (1000;0) 467.55 67.99 459.77 338.51
C 220.85 (10;350) 2309.26 (1000;0) 645.97 318.95 592.36 220.85
D 230.67 (10;350) 2535.49 (1000;0) 545.39 349.53 442.96 230.67
E 321.39 (30;-) 4569.53 (1000;-) 2374.59 1275.41 2370.29 321.39
F 404.75 (30;70) 4186.62 (1000;0) 1095.39 546.29 990.97 404.75
G -408.77 (10;350) 24389.44 (1000;0) 3733.23 3947.14 2852.67 -408.77
H -295.80 (10;350) 25538.30 (1000;0) 2532.05 4191.50 1038.89 -295.8
• for a fixed pDW (except for very small pDW values), Nmax(DoDavg) first increases and then decreases as
pUP increases, reaching a flat appearance for pUP high enough (some hundred €/MWh); for a fixed
pUP, Nmax(DoDavg) increases as pDW increases (or first increases and then decreases), but reaching a
flat appearance already for rather small pDW values (some tens €/MWh);
• for a fixed pDW (except for very small pDW values), DoDavg first decreases and then increases as pUP
increases, reaching a flat appearance for pUP high enough (some hundred €/MWh); for a fixed pUP,
Nmax(DoDavg) has a flat appearance except for rather small pDW values (some tens €/MWh) and for
pUP values up to few hundred €/MWh: for such (pDW; pUP) values, Nmax(DoDavg) has a peak;
• for a fixed pDW, the absolute value of the number of (equivalent) cycles at DoDavg increases as pUP
increases, reaching a flat appearance for pUP high enough (some hundred €/MWh); for a fixed pUP, it
decreases as pDW increases, but reaching a flat appearance already for rather small pDW values (some
tens €/MWh);
• for a fixed pDW, life computed from DoDavg increases as pUP increases, reaching a flat appearance for
pUP high enough (some hundred €/MWh); for a fixed pUP, it increases as pDW increases, but reaching
a flat appearance already for rather small pDW values (some tens €/MWh);
• for a fixed pDW, the number of (equivalent) charge cycles at full DoD decreases as pUP increases,
reaching a flat appearance for pUP around some hundred €/MWh; for a fixed pUP, it reaches a flat
appearance already for rather small pDW values (some tens €/MWh);
• the number of (equivalent) discharge cycles at full DoD is, as expected, very close to the number of
(equivalent) charge cycles at full DoD;
• for a fixed pDW, life computed from the (equivalent) charge cycles at full DoD increases as pUP
increases, reaching a flat appearance for pUP high enough (some hundred €/MWh); for a fixed pUP, it
reaches a flat appearance already for rather small pDW values (some tens €/MWh);
• life computed from the (equivalent) discharge cycles at full DoD is, as expected, very close to life
computed from the (equivalent) charge cycles at full DoD.
In short, the main structural differences among the different study cases are for (pDW; pUP) values with
small pDW, up to some tens €/MWh, and pUP up to few hundred €/MWh.
In Table 4.17, Table 4.18, Table 4.19, Table 4.20, Table 4.21, Table 4.22, for each of the variables just
analysed some synthetic values are reported: the minimum value with the (pDW; pUP) value for which
such a minimum is attained; the maximum value with the (pDW; pUP) value for which such a maximum is
attained; the mean value, the standard deviation, the median and the mode. To ease comparisons, values
for cases A, B, E and F are indicated again (repeated values means that they are constant). One can
notice, e.g., that on averge DoDavg is larger in the non-domestic than in the domestic study cases, due to
the larger energy to be recharged, but it is smaller for V2G recharge than for V1G recharge, due to the
presence of subsequent partial charges and partial discharges. As to the absolute value of the number of
equivalent discharge cycles at DoDavg and the number of equivalent charge or discharge cycles at full
DoD, they are on average larger in the non-domestic than in the domestic study cases, due to the larger
energy to be recharged, and also for V2G recharge than for V1G recharge. Similarly, and
“symmetrically”, life estimates at DoDavg and at full DoD are on average shorter in the non-domestic
than in the domestic study cases, due to the larger energy to be recharged, and also for V2G recharge
than for V1G recharge. On the whole, the impact of the presence of the recharge program on the
quantities analysed here can be deemed to be modest, since the energy to be recharged has to be the
same in the presence and in the absence of it.
Finally, one can focus on the EV battery cycling life, which can be considered as a potentially critical
issue. As to life estimates obtained from charge or discharge cycles at 100% DoD, the minimum values
in cases G and H are 7.89 yr and 7.52 yr respectively. Assuming ten years as an acceptable value for the
EV battery calendar life or, in any case, for its utilization, these values mean that, due to the simulated
BS service supply, the battery may have to be replaced earlier than expected, thus causing undesired
costs to the end user. However, if life estimate is carried out by taking into account also the DoD time
profile, i.e. if life is estimated at DoDavg, the minimum values in cases G and H are 18.53 yr and 16.66 yr
respectively, which means that the battery should be able to tolerate the additional cycles due to BS
supply. Further remarks about cycling aging can be found in Section 4.3.7.
20000290
Table 4.16 – Aging results in study cases A and E and in study cases B and F.
A E B F
Nmax(DoDavg) [-] 60574.04 32419.17 60604.58 32419.17
DoDavg [-] 0.19 0.33 0.19 0.33
Number of equivalent discharge cycles at DoDavg [-] -250.14 -251.70 -250.26 -251.70
Life estimate at DoDavg [yr] 242.16 128.80 242.17 128.80
Number of equivalent charge cycles at 100% DoD [-] 47.37 83.19 47.50 83.19
Number of equivalent discharge cycles at 100% DoD [-] 47.06 82.69 47.06 82.69
Life estimate from charge cycles at 100% DoD [yr] 94.99 54.09 94.74 54.09
Life estimate from discharge cycles at 100% DoD [yr] 95.62 54.42 95.62 54.42
20000290
Figure 4.14 – Simulation results for the domestic V2G study case without recharge program (case C): cycle and life
estimates, both for 100% DoD and at DoDavg, as functions of the bid prices.
20000290
Figure 4.15 – Simulation results for the domestic V2G study case with recharge program (case D): cycle and life
estimates, both for 100% DoD and at DoDavg, as functions of the bid prices.
20000290
Figure 4.16 – Simulation results for the non-domestic V2G study case without recharge program (case G): cycle and life
estimates, both for 100% DoD and at DoDavg, as functions of the bid prices.
20000290
Figure 4.17 – Simulation results for the non-domestic V2G study case with recharge program (case H): cycle and life
estimates, both for 100% DoD and at DoDavg, as functions of the bid prices.
20000290
Table 4.17 – Synthetic results about Nmax(DoDavg): minimum value [-] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [-] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [-], standard
deviation [-], median [-] and mode [-].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 60574.04 (0;-) 60574.04 (0;-) 60574.04 0.00 60574.04 60574.04
B 60574.04 (0;0) 60642.05 (0;100) 60604.58 10.88 60607.23 60607.23
C 32008.04 (0;0) 77762.35 (40;200) 66538.77 6298.68 63410.04 62046.81
D 48081.06 (0;0) 107627.97 (60;180) 81493.67 14858.38 79921.21 66759.53
E 32419.17 (40;-) 32419.17 (30;-) 32419.17 0.00 32419.17 32419.17
F 32419.17 (50;220) 32419.17 (60;0) 32419.17 0.00 32419.17 32419.17
G 15842.19 (0;0) 46587.72 (50;230) 38070.80 5074.47 36535.05 34169.52
H 22145.62 (0;0) 45426.64 (50;230) 37311.68 5408.42 36843.97 34479.78
Table 4.18 – Synthetic results about DoDavg: minimum value [-] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, maximum value [-] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [-], standard
deviation [-], median [-] and mode [-].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0.19 (0;-) 0.19 (0;-) 0.19 0.00 0.19 0.19
B 0.19 (0;100) 0.19 (0;0) 0.19 0.00 0.19 0.19
C 0.15 (40;200) 0.33 (0;0) 0.17 0.02 0.18 0.18
D 0.11 (60;180) 0.23 (0;0) 0.14 0.02 0.14 0.17
E 0.33 (30;-) 0.33 (40;-) 0.33 0.00 0.33 0.33
F 0.33 (60;0) 0.33 (40;410) 0.33 0.00 0.33 0.33
G 0.24 (50;230) 0.55 (0;0) 0.29 0.03 0.30 0.31
H 0.25 (50;230) 0.44 (0;0) 0.30 0.04 0.29 0.31
Table 4.19 – Synthetic results about the number of equivalent discharge cycles at DoDavg: minimum value [-] and (pDW;
pUP) [€/MWh; €/MWh] for which it is attained, maximum value [-] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [-], standard deviation [-], median [-] and mode [-].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A -250.14 (0;-) -250.14 (0;-) -250.14 0.00 -250.14 -250.14
B -250.40 (0;100) -250.14 (0;0) -250.26 0.04 -250.27 -250.27
C -674.04 (50;0) -255.18 (0;810) -347.37 122.20 -281.06 -257.85
D -875.75 (30;90) -278.44 (10;810) -451.58 187.53 -367.87 -281.66
E -251.70 (30;-) -251.70 (40;-) -251.70 0.00 -251.70 -251.70
F -251.70 (60;0) -251.70 (40;410) -251.70 0.00 -251.70 -251.70
G -1677.35 (50;0) -267.95 (0;810) -595.63 411.14 -405.16 -281.71
H -1510.77 (40;70) -283.55 (0;810) -584.05 369.99 -407.80 -286.59
20000290
Table 4.20 – Synthetic results about the life estimate at DoDavg: minimum value [yr] and (pDW; pUP) [€/MWh; €/MWh]
for which it is attained, maximum value [yr] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value [yr],
standard deviation [yr], median [yr] and mode [yr].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 242.16 (0;-) 242.16 (0;-) 242.16 0.00 242.16 242.16
B 242.16 (0;0) 242.18 (0;100) 242.17 0.00 242.17 242.17
C 82.31 (10;0) 240.73 (30;810) 207.82 46.69 232.13 240.63
D 78.76 (20;0) 237.52 (10;810) 199.82 47.75 223.73 237.03
E 128.80 (30;-) 128.80 (0;-) 128.80 0.00 128.80 128.80
F 128.80 (0;90) 128.80 (40;0) 128.80 0.00 128.80 128.80
G 18.53 (50;0) 121.49 (30;810) 86.06 33.90 96.05 121.29
H 16.66 (60;0) 120.31 (30;810) 84.98 34.41 95.98 120.31
Table 4.21 – Synthetic results about the number of equivalent charge and discharge cycles at 100% DoD: minimum
value [-] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [-] and (pDW; pUP) [€/MWh; €/MWh]
for which it is attained, mean value [-], standard deviation [-], median [-] and mode [-].
Number of equivalent charge cycles at 100% DoD
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 47.37 (10;-) 47.37 (0;-) 47.37 0.00 47.37 47.37
B 47.37 (10;0) 47.51 (0;150) 47.50 0.04 47.51 47.51
C 47.71 (30;810) 136.14 (20;0) 60.33 23.30 49.45 47.74
D 48.44 (10;810) 145.07 (20;0) 63.72 26.01 51.92 48.51
E 83.19 (30;-) 83.19 (50;-) 83.19 0.00 83.19 83.19
F 83.19 (10;190) 83.19 (50;90) 83.19 0.00 83.19 83.19
G 88.57 (30;810) 570.54 (50;0) 173.72 134.66 115.15 88.74
H 89.55 (30;810) 598.60 (50;0) 179.15 143.35 115.37 89.55
Number of equivalent discharge cycles at 100% DoD
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 47.06 (50;-) 47.06 (0;-) 47.06 0.00 47.06 47.06
B 47.06 (40;410) 47.06 (0;90) 47.06 0.00 47.06 47.06
C 47.40 (30;810) 135.90 (20;0) 60.03 23.32 49.14 47.43
D 47.99 (10;810) 144.85 (20;0) 63.30 26.07 51.47 48.06
E 82.69 (0;-) 82.69 (70;-) 82.69 0.00 82.69 82.69
F 82.69 (0;120) 82.69 (60;170) 82.69 0.00 82.69 82.69
G 88.07 (30;810) 570.36 (50;0) 173.27 134.75 114.65 88.24
H 89.05 (30;810) 598.42 (50;0) 178.70 143.45 114.87 89.05
Table 4.22 – Synthetic results about the life estimate from charge and discharge cycles at 100% DoD: minimum value
[yr] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [yr] and (pDW; pUP) [€/MWh; €/MWh] for
which it is attained, mean value [yr], standard deviation [yr], median [yr] and mode [yr].
Life estimate from charge cycles at 100% DoD
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 94.99 (0;-) 94.99 (10;-) 94.99 0.00 94.99 94.99
B 94.71 (0;150) 94.99 (10;0) 94.74 0.08 94.71 94.71
C 33.05 (20;0) 94.31 (30;810) 81.39 18.20 91.00 94.26
D 31.02 (20;0) 92.89 (10;810) 77.92 18.63 86.67 92.76
E 54.09 (50;-) 54.09 (30;-) 54.09 0.00 54.09 54.09
F 54.09 (50;90) 54.09 (10;190) 54.09 0.00 54.09 54.09
G 7.89 (50;0) 50.81 (30;810) 35.49 14.29 39.08 50.71
H 7.52 (50;0) 50.25 (30;810) 35.06 14.39 39.01 50.25
20000290
4.3 Profitable instances and saving with respect to the benchmark bill
For each study case, the values of (pDW; pUP) for which the service, itself or with partial exemptions from
charges, is profitable, i.e. for which the annual electricity bill for recharge, computed according to option
2, 3 or 4, is lower than or equal to the benchmark bill, are selected, so that attention can be focused on
them only. Such instances are, in other words, those for which Si ≥ 0, i = 2 or 3 or 4 (without the
capacity remuneration) or Si,R ≥ 0, i = 2 or 3 or 4 (with the capacity remuneration – notice subscript R).
Detailed results about the profitable instances are reported below, from Section 4.3.1 to Section 4.3.6,
with particular attention for the annual energy exchanges already considered in Section 4.1. Then, the
discussion, it is useful to recall, once again, the benchmark values: Q IJK,L is around 2.06 MWh in the
saving index, again as a function of (pDW; pUP), is analysed, in Section 4.3.7. Before starting the
domestic cases (A to D) and around 3.59 MWh in the non-domestic ones (E to H); Q IJK,YXZ is about
1.51 MWh in domestic cases B and D and about 3.02 MWh in non-domestic cases F and H; the annual
benchmark bill C1 is about 390 € in the domestic cases (A to D) and about 600 € in the non-domestic
ones (E to H).
QDAM,prg,act ≤ 1.51 MWh, 0.46 MWh ≤ QDAM,res ≤ 1.42 MWh, 2.10 MWh ≤ Qin,tot ≤ 3.08 MWh, -0.87
MWh ≤ Qout,tot ≤ -0.03 MWh;
• for study case F, the profitability region associated to C2 is included in the rectangle defined by 0
€/MWh ≤ pDW ≤ 50 €/MWh and 50 €/MWh ≤ pUP ≤ 350 €/MWh; in the region, 0.31 MWh ≤ QDW ≤
2.92 MWh, -2.47 MWh ≤ QUP = QUP,pr red ≤ -0.13 MWh, 0.55 MWh ≤ QDAM,prg,act ≤ 2.89 MWh, 0.00
MWh ≤ QDAM,res ≤ 1.85 MWh, Qin,tot = 3.61 MWh;
• for study case G, the profitability region associated to C2 is included in the rectangle defined by 0
€/MWh ≤ pDW ≤ 120 €/MWh and 150 €/MWh ≤ pUP ≤ 1000 €/MWh; in the region, 1.63 MWh ≤ QDW
≤ 7.62 MWh, -5.93 MWh ≤ QUP ≤ -0.20 MWh, 0.16 MWh ≤ QDAM,res ≤ 6.38 MWh, 3.84 MWh ≤
Qin,tot ≤ 10.59 MWh, -5.93 MWh ≤ Qout,tot ≤ -0.20 MWh;
• for study case H, the profitability region associated to C2 is included in the rectangle defined by 0
€/MWh ≤ pDW ≤ 310 €/MWh and 160 €/MWh ≤ pUP ≤ 1000 €/MWh; in the region, 0.35 MWh ≤ QDW
≤ 5.02 MWh, -6.56 MWh ≤ QUP ≤ -0.25 MWh, -0.55 MWh ≤ QUP,pr red ≤ -0.01 MWh, 2.47 MWh ≤
QDAM,prg,act ≤ 3.01 MWh, 0.16 MWh ≤ QDAM,res ≤ 5.05 MWh, 3.88 MWh ≤ Qin,tot ≤ 10.67 MWh, -
6.01 MWh ≤ Qout,tot ≤ -0.23 MWh.
For the sake of completeness, some results about variables related to battery aging are also shown
below. For Nmax(DoDavg), DoDavg, the number of equivalent discharge cycles at DoDavg, the life estimate
at DoDavg, the number of equivalent charge cycles at 100% DoD, the number of equivalent discharge
cycles at 100% DoD, the life estimate from charge cycles at 100% DoD and the life estimate from
discharge cycles at 100% DoD, Table 4.30 reports, for each study case, the minimum value, the
maximum value, the mean value, the standard deviation, the median and the mode, with reference to the
profitable instances. One can notice, in particular, that cycling life estimates are favourable, i.e. longer
than the battery calendar life or expected utilization period (say ten years), even when adopting the
rough, 100%-DoD approximation for cycling life estimation (such rough estimates are, in fact, always
greater than 18 yr in the profitable instances).
20000290
Figure 4.18 – Annual results for the domestic V1G study case with recharge program (case B) in the profitable
instances, namely for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C2 ≤ C1 (i.e. S2 ≥ 0); of course, Qout,tot is not
reported because it is zero by definition in this study case.
20000290
Figure 4.19 – Annual results for the domestic V2G study case without recharge program (case C) in the profitable
instances, namely for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C2 ≤ C1 (i.e. S2 ≥ 0); of course, Qup,pr red and
QDAM,prg act are not reported because both of them have to be equal to zero in this study case.
20000290
Figure 4.20 – Annual results for the domestic V2G study case with recharge program (case D) in the profitable
instances, namely for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C2 ≤ C1 (i.e. S2 ≥ 0).
20000290
Figure 4.21 – Annual results for the non-domestic V1G study case with recharge program (case F) in the profitable
instances, namely for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C2 ≤ C1 (i.e. S2 ≥ 0); of course, Qout,tot is not
reported because it is equal to zero in this study case.
20000290
Figure 4.22 – Annual results for the non-domestic V2G study case without recharge program (case G) in the profitable
instances, namely for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C2 ≤ C1 (i.e. S2 ≥ 0); of course, Qup,pr red and
QDAM,prg act are not reported because both of them have to be equal to zero in this study case.
20000290
Figure 4.23 – Annual results for the non-domestic V2G study case with recharge program (case H) in the profitable
instances, namely for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C2 ≤ C1 (i.e. S2 ≥ 0).
20000290
Table 4.23 – Synthetic results about QDW when condition C2 ≤ C1 holds: minimum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean
value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0.26 (0;-) 0.45 (50;-) 0.42 0.06 0.45 0.45
B 0.11 (0;220) 0.39 (40;60) 0.19 0.07 0.17 0.11
C 0.27 (0;660) 0.69 (40;190) 0.47 0.08 0.46 0.45
D 0.10 (0;810) 0.39 (10;200) 0.18 0.06 0.16 0.16
E 1.54 (0;-) 3.59 (40;-) 2.76 0.74 2.91 1.54
F 0.31 (0;340) 2.92 (40;70) 0.93 0.61 0.70 0.31
G 1.63 (0;810) 7.62 (40;180) 3.95 1.16 3.83 3.69
H 0.35 (0;810) 5.02 (30;180) 1.27 0.83 0.99 0.72
Table 4.24 – Synthetic results about QUP when condition C2 ≤ C1 holds: minimum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean
value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B -1.24 (0;60) -0.07 (0;340) -0.35 0.33 -0.25 -0.07
C -0.85 (0;180) -0.01 (30;810) -0.13 0.16 -0.06 -0.01
D -0.99 (0;200) -0.04 (10;810) -0.22 0.20 -0.15 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F -2.47 (0;50) -0.13 (0;340) -0.73 0.73 -0.50 -0.14
G -5.93 (10;150) -0.20 (30;810) -1.35 1.23 -1.02 -0.20
H -6.56 (10;160) -0.25 (30;810) -1.18 1.14 -0.84 -0.25
Table 4.25 – Synthetic results about QUP,pr red when condition C2 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B -1.24 (40;60) -0.07 (0;340) -0.35 0.33 -0.25 -0.31
C 0 (60;810) 0 (20;180) 0 0 0 0
D -0.13 (0;200) -0.01 (0;520) -0.02 0.03 -0.01 -0.01
E 0 (40;-) 0 (10;-) 0 0 0 0
F -2.47 (0;50) -0.13 (20;340) -0.73 0.73 -0.50 -0.14
G 0 (70;660) 0 (10;180) 0 0 0 0
H -0.55 (10;160) -0.01 (0;460) -0.04 0.06 -0.01 -0.01
20000290
Table 4.26 – Synthetic results about QDAM,prg,act when condition C2 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B 0.28 (40;60) 1.45 (0;340) 1.16 0.33 1.26 1.20
C 0 (60;810) 0 (20;180) 0 0 0 0
D 1.39 (0;200) 1.51 (0;520) 1.49 0.03 1.51 1.51
E 0 (40;-) 0 (10;-) 0 0 0 0
F 0.55 (0;50) 2.89 (20;340) 2.29 0.73 2.52 2.88
G 0 (70;660) 0 (10;180) 0 0 0 0
H 2.47 (10;160) 3.01 (0;460) 2.99 0.06 3.01 3.01
Table 4.27 – Synthetic results about QDAM,res when condition C2 ≤ C1 holds: minimum value and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, maximum value and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean value,
standard deviation, median and mode.
