Energia Elettrica

Le nuove sfide
Sostenibilità economica
Costi energetici
Competitività delle nuove tecnologie
Meccanismi di mercato
Green ECONOMY  posti di lavoro
Es. PNIEC 2020

Piano Nazionale
Integrato Energia e clima
e poi Green Deal 2021
Sicurezza di Sostenibilità ambientale

approvvigionamento (decarbonizzazione)
Coprire una domanda energetica Inquinamento, riscaldamento globale
in continua crescita: +40% 2010-2030 Ridurre l’uso delle fonti fossili
Esaurimento fonti fossili Sviluppare la mobilità elettrica
Dipendenza dall’estero
Un modello di sviluppo è sostenibile “se soddisfa i bisogni attuali senza
compromettere la possibilità delle generazioni future di soddisfare i propri bisogni”.
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.
(Energia tot.= +40%

La penetrazione
elettrica aumenta!)
Fonte: Clerici 2020
27.000 TWh/y nel 2018, ITA 310 TWh/y, 1.1%
Secondo la International Energy Agency, le principali sfide del futuro sono:

Le nuove tendenze
• maggiore sensibilità agli aspetti ambientali
• emissioni e impatto visivo dei grandi impianti di produzione
• il global warming rivoluziona il concetto di inquinamento
• difficoltà autorizzative per nuove grandi centrali ed elettrodotti
• esigenze di efficientamento (es. attenzione alle perdite di rete)
• obiettivo di riduzione dell’uso delle fonti fossili
• aspetto tecnico (esaurimento) e geopolitico (autonomia energetica)
• obiettivi 20-20-20 UE: ▪ utilizzo delle fonti rinnovabili per coprire
il 20% degli usi finali dell’energia
▪ riduz. 20% consumi en.primaria risp.1990
▪ riduz. 20% emissioni gas serra risp.1990
• obiettivi 2030 UE: ▪ 32%, -32.5%, -40%-55% risp.1990
e carbon neutrality al 2050
 incentivo alle fonti energetiche rinnovabili
 utilizzo ottimale delle risorse esistenti
Evoluzione del contesto normativo
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
• normativa favorevole alla piccola generazione e alle rinnovabili

• stimolo all’autoproduzione
• nascita di nuove opportunità di business, anche senza carico locale
 spinta alla generazione distribuita

specialmente da fonti rinnovabili,
sempre più vicine alla grid parity
La diffusione degli impianti: 2000, 2010 e 2020
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?
• ADEGUATEZZA: i mezzi di produzione e trasporto devono essere via via

adeguati nel corso degli anni all’aumento del carico → pianificazione
• PROGRAMMAZIONE: occorre programmare per tempo l’accensione/spegnimento

delle varie centrali e il modo in cui si ripartiranno il carico → dispacciamento
• CONTROLLO: in tempo reale, i sistemi automatici di regolazione comandano

le centrali per mantenere l’equilibrio produzione/consumi → reg. di frequenza
• PROTEZIONE: le protezioni intervengono in caso di grossi squilibri come misura

di estrema emergenza → piani di difesa
Variazione della tensione in un nodo di carico
Per valutare gli effetti sulla

tensione di un nodo delle
variazioni del carico assorbito da
quel nodo, l'intera rete che
E E alimenta il carico può essere
schematizzata con il suo
equivalente di Thévenin, quindi
con una forza elettromotrice in
serie con un'impedenza interna.
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
variazione per effetto della variazione del carico sul nodo
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
NB: a seconda del segno di P e Q (positivi se assorbiti), si possono avere c.d.t

oppure sovra-elevazioni di tensione, al ritmo di variazione di P e Q…
Criticità di integrazione della gen.distribuita
• scarsa prevedibilità e dispacciabilità di molte delle nuove fonti

• fotovoltaico ed eolico sono intermittenti e non facilmente prevedibili
• salvo accorgimenti particolari, sono dispacciabili solo “a scendere”
• a seguito di grossi disturbi di rete, si possono sganciare dal sistema!
• bassa o nulla inerzia meccanica associata
 difficoltà di bilanciamento del sistema elettrico
Profilo storico della velocità del vento
25
m /s
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
Queste problematiche limitano fortemente il numero, la potenza, la localizzazione e le modalità di

esercizio delle risorse energetiche ospitabili da una specifica rete di distribuzione (la cosiddetta
«Hosting Capacity», HC).
Da una recente analisi della letteratura

scientifica riguardante la Hosting Capacity
delle reti di distribuzione in relazione
all’installazione di nuovi impianti fotovoltaici,
su scala mondiale:
L’aspetto che più limita la Hosting Capacity (e il più sottovalutato): le violazioni di tensione
Fenomeno Conseguenze sul profilo di tensione

fisico
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
Limite ammesso Aumento della HC

tramite opportuni
interventi sulla rete
Impatto sulla
o sul comportamento
consentito agli utenti
Penetrazione
della generazione
distribuita o della
ricarica elettrica
Quanto margine esiste sulle attuali reti?

Dai risultati di un questionario
rivolto nel 2019 a oltre 100 DSO
di 23 Paesi occidentali:
 serve un sistema elettrico più EVOLUTO ed INTELLIGENTE

Le Smart Grid
La rete elettrica di oggi …e quella del futuro
Inadeguata alle nuove sfide Rete Energia ↔ Rete Informazione

Da reti passive…..
… ad Active Distribution Networks
L’inversione del «paradigma»
Una rete elettrica
“intelligente”:
• sa integrare al meglio generatori di ogni taglia e tipologia,

soprattutto la generazione distribuita da fonti rinnovabili
(risolve sbilanciamenti/congestioni e consente “mercati locali”)
• dà ai clienti nuovi strumenti di informazione, partecipazione
e flessibilità, p.es. price-to-device e peak shaving (domanda attiva)
• permette scelte ottimali di produzione, consumo, accumulo, vendita
• fonde ICT e Energia per abilitare nuovi prodotti, servizi e mercati
(smart metering,aggregatori, sistemi aut.scelta tariffe, produz/consumo)
• è efficiente e ha un ridotto impatto ambientale
• ottimizza la gestione delle risorse di rete già esistenti
• ha strumenti automatici di regolazione, compensazione e auto-
riconfigurazione per aumentare affidabilità e qualità di fornitura
• si sa interfacciare con altri sistemi (mobilità, altre reti energetiche)
• si sa difendere da disturbi e attacchi esterni
Le Parole Chiave:
- Partecipazione attiva del cliente (Demand Side Management,

Demand Response)  uso razionale energia, risparmio economico
- Integrazione delle fonti rinnovabili
- Forte presenza dell’elettronica di potenza (p.es generazione in DC)
- Sistemi di misura e comunicazione intelligenti, ICT, TLC, sensori,

supporto alle decisioni
- 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:
La Smart City: città eco-sostenibile e a misura d’uomo

• Reti
• Edifici
• Mobilità
•…
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…:
The «duck curve»
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)
€/MWh PUN e Prezzo zonale CentroNord 20/5/13

200
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
CNOR PUN Fonte: Terna

Impatto delle FRNP sul sistema elettrico
(FRNP non regolano la V; V alta/oscillante per iniezioni di PFRNP)

(collettazione generaz. FRNP) e trasmissione (SN)
(reg.V, congest, inversione flussi AT/MT)
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?
1) Modifiche al Codice di Rete e alle norme CEI

di connessione alla rete
Fonte: Terna
L’Allegato 70 si applica a tutta la GD sopra 1 kW
Tutti i nuovi inverter + retrofitting vecchi ≥ 6kW ( apr2015)
La generazione connessa tramite inverter è equiparata

a quella convenzionale in termini di insensibilità a Df e DV.
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?
• Compensazione delle aleatorietà delle FRNP e del carico (sbilanciamento)
• Riduzione congestioni di rete (transitorie)
• Livellamento della domanda contendibile (energy shifting; arbitraggio prezzi)
• Peak shaving
• Regolazione su 4 quadranti: DP(Df) e Q(V)
• Filtraggio attivo
• Funzioni di riserva (sicuramente primaria)

(secondaria/terziaria?)
• Funzioni dinamiche
come la fast primary reserve
e l’inerzia sintetica (dP≡df/dt) Fonte: Terna
• Carico zavorra per riaccensione

Fabbisogno di accumuli nello scenario Fit-For-55
Fonte: TERNA
LOES
LOES; Liquefied Oxygen Energy Storage

E in futuro?
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
❑ Fornire agli studenti strumenti di analisi e sintesi di apparati e sistemi

elettrici e relative logiche di gestione, per perseguire l’obiettivo della
sostenibilità energetica e la transizione verso di essa.
❑ Le applicazioni considerate riguarderanno il sistema elettrico stazionario, la
mobilità elettrica e loro interazione.
❑ Il sistema elettrico è un sistema ingegneristico nel quale l’interazione fra i vari
componenti è dettata, in modo determinante ma non esclusivo, dalle leggi fisiche
dell’elettromagnetismo.
❑ L’ingegneria dei sistemi è una branca interdisciplinare dell’ingegneria che si
concentra sullo sviluppo e l’organizzazione di sistemi complessi. L’ingegneria dei
sistemi unisce diverse discipline e specialità in raggruppandole in uno sforzo
congiunto, per formare un processo di sviluppo strutturato.
Programma del corso: lezioni
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
❑ La valutazione dell’impatto ambientale dei veicoli di diverse tipologie, ad esempio

ad alimentazione a benzina, Diesel o elettrica, è tuttora oggetto di notevoli
discussioni, che avvengono sia in campo scientifico, sia in ambito politico e
giornalistico.
❑ Una delle ragioni di questa ricchezza di contributi, anche in diversi ambiti, è che
un confronto corretto è estremamente complesso e va quindi affrontato con i
dovuti strumenti metodologici, di cui non tutti dispongono.
❑ Occorre infatti valutare tutti i possibili impatti dell’uso dei veicoli sull’ambiente,
sulla salute, sul consumo di risorse primarie, e valutarli tenendo conto dell’intero
ciclo di vita del veicolo: produzione, vita utile, smantellamento e riciclaggio.
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
❑ Sarà presa in esame la trattazione della parte elettrica, accennando solo

brevemente ai problemi di diffusione del calore.
❑ Il sistema elettrotermico può essere descritto attraverso una impedenza
ohmico-induttiva, al fine di dimensionare la rete di compensazione e
l’alimentatore in alta frequenza.
❑ Saranno poi valutate anche alcune applicazioni ingegneristiche.
Generazione elettrica da fonte rinnovabile
❑ Nelle centrali elettriche tradizionali l'energia elettrica è prodotta con alternatori

sincroni, per i quali sussiste un legame di proporzionalità fra la frequenza di rete e la
velocità angolare. Essi quindi ruotano a velocità costante per tutta la loro vita.
❑ Tale funzionamento a velocità costante è efficace quando gli alternatori sono
alimentati da turbine a gas, a vapore, idrauliche, come in tutte le centrali tradizionali.
❑ La generazione da fonte eolica, invece, per ottenere la massima efficienza, richiede
che il rotore ruoti a velocità dipendente dalla velocità del vento.
❑ La generazione da fonte fotovoltaica, non contenendo alberi rotanti, preclude
completamente l'utilizzo di macchine elettriche per la generazione di energia elettrica.
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
1 Introduzione al linguaggio Modelica

2 Modellazione di componenti
3 Modellazione di sistemi integrati (ambito mobilità)
4 Sistemi di riscaldamento induttivi
5 Generazione elettrica da fonte rinnovabile
6 Esercitazione pratica EVs e ricarica
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
Corso di Laurea in Ingegneria dell’Energia

Indice
❑ Introduzione
❑ Analisi del ciclo vita
❑ Vita utile e analisi dal pozzo alle ruote
❑ Lo studio JEC
❑ Il Global EV Outlook
❑ Gli EVs come carichi dispacciabili
❑ Conclusioni
2
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Conclusioni
3
1. Introduzione
Background
❑ La valutazione dell’impatto ambientale dei veicoli di diverse tipologie,

ad esempio ad alimentazione a benzina, Diesel o elettrica, è tuttora
oggetto di notevoli discussioni, che avvengono sia in campo
scientifico, sia in ambito politico e giornalistico.
❑ Una delle ragioni di questa ricchezza di contributi, anche in diversi
ambiti, è che un confronto corretto è estremamente complesso e va
quindi affrontato con i dovuti strumenti metodologici, di cui non tutti
dispongono.
❑ Occorre infatti valutare tutti i possibili impatti dell’uso dei veicoli
sull’ambiente, sulla salute, sul consumo di risorse primarie, e valutarli
tenendo conto dell’intero ciclo di vita del veicolo: produzione, vita
utile, smantellamento e riciclaggio.
4
1. Introduzione
Background
❑ La produzione contempla ad esempio estrazione dei materiali grezzi,

produzione dei materiali (acciaio alluminio, plastiche), creazione dei
semilavorati, assemblaggio del prodotto finito, stoccaggio,
distribuzione.
❑ La vita utile, nel caso dei veicoli elettrici comprende sia la valutazione
di come è prodotta l’energia elettrica, sia come è distribuita alle
colonnine di ricarica; inoltre per l’uso del veicolo occorre considerare il
tipo di percorso, la velocità con cui lo si percorre, la temperatura
ambiente.
❑ Per la fase di smantellamento e riciclaggio, occorre verificare sia le
necessità energetiche per questa operazione, sia la quantità e qualità
dei materiali che se ne ottengono. In particolare, è oggetto di forti,
recenti sforzi proprio la ricerca di migliori tecniche per riciclare le
batterie al litio dei veicoli elettrici.
5
1. Introduzione
Obiettivi e glossario
❑ Illustrare a grandi linee la metodologia corretta che occorre

seguire per fare confronti ambientali fra diversi tipi di veicoli.
❑ Illustrare alcuni risultati importanti che sono stati ottenuti da
gruppi di ricerca assolutamente prestigiosi e autorevoli.
• EV: Electric Vehicle. E’ l’acronimo più importante e anche il più difficile da

definire, in quanto non esiste una grande uniformità di uso di questa
espressione. Alcuni indicano con EV tutti i veicoli che usano per la propulsione
un motore elettrico, esclusivamente o in aggiunta ad altro dispositivo: in
questo caso gli EV includono gli HEV e i FCEV (v. relative voci). In altri casi
invece per EV si intende semplicemente l’insieme dei BEV e PHEV (anche
queste voci possono essere trovate in questo glossario), escludendo quindi i
veicoli “senza spina”.
• BEV: Battery-Electric Vehicle. Sono i veicoli elettrici a batteria, i quali quindi
per il loro funzionamento prelevano tutta l’energia di cui necessitano da una
batteria (solitamente al litio). Sono quindi esclusi i veicoli ibridi.
6
1. Introduzione
• 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
• WtW: Analisi “Well-To-Wheel” o “dal pozzo allea ruota” per la valutazione

dell’impatto ambientale dei veicoli.
• WtT: Analisi “Well-To-Tank” o “dal pozzo al serbatoio” per la valutazione
• TtW: Analisi “Tank-To-Wheel” o “dal serbatoio alla ruota” per la valutazione
• LCA: Life-Cycle Assessment o “analisi del ciclo di vita”.
• GWP: Global Warming Potential. Significa “potenziale di riscaldamento
globale”, un indicatore che misura la potenzialità di talune emissioni gassose di
contribuire a generare Global Warming, e si misura in grammi equivalenti di
CO2.
• GHG: Greenhouse gas. Si tratta di gas climalteranti (gas serra). Sono i gas
responsabili dell’effetto serra; anidride carbonica (CO2) in primis, ma anche
metano (CH4), protossido di azoto (N2O).
• NEDC: New European Driving Cycle. Si tratta di un ciclo introdotto nel 1997, e
usato in Europa per le omologazioni dei veicoli fino a tutto agosto 2017.
Successivamente è stato abbandonato in favore del più realistico WLTC.
8
1. Introduzione
• WLTP: Worldwide harmonised Light Vehicles Test Procedure. “Procedura di

ambito mondiale per la prova dei veicoli”. Si tratta di una procedura di test,
usata in anni recenti e adottato in Europa per le omologazioni di nuovi veicoli.
Contiene il ciclo WLTC, più realistico del NEDC e, per la maggior parte dei
veicoli più severo. A dispetto del suo nome non è usato in tutto il mondo; per
esempio negli USA si usa il ciclo EPA (dal nome dell’ente che l’ha sviluppato,
l’Environmental Protection Agency).
• V2G: Vehicle-to-Grid, cioè “da veicolo a rete”. Si tratta di un modello di
connessione dei veicoli elettrici alla rete che prevede flussi bidirezionali di
potenza: non solo quindi assorbimento (ovviamente prevalente) dalla rete per
caricare le batterie, ma anche erogazione (per piccole durate e quantità di
energia) per fornire alla rete un ausilio al suo funzionamento.
9
Indice
❑ Introduzione
❑ Lo studio JEC
❑ Conclusioni
10
2. Analisi del ciclo vita
Analisi LCA
❑ La valutazione dell’impatto ambientale di un prodotto industriale si

effettua attraverso una metodologia detta “Analisi del ciclo di vita” o
Life Cycle Analysis, spesso abbreviata in LCA.
❑ Questa metodologia prevede di
considerare l’intero ciclo vita,
includendo la fase di “nascita”
(estrazione dei materiali grezzi,
loro trasformazione, fabbricazione
e assemblaggio), la vita utile vera
e propria, e quella di “rinascita”
che prevede la dismissione del
prodotto, con il parziale recupero
dei materiali riutilizzabili.
❑ Con la LCA si tiene conto di tutte
le parti rilevanti del ciclo di vita di
un prodotto e se ne evidenzia il
percorso circolare.
11
Analisi LCA
❑ Durante tutto il processo, la valutazione di impatto è fatta prendendo

a riferimento idonei indicatori, ad esempio il consumo di energia
primaria o degli indici in grado di quantificare l’impatto sull’ambiente,
quali ad esempio:
❑ Il potenziale di eutrofizzazione, responsabile di produzione
abnorme di materia organica, la cosiddetta eutrofizzazione, che
comporta un eccesso di vegetazione su fiumi e laghi.
❑ Il potenziale di acidificazione, responsabile dello sviluppo delle
piogge acide, che hanno effetti dannosi sull’ambiente.
❑ Il potenziale di riscaldamento globale, Global Warming Potential
(GWP), responsabile del noto effetto serra.
12
Analisi LCA
❑ Ulteriori indicatori prendono a riferimento l’impatto sulla salute

umana.
❑ Nel seguito si farà riferimento al solo GWP.
❑ Le emissioni gassose che causano effetto serra non sono limitate alla
sola CO2 ma anche altre sostanze, e sono valutate attraverso formule
empiriche che mostrano l’effetto di un certo mix di inquinanti.
❑ La fonte di massima autorevolezza per definire come valutare il GWP
è l’International Panel Of Climate Change (IPCC: Comitato
internazionale per il cambiamento climatico) che propone
metodologie per il calcolo (v. sotto).
GWP = gCO2-eq = g(CO2) + 28g(CH4) + 265g(N2O)+… altri contributi
❑ Con questa formula si trovano i grammi di CO2 equivalente di un

certo mix di inquinanti.
13
Indice
❑ Introduzione
❑ Lo studio JEC
❑ 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
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
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
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
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
❑ 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
❑ 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
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
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
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
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
❑ 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
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
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
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
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
❑ Conclusioni
39
Conclusioni
❑ I veicoli elettrici sono realmente vantaggiosi per l’ambiente, come

dimostrano gli studi più accurati condotti da team di ricerca internazionali.
Certamente il loro contributo, allo stato attuale delle tecnologie, non è
risolutivo. Lo diventerà soltanto quando si svilupperà la produzione di
elettricità da fonti rinnovabili, e man mano che migliorerà il processo
produttivo delle batterie e la loro efficienza complessiva.
❑ 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).
40
Conclusioni
❑ 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).
41
Analisi di impatto ambientale LCA
addendum

Indice
❑ Analisi del ciclo vita (richiami)
❑ Indicatori di impatto ambientale
❑ Lo studio relativo al caso Belgio (VUB)
❑ Metodologia eco-score
Indice
LCA dei sistemi veicolari
Per la valutazione dell’impatto

Estrazione
materiali
ambientale di un sistema
grezzi ingegneristico occorre fare
un’analisi del ciclo di vita dalla
Costruzione culla alla culla (cradle-to-cradle).
Distribuzione La natura ha un funzionamento

circolare: i materiali morti del
riciclaggio e bosco vengono processati da forze
riutilizzo
materiali naturali e convertiti in humus
L’uomo ha avuto sempre un

Utilizzo modello lineare: dalla risorsa
primaria al rifiuto. Con la LCA oggi
si sta cercando di avvicinarsi al
modello circolare della natura
Per la valutazione dell’impatto ambientale di un sistema ingegneristico occorre fare

un’analisi del ciclo di vita dalla culla alla culla (cradle-to-cradle).
Semplificando si hanno le fasi:

❑ Costruzione. Va valutata la fase di estrazione dei materiali grezzi, il trasporto
in fabbrica, la effettiva costruzione di semilavorati e prodotti finiti
❑ Vita utile. Va considerato il tipo di utilizzo del sistema ingegneristico previsto,
con i relativi input e output di materiali, energia, sostanze inquinanti
❑ Smantellamento - riciclaggio. Alla fine della vita utile in generale parte di
un sistema ingegneristico viene nuovamente immesso nell’ambiente (ad
esempio mediante trasporto in discarica), parte viene riutilizzata attraverso
processi di riconversione.
Le prime due fasi considerate comportano in generale

• impegno di risorse primarie (materiali ed energia)
• emissioni nell’ambiente (gas serra ed inquinanti)
La terza fase comporta normalmente ancora consumo di energia ed emissioni
nell’ambiente, ma implica un recupero di parte dei materiali impegnati nella fase di
costruzione.
costruzione
batteria
costruzione Qui accanto un esempio si LCA avente come
veicolo unico indicatore le emissioni di gas serra.
estrazione L'argomento verrà approfondito nel seguito.
materiali
Per confrontare la vita utile dei sistemi
Emissioni gas serra intera vita veicolo
veicolari occorre ricorrere ad un'analisi

denominata Well-To-Wheels (WTW).
vita utile
Dettagli nelle slides seguenti.
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
Per l'elettrico la parte

WtW richiede la
considerazione del mix
energetico!
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
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.
Potenziale di acidificazione: metodo dell'SO (°) equivalente (in aria)

2
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
p 0,89 0,93 1,6

k
Peq è il potenziale in kg di SO2 equivalenti.

p sono i pesi relativi dei vari composti acidificanti (°) diossido di zolfo
k
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.
Potenziale di eutrofizzazione: metodo dell'PO3- (°) equivalente, in acqua

4
Peq =  pk mk Sostanza PO3-4 NO

x
N (*)
2
P (*)
4
NH
3
k p 1 0,13 0,7 3,07 0,35

k
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
Human health (secondo Impact 2002+) Unità di misura
Livello intermedio Livello Livello

danno normalizzato
Tossicità kgeq di cloroetilene in aria DALY POINTS
Effetti respiratori kgeq PM2.5 in aria DALY POINTS
Radiazioni ionizzanti Bqeq carbonio-14 in aria DALY POINTS
Svuotamento ozono kg CFC-11 in aria DALY POINTS
eq
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
Nel passaggio a Livello danno (DALY) la distinzione tra effetti locali e

effetti globali è debitamente tenuta in considerazione
❑ Le emissioni in ambito cittadino contribuiscono molto di più in termini di

impatto sulla salute umana rispetto a quelle delle centrali di produzione,
lontane dai centri abitati.
❑ Tenere conto delle concentrazioni in ambito urbano rende molto più
vantaggiosi i veicoli elettrici, che hanno emissioni nulle Tank-to-Wheels.
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
Secondo l’AR4, va quindi usata la seguente formula: (e = emissioni in g)

GWP=e(CO2)+25e(CH4)+298 e(N2O)+22800(SF6) (Global Warming Potential)
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
Uno studio di esempio (1) (dati relativi al Belgio)
Principali Indicatori di impatto ambientale:
■
■
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
1. I BEV risultano di gran

lunga i più vantaggiosi
sull'acidificazione,
almeno nel caso belga.
2. I veicoli a benzina
sono equivalenti ai
diesel: il maggior
potenziale di
acidificazione dovuto alla
produzione della benzina
è compensato da minori
emissioni TTW.
3. Sui BEV, per i quali
l'impatto durante la vita
utile è modesto, ha
un'incidenza maggiore
la fase di costruzione.
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.
(*) Per l'Italia il nucleare è esclusivamente di importazione
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
Verso un confronto globale dei sistemi veicolari
Principali Indicatori di impatto ambientale:
■
■
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
1) elencazione indicatori di impatto ambientale

■
■
Eutrofizzazione
■
Tossicità
■
Effetto serra
■
Emissioni acustiche
■
….
2) scelta di un veicolo di riferimento

■
es. Benzina Euro 4 o Benzina Euro 5
3) individuazione di un sistema di pesi un funzione delle

necessità (policy-maker, costruttore, utente finale)
V. esempio pag. seguente
4) calcolo dell'ECO-score:
impatto totale del veicolo di riferimento
ECO − score =
impatto totale del veicolo considerato
VEI: LCA-WTW 26
Esempio di applicazione con pesi esemplificativi
Acidif. Eutrofizz. Salute GWP Emissioni

umana acustiche (db)
Potenziale 3,95 10,70 2,36 48,59 75 (*)
Petrol E5
Potenziale 1,78 5,74 1,34 11,87 68 (*)
BEV
Eco-score 2,22 1,86 1,76 4,09 1,10
parziale
Pesi 0,10 0,10 0,30 0,45 0,05
Eco-score Rif/Bev (con i pesi considerati): 2,83

Questo equivale a dire che nelle ipotesi fatte un veicolo di riferimento ha un
impatto ambientale triplo rispetto a quello di un BEV.
Rif: benzina EURO5
(*) Valori mediati da quanto riportato nello studio:

P. Menga, M. Ceraolo: “An evaluation of global environmental and energuy value of vehicle technologies”, 3rd European Ele-
Drive Transportation Conference, March 1113, 2008, Geneva-Switzerland
VEI: LCA-WTW 27
Eco-score Rif/Bev (con i pesi considerati): 2,83 Applicabilità al caso

Questo equivale a dire che nelle ipotesi fatte un veicolo di riferimento italiano
ha un impatto ambientale triplo rispetto a quello di un BEV.
Il Belgio si caratterizza
per un'elevata
presenza di produzione
nucleare, a GWP quasi
nullo.
L'Italia ha però più

rinnovabili.
Ci si può attendere
per il caso italiano
un eco-score intorno
a 2 (con i pesi usati).
(*) Per l'Italia il nucleare è esclusivamente di importazione
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
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
How to store electric energy
Electricity cannot be stored as is*. Therefore to store, we first convert it into

another form. Examples are:
• Hydraulic reservoirs => require special sites; huge energies (lakes).
• SMES and micro-SMES => Very high technology; costly. Some manufacturers.
• Flywheels => Prototypes & demonstrators; racing cars: Flybrid KERS.
• Compressed air => Large CAES require specific sites; small ones are possible in
artificial tanks (applications also in automotive).
• Supercapacitors => High power/energy ratio; KERS.

• Batteries => most used and fastest growing solution in vehicular and
stationary applications.
• Hybrid storage => typically batteries + supercapacitors.
* 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)
• At least FIVE main lithium-based chemistries.
• NCA: Nickel-Cobalt-Aluminium.
• NMC: Nickel-Manganese-Cobalt.
• LMO: Lithium-Manganese-Oxyde.
• LTO: Lithium tinanate.
• LFP: Lithium iron-phosphate.
• Lithium iron-phosphate is rapidly growing because of its great cost/benefit

ratio.
Lithium battery typology (2/2)
“+” pin “-” pin Specific Specific Power Cost

Chemistry Type Material Material Energy charge/discharge €/kWh
Wh/kg (*) W/kg (°)
LCO (Li-Co Oxide LCO) LiCoO2 Graphite
LMO (Li-Mn Oxide) LiMn2O4 Graphite
NMC- high energy
LiNiMnCoO2 Graphite 150-180 300/500 500
(Li-Ni-Mn-Co Oxide)
NMC- high power LiNiMnCoO2 Graphite 60-130 300/2000 500
NCA (Li-Ni-Co-Al Oxide) LiNiCoAlO2 Graphite
LFP (Li-Fe Phosphate) LiFePO4 Graphite 100-120 300
LFP nanostr.
LiFePO4 75 2700/2900 500
(LFP high power)
Li-Ti Oxide (LTO) - Li4Ti5O12 70 2500/2500
Supercapacitor 3 2500/3000 (+) 25000
Basics
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
The single cell basic composition (1/2)
• Positive electrode delivers current during discharging, adsorbs current during charging.
• Separator: it avoids mechanical contact between electrodes, but allows flow of charges.
• Flow of charges occurs due chemical transformations between the electrodes and the
electrolytic solution, inside the cell, depending on the cell typology.
• Flow of charges moves in a closed loop: electrons flow in an external circuit, while ions
flow inside the electrolytic solution.
• Note: arrows in figure are related to discharging.
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)
Cathode reduction standard potential (V)

3N2 + 2H+ + 2e- → 2HN3 -3.09
Li+(aq) + e- → Li(s) (lithium: SAW=6.94) -3.04
Rb+ + e- → Rb(s) -2.98
K+(aq) + e- → K(s) -2.93
Cs+(aq) + e- → Cs(s) -2.92
Ba2+(aq) + 2e- → Ba(s) -2.91
Sr2+(aq) + 2e- → Sr(s) -2.89
Ca2+(aq) + 2e- → Ca(s) -2.76
[...] [...]
Cl2(g) + 2e- → 2Cl-(aq) 1.36
Ce4+(aq) + e- → Ce3+(aq) 1.44
MnO4-(aq) + 8H+(aq) + 5e- → Mn2+(aq) + 4H2O(l) 1.49
H2O2(aq) + 2H+(aq) + 2e- → 2H2O(l) 1.78
Co3+(aq) + e- → Co2+(aq) 1.82
S2O82-(aq) + 2e- → 2SO42-(aq) 2.01
O3(g) + 2H+(aq) + 2e- → O2(g) + H2O(l) 2.07
F2(g) + 2e- → 2F-(aq) 2.87
Cell, module, pack
• To reach power of kWs with a cell,

having a few volts, one would need
thousands of amperes: heavy cables,
losses, ...
cell
• Therefore in most applications much
better is to raise voltage putting several
cells in series.
string
module (here also • The typical architecture includes cells,
battery pack) modules (sets of cells in the same case),
battery pack.
case
• Although not so important as to raise
the pack voltage, also the pack current
can be attained by means of strings in
parallel. While cells in series are the
norm, strings in parallel are rather
exceptions.
Basics
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
General characteristics (1/2)
• 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.
=25°C The charge that can be extracted depends

4,1 I/In : on the discharge rate.
V(V) 0,33 1 5
Whatever the battery topology, the higher
3,6
the current the lower the extractable
3,1 charge.
2,6
0 20 40 60 80 100 120 C/Cn Li-LFP Pb-gel Li-NMC
% discharge
1,2
The charge that can be extracted depends 1
on temperature as well. 0,8

At low temperature the charge reduces by 0,6
amounts depending on the battery 0,4
topology. 0,2
At high temperatures safety issues might 0
also occur. -50 0 50 °C 100
Charging and efficiencies
Discharged batteries must be recharged.
Several charge techniques can be suggested by manufacturers. However the reference
charge is I-U charge.
• In the beginning, after a short steeper slope,
I* voltage grows smoothly. When the battery is near
U* to full charge (near t*) the voltage slope rises.
• When the maximum available voltage U* is
reached, a switch is made from constant current
into constant-voltage and the final charge
proceeds more slowly.
t* t
Energy E disch  u( t )i( t ) dt Charge Qdisch  i( t ) dt

E = = disch
Q = = disch
efficiency  u( t )i( t ) dt Efficiency
E ch
ch
Qch  i( t ) dt
ch
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.
Qsto C (I act act ) − Qestr

SOC = = = 1 − DOD
C (I act ,  act ) C (I act ,  act )
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
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
Equivalent electric network
Cn C1
R0 i0
in Rn i1 R1
im
+
+ Rp
u
E(SOC)
-
• Mathematical modelling of accumulators is still an open issue. Commonly an

electric network is used.
• The current im accounts for the reversible charge storage. The current in the
parasitic branch Rp does not contribute to charge accumulation.
• The number n of series parallel R-C elements included typically ranges from 0 to 2.
• Resistances and capacitances vary with SOC and temperature.
Parameters evaluation (1/2)
• Evaluation of Rn and Cn parameters

(E, R0, Rn, RnCn) can be performed from
the experimental results of MST
(Multiple Step Test).
• for different SOC values.

• for different R-C blocks number (n).
• The procedure is based on the error

minimization, between the actual and
the simulated voltage profile.
 = (u actual − u model ) 2
Parameters evaluation (2/2)
Multiple Step Test
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.
• 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)
• Much more complicated techniques can also be considered.

• Mix Ah counting/SOC-OCV correlation.
• Hysteresis model.
• Treatment of measurement errors (i.e. Kalman filter).
+ 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
Hybrid SOC evaluator

Basics
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
Safety issue
• 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)
• Results of abuse tests for a Li-Po cell (polymer electrolyte).
source: LG
Abuse tests (2/2)
• Results of abuse tests for a LFP cell.

• Overcharge test protocol: cells should be charged at two rates – a) 1 C-Rate
constant current and b) High-Rate overcharge at the maximum current that
can be supplied by the regenerative braking or charging system (…) until at
least 200% SOC has been reached or the test is terminated by some other
factor (…). If this maximum
system charge current is
not known for the eventual
application, high-rate
charging should be
performed at a charge
rate of 3C (…)
Charging voltage: 10 V
requested by applicant.
image: after test

source: Winston Batteries
Abuse tests – Pisa’s experience (1/2)
• Different boundary
conditions may cause
extremely different
results.
• Due an hardware failure, the

same LFP cell considered in
the previous manufacturer
abuse test has been subject
to a constant current of
200 A (5C), reaching a peak
voltage of 16 V.
Abuse tests – Pisa’s experience (2/2)
• Different boundary
conditions may cause
extremely different
results.
• Due an hardware failure, the

same LFP cell considered in
the previous manufacturer
abuse test has been subject
to a constant current of
200 A (5C), reaching a peak
voltage of 16 V.
Lithium batteries: the BMS (1/3)
• Usually batteries are composed by several

cells in series.
• Cells are grouped into modules.
• Since the current is the same for all cell in
Cell series, in principle SOC should never
unbalance.
• But cells have also self-discharge.