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 1.61 (40;-) 1.79 (0;-) 1.64 0.06 1.61 1.61
B 0.48 (40;340) 1.55 (0;60) 0.71 0.26 0.63 0.62
C 1.62 (40;810) 2.67 (0;180) 1.74 0.15 1.66 1.62
D 0.46 (40;810) 1.42 (0;200) 0.62 0.17 0.57 0.46
E 0.02 (40;-) 2.07 (0;-) 0.85 0.74 0.70 0.02
F 0.00 (50;170) 1.85 (0;50) 0.38 0.37 0.28 0.16
G 0.16 (50;810) 6.38 (0;150) 1.24 1.10 0.94 0.16
H 0.16 (50;810) 5.05 (0;160) 0.69 0.62 0.68 0.16
Table 4.28 – Synthetic results about Qin,tot when condition C2 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 2.05 (60;-) 2.05 (0;-) 2.05 0 2.05 2.05
B 2.05 (50;90) 2.06 (0;130) 2.06 0 2.06 2.06
C 2.07 (30;810) 3.05 (0;180) 2.21 0.18 2.13 2.07
D 2.10 (10;810) 3.08 (0;200) 2.29 0.20 2.23 2.10
E 3.61 (30;-) 3.61 (40;-) 3.61 0 3.61 3.61
F 3.61 (0;340) 3.61 (40;70) 3.61 0 3.61 3.61
G 3.84 (30;810) 10.59 (10;150) 5.19 1.45 4.81 3.85
H 3.88 (30;810) 10.67 (10;160) 4.95 1.28 4.59 3.88
20000290
Table 4.29 – Synthetic results about Qout,tot when condition C2 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B 0 (0;60) 0 (0;60) 0 0 0 0
C -0.85 (0;180) -0.01 (30;810) -0.13 0.16 -0.06 -0.01
D -0.87 (0;200) -0.03 (10;810) -0.20 0.17 -0.15 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F 0 (0;50) 0 (0;50) 0 0 0 0
G -5.93 (10;150) -0.20 (30;810) -1.35 1.23 -1.02 -0.20
H -6.01 (10;160) -0.23 (30;810) -1.14 1.09 -0.83 -0.23
Table 4.30 – Synthetic results about aging variables when condition C2 ≤ C1 holds: for each variable, minimum value
and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value and (pDW; pUP) [€/MWh; €/MWh] for which it
is attained, mean value, standard deviation, median and mode.
Nmax(DoDavg) [-]
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 60574.04 (0;0) 60574.04 (0;0) 60574.04 0 60574.04 60574.04
B 60574.04 (0;60) 60642.05 (0;100) 60605.12 15.52 60607.23 60607.23
C 55948.36 (0;180) 77762.35 (40;200) 66307.11 5457.41 63912.18 62046.81
D 66099.05 (0;810) 104959.6 (30;210) 81164.53 12410.61 80241.49 66759.53
E 32419.17 (40;0) 32419.17 (30;0) 32419.17 0 32419.17 32419.17
F 32419.17 (20;220) 32419.17 (40;70) 32419.17 0 32419.17 32419.17
G 21624.44 (0;150) 46587.72 (50;230) 36694.36 4769.71 35456.34 34169.52
H 32593.14 (0;160) 45426.64 (50;230) 37553.23 3427.4 36843.97 34479.78
DoDavg [-]
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0.19 (0;0) 0.19 (0;0) 0.19 0 0.19 0.19
B 0.19 (0;100) 0.19 (0;60) 0.19 0 0.19 0.19
C 0.15 (40;200) 0.2 (0;180) 0.17 0.01 0.18 0.18
D 0.11 (30;210) 0.17 (0;810) 0.14 0.02 0.14 0.17
E 0.33 (30;0) 0.33 (40;0) 0.33 0 0.33 0.33
F 0.33 (40;70) 0.33 (20;220) 0.33 0 0.33 0.33
G 0.24 (50;230) 0.45 (0;150) 0.3 0.03 0.3 0.31
H 0.25 (50;230) 0.33 (0;160) 0.29 0.02 0.29 0.31
Number of equivalent discharge cycles at DoDavg [-]
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A -250.14 (0;0) -250.14 (0;0) -250.14 0 -250.14 -250.14
B -250.4 (0;100) -250.14 (0;60) -250.26 0.06 -250.27 -250.27
C -430.22 (40;190) -255.18 (0;810) -295.41 46.75 -276.98 -257.85
D -604.5 (10;200) -278.44 (10;810) -376.25 90.28 -356.4 -281.66
E -251.7 (30;0) -251.7 (40;0) -251.7 0 -251.7 -251.7
F -251.7 (40;70) -251.7 (20;220) -251.7 0 -251.7 -251.7
G -867.74 (40;180) -267.95 (0;810) -407.81 141.46 -369.73 -281.71
H -867.13 (30;180) -283.55 (0;810) -397.67 131.45 -358.77 -286.59
20000290
Figure 4.24 – Annual results for the domestic V1G study case with recharge program (case B) in the instances which are
profitable provided that part of the charges is not applied for the downward BS, namely results for those bid prices
(pDW; pUP) [€/MWh; €/MWh] yielding C3 ≤ C1 (i.e. S3 ≥ 0); of course, Qout,tot is not reported because it is zero by definition
in this study case.
20000290
Figure 4.25 – Annual results for the domestic V2G study case without recharge program (case C) in the instances which
are profitable provided that part of the charges is not applied for the downward BS, namely results for those bid prices
(pDW; pUP) [€/MWh; €/MWh] yielding C3 ≤ C1 (i.e. S3 ≥ 0); of course, Qup,pr red and QDAM,prg act are not reported because
both of them have to be equal to zero in this study case.
20000290
Figure 4.26 – Annual results for the domestic V2G study case with recharge program (case D) in the instances which are
profitable provided that part of the charges is not applied for the downward BS, namely results for those bid prices
(pDW; pUP) [€/MWh; €/MWh] yielding C3 ≤ C1 (i.e. S3 ≥ 0).
20000290
Figure 4.27 – Annual results for the non-domestic V1G study case with recharge program (case F) in the instances
which are profitable provided that part of the charges is not applied for the downward BS, namely results for those bid
prices (pDW; pUP) [€/MWh; €/MWh] yielding C3 ≤ C1 (i.e. S3 ≥ 0); of course, Qout,tot is not reported because it is equal to
zero in this study case.
20000290
Figure 4.28 – Annual results for the non-domestic V2G study case without recharge program (case G) in the instances
which are profitable provided that part of the charges is not applied for the downward BS, namely results for those bid
prices (pDW; pUP) [€/MWh; €/MWh] yielding C3 ≤ C1 (i.e. S3 ≥ 0); of course, Qup,pr red and QDAM,prg act are not reported
because both of them have to be equal to zero in this study case.
20000290
Figure 4.29 – Annual results for the non-domestic V2G study case with recharge program (case H) in the instances
which are profitable provided that part of the charges is not applied for the downward BS, namely results for those bid
prices (pDW; pUP) [€/MWh; €/MWh] yielding C3 ≤ C1 (i.e. S3 ≥ 0).
20000290
Table 4.31 – Synthetic results about QDW when condition C3 ≤ C1 holds: minimum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean
value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0.26 (0;-) 0.45 (50;-) 0.43 0.05 0.45 0.45
B 0.10 (0;360) 0.40 (40;40) 0.19 0.08 0.14 0.14
C 0.27 (0;660) 0.79 (40;140) 0.48 0.08 0.46 0.45
D 0.10 (0;810) 0.49 (40;170) 0.18 0.07 0.16 0.13
E 1.54 (0;-) 3.61 (70;-) 3.18 0.67 3.6 3.61
F 0.26 (0;440) 3.07 (50;10) 1.03 0.76 0.72 0.56
G 1.63 (0;810) 11.39 (40;110) 4.26 1.36 3.98 3.69
H 0.35 (0;810) 7.84 (40;130) 1.41 1.09 0.99 0.72
Table 4.32 – Synthetic results about QUP when condition C3 ≤ C1 holds: minimum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean
value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B -1.25 (0;40) -0.01 (10;840) -0.31 0.36 -0.13 -0.07
C -1.14 (10;140) -0.01 (30;810) -0.14 0.19 -0.06 -0.01
D -1.43 (10;160) -0.04 (10;810) -0.23 0.22 -0.15 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F -2.49 (0;20) -0.01 (10;980) -0.62 0.83 -0.19 -0.01
G -8.89 (40;110) -0.20 (30;810) -1.50 1.54 -1.02 -0.2
H -8.96 (30;120) -0.25 (30;810) -1.32 1.41 -1.03 -0.25
Table 4.33 – Synthetic results about QUP,pr red when condition C3 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B -1.25 (40;40) -0.01 (10;840) -0.31 0.36 -0.13 -0.07
C 0 (60;810) 0 (20;180) 0 0 0 0
D -0.28 (10;160) -0.01 (0;520) -0.02 0.03 -0.01 -0.01
E 0 (40;-) 0 (10;-) 0 0 0 0
F -2.49 (0;20) -0.01 (40;990) -0.62 0.83 -0.19 -0.01
G 0 (20;110) 0 (10;180) 0 0 0 0
H -0.84 (30;120) -0.01 (0;460) -0.05 0.10 -0.01 -0.01
20000290
Table 4.34 – Synthetic results about QDAM,prg,act when condition C3 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B 0.27 (40;40) 1.51 (10;840) 1.20 0.36 1.39 1.44
C 0 (60;810) 0 (20;180) 0 0 0 0
D 1.24 (10;160) 1.51 (0;520) 1.49 0.03 1.51 1.51
E 0 (40;-) 0 (10;-) 0 0 0 0
F 0.53 (0;20) 3.01 (40;990) 2.40 0.83 2.84 3.01
G 0 (20;110) 0 (10;180) 0 0 0 0
H 2.19 (30;120) 3.01 (0;460) 2.97 0.10 3.01 3.01
Table 4.35 – Synthetic results about QDAM,res when condition C3 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 1.61 (40;-) 1.79 (0;-) 1.62 0.05 1.61 1.61
B 0.44 (10;840) 1.56 (0;40) 0.67 0.29 0.53 0.48
C 1.62 (40;810) 2.81 (0;160) 1.74 0.17 1.66 1.62
D 0.46 (40;810) 1.70 (10;160) 0.63 0.19 0.57 0.46
E 0.00 (70;-) 2.07 (0;-) 0.42 0.67 0.01 0
F 0.00 (50;410) 1.86 (0;20) 0.18 0.32 0.04 0.04
G 0.16 (50;810) 7.13 (0;120) 1.11 1.08 0.90 0.16
H 0.16 (50;810) 5.84 (0;140) 0.72 0.68 0.68 0.16
Table 4.36 – Synthetic results about Qin,tot when condition C3 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 2.05 (60;0) 2.05 (0;0) 2.05 0 2.05 2.05
B 2.05 (50;90) 2.06 (0;130) 2.06 0 2.06 2.06
C 2.07 (30;810) 3.39 (10;140) 2.22 0.22 2.13 2.07
D 2.10 (10;810) 3.41 (10;160) 2.30 0.23 2.23 2.10
E 3.61 (30;0) 3.61 (70;0) 3.61 0 3.61 3.61
F 3.61 (30;630) 3.61 (50;50) 3.61 0 3.61 3.61
G 3.84 (30;810) 14.06 (40;110) 5.38 1.81 4.81 3.85
H 3.88 (30;810) 13.16 (30;120) 5.11 1.56 4.81 3.88
20000290
Table 4.37 – Synthetic results about Qout,tot when condition C3 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B 0 (0;40) 0 (0;40) 0 0 0 0
C -1.14 (10;140) -0.01 (30;810) -0.14 0.19 -0.06 -0.01
D -1.15 (10;160) -0.03 (10;810) -0.21 0.19 -0.15 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F 0 (0;20) 0 (0;20) 0 0 0 0
G -8.89 (40;110) -0.20 (30;810) -1.50 1.54 -1.02 -0.20
H -8.12 (30;120) -0.23 (30;810) -1.27 1.33 -1.02 -0.23
Figure 4.30 – Annual results for the domestic V1G study case with recharge program (case B) in the instances which are
profitable provided that part of the charges is not applied for the downward BS and for part of the upward BS, namely
results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0); Qout,tot is not reported because it is
zero by definition in this study case; these results are the same, by construction, as those yielding C3 ≤ C1 (i.e. S3 ≥ 0).
20000290
Figure 4.31 – Annual results for the domestic V2G study case without recharge program (case C) in the instances which
are profitable provided that part of the charges is not applied for the downward BS and for part of the upward BS,
namely results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0); of course, Qup,pr red and
QDAM,prg act are not reported because both of them have to be equal to zero in this study case.
20000290
Figure 4.32 – Annual results for the domestic V2G study case with recharge program (case D) in the instances which are
profitable provided that part of the charges is not applied for the downward BS and for part of the upward BS, namely
results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0).
20000290
Figure 4.33 – Annual results for the non-domestic V1G study case with recharge program (case F) in the instances
which are profitable provided that part of the charges is not applied for the downward BS and for part of the upward
BS, i.e. results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0); Qout,tot is equal to zero in this
study case, so it is not reported; these results are the same, by construction, as those yielding C3 ≤ C1 (i.e. S3 ≥ 0).
20000290
Figure 4.34 – Annual results for the non-domestic V2G study case without recharge program (case G) in the instances
which are profitable provided that part of the charges is not applied for the downward BS and for part of the upward
BS, namely results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0); of course, Qup,pr red and
QDAM,prg act are not reported because both of them have to be equal to zero in this study case.
20000290
Figure 4.35 – Annual results for the non-domestic V2G study case with recharge program (case H) in the instances
which are profitable provided that part of the charges is not applied for the downward BS and for part of the upward
BS, namely results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0).
20000290
Table 4.38 – Synthetic results about QDW when condition C4 ≤ C1 holds: minimum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean
value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0.26 (0;-) 0.45 (50;-) 0.43 0.05 0.45 0.45
B 0.10 (0;360) 0.40 (40;40) 0.19 0.08 0.14 0.14
C 0.27 (0;660) 1.06 (50;100) 0.50 0.10 0.48 0.45
D 0.10 (0;810) 0.94 (40;100) 0.20 0.10 0.16 0.13
E 1.54 (0;-) 3.61 (70;-) 3.18 0.67 3.60 3.61
F 0.26 (0;440) 3.07 (50;10) 1.03 0.76 0.72 0.56
G 1.63 (0;810) 12.89 (30;90) 4.34 1.48 3.98 3.69
H 0.35 (0;810) 11.78 (40;100) 1.52 1.28 1.04 0.72
Table 4.39 – Synthetic results about QUP when condition C4 ≤ C1 holds: minimum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, mean
value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B -1.25 (0;40) -0.01 (10;840) -0.31 0.36 -0.13 -0.07
C -1.95 (10;100) -0.01 (30;810) -0.19 0.27 -0.07 -0.01
D -2.88 (10;100) -0.04 (10;810) -0.31 0.35 -0.16 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F -2.49 (0;20) -0.01 (10;980) -0.62 0.83 -0.19 -0.01
G -12.10 (10;80) -0.20 (30;810) -1.62 1.76 -1.03 -0.20
H -13.66 (20;90) -0.25 (30;810) -1.45 1.66 -1.04 -0.25
Table 4.40 – Synthetic results about QUP,pr red when condition C4 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B -1.25 (40;40) -0.01 (10;840) -0.31 0.36 -0.13 -0.07
C 0 (0;140) 0 (20;180) 0 0 0 0
D -0.63 (10;100) -0.01 (0;520) -0.04 0.07 -0.01 -0.01
E 0 (40;-) 0 (10;-) 0 0 0 0
F -2.49 (0;20) -0.01 (40;990) -0.62 0.83 -0.19 -0.01
G 0 (20;110) 0 (10;80) 0 0 0 0
H -1.56 (20;90) -0.01 (0;460) -0.06 0.14 -0.01 -0.01
20000290
Table 4.41 – Synthetic results about QDAM,prg,act when condition C4 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
A 0 (60;-) 0 (0;-) 0 0 0 0
B 0.27 (40;40) 1.51 (10;840) 1.20 0.36 1.39 1.44
C 0 (0;140) 0 (20;180) 0 0 0 0
D 0.88 (10;100) 1.51 (0;520) 1.47 0.07 1.51 1.51
E 0 (40;-) 0 (10;-) 0 0 0 0
F 0.53 (0;20) 3.01 (40;990) 2.40 0.83 2.84 3.01
G 0 (20;110) 0 (10;80) 0 0 0 0
H 1.46 (20;90) 3.01 (0;460) 2.96 0.14 3.01 3.01
Table 4.42 – Synthetic results about QDAM,res when condition C4 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 1.61 (40;-) 1.79 (0;-) 1.62 0.05 1.61 1.61
B 0.44 (10;840) 1.56 (0;40) 0.67 0.29 0.53 0.48
C 1.62 (40;810) 3.86 (0;100) 1.78 0.25 1.67 1.62
D 0.46 (40;810) 3.08 (10;100) 0.70 0.30 0.58 0.46
E 0 (70;-) 2.07 (0;-) 0.42 0.67 0.01 0
F 0.00 (50;410) 1.86 (0;20) 0.18 0.32 0.04 0.04
G 0.16 (50;810) 9.91 (0;80) 1.17 1.22 0.90 0.16
H 0.16 (50;810) 8.93 (0;90) 0.77 0.79 0.68 0.16
Table 4.43 – Synthetic results about Qin,tot when condition C4 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 2.05 (60;-) 2.05 (0;-) 2.05 0 2.05 2.05
B 2.05 (50;90) 2.06 (0;130) 2.06 0 2.06 2.06
C 2.07 (30;810) 4.34 (10;100) 2.28 0.32 2.13 2.07
D 2.10 (10;810) 4.70 (10;100) 2.38 0.33 2.24 2.10
E 3.61 (30;-) 3.61 (70;-) 3.61 0 3.61 3.61
F 3.61 (30;630) 3.61 (50;50) 3.61 0 3.61 3.61
G 3.84 (30;810) 17.83 (10;80) 5.51 2.07 4.83 3.85
H 3.88 (30;810) 17.80 (20;90) 5.24 1.80 4.82 3.88
20000290
Table 4.44 – Synthetic results about Qout,tot when condition C4 ≤ C1 holds: minimum value [MWh] and (pDW; pUP)
[€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is
attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
A 0 (0;-) 0 (0;-) 0 0 0 0
B 0 (0;40) 0 (0;40) 0 0 0 0
C -1.95 (10;100) -0.01 (30;810) -0.19 0.27 -0.07 -0.01
D -2.25 (10;100) -0.03 (10;810) -0.27 0.28 -0.16 -0.04
E 0 (0;-) 0 (0;-) 0 0 0 0
F 0 (0;20) 0 (0;20) 0 0 0 0
G -12.10 (10;80) -0.20 (30;810) -1.62 1.76 -1.03 -0.20
H -12.09 (20;90) -0.23 (30;810) -1.39 1.53 -1.03 -0.23
Figure 4.36 – Annual results for the domestic V1G study case with recharge program (case B) in the profitable instances
in the presence of the additional capacity remuneration, namely results for those bid prices (pDW; pUP) [€/MWh; €/MWh]
yielding C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0); of course, Qout,tot is not reported since it is equal to zero in this study case.
20000290
Figure 4.37 – Annual results for the domestic V2G study case with recharge program (case D) in the profitable instances
in the presence of the additional capacity remuneration, namely results for those bid prices (pDW; pUP) [€/MWh; €/MWh]
yielding C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0).
20000290
Figure 4.38 – Annual results for the non-domestic V1G study case with recharge program (case F) in the profitable
instances in the presence of the additional capacity remuneration, namely results for those bid prices (pDW; pUP)
[€/MWh; €/MWh] yielding C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0); of course, Qout,tot is not reported because it is equal to
zero in this study case.
20000290
Figure 4.39 – Annual results for the non-domestic V2G study case with recharge program (case H) in the profitable
instances in the presence of the additional capacity remuneration, namely results for those bid prices (pDW; pUP)
[€/MWh; €/MWh] yielding C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0).