Module • Non-homogeneity in self-discharge and other
Battery
minor phenomena cause, sooner or later the
SOC’s to unbalance.
case
(mechanic • Charging of a battery is to be stopped
container) whenever the most charged cell is full;
discharge whenever the less charged is empty.
• As far as unbalance proceeds, the usable
charge gest lower and lower. So equalisation
is strictly needed.
Battery monitoring system

• monitor temperature (above 60°C typically shut-down mandatory).
• monitor SOC (excessive charge and discharge can damage the cell.
• monitor current.
Battery Management
• As time passes the inner SOC of cells in series gets uneven (mainly due to
differences in self-discharge). A good BMS stops charging when the most
charged cell is full and stops discharging when the least charged cell is empty.
• It is a reversible process: cell equalisation can restore the original pack
capacity.
• Passive balancing
Made with resistors. Low capital cost, losses during life.
• Active balancing
Here the most charged supply energy towards the least charged.
• 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).
SOC: State of Charge SOH: State of Health SOL: State of Life

Basics
• Safety
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
Sizing criteria (1/2)
• Typical functionalities for energy storage system are:

• High charging/discharging power, low energy (E/P in the order of seconds).
• Pure electric mode (E/P in the order of minutes).
• Reservoir (E/P in the order of minutes).
• Combination of the above points.
• 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.
• Storage system design

• Cells.
• Electrical connections.
• Case (mechanical integration of cells and modules).
• BMS (Battery Monitoring/Management System).
• Thermal management.
Comparisons. A lot of parameters to consider
• A radar comparison example.

energia massica potenza massica vita
NCA NCA NCA
4 4 4
3 3 3
2 2 2
LFP NMC LFP NMC LFP NMC
1 1 1
0 0 0
LTO LMO LTO LMO LTO LMO
sicurezza altro costo

NCA NCA NCA
4 4 3
3 3 2,5
2
2 2 1,5
LFP NMC LFP NMC LFP 1 NMC
1 1
0,5
0 0 0
LTO LMO LTO LMO LTO LMO
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
• Evaluation of the voltage level for the considered application.

• 60 V: Intrinsically safe level.
• 400-450 V: max voltage electronic components up to 600 V.
• 800-900 V: max voltage electronic components up to 1200 V.
• Number of cells is identified as:

Umax= ncell Ui max
• Capacity can be evaluated as:
E i = QiE UmE
Pi tdisch = QiP UmP
*: 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)
• Different coupling possibilities

• Direct interfacing.
• Interfacing with DC/DC converter.
• Interfacing with DC/AC converter (inverter).
• 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.
1: Mohan, Power electronics, Wiley

Coupling to the converter (2/2)
• Series hybrid configuration
combust. +
MCI G UDC M
-
convertitore primario azionamento propulsivo
sistema di
accumulo
completo
• Parallel hybrid configuration

Macchina elettrica
a due flange
combust.
MCI cambio
Basics
• Safety
Technology survey
• Lead-acid
• NiMH
• Na-NiCl
• Lithium (in several flavors)
• Redox flow batteries
• Supercapacitors
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
Comparisons. Power Vs Energy: Ragone plots (1/3)
• Ragone plots for different storage devices.
1000 104s 103s 100s
Wh/kg 10s
100 Li-ion P
1s
Pb
10
Large Ultracaps
1 small
Ultracaps
0.1
1 10 100 1000 10000 W/kg
• Ragone plots for different family storage devices.
104s 103s 100s

1000
Wh/ PEM
Fuel cells 10s
kg
100
lithium
batteries 1s
10
Ultra-
capacitors
1
0.1
conventional
capacitors
1 10 100 1000 10000 W/kg

• Ragone plots for different family storage devices (more details).
104s 103s 100s

1000
Wh/
Wh/k litio
kgg 10s
alta energia
100 litio
lithium alta potenza
1s
batteries
10
Ultra-
capacitors
1 accumuli
ibridi
0.1
conventional
capacitors
1 10 100 1000 10000 W/kg

Basics
• Safety
Technology survey
• Lead-acid
• NiMH
• Na-NiCl
• Supercapacitors
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
Comparisons. The life issue
• Calendar life: aging over time (i.e. 10 years).
• Cycle life: aging over charge/discharge cycles.

• Different values depending on the considered technology (see table).
• Cycle life is normally function of depth of discharge (see plot1).
Battery Cycle life 106
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
• Depending on the battery's size,

Battery's SOC might vary by very limited
amounts each microcycle (μC).
• Li-bat life at DOD=80% is 2500-5000 cycles.

But how much is it for as low DODs as 2%?
• In the example, if we require 10 year's life,

we could need 720 k-μC*.
• Supercapacitors can guarantee 1M-μC when

cycling the full SOC range. But cost 25 times.
In case the same micro-cycling capability is guaranteed by 2% oscillation of a li-bat, there

would be some cost equivalence between the two options. Less cycles could be
acceptable in some applications.
*Here I've considered only the deepest cycling, the one involving 4% SOC variation, neglecting the smaller ones.
The microcycle issue: Pisa’s experience
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.
*End-of-life criterion: loss of 60% of the initial capacity.
24/10/2013 Firenze - Auto Trends 2013

Basics
• Safety
Technology survey
• Lead-acid
• NiMH
• Na-NiCl
• Supercapacitors
Comparisons
• Sizing criteria
• Ragone Plots
• The life issue
Hybrid Storage systems (1/3)
+ specific specific life

energy power
- Supercap - +~ +
Battery + -~ -
Hybrid Storage System
• Supercapacitors and batteries are somewhat complementary.

• A combination of supercapacitors/batteries with or without interposition of a
converter could give rise to maximisation to all parameters, but with higher cost and
complexity.
• The supercap will absorb the most rapid, high-power fluctuations, and the battery the
rest.
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
Cbat=50 000 F 300 0 5 10
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)

Indice
❑ Evoluzione del sistema elettrico
❑ Tecnologie di ricarica: AC o DC e modi di ricarica e Vehicle-to-Grid

❑ Nomenclatura e organi coinvolti, nozioni generali alla comprensione del
quadro normativo e dei casi studio elencati di seguito
❑ Normativa di riferimento per il Vehicle-to-Grid
❑ Attività di normazione in corso
❑ Iniziativa sperimentale ARERA
❑ Altri casi studio
2
Indice
❑ Evoluzione del sistema elettrico

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
Le nuove sfide del sistema elettrico
❑ Storicamente, l’approvvigionamento di energia elettrica è avvenuto

ricorrendo principalmente alle centrali termoelettriche a combustibile fossile,
di cui possiamo scegliere il valore di potenza istante per istante (dette per
questo dispacciabili).
❑ Queste centrali, connesse alla rete di trasmissione e intrinsecamente
programmabili, hanno da sempre fornito al sistema elettrico le risorse di
regolazione necessarie, per il bilanciamento della domanda, per la capacità
di riserva1 e la risoluzione di congestioni2.
❑ La progressiva sostituzione delle centrali termoelettriche con impianti a
Fonte Energetica Rinnovabile (FER) può tradursi in una diminuzione della
disponibilità di risorse di regolazione.
❑ Una fonte rinnovabile, come il vento o il sole, è solitamente aleatoria e poco
prevedibile, rendendo così la programmazione del livello di produzione
meno accurata.
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
Nuove tecnologie al servizio del sistema elettrico
❑ Il gestore di rete di trasmissione, responsabile del dispacciamento

del sistema elettrico, è costretto a richiedere, in sede sia di
programmazione dell’esercizio, sia 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.
❑ La scarsa presenza di risorse di regolazione rende la gestione del
sistema più complessa e più costosa dell’usuale, con conseguenze
economiche anche sul cliente finale in termini di maggiori oneri per
il consumo dell’energia prelevata.
❑ Si rendono necessarie nuove soluzioni tecnologiche per dotare il
sistema di adeguate risorse di regolazione, rispettando opportuni
standard di sicurezza, continuità, qualità, economicità.
❑ I Sistemi di accumulo elettrochimico basati su batterie sono ritenuti
una delle risorse flessibili più promettenti per il sistema elettrico, in
quanto il sistema batteria-convertitore è estremamente veloce nella
risposta, estremamente flessibile in termini di controllo (controllo
disaccoppiato di potenza attiva e reattiva), quindi versatile nella
fornitura di servizi in energia.
6
I veicoli elettrici come risorse per il sistema elettrico
❑ 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 FER non programmabile (eolico, solare fotovoltaico).
❑ Il sistema di accumulo integrato all’interno di un BEV 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.
❑ I veicoli per loro natura trascorrono la maggior parte del tempo
fermi: in media risultano in movimento per due ore al giorno e
parcheggiate per le rimanenti.
❑ In uno scenario in cui i BEV in sosta fossero sempre connessi alla
rete elettrica sarebbe possibile utilizzarne i relativi accumulatori
come risorsa al servizio del sistema elettrico.
7
I veicoli elettrici come risorse per il sistema elettrico
❑ L’accumulo può dunque essere ricaricato in modo intelligente a

beneficio del sistema elettrico.
❑ La ricarica può essere controllata in modo da immagazzinare gli
eccessi di produzione delle fonti energetiche rinnovabili non
programmabili, evitandone l’arresto per l’incapacità del sistema di
assorbirne la produzione (curtailment).
❑ La ricarica dei veicoli elettrici inoltre può contribuire a migliorare il
profilo di potenza richiesto alle centrali di generazione, la cui
massima efficienza si ha quando l’insieme della potenza generata è
costante nel tempo. Migliorare quindi il profilo del carico (al netto
delle FER), quindi può rendere più efficiente il sistema delle
centrali, e ridurre quindi la produzione di CO2.
❑ La ricarica intelligente, detta P (GW)
ricarica smart, migliora Andamento della potenza della

generazione dispacciabile
sensibilmente il profilo della ricarica smart veicoli
potenza richiesto alla generazione carico al netto della generazione solare fotovoltaica
dispacciabile, e quindi l’efficienza
delle relative centrali.
0.00 12.00 Ore del giorno 24.00
8
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
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.
Tipologia infrastrutture 2019 2030

N° punti di ricarica elettrica privati n.d. 3.3 milioni *
N° Colonnine di ricarica elettrica 31500 *
pubblica veloce:
• autostradali 1850
• strade extraurbane di
interesse nazionale, 5246 10000
regionali e provinciali
• nei centri urbani 19650
N° Colonnine di ricarica elettrica 78600 *
pubblica lenta (nei centri urbani)
* stime RSE
10
Indice
❑ Evoluzione del sistema energetico

11
2. Tecnologie di ricarica
Ricarica AC o DC
❑ La ricarica di un veicolo elettrico può avvenire in diverse modalità,

a seconda delle caratteristiche delle batterie di cui è dotato (che ne
definiscono le massime potenze di ricarica) e delle caratteristiche
dell’infrastruttura di ricarica.
❑ La rete elettrica eroga l’energia elettrica in corrente alternata (AC),
mentre la batteria accetta solo corrente continua (DC). Per poter
ricaricare le batterie, l’energia elettrica deve essere trasformata con
opportuni convertitori che possono essere collocati a bordo dell’auto
o integrati nell’infrastruttura di ricarica.
❑ Le infrastrutture di ricarica possono quindi essere classificate in AC,
se non integrano il convertitore, o in DC, se ne dispongono.
12
Ricarica AC o DC
❑ La ricarica in corrente alternata AC può avvenire a diverse potenze:

dai 3 kW delle normali utenze domestiche, ai 22-43 kW delle
colonnine pubbliche. La potenza di ricarica in AC è limitata dalla
taglia del convertitore a bordo auto, che per altre potenze andrebbe
ad occupare spazzi troppo elevati.
❑ La ricarica in corrente continua DC, può raggiungere, invece,
potenze più elevate, dai 50 kW della ricarica fast, ai 150 kW della
ricarica ultrarapida e fino ai 300 kW della High Power Charging
(HPC), che consentono di accorciare notevolmente i tempi di
ricarica.
❑ A prescindere dalla tipologia di infrastruttura, le autovetture hanno
un sistema interno, il Battery Management System (BMS), che
regola il processo di ricarica, limitando l’assorbimento massimo di
potenza per evitare il surriscaldamento e l’eccessiva usura delle
batterie.
13
I modi di ricarica
❑ La norma IEC 61851-1 definisce quattro diversi modi di ricarica:

❑ MODO 1 (solo domestico): la ricarica fino a 3 kW si effettua da una
normale presa industriale (CEE o Schuko) collegata al veicolo con il
cavo di ricarica in dotazione. È la tipologia di ricarica usata per bici
elettriche, scooter e mezzi leggeri.
❑ MODO 2 (solo domestico): la ricarica domestica o in spazi privati a
potenze intorno ai 3 kW può essere effettuata sempre da una normale
presa industriale ma attraverso un cavo dotato di un control box
portatile, che monitora e regola il processo di ricarica.
❑ MODO 3 (obbligatorio per ricarica pubblica): l’infrastruttura di ricarica
deve essere obbligatoriamente dotata di control box integrato (sistema
con circuito PWM - Power Width Modulation). Anche le prese sono
dedicate, Tipo 2 o Tipo 3A (per scooter e mobilità leggera), e
dispongono di contatti pilota che dialogano con il veicolo.
❑ MODO 4 (destinato alla ricarica pubblica): l’Infrastruttura di Ricarica è
dotata di convertitore AC/DC integrato, di cavi con prese specifiche:
CHadeMo per le auto asiatiche e CCS2 per quelle europee.
14
Interazione con la rete: V1G e V2G
❑ Il “Vehicle-to-Grid” è un sistema che consente un’interazione tra la

ricarica dei veicoli elettrici ed il sistema elettrico, al fine di offrire
vantaggi in termini di flessibilità e benefici generali per il sistema
elettrico e l’utente.
❑ All’interno del “Vehicle-to-Grid” si possono individuare due livelli di
tecnologie:
❑ V1G, quando la tecnologia di ricarica è mono-direzionale,
ossia il flusso di energia dalla rete elettrica al veicolo può essere
variato di intensità, interrotto o anticipato/ritardato, ma non
cambiare direzione (il flusso di energia è sempre dalla rete
elettrica alla batteria del veicolo).
❑ V2X, quando la tecnologia di ricarica è bidirezionale, cioè
include anche un flusso di energia che può andare dalla batteria
del veicolo verso la rete, offrendo un grado di flessibilità
maggiore rispetto al V1G.
15
Interazione con la rete: V2H e V2B
❑ Il V2X si declina in due principali funzionalità:

❑ Vehicle-to-Grid: un sistema che impiega le batterie delle vetture
elettriche come stabilizzatore della rete elettrica. All’occorrenza,
l’energia delle auto elettriche viene reimmessa nella rete di
distribuzione per garantirne il riequilibrio. Ciò può offrire
vantaggi per un’efficiente gestione del carico e per compensare
le oscillazioni delle energie rinnovabili.
❑ Vehicle-to-Home (V2H) e Vehicle-to-Building (V2B), in cui il
veicolo può scambiare energia rispettivamente con la casa o con
l’edificio. Il V2H e V2B non influiscono direttamente sulla rete,
ma contribuiscono a creare un equilibrio a livello locale, ad
esempio per immagazzinare l’energia auto-prodotta in eccesso,
per poi restituirla in un secondo tempo quando i carichi
aumentano. Con questo schema, in caso di interruzione
dell’alimentazione dalla rete i VE possano essere utilizzati come
alimentazione di riserva.
❑ Le soluzioni V2G offrono da un lato una maggiore capacità di
flessibilità ma anche un costo tecnologico più elevato.
16
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
Interazione con la rete: V2H e V2B
❑ I veicoli elettrici caricati/scaricati in modo intelligente possono

ridurre i picchi di potenza introdotti dalla ricarica, migliorare
l’integrazione delle FER e agire come risorse distribuite per il
sistema elettrico, permettendo di sfruttare al meglio la rete
esistente e dunque mitigando la necessità di rinforzare la rete
stessa.
❑ La tabella offre una panoramica dei servizi che la ricarica intelligente
può offrire al sistema elettrico, evidenziandone le funzionalità, gli usi
e la maturità tecnologica.
Ancillary services:
Regolazione della frequenza
(primaria, secondaria e terziaria)
e della tensione.
Load following:
inseguimento del carico nei
momenti in cui si ha un esubero
di carico rispetto alla produzione.
Micro-grid opitimisation:
integrazione ottimale del carico e
dell’eventuale autoproduzione
(PV) in ottica di micro-rete.
18
Interazione con la rete: esempio di V1G
❑ La figura di sotto mostra il profilo di carico di una cabina secondaria MT/BT

evidenziando il possibile contributo della ricarica dei veicoli elettrici, in verde
secondo la modalità V1G e in rosso se non controllata.
❑ La ricarica controllata V1G consente di ridurre il picco di domanda della
ricarica evitando così di superare il limite di carico del trasformatore.
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
❑ 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
23
❑ 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
Nomenclatura e nozioni
❑ Questa sezione spiega alcuni concetti e nomenclature utili alla
comprensione delle slide.
AC: Corrente Alternata.

AGGREGATORE: soggetto che aggrega unità di produzione e/o
unità di carico per offrire servizi al sistema elettrico. I veicoli
elettrici per poter fornire servizi alla rete devono essere aggregati per
costituire una risorsa sufficiente.
CPO: Charging Point Operator, finanzia, installa e gestisce le colonnine
di ricarica.
DAFI: Directive on Alternative Fuels Infrastructure. È la Direttiva sulla
realizzazione di un’infrastruttura per i combustibili alternativi, recepita
nella legislazione italiana con il Decreto Legislativo 16 dicembre 2016
n. 257. Stabilisce una serie di misure per la realizzazione di
un’infrastruttura per i combustibili alternativi (elettricità, idrogeno,
biocarburanti, combustibili sintetici e paraffinici, e gas naturale
compreso il biometano) per ridurre al minimo la dipendenza del
petrolio e attenuare l’impatto ambientale nel settore dei trasporti.
25
DC: Corrente Continua.
DSO: Distribution System Operator, il gestore delle reti di distribuzione

elettrica in bassa e media tensione.
INTER-OPERABILITÀ: requisito delle colonnine e dei servizi di

ricarica quando consentono l’accesso a clienti di più operatori diversi.
MERCATO DEL GIORNO PRIMA (MGP): sede di negoziazione delle
Offerte di acquisto e vendita di energia elettrica per ciascuna ora del
giorno successivo. Al MGP possono partecipare tutti gli operatori
elettrici. La partecipazione è facoltativa.
❑ Incrociando le curve relative alle offerte di vendita e di acquisto si
determinano i programmi preliminari di immissione e prelievo,
compatibilmente con il rispetto dei limiti di transito comunicati da
Terna.
❑ Se i flussi sulla rete derivanti dai programmi non violano nessun
limite di transito, il prezzo di equilibrio, acquisto e vendita, è unico
in tutte le zone.
26
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.
❑ Per ciascuna zona di mercato, si incrociano curva di offerta e curva di

domanda zonali, ottenendo il prezzo di equilibrio zonale di produzione (Pz).
❑ Il Pz è maggiore nelle zone di mercato importatrici ed è minore in quella
esportatrici.
❑ In questo caso le offerte di vendita sono remunerate al prezzo zonale di
produzione a cui appartengono. Le offerte di acquisto sono remunerate al
prezzo unico nazionale (PUN). La partecipazione è facoltativa.
27
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
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
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
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
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.
1 Con il termine Infrastruttura di Ricarica (anche Charging Station

Infrastructure CSI) viene intesa come insieme di una o più stazioni di
ricarica, anche bidirezionali, collegate alla rete.
36
❑ 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 CIR sarà obbligatorio

per nuove infrastrutture
di ricarica che intendono
utilizzare agevolazioni
tariffarie oppure
partecipare a MSD.
❑ Non obbligatorio per

infrastrutture di ricarica
gestita da un Charging
Station Operator (CSO)
che partecipa all’MSD ed
assicura le funzionalità
necessarie per accedere
alle eventuali
agevolazioni tariffarie.
38
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
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
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
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.
❑ La baseline di energia è più o meno lineare

a fronte di un profilo della potenza di
baseline approssimabile ad un gradino.
Questa caratteristica permette di
prevedere facilmente la presenza dei
veicoli al giorno dopo, rendendo questo
tipo di risorsa di flessibilità controllabile e
Baseline in energia e potenza dell’aggregato di EV
soggetta a modesta aleatorietà.
❑ La disponibilità a partecipare al MSD è limitata agli orari in cui è connesso un

numero sufficiente di veicoli elettrici.
❑ Durante la notte non c’è la disponibilità a partecipare al MSD poiché non sono
presenti veicoli elettrici connessi alle stazioni di ricarica.
❑ Si osserva che ci sono due transitori, uno dalle 6:00 alle 9:00 e uno dalle
16:00 alle 18:00 circa. Durante i transitori non è sempre possibile partecipare
al MSD.
46
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
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
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
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
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
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
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
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
❑ Caso studio: colonnina V2G da 15 kW più Nissan Leaf con

batteria da 40 kWh.
❑ Obiettivo: caratterizzazione del sistema veicolo-colonnina con
funzionalità V2G (efficienze, andamenti di tensione e corrente).
❑ Metodo: esecuzione di cicli di carica-scarica a potenza controllata, con
la misura delle principali grandezze elettriche.
dalla Ricerca di sistema per il triennio 2019-2020.
nell’ambito del progetto «Scenari e strumenti per la mobilità
elettrica e relativa integrazione e interazione con il sistema
elettrico».
55
Caratteristiche sistema veicolo colonnina
Elementi della sperimentazione:

❑ Veicolo: Nissan Leaf equipaggiata con batteria da 40 kWh e un
sistema di acquisizione dati che permette di registrare anche i
parametri di funzionamento della batteria.
❑ Colonnina in DC (convertitore AC/DC interno alla colonnina) da
15 kW con funzione V2G.
Dati colonnina V2G
56
Caratterizzazione sistema veicolo colonnina
❑ La caratterizzazione del sistema veicolo colonnina viene svolta

eseguendo dei cicli di scarica e carica a una potenza prefissata.
❑ Partendo dalla condizione di piena carica si effettua una scarica a
potenza costante a cui segue una carica a potenza costante sino al
raggiungimento della condizione di batteria pienamente carica. In
particolare, si svolgono due cicli: uno a 10 kW e uno a 15 kW, che è la
potenza nominale della stazione di ricarica.
❑ Durante le prove vengono misurate e registrate le principali
grandezze (tensioni, correnti, potenze) lato colonnina e lato veicolo.
❑ In questo modo è possibile valutare il rendimento di conversione della
colonnina, l’efficienza totale di ciclo per la batteria e per il sistema
stazione di ricarica-veicolo.
57
Prove di caratterizzazione a 10 kW
❑ La fase di scarica avviene a potenza costante di 10 kW, fino al

raggiungimento del SOC minimo.
❑ La fase di carica avviene a potenza costante fino al raggiungimento
del 90% di SOC, dopodiché la potenza di carica diminuisce nel
tempo. Tale comportamento è ben evidenziato dalle curve di
tensione e corrente della batteria.
58
❑ Al superamento del 90% del SOC di batteria, il BMS impone un

funzionamento a tensione circa costante di circa 400 V. Tale
comportamento è in accordo con la corretta gestione delle batterie
per le quali si passa da un funzionamento in controllo di corrente a
un funzionamento in controllo di tensione nella fase finale di carica.
❑ Dalle misure effettuate sulle potenze AC e DC è possibile valutare il
rendimento di conversione medio della stazione di ricarica che è pari
a circa il 94% durante la scarica ed a circa il 92% durante la carica.
59
❑ Il ciclo completo è stato

operato per valori di SOC di
batteria compresi tra il 13.5%
ed il 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.
❑ La limitazione di carica massima impedisce possibili condizioni di sovraccarica

della batteria stessa.
❑ Questa limitazione, che favorisce una gestione in sicurezza dell’auto, comporta
una riduzione della capacità massima utilizzabile che passa da un valore teorico
di circa 40 kWh a circa 34 kWh.
❑ L’efficienza totale di ciclo (Round trip Efficiency, RTE) è, per la batteria, del
97.1% mentre per il sistema (stazione di ricarica e veicolo elettrico) è pari a
circa l’84%.
60
❑ 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
❑ 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 (400 V) con conseguente riduzione della corrente.
❑ L’efficienza totale di ciclo RTE è inferiore rispetto alla prova
effettuata a 10 kW: per la batteria 96.3% mentre per il sistema
(stazione di ricarica e veicolo elettrico) l’82%, a causa delle
maggiori perdite di conduzione che si verificano a corrente elevata.
62
Test di verifica della funzionalità V2G
❑ I test di verifica della funzionalità V2G analizzano la capacità di

risposta del sistema a seguire variazioni di set point della potenza
in carica e scarica.
❑ Si riportano i risultati di una prova nella quale sono state
inizialmente variate le condizioni operative con intervalli dell’ordine
dei 5 minuti e a seguire una prova con variazione rapida nel
campo ± 5kW con tempi di variazione dell’ordine dei 30 secondi.
63
Test di verifica della funzionalità V2G
❑ Il sistema V2G dimostra di rispondere in modo adeguato alle

richieste di potenza.
❑ É importante osservare che il set-point richiesto dalla stazione di
ricarica all’auto è in corrente continua; per un controllo della
potenza in rete (in corrente alternata), che è lo scopo della
tecnologia V2G, risulta necessaria una taratura del valore di
set-point o l’inserimento di un controllo retro azionato.
❑ Anche la prova con variazione di richiesta di potenza veloce ha
dimostrato il corretto funzionamento del sistema.
❑ La risposta del sistema V2G a richieste di variazione di potenza
appare quindi compatibile con le funzioni di supporto alla rete
elettrica previste per tale tecnologia.
❑ Occorre tenere conto della limitazione in corrente delle colonnine,
che determina la riduzione della potenza in alcune fasi di lavoro
rispetto ai kW nominali.
64
9. Servizi alla rete
Introduzione
❑ Caso studio: ricarica domestica in modalità V1G e V2G.

❑ Obiettivo: valutare la possibile profittabilità, per l’utente domestico,
dalla fornitura di servizi di bilanciamento.
❑ Metodo: algoritmo euristico che, in base a logiche di mercato,
determina gli scambi di energia che il veicolo deve effettuare,
compatibilmente le esigenze di ricarica. All’energia scambiata sono
associati costi ed, eventualmente, ricavi che vengono confrontati
con una ricarica standard.
dalla Ricerca di sistema 2019-2020.
nell’ambito del progetto «Modelli di architettura e di gestione
del sistema e delle reti elettriche».
65
Possibili casi d’uso
❑ I BEV, andando a variare il loro profilo di ricarica, possono offrire

servizi a salire (riduzione del prelievo) oppure a scendere
(incremento del prelievo) sul Mercato dei Servizi di Bilanciamento
(MB).
❑ Per fornire servizi alla rete è necessario che il BEV si trovi connesso
alla rete per un tempo sufficientemente esteso. Le esigenze delle
ricariche rapide (>50 kW) o ultra rapide (>300 kW) risultano
incompatibili con un processo di modulazione della ricarica,
pertanto, ai fini della fornitura di servizi sono di interesse soltanto
le ricariche di lunga durata, che solitamente avvengono presso
l’abitazione o il luogo di lavoro, dove l’auto si trova parcheggiata
per lunghi periodi.
❑ Il caso studio si focalizza sulla ricarica domestica secondo cui l’auto
viene ricaricata da wall-box presso l’abitazione del proprietario.
Considerando un tipico contratto standard da 3 kW, è ragionevole
assumere che la ricarica domestica avvenga a potenze intorno ai
2 kW, per non superare il limite di potenza contrattuale disponibile.
66
Modalità di ricarica e programmi di prelievo
❑ La ricarica può svolgersi in modalità monodirezionale (V1G) in cui si

ha solo prelievo di potenza, oppure V2G che può consentire, se
l’insieme auto-colonnina è abilitato, anche l’immissione di potenza
verso la rete.
❑ Nel caso di ricarica semplice senza prelievo programmato, si piò
assume che, il veicolo presenti per ogni ora un’offerta di prelievo su
MB, di potenza massima pari alla banda di flessibilità offerta. In
caso di V2G, parimente, presenta un’offerta di immissione di
potenza massima pari alla banda di flessibilità. Non sono previste in
questo caso offerte di variazione del prelievo.
❑ Si può inoltre immaginare di impostare un programma di prelievo
su MGP che certifichi anche una disponibilità di potenza su MB,
(disponibilità soggetta a opportuna remunerazione). L’auto può
dichiararsi disponibile ad effettuate il prelievo in un ben definito
intervallo temporale e ad una potenza prefissata, al fine di
beneficiare di una remunerazione anche per la relativa disponibilità
di potenza. Nel programma di ricarica, si assume il veicolo possa
anche presentare offerte a salire, che mirano alla riduzione del
prelievo previsto.
67
Casi studio
❑ In base alle modalità di ricarica precedentemente individuate e la
presenza o meno di un programma di prelievo è possibile definire
quattro diversi casi di partecipazione del veicolo elettrico al mercato
dei servizi di bilanciamento:
❑ Questi casi saranno confrontati con un caso benchmark in cui il BEV

non partecipa al servizio di bilanciamento.
68
Parametri del caso studio
69
Caso benchmark
❑ Caso di riferimento benchmark: un utente finale titolare di un BEV

che normalmente effettua la ricarica nelle ore notturne (inizio nelle
ore serali, termine nelle prime ore mattutine) presso la propria
wall-box o colonnina. L’energia prelevata per la ricarica viene
valorizzata al Prezzo Unico Nazionale (PUN), definito dal Mercato
del giorno Prima (MGP), di circa 48 €/MWh (anno 2018). Al formate
il costo totale del consumo di energia concorrono poi le altre
componenti: costo del servizio di trasmissione/distribuzione/misura,
oneri di sistema e oneri fiscali (accise, imposizione IVA).
❑ Il confronto con la spesa per la
ricarica benchmark (con solo
acquisto su MGP) restituisce la
convenienza o meno della
partecipazione alla fornitura dei
servizi di bilanciamento su MB.
70
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
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
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
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
Conclusioni
❑ La partecipazione dei BEV al servizio di bilanciamento su MB, si

dimostra attrattiva. Il massimo risparmio conseguibile senza
agevolazioni varia da un minimo del 7% (V1G) ad un massimo del
23% (V2G).
❑ Livelli di risparmio ancora più elevati si possono ottenere
introducendo agevolazioni sul costo dei servizi di rete e degli oneri
di sistema sull’energia prelevata per il servizio a scendere, e con
sconti sull’energia immessa in rete.
❑ Complessivamente, l’introduzione del programma di ricarica
comporta una minore libertà di azione su MB: durante le ore del
programma si ha il vincolo di dover acquistare un quantitativo
stabilito di energia al PUN, a prezzi meno favorevoli rispetto a quelli
di acquisto su MB. La remunerazione in capacità tuttavia compensa
questo effetto portando a risparmi maggiori.
❑ Nella ricarica V1G i volumi di energia scambiati non sono diversi da
quelli nella ricarica di riferimento, pertanto la vita utile non cambia.
Tuttavia, con la modalità V2G si osserva un aumento dei volumi di
energia scambiata che incidono sulla capacità di accumulo della
batteria del BEV.
75
Bibliografia
❑ Modellazione con metodi stocastici e test di soluzioni di ricarica

finalizzate all’erogazione di servizi di rete in forma aggregata,
Ricerca Sul Sistema Energetico, 2020.
❑ Valutazioni sulla possibile partecipazione di veicoli elettrici al
servizio di bilanciamento, Ricerca Sul Sistema Energetico, 2019.
❑ Modellazione e primi test di servizi alla rete tramite veicoli elettrici
di flotte aziendali, valutazioni dei potenziali margini di flessibilità
aggregata, Ricerca Sul Sistema Energetico, 2020.
❑ E... muoviti! Mobilità elettrica a sistema, Ricerca Sul Sistema
Energetico, 2013.
❑ Position Paper Electric Vehicle Integration into Power Grids, ENTSO-
E, 2021.
❑ I veicoli elettrici azzerano le emissioni? No, oggi le dimezzano,
Massimo Ceraolo, Vai Elettrico.
❑ Glossario, Gestore dei Mercati Energetici: https://www.mercato
elettrico.org/it/tools/glossario.aspx#Offerte
❑ Report Motus-E: https://www.motus-e.org/report/
76
BEV Charging Basics
Italian for charging: ricarica
Introduction
Modes, Types, Cases
Fast&Smart charging
BEV Charging Basics
Introduction
Modes, Types, Cases
Fast&Smart charging
Vehicle Charging
• Battery Electric Vehicles need recharging
• Two basic choices: conductive (plug-socket) and wireless; the

latter can be inductive (the vehicle is the secondary of a high-
frequency transformer) or capacitive.
• Conductive in turn can be AC (charger on-board) and DC (charger

stationary).
• Inductive not yet very common.
• 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).
M. Ceraolo - EHV - Charging BEVs 3

Charging and standardisation
Charging needs standardisation for two main objectives:

• interoperability
• safety
In recent years IEC norms have followed de-facto
standards. This justifies some redundancy and
complexity of solutions.
Conductive recharging is much more mature. Only
general requirements for inductive charging have been
issued by the IEC and no Italian standards yet.

Charging-related standards
IEC-CENELEC-CEI (ISO) & UE directives

• IEC 61851 series “Electric vehicle conductive charging system” (5 out of 24
parts published; Italian versions exist)
• IEC 62196 series: “Plugs, socket-outlets, vehicle connectors and vehicle inlets
– Conductive charging of electric vehicles” (3 parts issued; Italian versions
exist)
• IEC 61980 series Electric vehicle wireless power transfer (WPT) systems (Part
1: General requirements issued, no Italian version)
• ISO 17409: Electrically propelled road vehicles —Connection to an external
electric power supply — Safety requirements (written according to ISO/IEC
directives, should be perfectly compliant to corresponding IEC’s, even though
some differences exist)
• 2014/94/EU “On the deployment of alternative fuels infrastructure”

BEV Charging Basics
Introduction
Modes, Types, Cases
Fast&Smart charging
Charging modes in pictures (very simple info)

Charging modes summarised (1/3)
• Typically fixed charging rate (typically 10 A)
• Cables often called "portable charging stations".