20000290
Table 4.45 – Synthetic results about QDW when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0.09 (0;460) 0.40 (40;20) 0.14 0.05 0.12 0.12
D 0.10 (0;810) 0.57 (40;150) 0.17 0.06 0.14 0.13
F 0.24 (0;460) 3.07 (50;40) 0.70 0.41 0.59 0.59
H 0.35 (0;810) 5.89 (40;170) 1.23 0.84 0.91 0.72
Table 4.46 – Synthetic results about QUP when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B -1.25 (0;10) -0.01 (0;460) -0.10 0.23 -0.01 -0.01
D -1.60 (0;150) -0.04 (10;810) -0.19 0.22 -0.11 -0.04
F -2.49 (0;0) -0.01 (0;460) -0.20 0.49 -0.01 -0.01
H -7.07 (20;150) -0.25 (30;810) -1.07 1.14 -0.63 -0.25
Table 4.47 – Synthetic results about QUP,pr red when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B -1.25 (40;20) -0.01 (0;460) -0.10 0.23 -0.01 -0.01
D -0.31 (20;150) -0.01 (0;520) -0.02 0.03 -0.01 -0.01
F -2.49 (0;0) -0.01 (50;460) -0.20 0.49 -0.01 -0.01
H -0.63 (20;150) -0.01 (0;460) -0.04 0.06 -0.01 -0.01
Table 4.48 – Synthetic results about QDAM,prg,act when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds: minimum
value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
B 0.27 (40;20) 1.51 (0;460) 1.42 0.23 1.51 1.51
D 1.20 (20;150) 1.51 (0;520) 1.49 0.03 1.51 1.51
F 0.53 (0;0) 3.01 (50;460) 2.83 0.49 3.01 3.01
H 2.40 (20;150) 3.01 (0;460) 2.99 0.06 3.01 3.01
Table 4.49 – Synthetic results about QDAM,res when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0.43 (40;460) 1.56 (0;10) 0.50 0.18 0.43 0.43
D 0.46 (40;810) 2.02 (0;150) 0.60 0.19 0.54 0.46
F 0.00 (50;460) 1.86 (0;0) 0.08 0.21 0.00 0.00
H 0.16 (50;810) 5.38 (0;150) 0.61 0.59 0.49 0.16
20000290
Table 4.50 – Synthetic results about Qin,tot when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 2.05 (50;90) 2.06 (0;130) 2.06 0.00 2.06 2.06
D 2.10 (10;810) 3.57 (0;150) 2.26 0.22 2.19 2.10
F 3.61 (30;460) 3.61 (50;50) 3.61 0 3.61 3.61
H 3.88 (30;810) 11.19 (20;150) 4.83 1.28 4.34 3.88
Table 4.51 – Synthetic results about Qout,tot when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0 (0;10) 0 (0;10) 0 0 0 0
D -1.29 (0;150) -0.03 (10;810) -0.17 0.18 -0.11 -0.04
F 0 (0;0) 0 (0;0) 0 0 0 0
H -6.45 (20;150) -0.23 (30;810) -1.04 1.09 -0.62 -0.23
The values assumed by C3 – RcapPprg · 1 yr itself, QDW, QUP, QUP,pr red, QDAM,prg,act, QDAM,res, pDAM,res, Qin,tot,
Qout,tot in the enlarged profitability region are reported, as functions of (pDW; pUP), in figures from Figure
4.40 to Figure 4.43, for study cases B, D, F, H, respectively (study cases A, C, E and G are not
considered because no capacity remuneration is foreseen in the absence of a recharge program). For
each of the mentioned variables, except pDAM,res, the minimum value, the maximum value, the mean
value, the standard deviation, the median and the mode referred to the profitable instances are reported
in tables from Table 4.52 to Table 4.58, respectively.
One can remark that,
• for study case B, the profitability region associated to C3 – RcapPprg · 1 yr, i.e. the enlarged
profitability region, is included in the rectangle defined by 0 €/MWh ≤ pDW ≤ 510 €/MWh and 0
€/MWh ≤ pUP ≤ 1000 €/MWh;
• for study case D, the profitability region associated to C3 – RcapPprg · 1 yr is included in the rectangle
defined by 0 €/MWh ≤ pDW ≤ 690 €/MWh and 130 €/MWh ≤ pUP ≤ 1000 €/MWh;
• for study case F, the profitability region associated to C3 – RcapPprg · 1 yr is included in the rectangle
defined by 0 €/MWh ≤ pDW ≤ 210 €/MWh and 0 €/MWh ≤ pUP ≤ 1000 €/MWh;
• for study case H, the profitability region associated to C3 – RcapPprg · 1 yr is included in the rectangle
defined by 0 €/MWh ≤ pDW ≤ 450 €/MWh and 110 €/MWh ≤ pUP ≤ 1000 €/MWh.
In short, as expected, the profitability region associated to C3 – RcapPprg · 1 yr is wider than the one
associated to C3; correspondingly, the energy exchanges in the profitable instances vary within larger
intervals, as it appears from a comparison of the minimum and maximum values in tables from Table
4.52 to Table 4.58 and in tables from Table 4.31 to Table 4.37. As expected, the profitability region
associated to C3 – RcapPprg · 1 yr is also wider than the one associated to C2 – RcapPprg · 1 yr (compare the
minimum and maximum values in tables from Table 4.52 to Table 4.58 and in tables from Table 4.45 to
Table 4.51 as well).
20000290
Figure 4.40 – Annual results for the domestic V1G study case with recharge program (case B) for those bid prices (pDW;
pUP) [€/MWh; €/MWh] yielding C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0); of course, Qout,tot is not reported because it is zero by
definition in this study case.
20000290
Figure 4.41 – Annual results for the domestic V2G study case with recharge program (case D) for those bid prices (pDW;
pUP) [€/MWh; €/MWh] yielding C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0).
20000290
Figure 4.42 – Annual results for the non-domestic V1G study case with recharge program (case F) for those bid prices
(pDW; pUP) [€/MWh; €/MWh] yielding C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0); of course, Qout,tot is not reported because it is
zero by definition in this study case.
20000290
Figure 4.43 – Annual results for the non-domestic V2G study case with recharge program (case H) for those bid prices
(pDW; pUP) [€/MWh; €/MWh] yielding C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0).
20000290
Table 4.52 – Synthetic results about QDW when condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0.09 (0;460) 0.40 (40;0) 0.14 0.06 0.12 0.12
D 0.10 (0;810) 0.64 (60;130) 0.18 0.07 0.14 0.13
F 0.24 (0;460) 3.07 (50;0) 0.76 0.51 0.59 0.59
H 0.35 (0;810) 10.07 (40;110) 1.36 1.11 0.92 0.72
Table 4.53 – Synthetic results about QUP when condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B -1.25 (0;0) -0.01 (0;460) -0.11 0.26 -0.01 -0.01
D -1.81 (10;130) -0.04 (10;810) -0.21 0.25 -0.11 -0.04
F -2.49 (0;0) -0.01 (0;460) -0.23 0.55 -0.01 -0.01
H -10.59 (40;110) -0.25 (30;810) -1.22 1.43 -0.76 -0.25
Table 4.54 – Synthetic results about QUP,pr red when condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B -1.25 (40;0) -0.01 (0;460) -0.11 0.26 -0.01 -0.01
D -0.38 (50;130) -0.01 (0;520) -0.02 0.04 -0.01 -0.01
F -2.49 (0;0) -0.01 (50;460) -0.23 0.55 -0.01 -0.01
H -1.01 (20;110) -0.01 (0;460) -0.05 0.10 -0.01 -0.01
Table 4.55 – Synthetic results about QDAM,prg,act when condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0) holds: minimum
value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
B 0.27 (40;0) 1.51 (0;460) 1.40 0.26 1.51 1.51
D 1.14 (50;130) 1.51 (0;520) 1.49 0.04 1.51 1.51
F 0.53 (0;0) 3.01 (50;460) 2.79 0.55 3.01 3.01
H 2.02 (20;110) 3.01 (0;460) 2.98 0.10 3.01 3.01
Table 4.56 – Synthetic results about QDAM,res when condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0.43 (40;460) 1.56 (0;0) 0.51 0.20 0.43 0.43
D 0.46 (40;810) 2.23 (0;140) 0.61 0.21 0.54 0.46
F 0.00 (50;460) 1.86 (0;0) 0.06 0.18 0.00 0.00
H 0.16 (50;810) 6.38 (0;120) 0.65 0.66 0.49 0.16
20000290
Table 4.57 – Synthetic results about Qin,tot when condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 2.05 (50;90) 2.06 (0;130) 2.06 0 2.06 2.06
D 2.10 (10;810) 3.75 (0;140) 2.28 0.24 2.19 2.10
F 3.61 (30;460) 3.61 (50;50) 3.61 0 3.61 3.61
H 3.88 (30;810) 14.88 (40;110) 4.99 1.57 4.49 3.88
Table 4.58 – Synthetic results about Qout,tot when condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0 (0;0) 0 (0;0) 0 0 0 0
D -1.44 (0;140) -0.03 (10;810) -0.18 0.20 -0.11 -0.04
F 0 (0;0) 0 (0;0) 0 0 0 0
H -9.58 (40;110) -0.23 (30;810) -1.17 1.34 -0.75 -0.23
Figure 4.44 – Annual results for the domestic V1G study case with recharge program (case B) for those bid prices (pDW;
pUP) [€/MWh; €/MWh] yielding C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0); Qout,tot is not reported because it is zero by definition
in this study case; these results are the same, by construction, as those yielding C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0).
20000290
Figure 4.45 – Annual results for the domestic V2G study case with recharge program (case D) for those bid prices (pDW;
pUP) [€/MWh; €/MWh] yielding C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0).
20000290
Figure 4.46 – Annual results for the non-domestic V1G study case with recharge program (case F) for those bid prices
(pDW; pUP) [€/MWh; €/MWh] yielding C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0); Qout,tot is zero by definition in this study case,
so it is not reported; these results are the same, by construction, as those yielding C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0).
20000290
Figure 4.47 – Annual results for the non-domestic V2G study case with recharge program (case H) for those bid prices
(pDW; pUP) [€/MWh; €/MWh] yielding C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0).
20000290
Table 4.59 – Synthetic results about QDW when condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0.09 (0;460) 0.40 (40;0) 0.14 0.06 0.12 0.12
D 0.10 (0;810) 1.17 (50;90) 0.19 0.10 0.16 0.13
F 0.24 (0;460) 3.07 (50;0) 0.76 0.51 0.59 0.59
H 0.35 (0;810) 11.98 (30;90) 1.44 1.26 0.99 0.72
Table 4.60 – Synthetic results about QUP when condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B -1.25 (0;0) -0.01 (0;460) -0.11 0.26 -0.01 -0.01
D -3.49 (10;90) -0.04 (10;810) -0.26 0.35 -0.15 -0.04
F -2.49 (0;0) -0.01 (0;460) -0.23 0.55 -0.01 -0.01
H -15.81 (20;80) -0.25 (30;810) -1.32 1.65 -0.76 -0.25
Table 4.61 – Synthetic results about QUP,pr red when condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B -1.25 (40;0) -0.01 (0;460) -0.11 0.26 -0.01 -0.01
D -0.78 (30;90) -0.01 (0;520) -0.03 0.07 -0.01 -0.01
F -2.49 (0;0) -0.01 (50;460) -0.23 0.55 -0.01 -0.01
H -2.03 (20;80) -0.01 (0;460) -0.06 0.15 -0.01 -0.01
Table 4.62 – Synthetic results about QDAM,prg,act when condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0) holds: minimum
value [MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
Case of min value of max value
B 0.27 (40;0) 1.51 (0;460) 1.40 0.26 1.51 1.51
D 0.73 (30;90) 1.51 (0;520) 1.48 0.07 1.51 1.51
F 0.53 (0;0) 3.01 (50;460) 2.79 0.55 3.01 3.01
H 0.99 (20;80) 3.01 (0;460) 2.97 0.15 3.01 3.01
Table 4.63 – Synthetic results about QDAM,res when condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0.43 (40;460) 1.56 (0;0) 0.51 0.20 0.43 0.43
D 0.46 (40;810) 3.99 (0;90) 0.65 0.30 0.57 0.46
F 0.00 (50;460) 1.86 (0;0) 0.06 0.18 0.00 0.00
H 0.16 (50;810) 9.84 (0;80) 0.69 0.78 0.55 0.16
20000290
Table 4.64 – Synthetic results about Qin,tot when condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 2.05 (50;90) 2.06 (0;130) 2.06 0 2.06 2.06
D 2.10 (10;810) 5.23 (10;90) 2.32 0.33 2.23 2.10
F 3.61 (30;460) 3.61 (50;50) 3.61 0 3.61 3.61
H 3.88 (30;810) 19.78 (20;80) 5.1 1.78 4.49 3.88
Table 4.65 – Synthetic results about Qout,tot when condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0) holds: minimum value
[MWh] and (pDW; pUP) [€/MWh; €/MWh] for which it is attained, maximum value [MWh] and (pDW; pUP) [€/MWh;
€/MWh] for which it is attained, mean value [MWh], standard deviation [MWh], median [MWh] and mode [MWh].
Study Min (pDW; pUP) Max (pDW; pUP) Mean Std dev Median Mode
case of min value of max value
B 0 (0;0) 0 (0;0) 0 0 0 0
D -2.71 (10;90) -0.03 (10;810) -0.22 0.28 -0.15 -0.04
F 0 (0;0) 0 (0;0) 0 0 0 0
H -13.78 (20;80) -0.23 (30;810) -1.27 1.52 -0.75 -0.23
0.1%, while values max(S2) range from some per cent to even more than 100% (more precisely, for
domestic study cases max(S2) is around 7 − 8% for V1G recharge, around 23−24% for V2G recharge,
for non-domestic cases it is between 12 and 20% for V1G recharge, between 101 and 113% for V2G
recharge). Notice that S2 > 100% means that the minimum value of bill C2 reaches a negative value, i.e.
it becomes a revenue instead of a cost; this result is obtained for non-domestic cases, as just recalled,
because the related amount of energy sold for the upward service (|QUP|) is higher than in the domestic
cases (see Table 4.66 later on). One can also observe that introducing the program profile (compare case
B with A, D with C, F with E, H with G) brings about a decrease both of min(S2) and of max(S2) and of µ
(S2) (and of σ(S2) as well), because there is an increase of the energy bought at DAM prices (due to
QDAM,prg,act); besides, max(S2), µ(S2), σ(S2) are higher when considering V2G recharge than when
considering V1G recharge, and they are higher when considering non-domestic recharge than when
considering domestic recharge. The same qualitative patterns described for max(S2), µ(S2) and σ(S2) are
found for max(Si), µ(Si) and σ(Si), i = 3, 4. As expected, the maximum and the mean (and also the
standard deviation) values increase when moving from S2 to S3 to S4, thanks to the increasing reliefs in
the bill. For case G, max(S3) reaches even more than 150% and max(S4) more than 160%, while µ(S3)
reaches around 62% and µ(S4) around 65%.
(d) (e)
Figure 4.48 – Synthetic results in the profitable instances, namely in the simulations for which Ci ≤ C1 (i.e. Si ≥ 0), for i =
2, 3, 4: (a) fraction of the profitable instances with respect to the simulated instances: Ni /Ntot; (b) mean value of saving
index Si: µ(Si); (c) standard deviation of saving index Si: σ(Si); (d) maximum value of saving index Si: max(Si); (e)
minimum value of saving index Si: min(Si). Values µ(Si), σ(Si), max(Si) and min(Si) are all expressed as % of C1. For
max(Si) and min(Si), the related bid prices (pDW; pUP) [€/MWh; €/MWh], i.e. the bid prices for which each of these values
is attained.
20000290
(d) (e)
Figure 4.49 – Synthetic results in the profitable instances which are obtained by considering also the additional capacity
remuneration, namely in the simulations for which Ci – RcapPprg · 1 yr ≤ C1 (i.e. Si,R ≥ 0), for i = 2, 3, 4: (a) fraction of the
profitable instances with respect to the simulated instances: Ni,R /Ntot; (b) mean value of saving index Si,R: µ(Si,R); (c)
standard deviation of saving index Si,R: σ(Si,R); (d) maximum value of saving index Si,R: max(Si,R); (e) minimum value of
saving index Si,R: min(Si,R). Values µ(Si,R), σ(Si,R), max(Si,R) and min(Si,R) are all expressed as % of C1. For max(Si,R) and
min(Si,R), the related bid prices (pDW; pUP) [€/MWh; €/MWh], for which each of these values is attained.
When adding the capacity remuneration (Figure 4.49) in the presence of a recharge program (cases B, D,
F, H), max(S2,R), µ(S2,R) and σ(S2,R) increase when passing from V1G recharge plus program to V2G
recharge plus program, both in the domestic and in the non-domestic cases. This consideration holds for
max(Si,R), µ(Si,R) and σ(Si,R), i = 3, 4, too. Again, maximum, mean and standard deviation values of the
saving index increase when moving from S2,R to S3,R to S4,R, thanks to the increasing reliefs in the bill. On
the whole, 22.57% ≤ max(S2,R) ≤ 121.08%, 28.68% ≤ max(S3,R) ≤ 142.44% and 28,68% ≤ max(S4,R) ≤
168.98%; 7.62% ≤ µ(S2,R) ≤ 35.17%, 9.03% ≤ µ(S3,R) ≤ 41.39% and 9.03% ≤ µ(S4,R) ≤ 46.88%; 4.67% ≤
σ(S2,R) ≤ 24.52%, 5.57% ≤ σ(S3,R) ≤ 28.95% and 5.57% ≤ σ(S4,R) ≤ 34.06%.
Annual energy exchanges associated to the maximum and minimum saving Si (i.e. to the minimum and
maximum and bill Ci, respectively), when condition Si ≥ 0 holds, i = 2, 3, 4, are reported below, namely
in Table 4.66 and Table 4.67, respectively, for i = 2, in Table 4.68 and Table 4.69, respectively, for i =
3, in Table 4.70 and Table 4.71, respectively, for i = 4. When capacity remuneration is considered, the
same results have to be referred to Si,R; they are reported, in Table 4.72 and Table 4.73, respectively, for
i = 2, in Table 4.74 and Table 4.75, respectively, for i = 3, and in Table 4.76 and Table 4.77,
respectively, for i = 4.
As to Table 4.66, first of all, it shows annual energy exchanges QDW, QUP, QUP,pr red, QDAM,prg,act, QDAM,res,
Qin,tot, Qout,tot corresponding to max(S2) of Figure 4.48 (d), i.e. to the maximum saving when bill C2 is
found to be profitable. One can observe, e.g., that, in the presence of a recharge program, the energy
absorbed for the downward service (QDW) is smaller than in its absence, and so is the energy exchange
on the DAM for residual recharge (QDAM,res), while the total absorbed energy (Qin,tot) and the total
20000290
injected energy (i.e. |Qout,tot|) tend to be larger. Most energy exchanges are larger in the non-domestic
cases than in the domestic ones, since the energy requested for recharge is higher, power Pn is higher
and power Pprg is also higher; however, QDAM,res turns out to be smaller in case E than in case A, and in F
than in B. Finally, let us focus on cases D and H, i.e. the V2G plus program ones, to describe the energy
flows associated to the maximum saving max(S2). In case D, max(S2) is around 23% and it is reached for
pDW = 0 €/MWh (this is an ideal instance, where all downward bids are accepted provided that they are
formulated in hours when there are historically accepted downward bids) and pUP = 350 €/MWh (this
means that there is a rather large gap with respect to pDW, so upward bids here are rather profitable
themselves). In case H, max(S2) is reached almost for the same bid prices as in case D (pDW = 10 €/MWh
and pUP = 350 €/MWh) but it is around 101%, i.e. much higher than in case D. In case D, due to the
rather small power for recharge (Pn = 2 kW), the energy exchanges for the BS (QDW = 0.218 MWh and
|QUP| = 0.644 MWh) are not very large if compared to QDAM,bnc (2.057 MWh); in case H, power for
recharge is much larger (Pn = 12 kW) than in case D, so larger energy exchanges are carried out: as
compared to QDAM,bnc (3.591 MWh), QDW = 2.171 MWh and, especially, |QUP| = 3.374 MWh are not
small, so, although the downward service implies some more costs as compared to case D, much more
economic benefits from the upward BS are obtained.
Table 4.67 shows annual energy exchanges QDW, QUP, QUP,pr red, QDAM,prg,act, QDAM,res, Qin,tot, Qout,tot
corresponding to min(S2) of Figure 4.48 (e), i.e. to the minimum saving when bill C2 is found to be
profitable. As compared to the results in Table 4.66, one can observe, e.g., smaller |QUP| values (and,
similarly, smaller |Qout,tot| values), which lead to lower revenues from the upward BS.
As to Table 4.68, it shows the mentioned annual energy exchanges corresponding to max(S3) of Figure
4.48 (d), i.e. to the maximum saving when bill C3 is found to be profitable. As compared to Table 4.66
about the annual energy exchanges corresponding to max(S2), one can observe, e.g., larger QDW values
(in cases D, E, F, G), which are now allowed due to the lower charges applied (correspondingly, in those
cases there are smaller QDAM,res values). Table 4.69, then, shows the mentioned annual energy exchanges
corresponding to min(S3) of Figure 4.48 (e); again, as compared to the results in Table 4.68, one can
observe, e.g., smaller |QUP| values (and, similarly, smaller |Qout,tot| values), which lead to lower revenues
from the upward BS.