Often possible to set in-cable charging current:
current values must be allowed by vehicle's charger

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)


Public charging in Italy: only modes 3 and 4
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.
A specific "Errata Corrige” to 61851 states:
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.

Charging modes 2 to 4: mandatory control pilot functions
This is a bidirectional EVSE-to-vehicle information exchange function that has to

perform at least the following functions (clause 6.3.1 of 61851-1:2019):
• Continuous continuity checking of the protective conductor

• verification that the vehicle is properly connected (control pilot continuity)
• energization of the system allowed only if pilot function established correctly
• de-energisation of the system in case of control function interrupted
• Maximum allowable current: EVSE verifies that its maximum current is not
exceeded; otherwise limits it or interrupts charging.
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.

Charging modes 2 to 4: optional functions
In addition to the mandatory control pilot functions, the following optional functions can
be provided (clause 6.3.2 of 61851-1:2019):
• Exchange information regarding request and presence for ventilation;

• Presence of mechanical or electro mechanical means to prevent disconnection under
load of the vehicle connector
• determination of ventilation requirements of the charging area;
• additional functions for Mode 4 under CCS
• Digital communication between EVSE and EV is optional for modes 2 and 3, mandatory
for 4.

Charging protocols
• 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.

IEC 61851-1 / ISO 17409: Connection case A

IEC 61851-1 / ISO 17409: Connection case B

IEC 61851-1 / ISO 17409: Connection case C
Note : Only case C is applicable for

mode 4
(81851-23 6.3.1)

Cases and connections
What commonly happens:
• Car manufacturers supply one or more cables to connect their vehicles to different
infrastructure plugs: case B (Europe)
• In US and Japan case C is by far the preferred one
• Vehicles allowing Mode 4 are directly connected to the recharge station cable (Case C).
• Case A today is very rare and confined to very light vehicles
• 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).

IEC 62196-2: Connector type 1 (SAE J1772 o Yazaki)
Here IEC has standardised a de facto and SAE standard

(SAE J1772).
Only single-phase AC; mainly used in Japan and USA
Up to 250 V; 32 A 8 kW
Included in CCS-Combo1 (Type EE)
Symbol Meaning
PE Protective earth
CP Control Pilot
CS Connection switch
Sheet 2-I (sheet 2) L1,L2/N Single-phase wires

IEC 62196-2: Connector type 2 (Mennekes)
Here IEC has standardised a de facto

standard (Mennekes).
Up to 480 V; 63 A (three-phase), up
to 250; 70 A (Single-phase)
17 kW (1-ph)  52 kW (3-ph)
16-43 kW EU voltages
• Type 2 is EU standard (see later).

• Connection cases A/B allow good
interoperability
• Common single-phase systems: 16 A (3.7
kW) and 32 A (7.4 kW)
• Common three-phase systems are 16A (11
kW) and 32 A (22 kW)
Symbol Meaning
PE Protective earth
CP Control Pilot
PP Proximity
L1,L2, L3, N Three-phase wires

IEC 62196-2: Connector type 3A (SCAME)
The sole allowed for public charging

between 2010 and 2012 (experimental
CEI 312-1, then repealed)
Used mainly in Italy, for single-phase

charge.
Adequate for scooters and very small
vehicles
Since foreign vehicles rarely have the

corresponding plug, it is being abandoned
Max 16 A
AC single-phase 230 V

Type usage in different regions
Type 1 (SAE J1772) is a de-facto standard in USA and Japan EVSE's

It is very rarely found in European EVSEs
Type 2 (Mennekes) is a de-facto standard in European EVSE's.

• connection cases A/B (plug and cable on-board) allow good interoperability, since
all vehicles with Type 2 plug can connect to nearly all Europe's EVSE's.
• Connection case C is pore practical, but can bring interoperability problems: japan
or USA- manufactured cars may have type 1 on-board
Type 3a is used mainly in Italy

Used for very light vehicles
Since foreign vehicles rarely have the corresponding plug, it is being abandoned
Later some type examples of cars on the market

IEC 62196-3: Configuration type AA (previously Type 4)
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
Up to 600 V; 200 A thus 120kW
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)
IEC 62196-3: Configuration type AA gist

IEC 62196-3: Configuration type EE (CCS 1)
Combined Charging System (CCS): upper part for AC,

lower for DC. CCS-Combo1 (upper part: SAE J1772).
For DC charge the upper is mandatory (contains
communication)
Sheet 3-IIIa Compatibility with type 1 vehicle socket is guaranteed
CCS 1: 400 V, 200 A, 80 kW

IEC 62196-3: Configuration type EE plug and
socket

IEC 62196-3: Configuration type FF (CCS 2)
Combined Charging System (CCS): upper part

for AC, lower for DC. CCS-Combo2 (upper
part: Mennekes)
For DC charge the upper is mandatory
(contains communication)
Since the upper part is a type 2. is also called
Combo2 connector
Compatibility with type 2 vehicle socket is
guaranteed
Sheet 3-IVa
CCS 2: 920 V, 500 A, 350 kW

IEC 62196-3: Configuration type FF
plug and socket

Vehicular socket examples 1 (Feb 2019)
Vehicle Type Vehicle type Vehicle Type
Audi A3 e-tron FF Citroen C-Zero 1+AA Jaguar I-pace FF
Audi Q7 e-tron 2 Citroen e-mehari 1 Kia e-Niro FF
BMW plug-in hybrids (all) 2 Fisker karma 1 Kia Niro PHEV 2
BMW C Evolution 1 Ford C-Max 1 Kia Optima PHEV 2

(scooter) plug-in hybrid
BMW i3 60 Ah 3.7 kW 2 Ford focus Electric 1 Kia e-soul EV FF
BMW i3 60 Ah 7.4 kW* 2 Hyundai IONIQ Electric FF Range Rover PHEV 2

BMW i3 94 Ah ° FF
BMW i3 120 Ah **° FF
Chevrolet Volt 1 Hyundai PHEV 2 Mercedes C350 PHEV 2
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
Vehicular socket examples 2 (Mar 2019)
Vehicle Type Vehicle Type Vehicle Type
Mercedes Class B Electric 2 Opel Ampera E FF Renault Twizy 3A
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
Mitsubishi i MiEV 1+AA Porsche Cayenne S 2 Smart EQ fourtwo (all) 2

PHEV
Mitsubishi Outlander 1+AA Porsche Panamera 2 Tesla S 2+AA+
PHEV PHEV (AA charge: 50 kW) TSC*
Nissan e-NV200 1+AA Renault Fluence 1 Tesla 3 (EU) FF°
Nissan Leaf 1+AA Renult Kangoo 2011 1 Tesla X 1+AA+

(AA charge: 50 kW) TSC*
Opel Ampera PHEV 1 Renault Kangoo 2013 2
Renault kangoo 2017
For all cars available modes are 2, 3, plus 4 in case of type AA, EE, FF

TSC: Tesla Super Charger (proprietary)
*AA: with Tesla-CHAdeMO adapter; TSC uses proprietary protocol DC over Type 2. Cars have just type 2 for everything!
° In EU model 3 has FF socket and Tesla superchargers retrofitted with FF plugs
Vehicular socket examples 3 (Feb 2019)
Vehicle Type Vehicle type/ Vehicle Type

Modes
Toyota Prius Plug-in 2012 1 Volkswagen Golf GTE 2
PHEV
Toyota Prius Plug-in 2016 2 Volkswagen Passat 2
GTE PHEV
Volkswagen e-Crafter 2 Volvo S90 PHEV 2
Volkswagen e-Golf FF Volvo V60/V90 PHEV 2
Volkswagen e-up! FF Volvo XC60/XC90 2

PHEV
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
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)
CHAdeMO (not in previous slides) CCS - combo1 Tesla Proprietary

IEC AA IEC BB IEC EE max 120 kW*
*Mar 2019: Tesla updated V2 charges to 150 kW and Launched supercharger V3, P=250 W, only for Model 3
The CCS landscape

IEA classification
Recharging operational AC lev1 AC lev2 lev3
3.7 kW 3.7 < P 22 kW >22 kW

BEV Charging Basics
Introduction
Modes, Types, Cases
Fast&Smart charging
Charge Power and initial SOC
Nissan Leaf 24 kWh

Early 2019 available batteries: 40 and 62 kWh
I* I-U charge
U*
Pavg
Power
t* teoc
• Left plot: data from ENEA.

• When fast charge is involved, the ratio t*/teoc reduces. It also depends on SOC: when we refill partially
charged vehicles we can start directly after t*.
• When starting charge from SOC 20% for this battery after half an hour we still require 12 kW. Having
more powerful charging stations here does not influence charge for initial SOC above 30%.

Manufacturers experience different profiles
Const Pow
I* I-P-U charge
U*
Pavg
Power
t1 t2 teoc
Unofficial data from a private

(said to be based on test
firmware of 2019.7.11)
https://twitter.com/privater

Not only peak power counts
Unofficial data from:

https://cleantechnica.com/2019/05/17/correcting-audi-tesla-model-3-charges-over-2-times-faster-than-audi-e-tron/

How fast is fast? - IEA
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.
*IEA Global EV Outlook 2018, page 40

How fast is fast? - comparison
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

Faster charging than ever... -2
• These systems allow charging both

400 V and 800 V batteries
• 400 V batteries limited to 200 kW
• To reach 500 A cable is water cooled
CCS HPC 150 power Class
CCS HPC 350 power Class

Ionity DC/DC converter
input power: 950x380=361 kW - Output: CCS HPC 350

Dispatching charging can create savings
Vehicle charging can be dispatchable and undispatchable.
• 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.
DC charge, and the power peak issue
• In many cases power

profile is highly declining
especially for high peak
powers.
• Powers of up to 350
kW/vehicle already
available (early 2019's
vehicles charge up to 150
kW).
• Combined peaks can
imply huge size of the
supply network (MV
lines, AT lines, power
stations).
• Much better would be to
size the AC network to
the average load.

DC charge, and the power peak issue
• Powers of up to 350 kW/vehicle already
available (early 2019's vehicles charge up to
VSC EV1 150 kW).
Grid • Combined peaks can imply huge size of the
supply network (MV lines, AT lines, power
stations).
EV2
control • Much better would be to size the AC network
to the average load.
• This is easily obtained using also a stationary
battery.
EVn • This is easily obtained using also a
EVSE BATT
stationary battery.
• Management of vehicle queues, so that to statistically minimise waiting times is still

matter of research.
• The EVSE might have more VSC's for redundancy (reliability).
• EVSE VSC's can continuously supply Q-related services; in case of contractual agreement,
can also supply P-related services when vehicles are in charge (next-slide: V2G).

The V2G concept
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.
An interesting video for the general public on this topic is here:

https://www.shell.com/energy-and-innovation/new-energies/electric-vehicle-charging.html
Often also V2H (Vehicle to Home) concept is quoted.

Here the connected vehicle becomes parts of the home's electric system and can provide several functions
to home’s electric system.
The Second-life concept
Batteries reduce there useful capacity as long as their usage proceeds.
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.
This is called "second life" of batteries
Second life is still debated, since important issues such as: residual battery quality, insurance
and guarantee, need to be addressed.

BEV Charging Basics
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
Progetto 2.6 Scenari e strumenti per la mobilità elettrica e relativa

integrazione e interazione con il sistema elettrico
Piano Triennale di Realizzazione 2019-2021 della Ricerca di Sistema Elettrico Nazionale

19012974
Rapporto Pag. 2/48
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
WP WP2 - Mobilità elettrica e 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
Keywords demand response, infrastruttura di ricarica, mobilità elettrica, risorse di flessibilità,

servizi di rete, vehicle to grid, vehicle to home
La parziale riproduzione di questo documento è permessa solo con l'autorizzazione scritta di RSE.
N. pagine 48 N. pagine fuori testo /
Emesso 31/12/2019
Elaborato Riccardo Lazzari, Luigi Pellegrino, Carlo Sandroni, Maurizio Verga, Riccardo Maria
Vignali
Verificato Carlo Sandroni
Approvato Luigi Mazzocchi, Filippo Colzi
Ricerca sul Sistema Energetico – RSE S.p.A.

Società con unico socio soggetta alla direzione ed al coordinamento di GSE S.p.A.
Sede Legale - 20134 Milano - Via R. Rubattino, 54
Tel. +39 023992.1 - Fax +39 023992.5370 - PEC rse@legalmail.it [Mod. RARDS v.10]
Reg. Imprese di Milano, P.IVA e C.F. 05058230961
R.E.A. di Milano n. 1793295
Cap. Soc. € 1.100.000 i.v.
19012974
Rapporto Pag. 3/48
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
3 INTEGRAZIONE DI STAZIONI DI RICARICA V2G NELLA TEST FACILITY ................. 31

3.1 Integrazione delle stazioni di ricarica V2G nel sistema di supervisione della Test Facility ..... 31
3.2 Software di interfacciamento delle stazioni di ricarica V2G con il cloud ................................ 35
3.3 Sperimentazione preliminare delle stazioni di ricarica V2G .................................................... 37
4 CONCLUSIONI ................................................................................................................................ 46
5 BIBLIOGRAFIA ............................................................................................................................... 47
6 GLOSSARIO ..................................................................................................................................... 48
© Copyright 2019 by RSE. All rights reserved

19012974
Rapporto Pag. 4/48
STORIA DELLE REVISIONI

Numero Data Protocollo Lista delle modifiche e/o dei paragrafi modificati
revisione
00 31/12/2019 19012974 Prima emissione
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
Rapporto Pag. 5/48
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
Rapporto Pag. 6/48
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
Rapporto Pag. 7/48
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”.
La diffusione di mezzi di trasporto sostenibili e innovativi ha un ruolo fondamentale per la transizione

energetica e per le politiche ambientali nazionali. Nonostante i notevoli sviluppi degli ultimi anni, la
diffusione dei veicoli elettrici è però ancora limitata. Allo stesso tempo, nello scenario PNIEC [1] al
2030 è prevista una diffusione complessiva di quasi 6 milioni di veicoli elettrici, di cui 4 milioni di
veicoli elettrici puri. Una così rapida e importante diffusione di veicoli elettrici può rappresentare una
sfida per il sistema elettrico, che negli ultimi anni ha subito notevoli cambiamenti causati
dall’installazione di generazione da fonti rinnovabili non programmabili soprattutto nelle reti di
distribuzione. Ai problemi legati all’aleatorietà delle fonti rinnovabili, che aumentano la variabilità della
potenza generata e riducono l’inerzia del sistema, si aggiungeranno dunque nuovi carichi con natura
intermittente, non deterministica e di potenza non trascurabile.
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
Rapporto Pag. 8/48
2 AGGREGAZIONE DI VEICOLI ELETTRICI PER SERVIZI DI RETE

La tecnologia V2G permette lo scambio di flussi bidirezionali di potenza tra veicoli elettrici e rete
elettrica consentendo, attraverso le stazioni di ricarica, la fornitura di servizi di riserva terziaria e servizi
di bilanciamento, nonché la risoluzione delle congestioni e, eventualmente, servizi aggiuntivi tra cui la
regolazione di frequenza primaria e secondaria e la regolazione della tensione. Una gestione ottimizzata
della fase di ricarica dei veicoli permette innanzitutto di poter livellare la curva di domanda a un valore
prestabilito e, nel caso di tecnologia V2G, anche di fornire potenza alla rete nei momenti di necessità,
soddisfacendo al contempo le esigenze di ricarica degli utilizzatori.
Aggregati di veicoli elettrici possono quindi fornire in tempo reale alla rete elettrica i servizi di
bilanciamento e regolazione quando necessari, utilizzabili ad esempio nel contesto dei progetti pilota
UVAM, al pari dei sistemi di accumulo stazionari. Questo rappresenta un interessante utilizzo della
tecnologia V2G, con ovvi vantaggi per il sistema elettrico e per il proprietario del veicolo, che
fornirebbe un servizio remunerato. A tale scopo, nella presente sezione, verrà analizzata la potenziale
redditività dei servizi fornibili da un aggregato di sistemi V2G, e ne verranno illustrate le logiche di
aggregazione.
2.1 Regolamento UVAM

A causa dell’aleatorietà delle fonti energetiche rinnovabili non programmabili, la gestione della rete
elettrica e le interazioni tra gli attori del mercato si complicano notevolmente. In particolare, la
discontinuità della produzione di elettricità sia su base giornaliera che stagionale e le discrepanze
imprevedibili tra previsioni di produzione e immissione effettiva accentua le difficoltà di coordinamento
del servizio elettrico, caratterizzato dalla necessità di un bilanciamento istantaneo tra domanda e offerta
di energia. Le norme di dispacciamento italiane applicabili prevedono che solo i grandi impianti di
produzione, chiamati anche "unità rilevanti", di potenza superiore a 10 MVA, come le centrali
termoelettriche e le grandi centrali idroelettriche, forniscano le risorse necessarie per il controllo del
sistema. È evidente che è tecnicamente possibile ridurre la soglia minima di potenza per partecipare al
Mercato dei Servizi di Dispacciamento (MSD) al di sotto di 10 MW, al fine di includere tutte le centrali
elettriche di dimensioni medio-piccole già esistenti, e un ulteriore contributo alla regolazione può essere
dato anche dalla modulazione del carico e dai sistemi di accumulo dell'energia. Chiaramente l'enorme
numero di nuove risorse da coinvolgere rappresenterebbe uno sforzo aggiuntivo difficilmente gestibile
nel monitoraggio e nel controllo di ogni singolo impianto da parte del gestore del sistema elettrico. Tale
limite può essere superato mediante l’introduzione di un nuovo soggetto che funge da aggregatore (BSP,
Balance Service Provider) che può mettere insieme un certo numero di risorse distribuite e offrire i
relativi servizi al gestore del sistema di trasmissione. Inoltre, la possibilità di includere unità per
l'accumulo di energia è considerata un fattore chiave per il bilanciamento della rete elettrica in uno
scenario di elevata penetrazione di fonti non programmabili.
La possibilità di offrire servizi di flessibilità attraverso un "sistema virtuale" costituito dall’aggregazione
di più unità, che possono essere unità di produzione o di consumo, è attualmente in fase di
sperimentazione in Italia attraverso i progetti pilota di Terna, secondo quando definito dalla delibera
300/2017/R/eel di ARERA [4], seguita da ulteriori aggiornamenti. È stata avviata una fase sperimentale
che consente a nuove risorse di prendere parte al MSD:
• unità di generazione non rilevanti (inferiore a 10 MW anche non programmabili);

• carichi: possono anch’essi offrire fasce di regolazione sia verso l'alto sia verso il basso,
riducendo o aumentando il prelievo dalla rete;
• sistemi di accumulo: possono potenzialmente offrire tutti i suddetti servizi e garantire tempi di
risposta molto brevi, ma la durata della fornitura è limitata alla capacità del sistema.
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
Rapporto Pag. 9/48
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.
Figura 2.1 – Aggregato di veicoli elettrici.