As to Table 4.70, it shows the annual energy exchanges corresponding to max(S4) of Figure 4.48 (d), i.e.
to the maximum saving when bill C4 is found to be profitable. As compared to Table 4.66 about the
annual energy exchanges corresponding to max(S2), one can observe few differences (fewer than the
ones between the energy exchanges corresponding to max(S3) and those corresponding to max(S2)), e.g.
larger QDW values in cases D, E, F (due to the lower charges applied). Table 4.71 shows the annual
energy exchanges corresponding to min(S4) of Figure 4.48 (e); again, as compared to the results in Table
4.70, one can observe, e.g., smaller |QUP| values (and, similarly, smaller |Qout,tot| values), which lead to
lower revenues from the upward BS.
When capacity remuneration is considered, the energy results referred to max(Si,R), reported in Table
4.72, Table 4.74 and Table 4.76, do not appear to be very different from each other: there are some
differences between the energy results referred to max(S2,R) and the energy results referred to max(S3,R)
in study cases D and F, and the same differences occur between the energy results referred to max(S2,R)
and those referred to max(S4,R), while the energy results referred to max(S3,R) and those referred to
max(S4,R) are the same. As to the energy results referred to min(Si,R), which are reported in Table 4.73,
Table 4.75 and Table 4.77, again they do not appear to be very different from each other: there are some
differences between the energy results referred to min(S2,R) and the energy results referred to min(S3,R) in
cases D, F and H, and similar differences occur between the energy results referred to min(S2,R) and
those referred to min(S4,R), while the energy results referred to min(S3,R) and those referred to min(S4,R)
slightly differ in cases D and H.
20000290
Table 4.66 – Annual energy exchanges corresponding to the max(S2) values (i.e. to min(C2)) when condition C2 ≤ C1 (i.e.
S2 ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
A 0.40 0.00 0.00 0.00 1.65 2.05 0.00
B 0.31 -1.02 -1.02 0.49 1.25 2.05 0.00
C 0.56 -0.42 0.00 0.00 1.98 2.54 -0.42
D 0.22 -0.64 -0.07 1.45 1.07 2.74 -0.58
E 2.37 0.00 0.00 0.00 1.24 3.61 0.00
F 1.57 -2.03 -2.03 0.99 1.05 3.61 0.00
G 3.91 -3.03 0.00 0.00 3.27 7.18 -3.03
H 2.17 -3.37 -0.13 2.89 2.36 7.42 -3.24
Table 4.67 – Annual energy exchanges corresponding to the min(S2) values (i.e. to max(C2)) when condition C2 ≤ C1 (i.e.
S2 ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
A 0.45 0.00 0.00 0.00 1.61 2.05 0.00
B 0.14 -0.08 -0.08 1.44 0.48 2.06 0.00
C 0.46 -0.04 0.00 0.00 1.65 2.11 -0.04
D 0.13 -0.04 -0.01 1.51 0.46 2.10 -0.04
E 3.59 0.00 0.00 0.00 0.02 3.61 0.00
F 0.67 -0.13 -0.13 2.89 0.05 3.61 0.00
G 3.69 -0.20 0.00 0.00 0.16 3.85 -0.20
H 0.72 -0.25 -0.01 3.01 0.16 3.88 -0.23
Table 4.68 – Annual energy exchanges corresponding to the max(S3) values (i.e. to min(C3)) when condition C3 ≤ C1 (i.e.
S3 ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
A 0.40 0.00 0.00 0.00 1.65 2.05 0.00
B 0.31 -1.02 -1.02 0.49 1.25 2.05 0.00
C 0.56 -0.42 0.00 0.00 1.98 2.54 -0.42
D 0.32 -0.62 -0.07 1.45 0.95 2.71 -0.56
E 3.40 0.00 0.00 0.00 0.21 3.61 0.00
F 2.76 -2.36 -2.36 0.67 0.19 3.61 0.00
G 4.58 -3.01 0.00 0.00 2.58 7.15 -3.01
H 2.17 -3.37 -0.13 2.89 2.36 7.42 -3.24
Table 4.69 – Annual energy exchanges corresponding to the min(S3) values (i.e. to max(C3)) when condition C3 ≤ C1 (i.e.
S3 ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
A 0.45 0.00 0.00 0.00 1.61 2.05 0.00
B 0.12 -0.01 -0.01 1.51 0.44 2.06 0.00
C 0.48 -0.06 0.00 0.00 1.65 2.13 -0.06
D 0.13 -0.04 -0.01 1.51 0.46 2.10 -0.04
E 3.61 0.00 0.00 0.00 0.00 3.61 0.00
F 0.38 -0.01 -0.01 3.01 0.22 3.61 0.00
G 3.72 -0.24 0.00 0.00 0.18 3.90 -0.24
H 0.72 -0.25 -0.01 3.01 0.16 3.88 -0.23
20000290
Table 4.70 – Annual energy exchanges corresponding to the max(S4) values (i.e. to min(C4)) when condition C4 ≤ C1 (i.e.
S4 ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
A 0.40 0.00 0.00 0.00 1.65 2.05 0.00
B 0.31 -1.02 -1.02 0.49 1.25 2.05 0.00
C 0.56 -0.42 0.00 0.00 1.98 2.54 -0.42
D 0.32 -0.62 -0.07 1.45 0.95 2.71 -0.56
E 3.40 0.00 0.00 0.00 0.21 3.61 0.00
F 2.76 -2.36 -2.36 0.67 0.19 3.61 0.00
G 3.91 -3.03 0.00 0.00 3.27 7.18 -3.03
H 2.17 -3.37 -0.13 2.89 2.36 7.42 -3.24
Table 4.71 – Annual energy exchanges corresponding to the min(S4) values (i.e. to max(C4)) when condition C4 ≤ C1 (i.e.
S4 ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
A 0.45 0.00 0.00 0.00 1.61 2.05 0.00
B 0.12 -0.01 -0.01 1.51 0.44 2.06 0.00
C 0.45 -0.01 0.00 0.00 1.62 2.07 -0.01
D 0.22 -0.35 -0.03 1.49 0.73 2.44 -0.32
E 3.61 0.00 0.00 0.00 0.00 3.61 0.00
F 0.38 -0.01 -0.01 3.01 0.22 3.61 0.00
G 3.72 -0.24 0.00 0.00 0.18 3.90 -0.24
H 0.72 -0.25 -0.01 3.01 0.16 3.88 -0.23
Table 4.72 – Annual energy exchanges corresponding to the max(S2,R) values (i.e. to min(C2 – RcapPprg · 1 yr), which also
means min(C2) since Rcap and Pprg are constants) when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
B 0.31 -1.02 -1.02 0.49 1.25 2.05 0.00
D 0.22 -0.64 -0.07 1.45 1.07 2.74 -0.58
F 1.57 -2.03 -2.03 0.99 1.05 3.61 0.00
H 2.17 -3.37 -0.13 2.89 2.36 7.42 -3.24
Table 4.73 – Annual energy exchanges corresponding to the min(S2,R) values (i.e. to max(C2 – RcapPprg · 1 yr), which also
means max(C2) since Rcap and Pprg are constants) when condition C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0) holds.
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
B 0.12 -0.01 -0.01 1.51 0.43 2.06 0.00
D 0.16 -0.15 -0.01 1.51 0.57 2.23 -0.15
F 0.63 -0.05 -0.05 2.98 0.00 3.61 0.00
H 1.16 -1.07 -0.01 3.01 0.68 4.85 -1.06
Table 4.74 – Annual energy exchanges corresponding to the max(S3,R) values (i.e. to min(C3)) when C3 – RcapPprg · 1 yr ≤
C1 (i.e. S3,R ≥ 0).
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
B 0.31 -1.02 -1.02 0.49 1.25 2.05 0.00
D 0.32 -0.62 -0.07 1.45 0.95 2.71 -0.56
F 2.76 -2.36 -2.36 0.67 0.19 3.61 0.00
H 2.17 -3.37 -0.13 2.89 2.36 7.42 -3.24
20000290
Table 4.75 – Annual energy exchanges corresponding to the min(S3,R) values (i.e. to max(C3)) when C3 – RcapPprg · 1 yr ≤
C1 (i.e. S3,R ≥ 0).
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
B 0.12 -0.01 -0.01 1.51 0.43 2.06 0.00
D 0.16 -0.17 -0.01 1.51 0.59 2.25 -0.16
F 0.59 -0.01 -0.01 3.01 0.00 3.61 0.00
H 0.78 -0.39 -0.01 3.01 0.26 4.05 -0.37
Table 4.76 – Annual energy exchanges corresponding to the max(S4,R) values (i.e. to min(C4)) when C4 – RcapPprg · 1 yr ≤
C1 (i.e. S4,R ≥ 0).
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
B 0.31 -1.02 -1.02 0.49 1.25 2.05 0.00
D 0.32 -0.62 -0.07 1.45 0.95 2.71 -0.56
F 2.76 -2.36 -2.36 0.67 0.19 3.61 0.00
H 2.17 -3.37 -0.13 2.89 2.36 7.42 -3.24
Table 4.77 – Annual energy exchanges corresponding to the min(S4,R) values (i.e. to max(C4)) when C4 – RcapPprg · 1 yr ≤
C1 (i.e. S4,R ≥ 0).
Study QDW QUP QUP,pr red QDAM,prg,act QDAM,res Qin,tot Qout,tot
case [MWh] [MWh] [MWh] [MWh] [MWh] [MWh] [MWh]
B 0.12 -0.01 -0.01 1.51 0.43 2.06 0.00
D 0.16 -0.17 -0.01 1.51 0.59 2.26 -0.17
F 0.59 -0.01 -0.01 3.01 0.00 3.61 0.00
H 0.72 -0.25 -0.01 3.01 0.16 3.88 -0.23
As to variables related to battery aging, Table 4.78 reports, for each study case, the values associated to
the maximum value of saving Si (i.e. to the minimum value of bill Ci), when condition Si ≥ 0 holds, i = 2,
3, 4, and to the maximum value of saving Si,R (i.e. to the minimum value of bill Ci again, since the
capacity remuneration is constant in each study case), when condition Si,R ≥ 0 holds, i = 2, 3, 4;
similarly, Table 4.79 reports the values associated to the minimum saving values, i.e. to the maximum
bill values, when the profitability conditions hold. One can notice, in particular, that cycling life
estimates are favourable, i.e. longer than the battery calendar life or expected utilization period (say ten
years), not only for the minimum positive saving values, but also for the maximum saving values, and
even when adopting the rough, 100% DoD approximation for cycling life estimation. The shortest
cycling life estimates are obtained, as expected, with the 100% DoD approximation for the non-domestic
V2G cases: for the maximum saving values, around 27 yr for case G without the recharge program and
around 26 yr for case H with the recharge program; for the minimum saving values, around 50-51 yr for
case G without the recharge program and from around 40 yr to around 51 yr for case H with the recharge
program. These values are rather high, so they can be deemed not to be critical.
20000290
Table 4.78 – Aging variables corresponding to max(Si) (i.e. to min(Ci)) when condition Ci ≤ C1 (i.e. Si ≥ 0) holds, or to
max(Si,R) (i.e. to min(Ci,R)) when condition Ci – RcapPprg · 1 yr ≤ C1 (i.e. Si,R ≥ 0) holds, for i = 2, 3, 4.
Life
Number of Number of
Number of Life estimate estimate
equivalent Life equivalent
equivalent from charge from
Study Nmax(DoDavg) DoDavg discharge estimate discharge
charge cycles cycles at discharge
case [-] [-] cycles at at DoDavg cycles at
at 100% DoD 100% DoD cycles at
DoDavg [-] 100% DoD
[-] [yr] 100% DoD
[-] [-]
[yr]
Max(S2)
A 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
B 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
C 71037.00 0.16 -361.66 196.42 58.66 58.35 76.72 77.13
D 93631.69 0.12 -515.38 181.68 63.16 62.71 71.24 71.76
E 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
G 33302.43 0.32 -514.55 64.72 165.43 164.93 27.20 27.28
H 37941.47 0.29 -591.39 64.16 171.07 170.57 26.30 26.38
Max(S3)
A 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
B 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
C 71037.00 0.16 -361.66 196.42 58.66 58.35 76.72 77.13
D 97380.76 0.12 -528.25 184.34 62.62 62.17 71.87 72.39
E 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
G 36579.61 0.30 -556.07 65.78 164.90 164.40 27.29 27.37
H 37941.47 0.29 -591.39 64.16 171.07 170.57 26.30 26.38
Max(S4)
A 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
B 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
C 71037.00 0.16 -361.66 196.42 58.66 58.35 76.72 77.13
D 97380.76 0.12 -528.25 184.34 62.62 62.17 71.87 72.39
E 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
G 33302.43 0.32 -514.55 64.72 165.43 164.93 27.20 27.28
H 37941.47 0.29 -591.39 64.16 171.07 170.57 26.30 26.38
Max(S2,R)
B 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
D 93631.69 0.12 -515.38 181.68 63.16 62.71 71.24 71.76
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
H 37941.47 0.29 -591.39 64.16 171.07 170.57 26.30 26.38
Max(S3,R)
B 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
D 97380.76 0.12 -528.25 184.34 62.62 62.17 71.87 72.39
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
H 37941.47 0.29 -591.39 64.16 171.07 170.57 26.30 26.38
Max(S4,R)
B 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
D 97380.76 0.12 -528.25 184.34 62.62 62.17 71.87 72.39
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
H 37941.47 0.29 -591.39 64.16 171.07 170.57 26.30 26.38
20000290
Table 4.79 – Aging variables corresponding to min(Si) (i.e. to max(Ci)) when condition Ci ≤ C1 (i.e. Si ≥ 0) holds, or to
min(Si,R) (i.e. to max(Ci,R)) when condition Ci – RcapPprg · 1 yr ≤ C1 (i.e. Si,R ≥ 0) holds, for i = 2, 3, 4.
Life Life
Number of Number of Number of
estimate estimate
equivalent Life equivalent equivalent
from from
Study Nmax(DoDavg) DoDavg discharge estimate charge cycles discharge
charge discharge
case [-] [-] cycles at at DoDavg at 100% cycles at
cycles at cycles at
DoDavg [-] DoD 100% DoD
100% DoD 100% DoD
[-] [-] [-]
[yr] [yr]
Min(S2)
A 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
B 60607.23 0.19 -250.27 242.17 47.51 47.06 94.71 95.62
C 62917.13 0.18 -265.94 236.58 48.57 48.26 92.65 93.25
D 66759.53 0.17 -281.66 237.03 48.51 48.06 92.76 93.63
E 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
G 34169.52 0.31 -281.71 121.29 88.74 88.24 50.71 51.00
H 34479.78 0.31 -286.59 120.31 89.55 89.05 50.25 50.53
Min(S3)
A 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
B 60607.23 0.19 -250.27 242.17 47.51 47.06 94.71 95.62
C 65046.41 0.18 -278.27 233.75 49.11 48.80 91.62 92.21
D 66759.53 0.17 -281.66 237.03 48.51 48.06 92.76 93.63
E 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
G 34226.95 0.31 -285.61 119.84 89.83 89.33 50.10 50.38
H 34479.78 0.31 -286.59 120.31 89.55 89.05 50.25 50.53
Min(S4)
A 60574.04 0.19 -250.14 242.16 47.37 47.06 94.99 95.62
B 60607.23 0.19 -250.27 242.17 47.51 47.06 94.71 95.62
C 62046.81 0.18 -257.85 240.63 47.74 47.43 94.26 94.88
D 95560.94 0.12 -466.26 204.95 56.17 55.72 80.11 80.76
E 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
G 34226.95 0.31 -285.61 119.84 89.83 89.33 50.10 50.38
H 34479.78 0.31 -286.59 120.31 89.55 89.05 50.25 50.53
Min(S2,R)
B 60607.23 0.19 -250.27 242.17 47.51 47.06 94.71 95.62
D 80251.36 0.14 -356.40 225.17 51.54 51.09 87.31 88.08
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
H 38733.66 0.28 -391.99 98.81 111.83 111.33 40.24 40.42
Min(S3,R)
B 60607.23 0.19 -250.27 242.17 47.51 47.06 94.71 95.62
D 82304.23 0.14 -367.87 223.73 51.92 51.47 86.67 87.43
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
H 35081.73 0.31 -304.09 115.37 93.33 92.83 48.22 48.47
Min(S4,R)
B 60607.23 0.19 -250.27 242.17 47.51 47.06 94.71 95.62
D 82806.89 0.14 -371.01 223.19 52.05 51.60 86.45 87.21
F 32419.17 0.33 -251.70 128.80 83.19 82.69 54.09 54.42
H 34479.78 0.31 -286.59 120.31 89.55 89.05 50.25 50.53
20000290
5 CONCLUSIONS
The possible profitability, for EVs, of supplying tertiary reserves, in particular in the form of BSs
offered on the Italian BM, is inquired. To this purpose, in order to obtain the recharge of a pre-defined
amount of energy over a pre-defined recharge period, an EV is simulated to bid for the BS(s), according
to a heuristic strategy, and then to exchange energy when the bids are accepted; the bid acceptance
criterion is based on a simple comparison with historical BM accepted prices. If the bids accepted before
the end of the recharge period are not enough, the energy to absorb to complete the recharge is bought
on the DAM: this is the so-called “residual recharge”. A benchmark recharge mechanism is also
simulated, for comparison, based on buying the whole energy for recharge on the DAM at the NSP. For
both recharge mechanisms, annual results are computed, in terms of energy exchanges for the recharges,
of the related battery charge-discharge cycles and cycling life estimates and of the EV owner’s
electricity bill; the bill includes costs and revenues for energy exchanges, plus charges and taxes.
Simulations are carried out by assuming overnight recharges across the working days of the year 1st
August 2016-31st July 2017, in the North market zone. More precisely, for each study case, the
sensitivity of the annual results of the strategy is analysed with respect to the bid prices pDW for the
downward BS and pUP for the upward BS. For simplicity, pDW and pUP are kept constant throughout the
year; the values considered for pDW and for pUP are 0, 10, 20, …, 990, 1000 €/MWh.
The analysis confirms that, thanks to participation in BS supply on the BM, the customer’s electricity
bill can be lower than the bill associated to benchmark recharge at DAM prices, provided that the bid
prices are suitably chosen. In fact, high selling prices in the BM for the upward BS can be exploited, as
far as possible, to obtain an economic benefit, but introducing the upward BS implies the need for more
energy to be bought to reach the desired charge level; although energy (part of it, at least) can be bought
for the downward BS at prices lower than the DAM prices, therefore with other economic benefits, the
costs for absorbed energy are anyway burdened by a set of charges (the system charges and the charges
related to transmission, distribution and dispatching activities), by the excise taxes and by the VAT.
Therefore, for each study case, it is useful to detect the (pDW; pUP) values for which the service is
profitable for the EV user, i.e. for which the saving of the related annual bill, with respect to the
benchmark bill, is greater than or equal to zero. Such values form the so-called profitability region in the
(pDW; pUP) plane.
In the profitability region, the computed annual energy exchanges are within the following ranges:
• the amount of energy bought for the downward BS (namely QDW) is between 0.10 and 0.69 MWh in
the domestic study cases, between 0.31 and 7.62 MWh in the non-domestic ones;
• the amount of energy sold for the upward BS (namely QUP, which is defined as negative or equal to
zero), when nonzero, is between -1.24 and -0.01 MWh in the domestic study cases, between -6.56
and -0.13 MWh in the non-domestic ones; in particular, the part of QUP constituting a reduction of
the programmed absorption, namely QUP, pr red, when nonzero, is between -1.24 and -0.01 MWh and
between -2.47 and -0.01 MWh, respectively; the energy actually absorbed according to the program,
20000290
i.e. QDAM,prg,act, is thus, when nonzero, between 0.28 and 1.51 MWh and between 0.55 and 3.01
MWh respectively;
• the energy bought on the DAM for residual recharge, i.e. QDAM,res, is between 0.46 and 2.67 MWh in
the domestic study cases and between 0.00 and 6.38 MWh in the non-domestic ones;
• the overall amount of energy actually absorbed from the grid during the recharges, i.e. Qin.tot, is
between 2.05 and 3.08 MWh in the domestic study cases and between 3.61 and 10.67 MWh in the
non-domestic ones;
• the overall amount of energy actually injected into the grid during the recharges (i.e. Qout,tot, which is
defined as negative or equal to zero) is, when nonzero, between -0.87 and -0.01 MWh in the
domestic study cases and between -6.01 and -0.20 MWh in the non-domestic ones.
By recalling that the benchmark energy absorption from the grid, in the absence of any service supply
(Q IJK,L), is around 2.06 MWh in the domestic cases and around 3.59 MWh in the non-domestic ones,
one can remark, e.g., that, in the profitability regions, the overall energy absorption from the grid in the
presence of service supply (Qin.tot) is around 1-1.5 times and 1-3 times the benchmark one, in the
domestic and in the non-domestic cases respectively; the absolute value of the overall injection into the
grid in the presence of service supply (|Qout,tot|), instead, is smaller, because the user’s request is for net
EV recharge. In order to evaluate the charge-discharge cycles carried out by the EV battery, one has to
consider both the mentioned absorption and injection energy flows and the energy leaving the battery
during driving; then, with reference to the profitability regions again, one could estimate that no more
than 71 equivalent cycles per year at 100% DoD are carried out in the domestic study cases and no more
than 246 equivalent cycles per year at 100% DoD in the non-domestic study cases; therefore, by
assuming 4500 full cycles as the maximum number of cycles before end of life, the battery cycling life
could be estimated as longer than 63 years and longer than 18 years respectively, so, to a very first
approximation, it should not be a critical issue. However, deeper analyses should be carried out about
aging, because in general it does not depend on the energy exchanges only, but also on different
variables characterising the actual working conditions, like voltage, temperature, the SoC value itself
and so on. Such analyses should concern especially the conditions met in the non-domestic study cases
with V2G recharge, because in such cases the shortest life estimate, equal to 18 years, has been
obtained, and because that shortest life estimate can be considered as not so far from the battery calendar
life.
Let us now consider the maximum service profitability in particular. The maximum saving obtained with
respect to the benchmark bill is recalled in Table 5.1, also in the presence of exemptions in the bill
and/or of an additional capacity remuneration. In the simulated study cases, the maximum saving is
achieved, in general, for small downward bid prices, around 10 €/MWh, and higher upward bid prices,
around 80 or 350 €/MWh, so that costs for the energy bought on the BM are small enough and revenues
for the energy sold on the BM are high enough; besides, the bid prices for which the maximum savings
are reached do not change significantly in the presence or absence of the considered exemptions in the
bill. Incidentally, one can also remark that, if downward bid prices are much higher (tens or few
hundreds of €/MWh), very high upward bid prices (hundreds of €/MWh, up to around 900 €/MWh) are
still able to yield profitable economic results, but the related bill is very close to the benchmark bill, so
the saving is minimal. Of course, both for the maximum and for the minimum saving points in the
profitability region, the values of the computed annual energy exchanges are included in the already
mentioned ranges.
By focusing on Table 5.1, one can observe that, in the absence of any exemptions, maximum savings
between around 7% and 113% can be reached with respect to the benchmark bill: in more detail, for
domestic study cases the maximum saving is around 7−8% for V1G recharge, around 23−24% for V2G
recharge; for non-domestic cases, it is between 12 and 20% for V1G recharge, between 101 and 113%
for V2G recharge (thanks to the higher amount of energy sold for the upward service, in fact, the
maximum savings are higher for the non-domestic cases than for the domestic ones).
The profitability price regions are of course wider, and the maximum saving is higher, if partial
exemptions from paying charges in the bill are introduced. Here, the exemptions consist of removing the
20000290
system charges and the grid tariffs. If these exemptions are only for the energy absorbed from the grid
for the downward service, the maximum saving can reach around 153%, which is obtained for the non-
domestic user for V2G recharge without the recharge program (in more detail, for domestic study cases
the maximum saving is around 13−16% for V1G recharge and around 29−35% for V2G recharge, for
non-domestic cases it is between 33 and 46% for V1G recharge and between 123 and 153% for V2G
recharge). If the exemptions are also for the energy injected for the upward service, the maximum saving
can reach around 168%, which is obtained again for the non-domestic user for V2G recharge without the
recharge program (in more detail, for domestic study cases the maximum saving is around 41−43% for
V2G recharge, for non-domestic cases it is between 149 and 168% for V2G recharge; of course, for all
the V1G study cases it keeps the same as the maximum saving obtained with exemptions only for the
energy absorbed from the grid for the downward service, since there is no injected energy in such cases).
On the whole, both without and with the exemptions, the presence of the recharge program implies a
reduction of the maximum saving, due to less leeway in bidding on the BM: in fact, during the program
hours a pre-determined amout of energy has to be bought at the NSP, thus at prices which are less
favourable to the end user than the purchase prices on the BM, therefore the economic benefit deriving
from energy selling on the BM in the same hours and in the following hours is lower.
Table 5.1 – Simulation results: maximum saving with respect to the benchmark bill.
Domestic user Non-domestic user
Without With Without With
recharge recharge recharge recharge
program program program program
V1G 8% 7% 20% 12%
Without exemptions
V2G 24% 23% 113% 101%
No system charges and grid tariffs on V1G 16% 13% 46% 33%
the energy absorbed for the
V2G 35% 29% 153% 123%
downward service
No system charges and grid tariffs on V1G 16% 13% 46% 33%
the energy absorbed for the
downward service + exemption on V2G 43% 41% 168% 149%
the energy injected into the grid
Domestic user Non-domestic user
Without With Without With
recharge recharge recharge recharge
program program program program
Without exemptions , but with V1G N.A. 23% N.A. 32%
capacity remuneration V2G N.A. 39% N.A. 121%
Capacity remuneration + no system V1G N.A. 29% N.A. 53%
charges and grid tariffs on the
energy absorbed for the downward V2G N.A. 45% N.A. 142%
service
Capacity remuneration + no system V1G N.A. 29% N.A. 53%
charges and grid tariffs on the
energy absorbed for the downward
V2G N.A. 56% N.A. 169%
service + exemption on the energy
injected into the grid
Some further considerations can be drawn for the study cases with the recharge program, for which an
additional remuneration for capacity availability is also considered. Thanks to that remuneration, the
profitability price regions are of course wider than the ones first considered, and the maximum saving is
higher; in particular, in the four study cases considered, the maximum saving is then between 23% and
121% in the absence of exemptions, between 29% and 142% with the exemptions for the energy
absorbed for the downward service, and between 29% and 169% with the exemptions both for the
20000290
energy absorbed for the downward service and for the injected energy (the highest values, namely
121%, 142% and 169%, are all obtained for the non-domestic user for V2G recharge, with the recharge
program). In the study cases with the recharge program, therefore, the capacity remuneration more than
compensates for the maximum saving reduction due to the program, thus leading to maximum saving
values higher than the ones obtained for the corresponding study cases without the program (and without
the capacity remuneration).
For the sake of completeness, one can also recall some results about the EV battery cycling life, by
focusing, for simplicity, on its estimate obtained from the equivalent cycles evaluated at 100% DoD. For
benchmark recharge, cycling life estimates amount to 96 yr for the domestic user’s EV and to 54 yr for
the non-domestic user’s EV; such high values indicate, to a very first approximation at least, that in this
application the EV battery duration can be expected to be limited by calendar life, instead of cycling life.
As to the simulated study cases, by considering again the bid prices for which there is the maximum
saving in the recharge bill as compared to the benchmark bill, one obtains the cycling life estimates
shown in Table 5.2. These estimates do not change in the absence or presence of the exemptions in the
bill and in the absence or presence of the additional capacity remuneration. In more detail, the obtained
life reduction (i.e. life consumption) with respect to the benchmark recharge reaches approximately 20%
and 25% for the domestic user’s EV, in case of V2G recharge without and with the recharge program
respectively, and 50% and 51% for the non-domestic user’s EV, in case of V2G recharge without and
with the recharge program respectively. Therefore, although the cycling life values expressed in years do
not appear to be critical, because they are greater than calendar life, they nonetheless suggest that the
impact of V2G recharge on battery life can be significant, so it deserves further inquiries.
Table 5.2 – Simulation results: estimated cycling life (evaluated from 100%-DoD equivalent cycles) of the EV battery
when the saving with respect to the benchmark bill is maximum.
Domestic user Non-domestic user
Without With Without With
recharge recharge recharge recharge
program program program program
V1G 96 yr 96 yr 54 yr 54 yr
Without exemptions
V2G 77 yr 72 yr 27 yr 26 yr
No system charges and grid tariffs on V1G 96 yr 96 yr 54 yr 54 yr
the energy absorbed for the
V2G 77 yr 72 yr 27 yr 26 yr
downward service
No system charges and grid tariffs on V1G 96 yr 96 yr 54 yr 54 yr
the energy absorbed for the
downward service + exemption on V2G 77 yr 72 yr 27 yr 26 yr
the energy injected into the grid
Domestic user Non-domestic user
Without With Without With
recharge recharge recharge recharge
program program program program
Without exemptions , but with V1G N.A. 96 yr N.A. 54 yr
capacity remuneration V2G N.A. 72 yr N.A. 26 yr
Capacity remuneration + no system V1G N.A. 96 yr N.A. 54 yr
charges and grid tariffs on the
energy absorbed for the downward V2G N.A. 72 yr N.A. 26 yr
service
Capacity remuneration + no system V1G N.A. 96 yr N.A. 54 yr
charges and grid tariffs on the
energy absorbed for the downward
V2G N.A. 72 yr N.A. 26 yr
service + exemption on the energy
injected into the grid
20000290
As to future expansions of the present work, service profitability could be further analysed with
reference to different kinds of end user (compare also [105] [106] [107] [108] [109]) characterized by
different recharge needs, e.g. in terms of the amount of energy to be recharged, the maximum power
which can be made available for the service and the beginning and end of the recharge period.
Profitability should also be analysed, and if possible optimised, by considering bid price profiles which
are not constant and by formulating more refined bidding strategies [110]. To this purpose, a deeper
analysis of energy quantity and price signals in the ancillary service market would be a useful starting
point, which is foreseen to be dealt with in 2020 RdS activities; besides, a critical issue which could be
taken into account in further studies is that increasing the number of participants in the ASM (e.g. by
including EVs and/or distributed NPRES massively) may affect bid acceptance and lead, in particular, to
lower saving opportunities. Battery cycling aging should also be inquired more deeply, and taken into
account in the bidding strategies, since service supply could result in numerous and irregular charge-
discharge cycles in addition to the cycles related to EV use by the driver [111].
Finally, since single EVs cannot directly participate in the ASM of course, service supply by EV
aggregates should be considered (as foreseen within 2021 RdS activities). For instance, (optimal) EV
coordination should be studied, to fulfill technical requirements for the service from the TSO, on the one
hand, and technical and economic needs from the user (e.g. in terms of energy to be recharged and of
saving in the bill), on the other hand. This problem could also be tackled by considering the point of
view of a balancing service provider handling a portfolio a flexible resources which could also include
sets of EVs; the provider, in fact, has to take into account requirements and needs both from the TSO
and from the end user, while considering also its own technical needs and economic targets.
20000290
6 BIBLIOGRAPHY
"Distributed Storage for the Provision of Ancillary Services to the Main Grid: Project PRESTO,"
Energy Procedia, vol. 99, pp. 182-193, November 2016.
[50] T. S. Borsche, A. Ulbig and G. Andersson, "Impact of Frequency Control Reserve Provision by
Storage Systems on Power System Operation," in IFAC Proceedings Volumes, 2014.
[51] R. Benato, G. Bruno, F. Palone, R. Polito and M. Rebolini, "Large-Scale Electrochemical Energy
Storage in High Voltage Grids: Overview of the Italian Experience," Energies, vol. 10, no. 108,
pp. 1-17, 2017.
[52] R. Moreno, R. Moreira and G. Strbac, "A MILP model for optimising multi-service portfolios of
distributed energy storage," Applied Energy, vol. 137, pp. 554-566, 2015.
[53] R. Bucher et al., "On the pooling of hydro assets and grid-scale battery energy storage systems.".
[54] J. Cabañas, "Conversión De Una Central Térmica Convencional En CT Hibrida," in XIII
Encuentro Regional Iberoamericano De CIGRÉ,, Puerto Iguazù, 2009.
[55] MiSE, "Decreto direttoriale N°55/06/2017 Ministero dello Sviluppo Economico di autorizzazione
alla modifica della centrale termoelettrica di Torrevaldaliga Nord," 2017.
[56] R. D. Rappaport and J. Miles, "Cloud energy storage for grid scale applications in the UK,"
Energy Policy, vol. 109, pp. 609-622, October 2017.
[57] J. Cho and A. N. Kleit, "Energy storage systems in energy and ancillary markets: A backwards
induction approach," Applied Energy, vol. 147, pp. 176-183, 1 June 2015.
[58] IRENA, "Battery Storage for Renewables: market status and technology outlook," January 2015.
[Online]. Available: https://www.irena.org/documentdownloads/publications/
irena_battery_storage_report_2015.pdf.
[59] IRENA, "Electricity storage and renewables: costs and markets to 2030," October 2017. [Online].
Available: https://www.irena.org/-/media/Files/IRENA/Agency/Publication/2017/Oct/
IRENA_Electricity_Storage_Costs_2017.pdf.
[60] Lazard, "Lazard's levelized cost of storage analysis — version 1.0," November 2015.
[61] M. Kazemi and H. Zareipour, "Long-term Scheduling of Battery Storage Systems in Energy and
Regulation Markets Considering Battery's lifespan," IEEE Transactions on Smart Grid, vol. 9,
no. 6, pp. 6840-6849, 2018.
[62] C. Patsios, B. Wu, E. Chatzinikolaou, D. Rogers, N. Wade, N. Brandon and P. Taylor, "An
integrated approach for the analysis and control of grid connected energy storage systems,"
Journal of Energy Storage, vol. 5, pp. 48-61, February 2016.
[63] I. Staffell and M. Rustomji, "Maximising the value of electricity storage," Journal of Energy
Storage, vol. 8, pp. 212-225, 2016.
[64] N. Günter and A. Marinopoulos, "Energy storage for grid services and applications:
Classification, market review, metrics, and methodology for evaluation of deployment cases,"
Journal of Energy Storage, vol. 8, pp. 226-234, November 2016.
[65] T. Thien, D. Schweer, D. vom Stein, A. Moser and D. U. Sauer, "Real-world operating strategy
and sensitivity analysis of frequency containment reserve provision with battery energy storage
systems in the German market," Journal of Energy Storage, vol. 13, pp. 143-163, October 2017.
[66] L. Johnston, F. Díaz-González, O. Gomis-Bellmunt, C. Corchero-García and M. Cruz-Zambrano,
"Methodology for the economic optimisation of energy storage systems for frequency support in
wind power plants," Applied Energy, vol. 137, pp. 660-669, 1 January 2015.
[67] M. R. Sarker, M. D. Murbach, D. T. Schwartz and M. A. Ortega-Vazquez, "Optimal operation of
a battery energy storage system: Trade-off between grid economics and storage health," Electric
Power Systems Research, vol. 152, November 2017.
[68] R. Hollinger, L. M. Diazgranados, C. Wittwer and B. Engel, "Optimal Provision of Primary
Frequency Control with Battery Systems by Exploiting All Degrees of Freedom within
20000290
[102] ARERA, "Condizioni per l’erogazione dei servizi di trasmissione, distribuzione e dispacciamento
all’energia elettrica prelevata per la successiva immissione in rete," Consultation document n.
345/219/R/eel, https://www.arera.it/it/docs/19/345-19.htm, 30 July 2019.
[103] ARERA (formerly AEEGSI), "Condizioni economiche per i clienti del mercato tutelato. Energia
elettrica - servizio di maggior tutela. Clienti domestici," [Online]. Available: https://www.arera.it/
allegati/dati_documenti/prezzi//elettricita-domestici.xls. [Accessed 1 August 2018].
[104] ARERA (formerly AEEGSI), "Condizioni economiche per i clienti del mercato tutelato. Energia
elettrica - servizio di maggior tutela. Clienti non domestici," [Online]. Available: https://arera.it/
allegati/dati_documenti/prezzi//elettricita-non-domestici.xls. [Accessed 1 August 2018].
[105] ARERA, "Mobilità elettrica - Lo sviluppo della mobilità elettrica nel contesto del sistema
elettrico," [Online]. Available: https://www.arera.it/it/elettricita/veicoli_ele.htm. [Accessed 14
March 2019].
[106] ARERA, "SCHEDA TECNICA Prezzi dei servizi di ricarica per veicoli elettrici e sistema
tariffario dell'energia elettrica," [Online]. Available:
https://www.arera.it/allegati/elettricita/schede/TariffePrezziRicariche_st.pdf. [Accessed 14 March
2019].
[107] ARERA, "Imposte sull'energia elettrica," [Online]. Available:
https://www.arera.it/allegati/dati/ele/eep38.xls.
[108] E. Regalini, "Quanto costa oggi ricaricare un’auto elettrica?," 2019 February 2019. [Online].
Available: https://dirigentindustria.it/notizie/energia-ed-ecologia/quanto-costa-oggi-ricaricare-un-
auto-elettrica.html. [Accessed 18 February 2019].
[109] E. Regalini, "Ricaricare auto elettriche oggi in Italia: quanto costa e perché?," L'Energia
Elettrica, 2019.
[110] N. Vespermann, S. Delikaraoglou and P. Pinson, "Offering strategy of a price-maker energy
storage system in day-ahead and balancing markets," in 2017 IEEE Manchester PowerTech,
Manchester, 2017.
[111] C. Lin, A. Tang and W. Wang, "A Review of SOH Estimation Methods in Lithium-ion Batteries
for Electric Vehicle Applications," Energy Procedia, vol. 75, pp. 1920-1925, 2015.
20000290
7 GLOSSARY
Italian acronyms are supplied in square brackets after the English ones.
Acronym Description
ARERA Autorità di Regolazione per Energia Reti e Ambiente
AS Ancillary Service(s)
ASM [MSD] Ancillary Service Market [Mercato per il Servizio di Dispacciamento]
BESS [SdA] Battery Energy Storage System(s) [Sistema/i di Accumulo]
BM [MB] Balancing Market [Mercato di Bilanciamento]
BS Balancing Service
DAM Day-Ahead Market
DoD Depth of Discharge
EV [VE] Electric Vehicle [Veicolo Elettrico]
MVEUs [UVAM] Mixed Virtual Eligible Units [Unità Virtuali Abilitate Miste]
NPRES [FERNP] Non-Programmable Renewable Energy Sources [Fonti Energetiche Rinnovabili
Non Programmabili]
NSP [PUN] National Single Price [Prezzo Unico Nazionale]
RdS Ricerca di Sistema
SoC State of Charge
SR Secondary Regulation
TSO Transmission System Operator
V1G Grid to Vehicle
V2G Vehicle to Grid
VAT [IVA] Value Added Tax [Imposta sul Valore Aggiunto]
VEUs [UVA] Virtual Eligible Units [Unità Virtuali Abilitate]
Induction Heating
Unit 1
Automation of installations
Principle
Topics:
• Contactless heating
• Direct heating (high power density)
• Through or surface heating
• Melting with stirring
Induction Heating - Unit 1
INDUCTION HEATING
• In the exciting coil (inductor),
an a.c. current I1 of suitable
frequency flows and creates an
alternating magnetic flux
• The flux , linked with any
ideal conducting path in the
workpiece to be heated,
induces a.c. currents Ik
• The induced currents Ik heat
the workpiece by Joule effect
b
b
a
a a
a
b
b b
b b
a) inductor; b) load
Induction Heating - Unit 1
Principal components of an induction
heating installation
f1 a)
f2
b)
c) d)
Hp. Semispazio infinito omogeneo (y>0), mezzo lineare, andamento sinusoidale, eccitazione: H diretto lungo x
uniformemente distribuito sul piano xz. H è costante su ogni piano parallelo al piano xz di coordinata y.
L’unica componente non nulla di H à quella lungo x ed è funzione della variabile y (cioè della distanza dall’inizio
del semispazio)
-
L’unica componente non nulla è quella lungo x ed è funzione della sola y.
L’unica componente non nulla del campo elettrico è quella lungo z ed è funzione della sola y.
Per la determinazione delle costanti di integrazione occorre inserire le condizioni al contorno.
C1 si determina imponendo il valore a y=0 che è il valore del campo di eccitazione He diretto lungo x.
Il coefficiente complesso k governa il fenomeno. La sua parte reale tiene conto dell’attenuazione dell’ampiezza del campo
man mano che si entra nel materiale, la sua parte immaginaria dice che il valore massimo (nel tempo) è raggiunto in
diversi istanti in differenti posti.
E’ facile determinare anche la distribuzione della corrente.
L’ampiezza (N.B. si tratta di grandezze variabili con legge sinusoidale nel tempo ) in corrispondenza di y=0,
(cioè sulla superficie):
In uno strato pari allo spessore di penetrazione si concentra quasi il 90% della potenza dissipata nell’intero semispazio
Si definisce impedenza d’onda di un metro quadro del semispazio la quantità:
E’ interessante osservare che il fattore di potenza NON dipende dalle caratteristiche del materiale e dalla frequenza:
Effetto pelle in conduttori cilindrici
In corrente continua:
La corrente risultante è data dalla composizione di I e i, ed è più intensa all’esterno e indebolita all’interno
Strato superficiale attivo equivalente
Se la distanza a fra i conduttori è piccola rispetto all’altezza h ed è Discorsi simili per valutare sotto le stesse hp i
confrontabile con lo spessore d, il campo nella zona interna è circa il campi prodotti da correnti equiverse.
doppio di quello di un solo conduttore, mentre all’esterno dei
conduttori è praticamente nullo.
Effetto di prossimità, effetto anello ed effetto cava
La curve tratteggiata è il modulo della densità di corrente.
Per differenza si trova la potenza in una strato spesso δ: Lo stesso risultato ottenuto per altra via.
Nel mezzo 2
Parametri costanti:
Regime sinusoidale
Ipotesi:
Per simmetria:
Distribuzione di H all’interno della lamina
Se h/δ >10 ai fini della penetrazione del campo, la lamina può essere
considerata come due semispazi accoppiati dalla parte in cui il campo è
nullo, quindi il campo è pari ad He sulla superfici e si annulla per y=0
Distribuzione di J all’interno della lamina
Questa equazione permette di scrivere la J(y) all’interno in funzione del valore della densità di corrente J e sulla superficie
2𝑔 2𝑔
Il grafico riporta gli andamenti di 𝐹 e di 𝐺 in
𝛿 2𝑆 𝛿 2𝑆
2𝑔
funzione di 𝛿 .