19012974
Rapporto Pag. 10/48
2.2 Caso studio

Il caso studio considerato riguarda i servizi che possono essere offerti da un’UVAM costituita da veicoli
elettrici. In particolare sono stati presi in considerazione i punti di ricarica posizionati in luoghi privati
ma collettivi, come i posti di lavoro e gli spazi condominiali. Infatti, i luoghi di lavoro, così come altri
luoghi che aggregano utenti privati, stanno guadagnando sempre più attenzione grazie alla disponibilità
di punti di ricarica con potenza generalmente superiore rispetto a quella dei punti di ricarica domestici,
una finestra di tempo di utilizzo ben definita e la possibilità di formare gruppi di domanda al fine di
ottenere prezzi di tariffazione più convenienti dai fornitori di servizi di mobilità.
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
• Potenza della stazione di ricarica .. uguale a 15 kW;

veicoli elettrici) pari a 100;
• Capacità della batteria per ciascun veicolo EMAX uguale a 40 kWh;

19012974
Rapporto Pag. 11/48
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:
= ∙ = ( − ) (2.2)
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,
SoCI , ipotizzato pari al 50%, al valore finale SoCF pari al 90%.

considerando un consumo medio dell’auto pari a 180 Wh/km è necessario portare lo stato iniziale medio
2.2.1 Profilo di ricarica tipico

Date le ipotesi espresse in precedenza, per poter valutare i benefici derivanti dalla tecnologia V2G è
stato 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.
A partire dalla matrice binaria indicante la presenza dei veicoli istante per istante, è possibile ricavare la
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
carico di ogni singolo veicolo *+,( ∙.

dunque ottenuto considerando la matrice binaria della presenza di veicoli moltiplicata per il profilo di
)
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.
*+.( = %7()8,( ∙ 9%: + < *+,( (2.5)
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
Rapporto Pag. 12/48
$%&'()& = - *+.( = =*+ ∙ %7()8 ∙ 9%: + < $%&'()& (2.6)

(./
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
Rapporto Pag. 13/48
2.2.2 Modello di ottimizzazione

Questo paragrafo introduce il modello matematico sviluppato al fine di eseguire un'analisi
tecnico-economica di un parcheggio per veicoli elettrici abilitato ad agire come un Sistema di Accumulo
(SdA) di energia distribuito che fornisce servizi alla rete elettrica. In particolare, per valutare i benefici
derivanti dal V2G si è definito un problema di ottimizzazione. Lo scopo del problema di ottimizzazione
è quello di schedulare il profilo di potenza dell’aggregato di veicoli elettrici con l’obiettivo ridurre il
costo delle ricariche, partecipando all’MSD e contemporaneamente garantire la ricarica dei veicoli
elettrici.
2.2.2.1 Prezzi di offerta

Si è ipotizzato di utilizzare il V2G per offrire solo il servizio di bilanciamento. Il prezzo, relativo delle
offerte, a salire o a scendere, è definito sulla base del valore delle offerte dei periodi precedenti sul
MSD. In particolare, è stata elaborata e importata la media, ora per ora, dei prezzi storici delle offerte
accettate, a salire e a scendere, durante tutti i mesi del 2018. La Figura 2.4 mostra i prezzi medi accettati
nel Mercato Elettrico (ME) durante il 2018, riportata a base oraria. In particolare, la linea blu e rossa
mostrano rispettivamente i prezzi a salire e a scendere nel mercato del MSD mentre la linea gialla
mostra il prezzo dell’energia acquistata su MGP nell’ipotesi che l’aggregato di punti di ricarica acquisti
l’energia ad un prezzo costante e pari al prezzo medio sulla fascia oraria F1 (8:00-19:00).
Prezzo [€/MWh]
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
Rapporto Pag. 14/48
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.
2.2.2.2 Funzione obiettivo

Il problema di ottimizzazione mira a massimizzare i ricavi derivanti da un’eventuale partecipazione al
MSD. La funzione obiettivo J, scritta in termini di profitto, può essere espressa come:
H
D = ( - ?EF%7G (∆) ∙ >I>JKL (∆) − J=JKL (∆) ∙ >J=JKL (∆)) ∙ ∆ (2.8)

∆./
?EF%7G (∆) quantità di potenza iniettata o riduzione della potenza prelevata [MW];
con:
>?EF%7G (∆) prezzi corrispondenti a ?EF%7G [€/MWh];

•
GMF)F%7G (∆) quantità di potenza prelevata [MW];

•
>GMF)F%7G (∆) prezzi dell'energia prelevata [€ / MWh].

•
•
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.
2.2.2.3 Variabili decisionali

Le variabili sono quelle quantità fisiche che il risolutore di ottimizzazione varia secondo algoritmi più o
meno raffinati al fine, in generale, di minimizzare (in questo caso massimizzare) la funzione obiettivo.
Una volta raggiunta una soluzione sufficientemente accurata, secondo i limiti forniti all'algoritmo, i
valori numerici correttamente assegnati alle variabili devono essere considerati come risultati finali tanto
quanto il valore assunto dalla funzione obiettivo. Nel caso in oggetto le variabili decisionali per ogni
veicolo sono le seguenti.
• Potenza offerta a salire ogni quarto d'ora [MW]:
19012974
Rapporto Pag. 15/48
?EF%7G (∆) ∈ [PMQQ&7 ; ?EF%7G,9%: ] (2.9)
• Potenza offerta a scendere ogni quarto d’ora [MW]:
GMF)F%7G (∆) ∈ [−GMF)F%7G,9%: ; −PMQQ&7 ] (2.10)
• 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.
assume un valore pari a 1 solo in caso di offerta a scendere, altrimenti uguale a 0.

L'introduzione di queste variabili ausiliarie, vale a dire la presenza di variabili sia continue che intere,
rende il problema di ottimizzazione “lineare misto intero” (MILP).
2.2.2.4 Vincoli tecnici energetici
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
deve raggiungere lo stato di carica finale stabilito.
V∆Q()%' W ≥ $%&'()& V∆Q()%' W (2.11)
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.
V∆%7()8 W ≤ (Δ) ≤ V∆Q()%' W (2.12)
Le variabili di cui sopra sono state ottenute come mostrato di seguito (dove =*+ rappresenta il numero
di veicoli elettrici presenti).
= (∆%7()8 ) + < M%' (2.13)
M%' = $%&'()& + ?EF%7G + GMF)F%7G (2.14)
V∆%7()8 W = 9%: ∙ %7()8 ∙ =*+ (2.15)
V∆Q()%' W = 9%: ∙ Q()%' ∙ =*+ (2.16)
2.2.2.5 Vincolo tecnico di potenza

Al fine di definire i limiti di potenza per M%' , precedentemente esplicitati, è necessario tener conto
della potenza disponibile istante per istante dell’aggregato, definita come segue:
Z%78()8 (∆) ≤ M%' (∆) ≤ G(Z%78()8 (∆) (2.17)

dove le potenze disponibili in carica Z%78()8 (∆) e in scarica G(Z%78()8 (∆) sono esprimibili come:
19012974
Rapporto Pag. 16/48
Z%78()8 (∆) = − min[=*+ (∆), =.. ] ∙ .. = −G(Z%78()8 (∆) (2.18)
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).
2.2.2.6 Vincoli di offerta

Le offerte a salire e a scendere sono state considerate con la convenzione dei generatori, quindi:
?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)
Da notare come il vincolo (2.28) impedisce di effettuare entrambe le offerte contemporaneamente.
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
espressa in MW, e quindi che:

T?EF%7G = 1 ↔ ?EF%7G ≥ PMQQ&7
TGMF)F%7G = 1 ↔ GMF)F%7G ≤ −PMQQ&7
(2.21)
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)
?EF%7G ≥ PMQQ&7 − (1 − T?EF%7G ) ∙ b
La conformità con le relazioni logiche può essere facilmente verificata:
Se T?EF%7G = 0 → 0 ≤ ?EF%7G ≤ 0 o PMQQ&7 − b ≤ ?EF%7G ≤ PMQQ&7 + b (banale);

Se T?EF%7G = 1 → −b ≤ ?EF%7G ≤ +b (banale) o PMQQ&7 ≤ ?EF%7G ≤ PMQQ&7 .
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
Rapporto Pag. 17/48
?EF%7G (∆( ) ≥ ?EF%7G (∆( − =) − ?EF%7G (∆( − d)

GMF)F%7G (∆( ) ≤ GMF)F%7G (∆( − =) − GMF)F%7G (∆( − d)
(2.23)
espressi costituiscono una serie di sistemi di disuguaglianze in cui e = 96, h = 1, … , e , d =

In caso di partecipazione a UVAM, quest'ultima deve essere pari a 2 ore; Pertanto, i vincoli sopra
9() \∆ , = = 1, … , d, dove d è il numero minimo di istanti consecutivi a partire da un determinato

istante h per cui si deve mantenere l’eventuale offerta che l’ottimizzatore sceglierà e e è il numero totale
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.
ottenere il seguente sistema:
?EF%7G (∆( ) ≥ ?EF%7G (∆( − 1) − ?EF%7G (∆( − d)

m
?EF%7G (∆( ) ≥ ?EF%7G (∆( − 2) − ?EF%7G (∆( − d)
l …
(2.24)
(∆
k ?EF%7G ( ) ≥ ?EF%7G (∆( − d) − ?EF%7G (∆( − d)
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.
2.3.1 Scenari simulati

Le simulazioni, sia su un orizzonte temporale giornaliero che annuale, sono state effettuate considerando
in primo luogo il caso di UVAM. Si è deciso, inoltre, di valutare i possibili risultati ottenibili dallo
scenario di unità virtuali abilitate costituite esclusivamente da punti di ricarica di veicoli elettrici che in
questo rapporto verranno indicate convenzionalmente come UVAR [8]. In tale scenario, si ipotizza che
l’aggregato sia soggetto a regole di partecipazione che tengano conto delle particolari caratteristiche dei
soggetti coinvolti:
• soglia minima per potenza regolabile di 0,2 MW;
• durata minima e fasce orarie definite in base alle esigenze di mobilità;
• stazioni di ricarica dotate di contatori per misurazioni orarie;
• servizi forniti dalle stazioni di ricarica che comprendono anche quelli di breve durata e quelli a
risposta rapida.
D'altro canto, al fine di garantire un'applicazione equa delle spese per i prelievi energetici, sono previste
esenzioni per le tariffe di rete e degli oneri di sistema nel caso in cui l’aggregato prelevi energia per poi
reimmetterla in rete successivamente. Quindi gli oneri di rete e di sistema saranno applicati solo alla
quota di energia assorbita dai veicoli elettrici al netto dei servizi di rete offerti.
La partecipazione dei veicoli elettrici a un progetto piuttosto che all'altro determina un comportamento
diverso sia in termini di costi che di offerta sul mercato. In caso di partecipazione a UVAM “mista”,
l'aggregato deve presentare un'offerta di almeno 1 MW, con una durata di almeno due ore. D'altra parte,
nel caso della partecipazione a una UVAR, per incoraggiare l'uso di veicoli elettrici per la fornitura di
19012974
Rapporto Pag. 18/48
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.
2.3.2 Simulazione giornaliera

Nei seguenti sottoparagrafi si riportano i risultati ottenuti dall’ottimizzatore. In particolare è stato
riportato il profilo della potenza di baseline dell’aggregato, la potenza offerta a salire e a scendere su
MB e l’energia accumulata dall’aggregato. Il profilo di baseline, indipendente dalle offerte, viene
calcolato utilizzando una potenza costante in grado di garantire il raggiungimento dello stato di carica
target di ciascun veicolo (i veicoli presenti in totale per il giorno considerato sono 222).
2.3.2.1 Creazione di un UVAM con l’applicazione V2G

Nel primo caso, come mostrato in Figura 2.5, per quanto riguarda le offerte, la strategia di
dispacciamento adottata prevede due offerte a scendere, effettuate all'inizio e alla fine della sosta dei
veicoli, e due offerte a salire effettuate durante le ore di maggiore presenza dei veicoli, ottenendo così un
valore in modulo maggiore della potenza a scendere.
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
Rapporto Pag. 19/48
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
interrompere la ricarica prima dell'orario previsto.
Figura 2.6 – Profilo dell’energia dell’aggregato nel caso V2G – UVAM.
2.3.2.2 Creazione di un UVAR con l’applicazione V2G

Come detto, nel caso di UVAR la durata minima è da considerarsi ridotta e più flessibile rispetto al
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
offerta nel caso di = 70%.

questa distinzione poiché le soglie minime di potenza e durata non avrebbero consentito alcun tipo di
19012974
Rapporto Pag. 20/48
blu) nel caso V2G – UVAR - rstu = vw%

Figura 2.7 - Profilo di potenza offerta a salire (in rosso) e a scendere (in giallo) a confronto con la potenza di baseline (in
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
Rapporto Pag. 21/48
blu) nel caso V2G – UVAR - rstu = xw%.

Figura 2.9 - Profilo di potenza offerta a salire (in rosso) e a scendere (in giallo) a confronto con la potenza di baseline (in
Figura 2.10 - Profilo dell’energia dell’aggregato nel caso V2G – UVAR – rstu = xw%.
2.3.2.3 Creazione di un UVAM con l’applicazione V1G

Quando l'infrastruttura di ricarica consente solo di assorbire da rete, il numero di veicoli considerati non
è sufficiente a raggiungere la soglia minima di 1 MW per presentare offerte a salire. L’offerta a salire
nel caso di V1G non è più infatti un’offerta di vendita, poiché l’aggregato non può funzionare come
generatore, ma rappresenta una riduzione del carico rispetto alla baseline che è pari al massimo a circa
0,4 MW per il caso considerato, come mostrato in Figura 2.3.
19012974
Rapporto Pag. 22/48
2.3.2.4 Creazione di un UVAR con l’applicazione V1G

Le caratteristiche di un UVAR, d'altra parte, sembrano adattarsi perfettamente alla ricarica V1G. La
Figura 2.11 mostra un comportamento simile al caso V2G in termini di ordine e sequenzialità delle
offerte.
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 2.12 - Profilo dell’energia dell’aggregato nel caso V1G – UVAR.