Osserviamo che per rendere piccola la potenza attiva
2𝑔
dissipata nella lamina occorre prendere piccola, cioè
𝛿 2𝑔
considerare lamine con spessori più piccoli dello spessore 𝐹
𝛿 2𝑆
di penetrazione.
A ciascuna lamina compete la potenza p. Se un certo spessore
viene suddiviso in N lamine, la densità di flusso della potenza
totale sarà Np.
Si può osservare che se non si laminasse e se D fosse abbastanza
più grande di 𝛿, la potenza diminuirebbe.
Ci sarebbe però il problema che con spessori della lamina molto più grandi di 𝛿 il campo all’interno della lamina
sarebbe praticamente nullo.
Profili non esponenziali di campi e correnti
Fino ad ora abbiamo visto andamenti di campi e correnti con un profilo esponenziale.
Per le stesse geometrie a parità di sollecitazione si possono verificare condizioni per le quali i profili di campi e correnti non
hanno andamento esponenziale.
Si tratta di effetti dovuti alla dipendenza dalla temperatura di parametri fisici dei materiali; in particolare dalla dipendenza
della conducibilità e in misura maggiore della permeabilità.
Inizialmente per via della localizzazione della potenza sugli strati più esterni questi si scaldano maggiormente rispetto quelli
interni. Se si supera la temperatura di Curie, la permeabilità decade (il materiale non è più ferromagnetico), e il campo
magnetico penetra nel materiale.
E’ come se il sistema fosse costituito da due strati. Quello più esterno NON più ferromagnetico, quello più interno è rimasto
ferromagnetico.
La corrente entra nel primo strato e subisce un decadimento esponenziale governato dallo spessore di penetrazione dello
strato esterno. Quando si incontra la strato più interno che è ferromagnetico la densità di corrente subisce un incremento
e poi decade esponenzialmente in accordo allo spessore di penetrazione dello strato più interno (che è più piccolo di quello
esterno).
Ricordiamo che le correnti all’inizio di uno strato assumono un valore che è dato da: , con k=1/δ.
H diminuisce nell’attraversamento dello strato più esterno, ma quando si arriva allo strato interno se k aumenta più di
quanto è diminuito H, allora la densità di corrente aumenta.
Profili non esponenziali di campi e correnti
Man mano che il tempo passa l’onda si sposta verso l’interno e si attenua.
Il caso ideale con una discontinuità nella permeabilità sarebbe caratterizzato da una discontinuità che viene raccordata
nel caso reale.
Nel riscaldamento che ha come obiettivo una temperatura superiore a quella di Curie, si possono riconoscere tra fasi:
fredda, intermedia e calda. Ciascuna di queste è caratterizzata dalla sua distribuzione delle sorgenti di calore nella
sezione del materiale. Facciamo riferimento per esempio al caso del semispazio.
Nel caso freddo il modello è quello con resistività costante calcolata a 650 °C. La permeabilità dipende dal valore di H
essendo necessario considerare la non linearità del materiale: μr=f(H), ma essendo H=g(y), anche μr è funzione di y.
Il caso intermedio è quello descritto con l’onda magnetica. Nei punti in cui la temperatura di Curie è superata si assume
μr=1, e la resistività ρ=cost=1e-6 Ωm. Nei punti in cui siamo al di sotto si prende ρ=cost=6.0 6.5e-7 Ωm con μr=f(y) .
La fase calda è quella in cui tutto il materiale interessato dalla distribuzione di corrente ha superato la temperatura di Curie
ed assimilabile ad un conduttore NON ferromagnetico, quindi ρ=cost=1e-6 Ωm e μr=1.
Riscaldamento geometrie cilindriche
Riscaldamento geometrie cilindriche
Riscaldamento induttivo geometrie cilindriche
Per simmetria cilindrica il campo
magnetico ha solo componente z
quello elettrico componente
azimuthale
Sostituendo il valore di C1
In termini di ampiezze:
Determinazione delle correnti indotte. C’è una relazione che lega la derivata della funzione
Si calcola prima in campo elettrico: di ordine zero con la funzione di ordine 1
La corrente è quindi:
Introduciamo Je, il valore della densità di corrente sulla superficie esterna del cilindro
Per determinare la potenza reattiva complessiva occorre sommare alla potenza reattiva del carico la potenza reattiva
che compete all’aria compresa fra l’induttore e il carico.
Considerando che in questa regione il campo magnetico è uniforme e vale He si puo’ scrivere:
In questo caso C2 non è nullo a priori perché r=0 non fa parte del dominio
In cui risolviamo l’equazione, quindi Y0 non diverge.
Le condizioni al contorno sono quindi:
Geometrie cilindriche: cilindro cavo
Occorre risolvere un sistema algebrico lineare di due equazioni in due incognite:
Avendo definito:
Ricordando l’espressione generale determinata in precedenza per il campo elettrico, possiamo valutarla per r=ri, quindi
otteniamo la seguente equazione:
permette di scrivere:
Possiamo quindi inserire Hi appena calcolato nelle espressioni generali già ottenute,
e quindi determinare i campi magnetici e elettrici, e di conseguenza anche la distri-
buzione della densità di corrente nel tubo.
Nella figura sono mostrati alcuni andamenti tipici al variare della frequenza (crescente).
Occorre tenere sempre presente che Je cresce col diminuire dello spessore di penetrazione
e quindi Je è funzione crescente della frequenza.
Geometrie cilindriche: cilindro cavo
Consideriamo il caso di eccitazione solo all’interno del tubo: non c’è quindi l’induttore esterno.
In questo caso He = 0. Il motivo è dovuto al fatto che un valore non nullo di He all’esterno resterebbe tale su tutto lo spazio
circostante. Come prima:
Consideriamo la soluzione generale ottenuta in precedenza:
Il campo elettrico è:
Che Pti diverga per Δm->0 non deve preoccupare perché la Pw si ottiene da
Pti dividendola per δ che è grande rispetto lo spessore s per mandare Δm a 0.
mi che diverge vuol dire che δ è molto piccolo rispetto ri. La potenza reattiva
non dipende da mi. Per Δm>2.5 Qti=1/sqrt(2), e varia come Δm/3 per Δm<1.
In questo intervallo si ha:
Geometrie cilindriche: calcolo parametri induttore
La costituzione reale è quella in alto, in cui le spire sono rappresentate da conduttori cavi
percorsi da liquido di raffreddamento e distanziati in direzione assiale. Il sistema idealizzato
è quello più in basso che si riconoscere essere coincidente con caso visto prima di tubo in
cui è assegnato il campo all’interno, con il valore all’esterno pari a zero.
Se nella figura in basso si individuano N spire nel tratto di lunghezza li, allora
Ricordiamo che in Ai e in Bi ci sono funzioni di Bessel. Esistono delle espressioni asintotiche delle funzioni di Bessel in termini
di esponenziali. Cioè per valori limite degli argomenti le funzioni di Bessel sono bene approssimate da espressioni
esponenziali. Abbiamo già visto gli esempi in cui se m è grande (spessore del cilindro o del tubo grande rispetto lo spessore di
penetrazione δ) gli andamenti dei profili dei campi diventano simili a quelli ottenuti nelle lastre, dove sappiamo che le
soluzioni della diffusione sono esponenziali.
Considerati i valori tipici di resistività del rame si scrive
Con f=1kHz mi>15. Allora si può scrivere:
Gli andamenti di Ai e Bi in funzione di con mi come parametro li abbiamo già visti. Quelli per mi molto grande sono
in tabella. Si osserva che Ai ha un minimo per s/δi=π/2=1.57, e che al crescere di s/δi assume un valore costante poco
superiore al minimo. Se si vogliono mantenere basse le perdite allora occorre fare in modo che per tutte le frequenze di
interesse sia s/δi > π/2, inoltre occorre cercare di mantenere ki più basso possibile.
È anche interessante notare come per alti valori di s/δi
la reattanza dell’induttore coincida con quella di un
induttore in cui la corrente scorre in uno spessore infinite-
simo piazzato al raggio ri +0.5 δi riferito al flusso incanalato
nella corona circolare compresa fra ri i e ri +0.5 δi
Xii=Xio2πri 0.5 δi /(π ri2). Questa è la reattanza interna.
Per calcolare quella complessiva occorre tenere conto
del carico (e dell’aria) all’interno di ri.
Geometrie cilindriche.
Efficienza del sistema
È il rapporto fra potenza sul carico e potenza complessiva sul sistema. Considerando le espressioni ottenute in funzione della
corrente sull’induttore l’efficienza può essere scritta come:
dove:
E si ottiene valutando i coefficienti A e B visti in precedenza in corrispondenza della geometria del pezzo.
Occorre infine aggiungere resistenza e reattanza interna del tratto di lunghezza li dell’induttore.
M. Ceraolo
carbone
https://www.iea.org/reports/global-energy-review-2021/renewables
* https://www.rse-web.it/news/scenari-energetici-litalia-con-leuropa-alla-sfida-della-decarbonizzazione-14399/
M. Ceraolo - SEE - Introduzione 5
Scenario al 2050 (*)
Ulteriori commenti:
• I diagrammi si riferiscono a uno scenario
totalmente carbon-free (net CO2 zero)
• Netta prevalenza in potenza del solare
sull'eolico (salta compensazione
stagionale).
• L'accumulo elettrochimico (e veicolare) è
di tipo giornaliero
• L'accumulo stagionale è fatto con P2X:
occorre coprire le necessità della stagione
poco insolata
• La rete trasferirà solo un'aliquota della
potenza generata (nuovo paradigma)
* https://www.rse-web.it/news/scenari-energetici-litalia-con-leuropa-alla-sfida-della-decarbonizzazione-14399/
M. Ceraolo - SEE - Introduzione 6
La specificità di solare ed eolico - 1
Per le centrali geotermoelettriche e idrauliche vale quanto visto nel corso di Sistemi
Elettrici per l'Energia.
In questo minicorso ci concentriamo sul PV e sul wind di grandi potenze, che hanno le
maggiori specificità.
Comprenderemo anche il comportamento generale degli inverter (VSC) interfacciati con la
rete, che sono utilizzabili in molti contesti, anche ad es. per le stazioni di ricarica
intelligenti dei veicoli elettrici, o sistemi di accumulo dell'energia
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 8
La specificità di solare ed eolico - 2
1000 W/m 2
T=25°C
2 750 W/m2 I pannelli fotovoltaici per la
loro fisica generano energia in
Cell Current (A)
Pertanto è giocoforza per erogare energia alla rete fare uso di dispositivi diversi dai convertitori
elettromeccanici usati nel XX secolo per le centrali elettriche (il generatore sincrono)
Si usano gli inverter. La scelta andrà sugli inverter a tensione impressa detti anche vedremo VSC o VSI
Possiamo anche frapporre un convertitore DCDC (sistemi bistadio)
massimo di ogni curva, ma la potenza
=
inevitabilmente di riduce con i venti più elevati.
0.3
=
=
0.2
Un funzionamento a Ω quasi costante si può
Ω𝑟
=
0.1 𝑣
efficienza.
=
=
L'uso degli alternatori sincrono come nelle centrali tradizionali è impensabile per le difficoltà di
avviamento e il rischio di perdere facilmente il passo.
Generatori asincroni sono stati usati e sono ancora in esercizio ma tengono ad essere abbandonati per
le ragioni viste.
Vedremo due sistemi per realizzare la generazione a velocità variabile. Fanno anch'essi uso, a diversi
gradi di potenza di VSC.
Anche: PV bistadio
P V inverter
Fino agli anni 2000 si sono usati campi a velocità costante dei rotori e regolazione dell'angolo
meccanico delle pale. Dal 2000 hanno cominciato a prevalere sistemi a pale fisse (salvo
necessità di limitazione della potenza) e regolazione della velocità con sistemi elettromeccanici.
Il filtro lato DFIG può mancare: l'induttanza naturale della macchina stabilizza la corrente
La soluzione Doubly-fed prevede una velocità del rotore non troppo dissimile da quella di una
connessione diretta di un asincrono.
Pertanto è necessario un elevatore di velocità meccanico (GearBox), in quanto sarebbe
sconveniente per costo e dimensioni l'uso di molte coppie polari
L'adattamento delle tensioni con trasformatore è opzionale.
I convertitori possono essere ancora più piccoli (fino a 1/5 della potenza di statore)
Questa soluzione consente l'uso di accoppiamento diretto della macchina, ottimizzata per basse
velocità, e quindi la moltiplicazione meccanica è opzionale.
L'adattamento delle tensioni con trasformatore è opzionale.
Power flow
Unidirectional
bidirectional
Inoltre:
• Necessità di contribuire al controllo della tensione (tramite potenza reattiva nelle
wind farm)
• Necessità di contribuire al controllo della frequenza: erogare meno del massimo
per consentire regolabilità bidirezionale?
• Problematiche di Power Quality: armoniche, squilibri, flicker.
Parte 2: Solare
Caratteristiche elettriche della cella
Ombreggiamento, MPPT
Dalla cella all'impianto
M. Ceraolo
Parte 2: Solare
Caratteristiche elettriche della cella
Ombreggiamento, MPPT
Dalla cella all'impianto
La generazione fotovoltaica (cella)
1000 W/m 2
T=25°C
2 50°C 2 750 W/m2
25°C
Cell Current (A)
0.1 0.2 0.3 0.4 0.5 0.6 0.1 0.2 0.3 0.4 0.5 0.6
R A I I
+
P
IP U=Us-RI
+ U
Us
UP
U
B - Us
id
𝑢𝑑
𝑖𝑑 = 𝐼0 𝑒 𝛼 −1
Io
ud
id
Se si sceglie una scala che consente la
A
visualizzazione dei normali punti di
funzionamento del diodo in conduzione, la
corrente inversa non si distingue sul grafico.
ud
mA Alcuni costruttori rappresentano il diodo con
doppia scala per questa ragione
esponenziale
𝑢𝑑 𝑢𝑑 +𝑉𝑏
− 𝑚𝑁
Vb 𝑖𝑑 = 𝐼0 𝑒 𝑚𝑉𝑡 −1 − 𝐼1 𝑒 𝑏 𝑉𝑡 −1
ud
Vt 𝑘𝑇 Tensione termica (k=
esponenziale 𝑉𝑡 = costante di Boltzmann
𝑞
Q: carica elettrone)
Formula photovoltaics:
𝑢𝑑 𝑢𝑑 +𝑉𝑏 𝑢𝑑
− 𝑚𝑁
𝑖𝑑 = 𝐼𝑑𝑠 𝑒 𝑚𝑉𝑡 −1 − 𝐼𝑏𝑣 𝑒 𝑏 𝑉𝑡 −1 +
𝑅
Il terzo termine è trascurabile in quanto R=108 ohm, e serve solo per ragioni numeriche.
Il coefficiente m è detto ideality factor.
Photovoltaics usa 𝐵𝑣 invece di 𝑉𝑏
(*) C. Kral et al: “Open Source PhotoVoltaics Library for Systemic Investigations” 13th International Modelica Conference, DOI 10.3384/ecp1915741
March 4-6, 2019, Regensburg, Germany
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 9
Caratteristica diretta, modello IEEE cella PV
𝑞
In cui: 𝑢𝑡 𝑇 = 𝑘𝑇 (q è la carica dell'elettrone, k la costante di Boltzmann)
(*) Task Force on Modeling and Analysis of Electronically-Coupled Distributed Resources: “Modeling Guidelines and a Benchmark for Power System
Simulation Studies of Three-Phase Single-Stage Photovoltaic Systems”. IEEE Transactions on Power Delivery, Vol 26, N. 2, April 2011.
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 10
Diodi e Power Electronics
id id
conducting
blocking zone Off-state On-state
uz zone
ud ud
breakdown
id id
Off-state On-
state
R=1/tan
ud ud U0
U0 è intorno a 1V U0
Nell'analisi dei convertitori elettronici (elettronica di potenza) quasi sempre si usano versioni linearizzate
delle caratteristiche di diodi. Nella caratteristica in alto a destra si trascurano la tensione diretta e la
corrente inversa rispetto alle tensioni e correnti del convertitore. Il diodo si comporta come un
interruttore aperto o chiuso.
Il circuito è realizzato in modo da evitare il raggiungimento della zona di brakdown
powerRamp
duration=0.8 s
uAK uAK
Parte 2: Solare
Caratteristiche elettriche della cella
Ombreggiamento, MPPT
Dalla cella all'impianto
Insolazioni differenti - due celle in serie
I
+ I cella I I
Ig2 Ig2 superiore
V2 cella celle in
inferiore serie
+ U Ig1 Ig1
Ig1 V1
La cella inferiore ha un'insolazione minore il che implica una Ig1 minore (per fissare le idee
immaginiamo Ig1=4A, Ig2=8A). Superato il ginocchio del gruppo di corrente Ig1, esso contribuisce
per una corrente rapidamente decrescente, quindi negativa.
In tal modo, volendo tracciare della serie delle due celle solamente la caratteristica nel primo
quadrante, la corrente sul carico per V=0 è prossima a Ig1=4A, mentre la tensione a vuoto è la
somme delle tensioni a vuoto delle singole celle.
La cosa si replica anche nel caso in cui invece delle due celle si abbiano due gruppi di celle con
insolazione omogenea all'interno di ogni gruppo: le due correnti saranno le medesime delle
singole celle, mentre le tensioni saranno le tensioni di cella moltiplicate per il numero di celle di
ogni gruppo.
I
gruppo
gruppo N I superiore I I
Ig2 celle in
celle Ig2 celle
gruppo serie
U inferiore
Ig1
N
Ig1 celle
V10 V1 Vd V20 V2 Vd V20+V20 Vu
Siccome si mette un diodo di byass ogni N celle, la caduta diretta del diodo Vd è molto inferiore
(circa un N-esimo) di quella generata dai diodi attivi, e ovviamente di segno opposto.
Man mano che si procede verso l’alto con la retta blu tratteggiata, al raggiungimento del
ginocchio della caratteristica del gruppo di celle inferiore la tensione si riduce rapidamente fino a
diventare un poco inferiore (la differenza è costituita dalla tensione inversa del diodo) di bypass
inferiore di quella delle N celle del gruppo superiore.
Proseguendo si raggiunge il ginocchio del gruppo superiore e la caratteristica delle celle in serie
ha un nuovo ginocchio fino a intersecare il primo quadrante.
In questo esempio il diodo di bypass superiore non interviene. Interviene invece se il gruppo
superiore ha insolazione minore di quello inferiore.
In quest'esempio la potenza
massima si ha alle correnti
più basse diodi di bypass
inattivi)
𝑉2
𝑃=
𝑅
6 4
Pmax 3
5 2
P. es. in
"MPPT Design For Photovoltaic System Under Partially Shaded Condition", International Seminar on Application for Technology of
Information and Communication, 2019(non in questo corso)
Parte 2: Solare
Caratteristiche elettriche della cella
Ombreggiamento, MPPT
Dalla cella all'impianto
Modulo e submoduli
+ +
U Udc2
dc1 DC/DC Electric
inverter network
converter
- -
U I
MPPT
P(U)
1
I(U)
Q
. P=c
onst
Filter
Grid
l'isolamento galvanico
PV
Filter
PV
trasformatori
estremamente compatti e
leggeri
two-stage
Rispetto a questi schemi,
HFAC per sfruttare al meglio il
link campo anche in condizioni
Filter
di ombreggiamento,
PV
Il campo è suddiviso in
sezioni con MPPT
three-stage individuali
Grid link
(MIPIs)
PV string
Grid link
Dual-stage
Parte 2: Eolico
Richiamo delle turbine eoliche e loro controllo
Tecnologie di accoppiamento alla rete
Dettagli del PSPC
Dettagli del PMSM
Le wind farm
Esempi
M. Ceraolo
Ci concentreremo su grande
eolico; le analisi sull'interfaccia del
VSC sono valide anche per il micro-
eolico
Turbina eolica con sostegno
*Trevor M. Letcher - Wind Energy Engineering_ A Handbook for Onshore and Offshore Wind Turbines (2017, Elsevier Inc.)
Oggi si pensa a VAWT anche per grandi turbine offshore: il vantaggio di migliore manutenzione
(gearbox a livello mare) è più importante e lo svantaggio di minore Cp lo è di meno
diametro
https://www.energy.gov/eere/articles/wind-turbines-bigger-better
diametro
1 1 Δ𝑚 2 1 𝜌Δ𝑉 2 1 Δx 1
𝑃𝑡𝑜𝑡 = Δ 𝑚𝑣 2 ൗΔt = 𝑣 = 𝑣 = 𝜌𝐴 𝑣 2 = 𝜌𝐴𝑣 3
2 2 Δt 2 Δ𝑡 2 Δ𝑡 2
optimal
0.5 operation Ω𝑅
Cp Popt 𝑃𝑎𝑐𝑡 = 𝐶𝑝 (𝜆, 𝜃)𝑃𝑡𝑜𝑡 Tip-speed
𝜆= ratio
𝑣
0.4 =
𝐴 = 𝜋𝑅2 𝑣 : vento a monte non perturbato
=
0.3
=
1
𝑃𝑜𝑝𝑡 መ 3
= 𝐶𝑝 𝜌𝐴𝑣opt = 𝑘opt Ω3opt
2
=
0.2
=
1
𝑃𝑡𝑜𝑡 = 𝜌𝐴𝑣 3
2
optimal
0.5 operation Ω𝑅
Cp Popt 𝑃𝑎𝑐𝑡 = 𝐶𝑝 (𝜆, 𝜃)𝑃𝑡𝑜𝑡 Tip-speed
𝜆= ratio
𝑣
0.4 =
𝐴 = 𝜋𝑅2 𝑣 : vento a monte non perturbato
=
0.3
=
1
𝑃𝑜𝑝𝑡 መ 3
= 𝐶𝑝 𝜌𝐴𝑣opt = 𝑘opt Ω3opt
2
=
0.2
=
1 2 3
max 5 6 7 8
9
1
La curva 𝑃𝑜𝑝𝑡 = 𝐶መ𝑝 2 𝜌𝐴𝑣 3 = 𝑘opt Ω3opt è la medesima del grafico precedente
Dati enercon:
• Senza storm control shut down a 25 m/s (media 3 min) o 30 m/s (media 15 s)
• Con storm control: shut down a 34 m/s
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 16
Taglie e interfacciamento con la rete
(grandi impianti)
FSIG VSIG
Fixed Speed Induction Variable Speed Induction
Generator Generator
La soluzione FSIG usata fino agli anni 90, per potenze fino a 500 kW.
Non usata per sistemi stand-alone (senza la rete) perché il generatore asincrono in queste condizioni
opera male.
La soluzione VSIG, anch'essa abbandonata per i nuovi impianti, consentiva una maggiore variazione
della velocità del rotore ma è poco efficiente elettricamente. Il resistore è controllato da un DC/DC
PWM
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 19
Realizzazione elettronica di resistori pilotati
no additional rotor
resistances
0
generator
operation
motor operation
0
La presenza del conv. DCDC consente di avere una variazione continua della resistenza equivalente.
PSPC
FSPC
• La soluzione PSPC è stata molto usata negli anni 2000 in quanto migliora la variabilità della velocità
angolare mantenendo la macchina asincrona (evoluzione della b). In anni recenti tende ad essere
abbandonata, soprattutto per le più alte potenze in favore della soluzione d, che consente maggior
controllo della velocità, e diviene sempre più competitiva man mano che costo ed efficienza dei VSC
decrescono e aumenta l'affidabilità.
• La soluzione FSPC è oggi usata anche per potenze molto piccole (1-50 kW) ma senza controllo del
pitch
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 22
Il principio di funzionamento del PSPC
resistenza resistenza
esterna positiva esterna negativa
motore
0
funz.
suprasincrono
funzionamento subsincrono generatore
0
• Il convertitore di macchina è gestito a Q nulla, quindi si comporta come un resistore "positivo o negativo".
• Al variare della potenza prelevata o fornita aumenta il valore della resistenza equivalente positiva o
negativa, quindi la variabilità della velocità (a pari coppia si allontana dalla velocità di sincronismo 0)
• In funzionamento suprasincrono il convertitore assorbe potenza: resistenza positiva, curva blu (coppia
negativa).
• Nel funzionamento subsincrono il convertitore fornisce potenza alla macchina, operando quindi come un
resistore negativo: resistenza negativa, curva rossa (coppa negativa)
• La variabilità della velocità è ovviamente inferiore a quella ottenibile con il FSPC.
In questo esempio la
tensione sul link DC è
usata per controllare il
sincrono e il DCDC,
("DC link controller")
mentre l'inseguimento
della potenza
disponibile in funzione
della velocità del vento
per controllare il Grid
Side converter.
Le due soluzioni possono anche essere scambiate, in analogica con quanto visto nello schema
PSPC con doppio VSC (slide "La soluzione FSPC (doppio VSC)"): tensione DC per controllare il
grid side converter e potenza disponibile per controllare il DCDC e il sincrono.
Si individua un'evoluzione
temporale e tecnologica fra gli
schemi:
a) il più semplice, usato
inizialmente
b) evoluzione dell'a), consente
di ampliare il campo di
velocità
c) evoluzione del b, consente di
ampliare ulteriormente il
campo di velocità e migliorare
l'efficienza
d) adozione completa della
conversione elettronica.
Parte 2: Eolico
Richiamo delle turbine eoliche e loro controllo
Tecnologie di accoppiamento alla rete
Dettagli del PSPC
Dettagli del PMSM
Le wind farm
Esempi
PSPC
Uso della DFIG (1)
Il trasformatore
serve per poter
scegliere per il
dimensionamento
della macchina
ottimale per essa,
indipendentemente
Rotor-side grid-side
da quella della rete.
converter (RSC) converter (GSC)
• Sia nelle machine sincrone che asincrone i campi di statore e rotore sono fra loro
sincroni, per consentire la generazione di coppia costante
• Nelle machine a doppia alimentazione il campo di rotore, anziché essere prodotto
per induzione è generato attivamente a ampiezza frequenza e fase desiderate
• Il rotore può pertanto ruotare più velocemente e più lentamente dei campi
(scorrimento negative o positive)
• Tipicamente si realizzano deviazioni dalla velocità sincrona fino a 2040%
• La Potenza dii convertitori, a seconda del design è fra 1/5 e 1/3 della Potenza
nominale della macchina
Agli
anelli
• Possiamo visualizzare le cose anche con il circuito equivalente, tenendo conto che il convertitore
opera con tensione in fase alla corrente, quindi genera una Rapp (positiva o negativa)
• Sopra il sincronismo la potenza dissipata nel resistore è in realtà inviata alla rete mediante
convertitori (come per resistenze di avviamento).
• Sotto il sincronismo Rapp<0 e i convertitori devono fornire potenza al sistema (che si detrae da
quella generata dallo statore)
Pm
Pt
suprasincrono
Pconv
Pm
Pt
subsincrono
Pconv
Pro Contro
• generatore robusto e poco costoso • Campo di regolazione di velocità inferiore a
data la sua diffusione; FSPC
• Dimensionamento convertitore • Campi girano al sincronismo di 50 Hz:
solamente per la potenza di rotore necessita quindi di un moltiplicatore di giri
(1/5 – 1/3 della potenza nominale). che richiede manutenzione, notevole
• funziona per un intervallo di valori di problema per impianti in mare aperto (Off-
velocità del vento più ampio rispetto shore).
alle turbine a velocità fissa • I costi del convertitore crescono con
l'incremento dell'intervallo di velocità di
funzionamento.
• Necessità di collettori ad anelli, con
conseguenti costi di manutenzione.
S
isotropa anisotropa
Xs I
+ E
jXs I
I E
+ E U
U jXs I
U
Pmech /3 Pmech /3
I
Si applica il criterio detto Maximum Torque Per Ampere (MTPA) che in questo caso
(macchine isotrope) implica 𝑐𝑜𝑠 𝛾=1, 𝛾 = 0. Per far questo con il VSC a cui è connessa
la macchina si controlla la corrente assorbita in modo che sia in fase con la tensione
generata dai magneti permanenti.
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 48
Azionamenti PMSM isotropi 2
Considerando la massima corrente erogabile dalla macchina abbiamo fino alla velocità
base una coppia massima costante, e una potenza linearmente crescente. I triangoli delle
tensioni crescono in proporzione alla velocità.
Se dividiamo i lati per w, il triangolo ottenuto è invariante con la velocità, fino ad una
certa velocità limite detta wb (velocità base) .
I E I E E/w
w1
jXs I w1 wwb
jLs I
U jXs I
U/w
U
E/w
wb E/w
1
wwb w1
w2
jLs I
jLs I
U/w U/w2
wbw1w2 U/w1
U/wb
1.5
Globalmente (grafici fatti alla
P/(3UmaxIn)
1.2 (rad) corrente nominale, quindi alle
T/Tmax massime prestazioni
0.9
continuative):
U • Fino alla velocità base la
0.6 Umax
coppia rimane costante, la
0.3
potenza cresce linearmente,
0.0 l'angolo rimane nullo
0 1 2 wpk 3 4 5
ww b
6
L'esempio riportato qui è di una macchina a elevata elasticità e: 𝑒 = 𝜔𝑚𝑎𝑥 /𝜔, adatta ad
esempio a un veicolo elettrico che deve erogare una potenza prossima a quella nominale per
ampie velocità di rotazione.
Per altre applicazioni l'elasticità può essere molto più bassa.
Nel caso di
accoppiamento a
turbine eoliche
non serve andare
oltre Pmax.
Pmax Dopo la Pmax per
questa
applicazione
potenza e coppia
possono
degradare
rapidamente
Quindi qui
elasticità molto
minore.
X=1pu, Psi=4 pu
P Pnom
P P 3
Pmax
T P con MTPA max
(I=cost) T con
=opt 2
P con 1 1 v
=opt
Le tensioni di macchina sono spesso BT, anche con macchine dell'ordine di pochi MW (si
pensi che il limite per la connessione BT di utenze è 100 kW!)*
Ad es. una turbina da 1.2 MW tipicamente è a e 690 V anche se questo comporta correnti
nominali di a 1000 A. La ragione sta nel fatto che il mercato del macchinario a queste
tensioni è molto più ampio, con conseguenti risparmi di costo e per il fatto che sotto 1 kV
la sicurezza è semplificata dalla norme (in Italia CEI 64-8)
Le wind farm hanno tipicamente una rete di distribuzione propria in MT, mentre la
connessione con la rete pubblica può essere in AT. Il POC è il Point of Connection e
determina il confine di proprietà; il PCC è il punto dove possono essere anche altri utenti
ed è dove va misurata la qualità della tensione. Spesso i due punti possono coincidere.
Come di prassi, il POC è in AT: il trasformatore è dell'ente che possiede il parco eolico. La
rete 132 kV in Italia è usualmente di Terna (cioè il TSO; in rari casi è del DSO).
Attualmente in Italia le FER rilevanti (oltre 10 MW) forniscono il servizio di regolazione della frequenza
obbligatorio e non retribuito, ma solo in abbassamento della potenza
Fig. from Frede Blaabjerg, and Ke Ma, Wind Energy Systems
RSC GSC
I sistemi PSPC sono raramente usati per FER rilevanti. Nel caso lo fossero, occorrerebbe provvedere alla
regolazione della tensione (per essi in Italia servizio obbligatorio e non retribuito)
Le DFIG hanno limitate capacità di controllo del reattivo, solo attraverso il GSC. In questi casi occorre
potenziare la capacità di erogazione di reattivo attraverso degli STATCOM (in figura) o SVC (TCR-TSC)
Fig. from Frede Blaabjerg, and Ke Ma, Wind Energy Systems e suo ref. 39
Parte 2: Eolico
Richiamo delle turbine eoliche e loro controllo
Tecnologie di accoppiamento alla rete
Dettagli del PSPC
Dettagli del PMSM
Le wind farm
Esempi
Esempio numerico (1)
Mostriamo un esempio numerico tratto dall'articolo (*), che effettua un confronto fra
generazione direct-drive e con gearbox, generatore a magneti permanenti, FSPC
()* Zhou, Franke "Comparison of Wind Power Converter Reliability with Low-Speed and Medium-Speed Permanent-Magnet Synchonous
Generators IEEE Transactions on Industral electronics, Oct. 2015
Zhou, Franke "Comparison of Wind Power Converter Reliability with Low-Speed and Medium-Speed Permanent-Magnet Synchonous Generators IEEE Transactions on Industral electronics, Oct. 2015
Il controllo della macchina PMSM si fa a pieno flusso fino alla velocità base, in
deflussaggio oltre essa (prox. Slide).
L'articolo non chiarisce la posizione della velocità base
Zhou, Franke "Comparison of Wind Power Converter Reliability with Low-Speed and Medium-Speed Permanent-Magnet Synchonous Generators IEEE Transactions on Industral electronics, Oct. 2015
1: Rotor blade
2: rotor Hub
3: blade adapter
4: annular generator
L'articolo della prec. Slide sostiene che questa è la 5: main carrier
macchina dell'articolo, ma vi sono dubbi a riguardo. 6: yaw drive
* Schema estrapolato (con incertezze) da "Avviso volontario per la trasparenza ex ante" eolico_flottante_Mazara_230130_143816.pdf
** I generatori eolici ABB arrivano a 20 MW e 15 kV PCS6000_wind_turbine_converter_catalog_3BHS351272_RevC_EN.pdf
M. Ceraolo - SEE - Struttura del sistema 66
Aerogeneratore LS 2 MW (video)
https://www.enercon.de/en/products/ep-2/e-82/
Technology (enercon.de)
Interessante la disposizione di
componenti all'interno della torre;
Trasmissione DC, twisting cable, lungo il
palo delle alte correnti prodotte
Generatore sincrono a rotore avvolto:
presenza dell' "excitation controller"
RThs LThs A Abbiamo visto che la tendenza generalizzata, sia per Wind che PV è
all'interfacciamento verso la rete con inverter. Essi sono del tipo VSC,
che analizzeremo a breve.
EThs Mostreremo come i VSC hanno un equivalente di Thévenin (circuito
monofase equivalente) del tipo di quello in figura, in cui riusciamo
B
con il controllo a determinare a piacere (e con grande rapidità) in
ampiezza e fase della forza elettromotrice E. n
PV or Wind
A LThl RThl A
Passive Ll
RES EThl
Load
Rl
B B
Se la RES sta alimentando un carico passivo (un edificio, un quartiere isolato, una
imbarcazione) non essendoci generatori appare naturale modellizzare il carico come
un'impedenza equivalente di Thévenin.
Alcune osservazioni:
• Transitoriamente potrebbe essere presente una E: ad esempio si osserva sperimentalmente che se si
effettua un corto circuito in prossimità di un grosso motore asincrono, esso alimenta il guasto: la E è
dovuto all'energia magnetica accumulata nei campi della macchina. Trascureremo questo effetto.
• Le condizioni del teorema di Thévenin non sono ben verificate. Ad esempio se il caro è una macchina
asincrona, la potenza assorbita varia poco con la tensione e non con il suo quadrato, come sarebbe
se fosse una impedenza interna (perché non è rispettata l'ipotesi di linearità) Trascureremo anche
questo effetto.
+ R= RThs+RThg +
RES Grid Es Eg
L= LThs+LThg
Rs Ls A
Passive + Rl
RES Es
Load Ll
B
Esiste una grande differenza fra la RES operante in grid connected e in islanded:
• In grid connected la nostra RES di deve agganciare in frequenza alla frequenza del sistema
e i flussi di potenza sono determinati dall'ampiezza e fase dei Es
• In islanded su carico passivo la nostra RES deve generare autonomamente la frequenza, e
l'erogazione di potenza dovrà semplicemente mantenere costante il modulo della
tensione. L'erogazione di potenza attiva e reattiva al carico ne verrà di conseguenza.
Determinando noi la frequenza di rete, la fase perde interesse: è semplicemente sempre
𝜃 = 𝜔𝑡 + 𝜃0 , 𝜃ሶ = 𝜔
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 7
Schemi generali di Controllo
R L
VSC P Q Grid
+ +
impulsi Es Eg
valvole P*
Es -
impulsatore Controllore Q*
- P*, Q*
f=cost
Abbiamo due VSC, quello dentro RES e quello dentro BES che vanno
coordinati il primo è un inverter, il secondo bidirezionale).
Una possibilità è che il VSC della RES imponga la frequenza e
controlli la tensione, e che quello della BES sia controllato sugli
Rl scambi di P e Q.
In sostanza un sistema RES-BES-Passive load unisce le caratteristiche
Ll del controllo in parallelo (P e Q) a quelle del controllo in isola su
+ + carico passivo (generazione di frequenza e controllo di tensione).
ERES EBES
In questi casi è molto importante il controllo della distorsione
armonica in quanto entrambe le sorgenti introducono armoniche di
corrente.
Usualmente una RES è progettata per operare in isola (alcuni casi di piccoli impianti su
utenze isolate) o in parallelo (tutte le RES di maggior potenza), o in entrambi i modi
con commutazione fra l'uno e l'altro.
Una Res progettata per funzionare in parallelo, in caso di guasto sulla rete principale,
smette di erogare.
E' possibile che però che possa in realtà passare al funzionamento in isola in alcuni casi
particolari:
• La RES si trova all'interno di un impianto di un utente (ad esempio un'azienda), che
in caso di perdita della rete continua ad essere alimentata dai propri generatori in
maniera analoga ai gruppi elettrogeni
• Se la RES è sotto il controllo diretto della rete di distribuzione a cui è connessa, il
gestore della rete può consentire in caso di forte disservizio che essa alimenti l'area
in isola
La norma CEI 0.21, per impianti di produzione di utente in BT impedisce che essi
possano funzionare in isola su porzioni di reti BT del DSO.
Infatti la rete e la sua generazione devono essere sotto un'unica gestione per riuscire a
garantire la sicurezza del personale: per coordinamento di protezioni e sezionamento.
Una sottorete che funzioni in isola, alla fine di un disservizio si può riconnettere alla (o
alle) reti adiacenti.
Come ben noto, infatti, l'uguaglianza del solo modulo delle tensioni è del tutto
insufficiente a un parallelo può esserci una forte differenza di tensioni anche quando si
collegano fra loro sistemi a tensioni di pari modulo
Uc U’c
U’b Ua
U=-U’a-Ua
Ub U’a
P P
p.u. di Pnom p.u. di Pnom
1
funzionam.
fattore di
funzionamento
Regione di
Reg. di potenza
Regione di
funzion. assegnato
0.5 (p. es. 0.9 o
0.95)
0.2
Q Q
p.u. di Pnom p.u. di Pnom
-0.12 -0.32
In Italia gli impianti RES oltre i 10 MW devono contribuire alla regolazione della tensione.
Il gestore della rete (ISO) assegna al parco una regione in cui deve essere in grado di
operare: definisce per ogni valore della potenza erogata l'intervallo di potenza reattiva da
mettere a disposizione al fine di realizzare la regolazione della tensione. Qui sopra due
esempi di regioni tratti da letteratura.
Il produttore normalmente regola la tensione al punto di consegna al set-point, ad es. il
valore nominale, con scambi massimi entro i limiti della regione di cui sopra. Può ricevere
dall'ISO un segnale addizionale che modifica il set-point in aumento o diminuzione.
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 14
Contributo alla regolazione della frequenza
Al crescere della penetrazione delle rinnovabili ci si attende che tale prescrizione venga
progressivamente estesa a wind farm e aerogeneratori di potenze via via minori; è
anche possibile che venga introdotta una differenziazione fra PA e PB.
Segn. ΔPC
addiz.
-
Δfrif=0 + ε ΔPg ΔPa 1 Δf
G(s)
+ KJ s
-
Nel sistema tradizionale la regolazione della frequenza segue, linearizzando intorno al punto di
equilibrio, la relazione:
Δ𝑃𝑔 − Δ𝑃𝐶 = Δ𝑃𝑎 = 𝐾𝐽 𝑠Δ𝑓
Flicker ("sfarfallamento")
Con il termine flicker si intende una variazione periodica della tensione di alimentazione
elettrica con periodi che comportano effetti visibili su lampade a incandescenza. Le frequenze
considerate vanno da 0.5 9,5 Hz, con massimo effetto disturbante (a parità di intensità di
variazione della tensione intorno ai 5-10Hz.*
L'eolico può generare flicker in quanto si possono avere variazioni di velocità in corrispondenza
del passaggio di una pala davanti al sostegno: per una velocità di 20 rpm, ad es. questo evento
ha frequenza di 1 Hz.
Il flicker indotto dalle pale delle turbine eoliche è evidente nel caso di accoppiamento diretto
alla rete tramite macchina asincrona. Nel caso di interfacciamento con VSC la rete può essere
schermata dalle variazioni di velocità istantanee della turbina; è talvolta significativo anche in
questo caso, per effetto di un controllo non ben calibrato di questi ultimi.
Il flicker deve essere al di sotto precisi limiti, e la misura è fatta col flickmetro che fa delle medie
temporali
Distorsione armonica
L'interfacciamento dei VSC con la rete fa sì che essi facciano transitare, oltre che la
componente fondamentale, armoniche e interarmoniche di corrente.
Le armoniche sono multipli interni della componente fondamentale, le interarmoniche sono
altre frequenze.
Le armoniche prese in considerazione dalla normativa si fermano alla 50a (2.5 kHz).
Vedremo che i VSC moderni evitano la generazione di armoniche cosiddette "caratteristiche"
oltre i 2.5 Hz, ma possono far transitare altre armoniche (non caratteristiche e anche
interarmoniche) spesso dovute a imprecisioni del controllo delle impulsazioni.
A titolo di esempio si riporta nella prossima slide tabella con i limiti di emissione armonica
previsti dai piccoli VSC trifasi
Z1 + Z2 + Zn Ipotizziamo
E U1 I1 + U2 I2 + ... In
un'impedenza
- - interna di tipo
R-L:
R R L R L R L
L
X Distorti
E X + 2X + ... nX
E ng load I1 I2 In
i(t)
Feeding + Distorting
network u(t)
- load
R L R L R L
E X + 2X + ... nX
I1 I2 In
Questa analisi mostra che per uguali correnti distorcenti la distorsione di tensione cresce al crescere
dell'impedenza di rete.