19012974
Rapporto Pag. 23/48
2.3.3 Simulazione annuale

La Figura 2.13, Figura 2.14 e Figura 2.15 mostrano una sintesi dei risultati del paragrafo 2.3.2
considerando la simulazione sull’intero 2018. Nel caso di 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 dagli altri 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.
Energia totale [GWh]
Energia scambiata [MWh]
Figura 2.13 – Energia offerta per il servizio a salire e a scendere rispetto alla carica standard nel caso V2G – UVAM.
19012974
Rapporto Pag. 24/48

Figura 2.14 - Energia offerta per il servizio a salire e a scendere rispetto alla carica standard nel caso V2G – UVAR.
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
Rapporto Pag. 25/48
Totale ore [h]

Totale ore [h]
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
Rapporto Pag. 26/48
Totale ore [h]

Totale ore [h]
Figura 2.18 - Frequenza delle offerte a salire e scendere nel caso V1G – UVAR.
2.3.4 Analisi economica

Questo paragrafo ha lo scopo di analizzare i vantaggi e gli svantaggi economici delle tecnologie V1G e
V2G sulla base dei risultati ottenuti dai problemi di ottimizzazione. In questa analisi non sono stati
considerati gli incentivi destinati a incoraggiare l'uso di questa tecnologia e l’IVA che sarebbe applicata
solo nell’ipotesi in cui la ricarica fosse pagata dall’utente finale e non dall’azienda.
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
Componenti Costo [€/MWh]

Oneri di sistema 50,85
Oneri di rete 8,46
Oneri di dispacciamento 11,55
Altri oneri 4,02
Totale oneri 74,88
Totale oneri di rete e sistema 59,31
19012974
Rapporto Pag. 27/48
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):
y = - $%&z ∙ (>* z

+ >Z%78&,M + >&:(& ) (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)
dove /,( , ,( ,( sono pari a:
/,( = −V&''z ∙ > |,&''z W

,( = $?@z ∙ V> |,$?@z + >Z%78&,M + >&:(& W (2.28)
,( = V$%&z − &''z W ∙ V>* z
+ >Z%78&,M + >&:(& W
III. “Senza oneri”: oneri applicati sull’energia prelevata al netto dell’energia erogata per servizi di
rete (2.29):
y = −y h ∙ (>b,y − y.J. ) h} &''z > $%&z + $?@z

= 1,h + 4,h + 5,h + 6,h
h
y h} &''z ≤ $%&z + $?@z
(2.29)
dove ,( , ,( ,( sono pari a:
,( = $?@z ∙ > |,$?@z

,( = V$%&z − &''z W ∙ >* z
,( = -(Ky, − >L, ) ∙ (>Z%78&,M + >&:(& )

(2.30)
>&:(& = 12,5 [€/MWh];

dove:
>Z%78&,M , totale oneri [€/MWh];

•
y$.F. , costo dell’usura della batteria [€/kWh];

•
>* z , costo dell’energia sul mercato del giorno prima al quarto d’ora i [€/MWh];
•
> |,$?@z , prezzo di accettazione offerta a salire al quarto d’ora i [€/MWh];

•
> |,&''z , prezzo di accettazione offerta a scendere al quarto d’ora i [€/MWh];

•
%$, , energia totale assorbita nel giorno j;

•
E7MC, , energia totale erogata nel giorno j.

•
•
19012974
Rapporto Pag. 28/48
&'' , $%& , $?@ 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]
Figura 2.19 – Trend dei costi nel caso V2G – UVAM.

19012974
Rapporto Pag. 29/48
Figura 2.20 - Trend dei costi nel caso V2G – UVAR.

Figura 2.21 - Trend dei costi nel caso V1G – UVAR.

19012974
Rapporto Pag. 30/48
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
Rapporto Pag. 31/48
3 INTEGRAZIONE DI STAZIONI DI RICARICA V2G NELLA TEST

FACILITY
Allo scopo di validare in campo funzioni innovative di gestione della ricarica, finalizzate all’erogazione
di servizi di tipo V2G e V2H, nel corso delle attività precedenti [5] sono state installate presso
l’impianto DER-TF di RSE due colonnine di ricarica bidirezionali da 15 kW ciascuna, fornite da Enel X.
La Test Facility di generazione distribuita di RSE, data la sua natura sperimentale e la grande varietà di
risorse connesse, permette una grande flessibilità nella sperimentazione e garantisce la possibilità di
verificare differenti modalità operative delle stazioni di ricarica e differenti servizi offerti alla rete (quali
bilanciamento di generazione da fonti rinnovabili, ottimizzazione autoconsumo, fornitura di servizi per
la regolazione secondaria e terziaria) sia con funzionamento connesso alla rete principale sia in isola.
Nel corso della presente attività si è proceduto quindi all’integrazione, da un punto di vista informatico,
del sistema di ricarica V2G con il sistema di supervisione della Test Facility. L’integrazione, come
descritta nel seguito, è stata effettuata a due livelli: il primo livello è relativo all’acquisizione delle
misure elettriche fornite dagli analizzatori di rete mediante connessione Ethernet, mentre il secondo
livello corrisponde alle variabili di misura e controllo delle colonnine di ricarica e delle auto elettriche
gestite mediante connessione al cloud. L’infrastruttura di ricarica è stata quindi utilizzata per effettuare
delle prime prove sperimentali di ricarica e scarica sui veicoli Nissan Leaf allo scopo di verificarne il
funzionamento e i limiti operativi.
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
Rapporto Pag. 32/48
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
Rapporto Pag. 33/48
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
Rapporto Pag. 34/48
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
Rapporto Pag. 35/48
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.
3.2 Software di interfacciamento delle stazioni di ricarica V2G con il cloud

Successivamente all’integrazione dal punto di vista elettrico delle due colonnine, che comprende anche
l’acquisizione delle misure istantanee e il loro monitoraggio tramite lo SCADA generale di impianto, si
è passati all’integrazione dal punto di vista logico/gestionale, che consente di monitorare e schedulare le
singole sessioni di ricarica.
L’approccio proposto non prevede una connessione diretta con le colonnine, bensì l’utilizzo
dell’infrastruttura cloud di Enel X per la comunicazione bidirezionale. Tale approccio ha il vantaggio di
permettere di poter comunicare potenzialmente con qualsiasi colonnina del medesimo gestore,
utilizzando lo stesso canale e lo stesso protocollo.
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.
Figura 3.6 - Casi d'uso per l'interfacciamento software

Per procedere con l’implementazione dei casi d’uso individuati, occorre disporre di adeguate funzioni di
interfacciamento tra le applicazioni locali gestite da RSE e la piattaforma cloud, in questo caso gestita da
Enel X, che a sua volta comunica con le colonnine. Sono state quindi concordate con Enel X le
19012974
Rapporto Pag. 36/48
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
Rapporto Pag. 37/48
3.3 Sperimentazione preliminare delle stazioni di ricarica V2G

La sperimentazione preliminare delle stazioni di ricarica V2G, i cui parametri principali sono illustrati in
Tabella 3.1, ha avuto lo scopo di caratterizzare le prestazioni delle batterie dei veicoli disponibili presso
RSE (Nissan Leaf con batterie da 40 kWh) per verificare la capacità del sistema di fornire servizi alla
rete elettrica in applicazioni V2G. I test sono stati effettuati applicando localmente dei setpoint di
potenza alle colonnine e acquisendo i dati lato rete, tramite gli analizzatori del quadro di interfaccia
descritti nel paragrafo 3.1, e i dati lato batteria dell’autovettura attraverso un sistema di acquisizione dati
che permette di registrare i dati in corrente continua della batteria.
Tabella 3.1 – Caratteristiche principali della colonnina di ricarica Enel X V2G 3.0
Tensione di alimentazione AC [V] 400 (3F+N+PE)

Potenza massima AC [kVA] 16,7
Potenza massima DC [kW] 15
Tensione massima lato DC [V] 500
Corrente massima lato DC [A] 40
Rendimento di conversione [%] 94
Tipologia di connettore lato CC CHAdeMO
Tipologia di ricarica Modo 42
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
Rapporto Pag. 38/48
Figura 3.8 - Verifica batterie – ciclo a potenza costante di 10 kW- Potenza
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
Rapporto Pag. 39/48
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
Rapporto Pag. 40/48
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
Capacità Round Round

delta Energia Energia Efficienza
SOC SOC totale trip trip
Fase SOC DC AC conversione
In [%] Fin [%] batteria Efficiency Efficiency
[%] [kWh] [kWh] [%]
[kWh] DC [%] AC [%]
Scarica 96,9 13,45 83,45 31,92 30,16 94,5% 38,25

97,1% 83,9%
Carica 13,45 97,3 83,85 33,02 35,93 91,9% 39,38
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.
Tabella 3.3 – Incertezza estesa misure potenza ed energia durante la prova a 10 kW
Incertezza Incertezza totale

Fase massima potenza Energia [kWh]
[kW]
Scarica ± 0.18 ± 0.53
Carica ± 0.21 ± 0.63
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
Rapporto Pag. 41/48
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 3.12 - Verifica batterie – ciclo a potenza costante di 15 kW- Potenza
Figura 3.13 - Verifica batterie – ciclo a potenza costante di 15 kW - Tensione e corrente batteria
19012974
Rapporto Pag. 42/48
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
Tabella 3.4- Dati riassuntivi ciclo di scarica e carica a 15 kW
Capacità Round Round

delta Energia Energia Efficienza
SOC SOC totale trip trip
Fase SOC DC AC conversione
In [%] Fin [%] batteria Efficiency Efficiency
[%] [kWh] [kWh] [%]
[kWh] DC [%] AC [%]
Scarica 95,5 29,51 65,99 25,42 24,13 94,9% 38,52
96,3% 81,9%
Carica 29,51 97,17 67,66 27,06 29,47 91,8% 39,99
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
Rapporto Pag. 43/48
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.
Tabella 3.5 – Incertezza estesa misure potenza ed energia durante la prova a 15 kW
Incertezza Incertezza totale

Fase massima potenza Energia [kWh]
[kW]
Scarica ± 0.27 ± 0.41
Carica ± 0.28 ± 0.50
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.
Figura 3.16 - Ciclo V2G - Potenza

19012974
Rapporto Pag. 44/48
Figura 3.17 - Ciclo V2G - Tensione e corrente di batteria
Figura 3.18 - Ciclo V2G - Stato di Carica

19012974
Rapporto Pag. 45/48
Figura 3.19 - Ciclo V2G – Energia

Dalle curve di Figura 3.16 si osserva come il sistema V2G abbia risposto in maniera adeguata alle
richieste di potenza. É importante osservare che il setpoint richiesto dalla stazione di ricarica all’auto è
in corrente continua; per un controllo della potenza in rete (in corrente alternata), che è lo scopo della
tecnologia V2G, risulta quindi necessaria una taratura del valore di setpoint o l’inserimento di un
controllo retroazionato. Il controllo di potenza implementato nella stazione di ricarica sembra operare
correttamente ed è caratterizzato da una leggera sovra elongazione cui segue un controllo
sufficientemente stabile della potenza.
Anche la prova con variazione di richiesta di potenza veloce ha dimostrato il corretto funzionamento del
sistema; la prova è stata effettuata con variazioni nel campo ± 5kW con tempi di variazione dell’ordine
dei 30 secondi.
Sono inoltre riportate le curve di tensione e corrente della batteria (Figura 3.17), di stato di carica della
batteria (Figura 3.18) e di energia (Figura 3.19).
Si osserva che la prova effettuata è caratterizzata da energia complessiva pressoché nulla con un eccesso
di energia in scarica di circa 0,13 kWh; tale valore corrisponderebbe ad una variazione teorica di SOC di
circa 0,32%. La maggiore variazione di SOC misurata tra inizio e fine prova (circa 1%) è dovuta
all’efficienza totale di ciclo della batteria (che comporta una leggera diminuzione di SOC anche a valle
di un ciclo ad energia totale nulla); tale comportamento (caratteristico dei sistemi di accumulo) deve
essere quindi tenuto in conto dal sistema di gestione del V2G.
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
Rapporto Pag. 46/48
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
Rapporto Pag. 47/48
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
Rapporto Pag. 48/48
6 GLOSSARIO
Termine / Acronimo Descrizione

AC Alternating Current
ARERA Autorità per l’energia elettrica il gas e il sistema idrico
BSP Balancing Service Provider
DC Direct Current
DER-TF Distributed Energy Resources Test Facility
EDF Earliest Deadline First
FCFS First Come First Served
FCR Frequency Containment Reserve
ICT Information and Communications Technology
LLF Least Laxity First
MB Mercato di Bilanciamento
ME Mercato Elettrico
MGP Mercato del Giorno Prima
MSD Mercato dei Servizi di Dispacciamento
PNIEC Piano Nazionale Integrato Energia e Clima
RdS Ricerca di Sistema
RSE Ricerca Sistema Energetico
SCADA Supervisory Control And Data Acquisition
SdA Sistemi di Accumulo
UVAR Unità Virtuali Abilitate Ricarica
UVAM Unità Virtuali Abilitate Miste
V1G Smart Charging
V2G Vehicle-to-Grid
V2H Vehicle-to-home
VAT Value-Added Tax
Modellazione con metodi stocastici e test di
soluzioni di ricarica finalizzate all’erogazione
di servizi di rete in forma aggregata
Riccardo Lazzari, Enrica Micolano, Carlo Sandroni, Maurizio
Verga, Riccardo Maria Vignali
Dicembre 2020
Progetto 2.6 Scenari e strumenti per la mobilità elettrica e relativa

integrazione e interazione con il sistema
Piano Triennale di Realizzazione 2019-2021 della Ricerca di Sistema Elettrico Nazionale

20010758
Rapporto Pag. 2/57
Contratto Accordo di programma 2019-2021 con il Ministero dello Sviluppo Economico per le
Titolo Modellazione con metodi stocastici e test di soluzioni di ricarica finalizzate

all’erogazione di servizi di rete in forma aggregata
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
WP WP2 - Mobilità elettrica e 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 - 2020
Keywords aggregazione, mobilità elettrica, servizi di rete, Vehicle-to-grid
La parziale riproduzione di questo documento è permessa solo con l'autorizzazione scritta di RSE.
N. pagine 57 N. pagine fuori testo /
Emesso 31/12/2020
Elaborato Riccardo Lazzari, Enrica Micolano, Carlo Sandroni, Maurizio Verga, Riccardo Maria
Vignali
Verificato Carlo Sandroni
Approvato Luigi Mazzocchi, Filippo Colzi

Tel. +39 023992.1 - Fax +39 023992.5370 - PEC rse@legalmail.it [Errore. Variabile di
Reg. Imprese di Milano, P.IVA e C.F. 05058230961 documento non
R.E.A. di Milano n. 1793295 specificata.]
Cap. Soc. € 1.100.000 i.v.
20010758
Rapporto Pag. 3/57
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
4 ANALISI DELL’INVECCHIAMENTO DI UNA BATTERIA VEICOLARE IN UNA

APPLICAZIONE V2G ..................................................................................................................... 44
4.1 Procedura di prova .................................................................................................................... 44
4.1.1 Ispezione iniziale ....................................................................................................................................................... 45
4.1.2 Caratterizzazione preliminare ................................................................................................................................... 45
4.1.3 Prova ciclica.............................................................................................................................................................. 46
4.1.4 Check-up parametrico ............................................................................................................................................... 49
5 CONCLUSIONI ................................................................................................................................ 50

20010758
Rapporto Pag. 4/57
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

20010758
Rapporto Pag. 5/57
STORIA DELLE REVISIONI

Numero Data Protocollo Lista delle modifiche e/o dei paragrafi modificati
revisione
00 31/12/2020 20010758 Prima emissione
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
Rapporto Pag. 6/57
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
Rapporto Pag. 7/57
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
Rapporto Pag. 8/57
1 INTRODUZIONE
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
Rapporto Pag. 9/57
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
Rapporto Pag. 10/57
2 DISPACCIAMENTO OTTIMO DI UN AGGREGATO DI VEICOLI

ELETTRICI
Il problema del V2G è solitamente trattato come un problema di ottimizzazione [9], in cui l’aggregatore
sceglie come dispacciare in maniera ottima la potenza di carica di ciascun veicolo, con l’obiettivo di
massimizzare i ricavi dalla fornitura di servizi, soddisfacendo al contempo le richieste degli utenti
dell’aggregato. Nel risolvere il problema del dispacciamento ottimo rientrano molteplici aspetti
modellistici: il modello di business dell’aggregatore, i limiti tecnici dei veicoli e dell’aggregato, la
disponibilità dei veicoli, gli esiti di mercato. Una formulazione il più generale possibile di questo problema
passa necessariamente dal tenere in conto gli aspetti incerti in esso insiti. In particolare, è necessario
modellizzare la presenza aleatoria dei veicoli, lo stato di carica (SOC) iniziale incerto con cui i veicoli
iniziano la sosta e i segnali relativi ai servizi di dispacciamento.
Nell’attività descritta nel seguito si propone una formulazione del problema di ottimizzazione abbastanza
generale da tenere conto di tutti gli aspetti incerti rilevanti nel problema. Il risultato è un problema di
ottimizzazione, computazionalmente scalabile anche su un gran numero di veicoli, che restituisce il
dispacciamento di ricarica che massimizza il profitto dell’aggregatore per l’orizzonte futuro considerato
(ad esempio, il giorno successivo). Per come è strutturato il mercato, la minimizzazione dei costi di
gestione porta tipicamente a una massimizzazione della fornitura dei servizi di dispacciamento, in
un’ottica win/win in cui i benefici del privato si traducono in benefici per il sistema elettrico.
2.1 Descrizione del problema

In questa sezione viene descritto il problema dell’aggregazione della ricarica dei veicoli nella sua
accezione più generale, dalla quale è possibile ricavare, attraverso alcune ipotesi, dei casi particolari. I
servizi scambiati su MSD, ad esempio, sono modellizzati in generale come il prodotto tra una banda e un
segnale aleatorio: questo tipo di formulazione può essere usata per descrivere vari servizi (regolazione
secondaria, regolazione primaria, etc), a seconda delle ipotesi considerate sulla distribuzione del segnale
aleatorio. La stessa formulazione permette inoltre di integrare la probabilità di accettazione dell’offerta.
Dal punto di vista della ricarica si è considerato il caso più generale di ricarica bidirezionale: il caso di
V1G può essere ricavato semplicemente imponendo un vincolo di segno sui flussi di potenza. Si sono
inoltre considerati molteplici termini nella funzione obiettivo, che possono essere utilizzati per
modellizzare diversi modelli di business (ad esempio, ricarica gratuita o a pagamento). In questa
trattazione l’aggregatore calcola al giorno prima le offerte ottime da effettuare su MGP ed MSD,
ottimizzando contemporaneamente la baseline e i servizi forniti. Questo approccio risulta migliore rispetto
a un approccio sequenziale, in cui si calcola prima una baseline e successivamente uno scostamento da
essa dato dai servizi; la formulazione robusta, come si vedrà, garantisce inoltre che i servizi offerti su
MSD possano essere sempre forniti, evitando gli sbilanciamenti.
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:
𝑒𝑘+1,𝑖 = 𝛼𝑖 𝑒𝑘,𝑖 + 𝜏𝜂𝑘,𝑖 𝑝𝑘,𝑖 2.1

20010758
Rapporto Pag. 11/57
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
Rapporto Pag. 12/57
La potenza totale dispacciata ai veicoli non può eccedere i limiti dell’aggregato.