Reti con minori impedenze interne sono dette più forti di quelle con impedenze piccole..
𝐸
Notiamo che 𝐼𝑠𝑐 = 𝑍 . Più forte è la rete, più grande la corrente di corto 𝐼𝑠𝑐 .
Una rete è forte in riferimento al suo carico se la sua corrente di corto è molto più grande di 𝐼1
𝑆
La forza della rete è misurata dal parametro adimensionale 𝑅sce = 𝑆𝑠𝑐 = 𝐼𝑠𝑐 /𝐼𝑛𝑜𝑚
𝑛
Detto rapporto di corto circuito. E' quindi il rapporto della corrente cdi corto circuito alla
componente fondamentale della corrente dell'apparecchiatura considerate.
i(t)
Feeding
+ Distorting
Network u(t)
- User
(public grid)
Other PCC
User
Abbiamo già visto il significato del PCC (point of Common Coupling) nel caso dell'eolico: è il
punto che è di confine fra l'utente distorcente e altri potenziali utenti che potrebbero essere
alimentati dalla tensione da esso distorta.
Per valutare la distorsione vengono introdotti alcuni parametri. Di seguito i più importanti:
𝐴𝑘 2
Total Harmonic Distortion (valida sia per corrente che per tensione)): 𝑇𝐻𝐷 = σ40
𝑘=2 𝐴1
40 2 40
𝐼𝑘
𝑇𝐻𝐷 𝐼 = 𝑇𝐻𝐶 = 𝐼𝑘2 = 𝐼1 × 𝑇𝐻𝐷(𝐼)
𝑘=2 𝐼1 𝑘=2
Si può dimostrare che: :
1 𝑇 2 ∞
𝐼= න 𝑖 𝑡 𝑑𝑡 = 𝐼𝑘2
𝑇 𝑡−𝑇 𝑘=0
𝐼𝑘 è il k-esimo valore RMS della serie di Fourier. Per k=0 esso è anche il termine DC:
∞ ∞
∞ 40
𝐼2 = 𝐼𝑘2 ≅ 𝐼12 + 𝐼𝑘2 = 𝐼12 + 𝑇𝐻𝐶 2 = 𝐼12 + 𝐼12 × 𝑇𝐻𝐷2
𝑘=0 𝑘=2
1 𝑡+𝑇 2 ∞
𝐴𝑟 = න 𝑎 𝑑𝑡 = 𝐴2𝑟𝑘
𝑇 𝑡 𝑘=0
32
M. Ceraolo
VSI
DCDC
monostadio bistadio
DCDC e VSI.pptx
❑ Richiami sul DC/DC
❑ Il VSC
❑ Armoniche e filtri - casi parallelo rete e isola
❑ Circuito equivalente del VSC
❑ Controllo in parallelo e isola
DCDC e VSI.pptx
❑ Richiami sul DC/DC
❑ Il VSC
❑ Armoniche e filtri - casi parallelo rete e isola
❑ Circuito equivalente del VSC
❑ Controllo in parallelo e isola
I1 I2
+ +
U1 U2 Simbolo generico
P P
i1
i1
S
R L
Rf Lf + U
+ 1
U1 + uL +
+
i2 + uL - i2 -
u2 S + E
u2 Cf Rload src
- -
Active
Basic low- pass filter load Basic source
converter
Abbassatore (buck) con filtro Elevatore (boost)
G
G
G
K K
Tre famiglie:
• diodi, che consentono il passaggio unidirezionale della corrente G
• tiristori interruttori pilotati in chiusura ma non in apertura (noi non li usiamo) A
• interruttori pilotati, che possono essere di vari tipi. Per noi sono dei semplici interruttori,
G
da usarsi solo nel verso della freccia, la cui apertura e chiusura è pilotabile attraverso il
segnale di gate (per noi segnale logico). L'inserimento circuitale deve evitare tensioniK
inverse significative. p-MCT
i1 Carico resistivo
Filtro interposto
S
Rf Lf
+
U1 Il frazionatore abbassatore
+ + uL - consente di trasferire Potenza da
i2
u2 Cf Rload una tensione più alta a una più
- bassa: 𝑈2 < 𝑈1
i1
𝑇c
𝑑= S
𝑇
Rf Lf
+
U1
c=duty ratio + + uL -
i2
(conduction index) u2 Cf Rload
-
i2 u1=U
u2
𝑈2 𝐼2 = 𝑐𝑈1 𝐼1 /𝑐 = 𝑈1 𝐼1
i1
So, it operates as a DC
I1=cI2 U2=cU1
transformer (with the
condition 𝑈2 < 𝑈1 )
Tc Tb T=Tc+Tb t Tc Tb T=Tc+Tb t
i1
S 𝑈2 = 𝑐𝑈1
Rf Lf 𝐼2 = 𝐼1 /𝑐
+
U1
+ + uL -
i2
u2 Cf Rload
-
DC equivalent1
Rf
Ai fini del valor medio si può usare il semplicissimo
equivalente a destra, che consente di fare i calcoli,
ad es. Per calcolare c. cI2 + cU1 Rload
i1
S 𝑈2 = 𝑐𝑈1
R L 𝐼2 = 𝐼1 /𝑐
+ U1
+ i2 + uL -
u2 +
EL
-
i1
Boost DC-DC converter
R L
+ U
1
+
𝑈2 = 𝑏𝑈1
i2 - uL +
𝐼2 = 𝐼1 /𝑏
u2 S + Esrc 𝑇
duty-ratio: 𝑑 = 𝑏 = 𝑇𝑏
-
(b: blocking-ratio)
Active
Basic source
load
converter
i2 u1=U
i1 u2
I1=bI2 U2=bU1
Tb Tc T=Tc+Tb t Tb Tc T=Tc+Tb t
i1
Boost DC-DC converter
R L
+ U
1
+ i2 - uL + 𝑈2 = 𝑏𝑈1
u2 S + Esrc 𝐼2 = 𝐼1 /𝑏
-
duty-ratio: 𝑏 = 𝑇𝑏 /𝑇
Active
Basic source
load
converter
DC equivalent
I1 R Come per il buck, è un equivalente ai soli
valori medi. Utile per calcolare a tavolino
il b che trasferisce una data corrente:
bI2 + bU1 + E
src
𝐸𝑠𝑟𝑐 −𝑏𝑈1
𝐼1 = 𝑅
𝑏 = (𝐸𝑠𝑟𝑐 −𝑅𝐼1 )/𝑏
DCDC e VSI.pptx
❑ Richiami sul DC/DC
❑ Il VSI (VSC)
❑ Armoniche e filtri - casi parallelo rete e isola
❑ Circuito equivalente del VSC
❑ Controllo in parallelo e isola
Con la parola "inverter" si intende un convertitore che trasforma energia cda corrente
continua a corrente al ternata.
In realtà non è corretto associare la parola inverter a un oggetto fisico: più
correttamente è una modalità di funzionamento.
Slu Sru
+
io(t)
+ AC
UDC u0(t) Filter
network
-
Sld Srd
Full-brige (two-leg)
La rete AC può essere un carico passivo una vera e propria rete, con i suoi generatori.
Il controllo del VSC è alquanto differente nei due casi, che valutiamo separatamente.
Il filtro può mancare in alcuni casi.
Questa topologia può essere usata con diverse logiche di pilotaggio (switching schemes). Noi
vedremo solo onda quadra e pwm seno-triangolo.
-
Full-brige (two-leg)
Le due gambe sono in opposizione di fase: quando lo swtch superiore di una gamba è aperto,
l'altro è chiuso.
Slu Sru
+
io(t) R
+
Us
uo(t)
L
Sld Srd
-
Full-brige (two-leg)
p(t)=io(t)u o(t) P=p(t)
uo(t) t1 t2 t3 t4
Us
io(t)
t
-Us
On
S lu state
Off
t
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 18
Percorsi delle correnti
-
-
t (t 1,t 2) t (t 2,t 3)
E Quando si è invertita la tensione ma non ancora la corrente essa passa nei diodi di ricircolo tei
tasti appena chiusi o che stanno per essere chiusi nel blanking time.
Tasti rossi: attraversati da corrente. Tasti blu: attivati ma non attraversati
-
-
t =t 1 t =t 2
Slu Sru
uo(t) +
t2 t3 R
Us io(t)
+
Us
uo(t)
L
t1 io(t) Sld Srd
-
t =t 3
A
2𝐴
𝐴𝑘 =
𝜋𝑘
k dispari
Us
Slu Sru uo(t)
+
io(t) R t
+
Us
L uo(t) io(t)
Siccome ai fini del controllo ha interesse solo il rapporto fra il picco della modulante e
quello della portante, risulta comodo assumere 𝑐Ƹ = 1 e così faremo.
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 23
VSC trifase
a
+ b AC
UDC c Filter
network
Ogni gamba è pilotata come una delle gambe del VSC monofase.
Gli impulsi della seconda gamba sono ritardati di 120° rispetto a quelli della prima,
quelli della terza di ulteriori 120°.
Come per gli altri sistemi trifase, il ritorno della corrente di una gamba avviene
attraverso le altre due. Per questa ragione questo inverter è di tipo "half bridge" (non
è previsto un circuito di ritorno per ognuna delle fasi)
ubO(t) t
+
UDC t
uab(t)=
UDC uaO(t)-ubO(t)
O t
0.5 uaO(t)
0
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
1
Square wave
0.5 ubO(t)
0
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
PWM
1
uab(t)=
0.5
uaO(t)-ubO(t)
0
-0.5
-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
ubO(t) t
+
UDC t
uab(t)=
UDC uaO(t)-ubO(t)
O t
0.5 uaO(t)
Le tensioni concatenate
0
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
vengono naturalmente a tre
1
livelli.
0.5 ubO(t)
0 Dopo il filtraggio saranno
1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
prossime alla sinusoidalità
0.5
uab(t)= (soprattutto nel caso PWM)
uaO(t)-ubO(t)
0
-0.5
-1
0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016 0.018 0.02
u0
+ 𝑜1 = 𝑚𝑈𝐷𝐶 /2
𝑈
+
UDC /2 + uu
O
filter
0≤𝑚≤1
O’
+
UDC /2 R 𝑜1 ≤ 𝑈𝐷𝐶 /2
Therefore: 𝑈
In some cases we use m>1: this is called overmodulation (whatever the number of legs). This is rare
because we get of worse voltage shape (more difficult to filter)
Below shapes nearly unchanged if we connect O to O'
Plots below: 𝑢0 𝑡 𝑢𝑢 (𝑡)
UDC=500 V, m=1 UDC=500 V, m=0,5
+ c
UDC /2 s
ma=s/c
O 0 time
filter
+
UDC /2
P, Q
+ The box left contains inverter and filter
(dashed box above).
DCDC e VSI.pptx
❑ Richiami sul DC/DC
❑ Il VSC
❑ Armoniche e filtri - casi parallelo rete e isola
❑ Circuito equivalente del VSC
❑ Controllo in parallelo e isola
uo uf DC
+ DC-DC
U1 filter network Qui con DC
converter
network e AC
B load
intendiamo
generiche reti,
A
che possono
uf essere passive
uo AC
+ Inverter filter network
o attive
U1
(VSC)
B
Un filtro ideale
• nel caso del convertitore DCDC deve dare in uscita una tensione perfettamente
livellata e di valore pari al valore medio di quella in ingresso.
• Nel caso del VSC deve dare una tensione sinusoidale di ampiezza pari alla ampiezza
della componente fondamentale di quella in ingresso
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 32
Ruolo del filtro (VSC)
Slu Sru
+ +
io(t)
+ AC
UDC u0(t) Filter uf(t)
network
- -
Sld Srd
Un filtro ideale blocca tutte le componenti eccetto la componente fondamentale (quella a 50 Hz)
la quale è trasferita invariata al carico
+ +
+
load
U1 converter uo(t) filter uf(t)
(network)
- -
Sia nel caso di convertitore DCDC che VSC la tensione di output del VSC 𝑢𝑜 (𝑡) e ai
morsetti della rete a regime sono periodiche e quindi scomponibili in serie di Fourier:
Filtro ideale
• 𝑢𝑓 (𝑡) è una sinusoide di ampiezza 𝑈𝑓1 = 𝑈𝑜1 e fase 𝛼𝑓1 = 𝛼𝑜1
Filtro reale
𝑓1 = 𝑘𝑈
• 𝑈 𝑜1 = 𝑘𝑚𝑈𝐷𝐶 (la componente fondamentale 𝑢f t è proporzionale a quella di
𝑢o t (k dipende dalle caratteristiche del filtro)
E • 𝛼𝑓1 = 𝛼𝑜1 + 𝑘 ′ = 𝛼𝑠 + 𝑘′ La fase della componente fondamentale di 𝑢f t è pari al
quella della di 𝑠 𝑡 con l'aggiunta di una costante (dipendente dalle caratteristiche del
filtro)
uo uf DC
+ DC-DC
U1 filter network
converter
uo uf AC
U1
+ Inverter filter network
(VSC)
B
Gli schemi a destra possono essere analizzati come circuiti DC (il primo) e AC tramite i numeri complessi
(gli altri). Prima di ricostituire le grandezze del circuito originario occorre tornare indietro dai numeri
complessi alle funzioni del tempo.
+ Uuk XC=
-1
Ufk qui trascuro 𝜔0 = 1/ 𝐿𝐶
kCf le resitenze 𝑈f𝑘 1 1
B - = =
𝑈𝑢𝑘 1 − 𝜔𝑘2 𝐿f 𝐶f 1 − (𝜔𝑘 /𝜔0 )2
1
10
Rf XL= kLf A
|Uf/U u| Rf=0, Ru= +
0
10 -1
+ XC= Ru Ufk
Uuk kCf
Rf=0.5*X0
-1
Ru=
B -
10
final slope
Rf=0 Le curve del grafico mostrano
-2
10 Ru=0.5*X0 come entrambe le resistenze
hanno l'effetto di attenuare o
X0=0Lf=1/(0Cf) eliminare il picco di risonanza.
-3
10
Rimane la forte attenuazione alle
0
-1 0 1 2
10 10 10 10
frequenze molto oltre 𝜔0 .
0.2 -3
|Uu1|/UDC 10
T time
-4
10
= 0.1 1 10 0 100 Se il pwm del convertitore ha frequenza
f, le componenti armoniche avranno
frequenze pari a f e ai suoi multipli
interi
A
1
0.8 10
ln(Uf/Uu)
Uf/Uu |Uuk|/UDC 0
𝜔0 è la frequenza di risonanza del filtro
1 10
0.6
resonance Per un buon effetto filtrante le
-1
10 armoniche presenti devono essere molto
|Uu0|/UDC 0.4 a destra di 𝜔0 (almeno 5-50 volte).
-2
10 Se il nostro DC/ha frequenza
𝑓 = 2𝜋/𝜔
0.2 -3 imponiamo
|Uu1|/UDC 10
𝜔0 = 1/ 𝐿𝐶 ≪ 𝜔
-4
10
= 0.1 1 10 0 100
XL= kLf A
+ Ma non useremo valori troppo alti per
𝜔
in quanto altrimenti
𝜔0
+ -1 avremmo valori troppo grandi di L e/o C, il che implica oggetti più
Uuk XC= C Ufk
k f ingombranti, pesante, costosi, e con una Maggiore energia
B - accumulata durante il funzionamento (il che rende il filtro più
lento nei transitori).
Ordine di armonica
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 45
Il VSC trifase
+ U0
+
UDC/2 + U1
O
filter O’
+
UDC/2 R
Nel caso di ponti trifase hanno interesse solo le armoniche sulle tensioni concatenate.
Si può dimostrare che se il rapporto 𝑚𝑓 = 𝑓𝑐 /𝑓𝑠 è un multiplo intero di tre allora si annullano tutte le
componenti a frequenza multiplo intero di 𝑓𝑐 :
𝑉𝑑 = 𝑈𝐷𝐶
(da Mohan et al.: Power electronics, Whiley)
Il valore delle armoniche iniettate può discendere anche dalle caratteristiche della rete.
Sono univocamente definite se la rete è perfettamente sinusoidale.
Ai fini della 61000-3-2, è quindi prescritto che la rete abbia una tensione a vuoto molto
prossima alla sinusoidale.
Per quanto riguarda le impedenze interne, esse possono essere di vario tipo. Quello che
conta di più è il cosiddetto RSCE (rapporto di corto circuito), che è una valutazione indiretta
dell'impedenza interna.
Nella prossima slide si analizza la situazione nel caso di rete attiva con tensione a vuoto
perfettamente sinusoidale
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 50
Il VSC connesso con la rete BT (2)
i(t)
+ Reminder da "Tematiche di rete"
VSC u(t) PCC Grid
-
+ Z1 + Z2 Zn
I1 U1 E + I2 U2 + ... In
- -
L R L R L R
Nel caso di
X + 2X + ... nX impedenza di rete
E I2
I1 In di tipo R-L
La tensione al PCC è la somma istantanea di tutte le tensioni nei vari circuiti sovrapposti. Solo quella del
circuito di sinistra è alla frequenza di rete (50 Hz in Italia).
A parità di armoniche di corrente la tensione è tanto più distorta quanto più è grande l'impedenza interna
della rete. La norma consente di calcolarla alla frequenza fondamentale; quindi nell'esempio di sopra 𝑍 =
𝑋 2 + 𝑅 2 . I limiti sono quindi commisurati a Z, valutata come Rsce:
𝐸 𝑈𝑛2
Corrente di corto circuito: 𝐼𝑠𝑐 = . Potenza di corto circuito 𝑆𝑠𝑐 = : Rapporto di corto circuito:
𝑍 𝑍
𝑆𝑠𝑐
𝑅sce = = 𝐼𝑠𝑐 /𝐼1 Più è alto Rsce più la rete è forte.
𝑆𝑛
Si può ragionare sul circuito qui sopra, in cui l'alimentazione ha frequenze multiple intere della
fondamentale, la rete Ur solo la frequenza fondamentale.
Come nel caso del carico resistivo si ha un buon filtraggio se la frequenza di risonanza del sistema è
abbastanza a destra della frequenza della fondamentale (portante del PWM e molto a sinistra della
frequenza delle armoniche (portante PWM) .
𝐿𝑓 (𝐿𝑟 +𝐿𝑇 )
Qui la risonanza è fra 𝐶𝑓 e 𝐿𝑒𝑞 =
𝐿𝑓 +(𝐿𝑟 +𝐿𝑇 )
DCDC e VSI.pptx
❑ Richiami sul DC/DC
❑ Il VSC
❑ Armoniche e filtri - casi parallelo e isola
❑ Circuito equivalente del VSC
(monofase, frequenza fondamentale)
❑ Controllo in parallelo e isola
+ U0
+
UDC/2 + U1
O
filter O’
1) Il VSC PWM
+
UDC/2 R
2) la tensione d'uscita
periodica
2) la tensione d'uscita
periodica
Rf A
+
+
uu0 uf0
B -
+ A
+
3) le component di Fourier di U0 +
uu1 uf1
possono essere applicate B -
individualmente al filtro. +
... A
Un buon filtro blocca tutte le +
component eccetto la ufN
comfondamentale che passa
+ uuN
pressoché invariata
B -
Ed XIcosφ Xs Id
φ
+
XI sinφ
+ Ed Ud
β Ud
-
φ P, Q
Id
Xs Id
P, Q
Principali differenze:
• La reattanza interna del VSC è dell'ordine del 10%, quindi molto minore della reattanza
sincrona: non si richiedono alti valori di Es per elevate potenze trasmissibili
• Nel transitorio la fase della E del sincrono è legata alla posizione del rotore e soggetta
all'inerzia; nel VSC può essere variata a piacere, virtualmente senza inerzia
𝐸𝑈 𝐸𝑈
𝑃= sin 𝛽 𝑃 =
𝑋 𝑋
DCDC e VSC.pptx
❑ Richiami sul DC/DC
❑ Il VSC
❑ Il filtro: casi parallelo e isola
❑ Circuito equivalente del VSC
❑ Armoniche e rete
❑ Controllo in parallelo e isola
Rs Ls Rg Lg
VSC P Q Grid
+ +
impulsi Es PCC Eg
valvole P*
Es -
impulsatore Controllore Q*
- P*, Q*
f=cost
Islanded operation
Ovviamente occorre fare attenzione fra tensione stellata e concatenata
Rs Ls Rg Lg
VSC P Q Grid
+ + +
impulsi E U Eg
valvole P*
E
impulsatore Controllore - Q*
- P*, Q*
Xs I Xg Es
+ U
+ E + E
s U g β1
β2
Eg
-
P, Q
𝐸𝑑 𝑈 𝑈𝐸𝑔 𝐸𝑠 𝐸𝑔
𝑃= 𝑠𝑖𝑛𝛽1 = 𝑠𝑖𝑛𝛽2 = sin(𝛽1 + 𝛽2 )
𝑋𝑠 𝑋𝑔 𝑋𝑠 + 𝑋𝑟
f=cost
REMINDER:
Passive Una possibilità è che convertitore della RES (VSI) imponga la
RES Load frequenza e controlli la tensione, e che quello della BES (VSC)
sia controllato sugli scambi di P e Q.