𝑁
𝑝𝑚𝑖𝑛 ≤ ∑ 𝑝𝑘,𝑖 ≤ 𝑝𝑚𝑎𝑥 2.5

𝑖=1
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:
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.
2.1.2 Funzione obiettivo

Nel formulare il problema di ottimizzazione, occorre definire una funzione obiettivo da minimizzare. La
funzione obiettivo è composta da molteplici addendi, che vanno a comporre il costo totale di esercizio in
cui incorre l’aggregatore. È da osservare come un costo negativo rappresenti un ricavo dell'aggregatore e
quindi la minimizzazione della funzione obiettivo significa massimizzare i profitti dell'aggregatore.
Nel definire la funzione obiettivo si è considerato il mercato del giorno prima, il mercato dei servizi di
dispacciamento, la remunerazione da parte degli utenti, e la valorizzazione dell’energia residua. In
generale, l’aggregatore considerato in questa trattazione potrebbe essere composto da più soggetti distinti
che coprono ruoli diversi: nel caso di parcheggio aziendale, ad esempio, il gestore della ricarica potrebbe
ricevere una remunerazione dai veicoli, ma non partecipare al mercato dell’energia. Nel seguito non si è
investigato in dettaglio uno specifico modello di business tra questi attori, ma si è ipotizzato che
l’aggregatore sia un soggetto unico. In questo senso, l’approccio qui sviluppato può essere utilizzato per
stimare il massimo risparmio che è possibile ottenere da una gestione ottimizzata della ricarica: tale
risparmio potrà poi essere ripartito in modo opportuno tra i diversi attori presenti.
2.1.2.1 Mercato del giorno prima

I primi due addendi in 2.3 costituiscono, per ciascun veicolo, la quota parte di energia che l’aggregatore
ottiene operando su MGP. Il corrispondente costo è dato da:
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
Rapporto Pag. 13/57
nel caso in cui si consideri 𝑐𝑒+ 𝑒+

𝑘 comprensivo di oneri) e che entrambi siano maggiori di zero: 𝑐𝑘 >
𝑐𝑘𝑒− ≥ 0.
2.1.2.2 Mercato dei servizi di dispacciamento

Gli ultimi due addendi in 2.3 costituiscono, per ciascun veicolo, la quota parte di energia comprata/venduta
su MSD dall’aggregatore. Il corrispondente costo è dato da:
𝑇−1 𝑁 𝑇−1 𝑁
𝑀𝑆𝐷 𝑠+ + + 𝑠− − −
𝑐 = ∑ 𝑐𝑘 ∑ 𝜏𝑠𝑘,𝑖 𝜔𝑘 − ∑ 𝑐𝑘 ∑ 𝜏𝑠𝑘,𝑖 𝜔𝑘 2.9
𝑘=0 𝑖=1 𝑘=0 𝑖=1
In questa formulazione l’aggregatore può offrire servizi a salire e scendere contemporaneamente, ma in

un dato istante solo uno dei due verrà effettivamente richiesto (alternativamente il segnale incerto 𝜔 è
positivo o negativo). Entrambi i costi (a scendere 𝑐𝑘𝑠+ e a salire 𝑐𝑘𝑠− ) in 2.9 sono intesi positivi. Si noti
che, anche nel caso di ricarica monodirezionale, l’aggregatore può comunque offrire entrambi i servizi a
salire e scendere, riducendo o aumentando l’assorbimento, rispettivamente.
Il modello dei servizi è costituito da una banda da offrire (l’effettiva variabile di ottimizzazione)
moltiplicata per un segnale incerto: come discusso in precedenza, questa formulazione è adatta a
modellizzare servizi di primaria (in cui il segnale incerto è lo scostamento dalla frequenza nominale),
servizi di secondaria (in cui il segnale incerto è il segnale di livello inviato dal TSO) e servizi di terziaria
(in cui il segnale incerto può assumere solo valori binari).
2.1.2.3 Remunerazione dagli utenti

A seconda del caso applicativo, l’aggregatore potrebbe essere remunerato per ricaricare i veicoli. Il
corrispondente costo è dato da:
𝑇−1 𝑁 𝑇−1 𝑁
𝑉𝐸𝐻 𝑣+ + 𝑣− −
𝑐 = − ∑ 𝑐𝑘 ∑ 𝜏[𝑝𝑘,𝑖 ] + ∑ 𝑐𝑘 ∑ 𝜏[𝑝𝑘,𝑖 ] 2.10
𝑘=0 𝑖=1 𝑘=0 𝑖=1
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.
2.1.2.4 Valorizzazione dell’energia residua

Opzionalmente, l’aggregatore potrebbe voler valorizzare l’energia residua a fine sosta. È questo il caso di
una flotta aziendale, in cui ogni kWh di energia caricato oggi rappresenta un risparmio per domani. Il
corrispondente costo è dato da:
𝑁
𝐸𝑋𝑇 𝐴𝑉𝐺
𝑐 = −𝑐 ∑ 𝑒𝑑𝑖+1,𝑖 2.11
𝑖=1
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
Rapporto Pag. 14/57
2.1.3 Il problema incerto risultante

Il problema di ottimizzazione risultante si ottiene sommando i contributi della funzione obiettivo e
impilando i vincoli:
min 𝑐 𝑀𝐺𝑃 + 𝑐 𝑀𝑆𝐷 + 𝑐 𝑉𝐸𝐻 + 𝑐 𝐸𝑋𝑇 2.12

s.t. 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7
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.
2.2 Riformulazione stocastica

Il primo passo nella riformulazione del problema 2.12 consiste nello scegliere come si vuole tenere conto
dell’incertezza. Questa è una scelta modellistica, che può portare a risultati diversi in termini di problema
risultante e conseguenti performance dell’ottimizzazione [10]. Gli approcci perseguibili in questa scelta
sono tipicamente tre: la riformulazione in valore atteso, la riformulazione robusta e la riformulazione in
probabilità (gli approcci sono eventualmente combinabili). In questo caso si è scelto di trattare i vincoli in
maniera robusta, e la funzione obiettivo in valore atteso. Per quanto riguarda i vincoli, il motivo di questa
scelta è che le limitazioni tecniche vanno necessariamente soddisfatte, indipendentemente dalla
realizzazione delle variabili incerte. Con questa scelta, ad esempio, si esclude la possibilità che
l’aggregatore venda su MSD una flessibilità maggiore di quella che può effettivamente erogare.
Analogamente, si vieta che esistano realizzazioni dell’incertezza che portano i veicoli ad eccedere i limiti
imposti di energia massima e minima. Per quanto riguarda la funzione obiettivo, la riformulazione in
valore atteso appare quella più naturale, dal momento che la minimizzazione deve avvenire ogni giorno,
e l’aggregatore è interessato a minimizzare il costo sul lungo termine. In questo senso, anche se il profitto
sul singolo giorno potrà subire variazioni aleatorie, il valore atteso del costo rappresenta una stima
attendibile di quanto profitto l’aggregatore potrà mediamente aspettarsi dall’operatività giornaliera.
A questo punto è possibile dare l’interpretazione intuitiva del perché è necessaria l’azione del
compensatore (si veda 2.3) sull’energia iniziale nella formulazione del problema robusto. Non introdurlo
equivarrebbe infatti ad avere esclusivamente azioni in anello aperto, indipendenti dallo stato di carica
iniziale dei veicoli. In questo modo, nel problema di ottimizzazione la scelta della potenza sarebbe
vincolata dai casi estremi di veicolo completamente carico e completamente scarico: il primo vincolo
imporrebbe esclusivamente di scaricare il veicolo, e il secondo di caricare il veicolo. Dato che l’energia
con cui arriva il veicolo è incerta, e dovendo tenere conto allo stesso tempo di tutte le possibilità (approccio
robusto), occorre trovare un singolo valore di potenza che vada bene sia che il veicolo sia carico, sia che
sia scarico. L’unica soluzione ammissibile in anello aperto sarebbe quindi imporre potenza nulla, il che
ovviamente non ha senso. Introducendo una retroazione sull’incertezza è invece possibile compiere scelte
diverse in funzione della specifica situazione dell’energia iniziale.
Una volta scelto il criterio di gestione dell’incertezza, la riformulazione del problema in termini di
programmazione matematica è un’operazione non standardizzata che necessita di sfruttare la conoscenza
20010758
Rapporto Pag. 15/57
del problema in analisi per evitare di introdurre eccessive conservatività. Nelle seguenti sezioni viene
illustrata questa procedura per il problema 2.12.
2.2.1 Riformulazione dei vincoli
2.2.1.1 Vincoli di potenza

La variabile 𝑝𝑘,𝑖 che definisce la potenza di carica di ciascun veicolo ad ogni istante è anch’essa una
variabile aleatoria, dal momento che dipende da 𝑒0,𝑖 , 𝜔𝑘+ e 𝜔𝑘− .
Il vincolo di limite di potenza robusto si può ottenere ricercando la realizzazione che causa
l’assorbimento/erogazione massima. In questo caso tale ricerca è molto semplice, dal momento che le
+ −
variabili decisionali 𝜗𝑘,𝑖 , 𝑠𝑘,𝑖 , 𝑠𝑘,𝑖 hanno segno noto. Il vincolo 2.4 si irrobustisce imponendo:
𝑝𝑘,𝑖 + 𝜗𝑘,𝑖 𝑒𝑖𝑑 + 𝑠𝑘,𝑖

+ 𝑚𝑎𝑥
≤ 𝑝𝑘,𝑖
2.13
𝑝𝑘,𝑖 − 𝜗𝑘,𝑖 𝑒𝑖𝑑 − 𝑠𝑘,𝑖
− 𝑚𝑖𝑛
≥ 𝑝𝑘,𝑖
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.
2.2.1.2 Vincoli di potenza dell’aggregato

Analogamente a 2.13, è possibile irrobustire il vincolo di potenza dell’aggregato 2.5 nel seguente modo:
𝑁
∑ (𝑝𝑘,𝑖 + 𝜗𝑘,𝑖 𝑒𝑖𝑑 + 𝑠𝑘,𝑖

+
) ≤ 𝑝𝑚𝑎𝑥
𝑖=1 2.15
𝑁
∑ (𝑝𝑘,𝑖 − 𝜗𝑘,𝑖 𝑒𝑖𝑑 − 𝑠𝑘,𝑖

−
) ≥ 𝑝𝑚𝑖𝑛
𝑖=1
20010758
Rapporto Pag. 16/57
Nuovamente, le disuguaglianze ottenute non introducono conservatività.
2.2.1.3 Vincoli di energia

L’obiettivo è nuovamente ottenere un vincolo deterministico, indipendente dall’incertezza e che
garantisca il soddisfacimento dei vincoli tecnici di energia minima e massima.
Questo vincolo è di più difficile riformulazione dal momento che l’energia accumulata è una funzione non
lineare della potenza di carica del veicolo a causa dei diversi rendimenti in carica e scarica. Si riporta in
seguito la riformulazione robusta del vincolo diviso nelle sue due componenti di vincolo di energia minima
e massima: la derivazione di entrambi è rimandata in Appendice (paragrafo 7).
2.2.1.3.1 Vincolo di energia massima

Il vincolo di non superare l’energia massima desiderata può essere riscritto in forma robusta come:
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.
2.2.1.3.2 Vincolo di energia minima

Il vincolo di energia minima desiderata può essere riscritto in forma robusta come:
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
dove ℎ𝑡,𝑖 sono variabili di ottimizzazione continue aggiuntive.
2.2.1.3.3 Vincolo aggiuntivo sul compensatore

La derivazione delle formulazioni robuste di cui sopra, richiede un vincolo tecnico aggiuntivo sull’azione
massima del compensatore dell’energia iniziale (si rimanda all’Appendice, paragrafo 7, per la
giustificazione matematica):
20010758
Rapporto Pag. 17/57
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).
2.2.2 Riformulazione della funzione obiettivo

Come anticipato, la funzione obiettivo è riscritta in valore atteso.
2.2.2.1 Mercato del giorno prima

Il costo su MGP può essere espresso equivalentemente come:
𝑇−1 𝑁 𝑁
𝑀𝐺𝑃 𝑒+ 𝑀𝐺𝑃 𝑒− 𝑀𝐺𝑃
𝑐 = 𝜏 ∑ max {𝑐𝑘 ∑ 𝑝𝑘,𝑖 , 𝑐𝑘 ∑ 𝑝𝑘,𝑖 } 2.20
𝑘=0 𝑖=1 𝑖=1
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
che, essendo convesso, è implementabile via riformulazione epigrafica.
2.2.2.2 Mercato dei servizi

Calcolando il valore atteso di 2.9 si ottiene:
20010758
Rapporto Pag. 18/57
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.
2.2.2.3 Remunerazione dagli utenti

Dal momento che 𝑐𝑘𝑣+ < 𝑐𝑘𝑣− , il valore atteso della 2.10 può essere riscritto come:
𝑇−1 𝑁
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.
2.2.2.4 Valorizzazione dell’energia residua

Sostituendo l’espressione dell’energia nel valore atteso della 2.11 si ha:
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
Rapporto Pag. 19/57
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.
2.2.2.5 Nota su vincoli di energia residua in valore atteso

Si noti che, in aggiunta ai vincoli descritti, la formulazione della valorizzazione dell’energia residua
permette anche di introdurre un vincolo sul valore atteso di energia desiderata all’interno dei veicoli a fine
sosta. Un vincolo nella forma:
𝐸[𝑒𝑑𝑖+1,𝑖 ] ≥ 𝑒𝑖∗ 2.29
si può infatti riscrivere come:
𝐸[𝑐 𝐸𝑋𝑇 ]
≥ 𝑒𝑖∗ 2.30
−𝑐 𝐴𝑉𝐺
che è equivalente a:
𝐸[𝑐 𝐸𝑋𝑇 ] ≤ −𝑒𝑖∗ 𝑐 𝐴𝑉𝐺 2.31
che può essere imposto (vedi 2.28) attraverso il vincolo convesso:
+ −
𝑉̃ (𝑝𝑘,𝑖 , 𝜗𝑘,𝑖 , 𝑠𝑘,𝑖 , 𝑠𝑘,𝑖 ) ≤ −𝑒𝑖∗ 𝑐 𝐴𝑉𝐺 2.32
2.2.3 Il problema robusto risultante

Componendo i termini sopra descritti si giunge a:
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.
2.2.3.1 Note sulla soluzione basata sui dati

La formulazione analitica del problema 2.33, e in particolare della sua funzione obiettivo, è possibile,
seppur non immediata, solo nel caso di distribuzioni semplici (come l’uniforme), che consentono il calcolo
20010758
Rapporto Pag. 20/57
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[𝜑(𝑥, 𝑤)] ≈ ∑ 𝑃{𝑤 ∈ 𝐼𝑗 }𝜑(𝑥, 𝜎𝑗 ) 2.34

𝑗
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.
2.2.3.2 Note sull’implementazione online

Il problema di gestione dell’aggregato è stato formulato per la pianificazione al giorno prima. Tuttavia, la
medesima formulazione può essere utilizzata anche per la gestione in tempo reale dell’aggregato. In
particolare il problema 2.33 si presta ad essere implementato in un’ottica receding horizon, in cui, ad ogni
intervallo, si aggiornano le distribuzioni delle variabili esogene, si risolve il problema 2.337.20
sull’orizzonte dei prossimi 𝑇 intervalli, si applica solo l’azione corrispondente all’istante corrente, e
si itera il processo all’intervallo successivo. In questa implementazione è possibile includere i
mercati dei servizi giornalieri (e non solo MSD ex ante), mantenendo la stessa formulazione ma
modificando i valori dei parametri di costo. L’implementazione online si integra perfettamente con
la natura completamente data-driven che l’approccio può assumere. Le distribuzioni campionarie in
2.34 possono infatti essere aggiornate ad ogni passo di esecuzione, così che, man mano che vengono
raccolti dati, l’algoritmo possa “imparare” e migliorare la qualità delle sue scelte decisionali.
L’implementazione online dell’approccio sarà oggetto delle attività 2021.
2.2.3.3 Note sul disaccoppiamento dei mercati

Il problema è stato formulato tenendo conto contemporaneamente di MGP ed MSD. Tuttavia, nella
pratica, al momento del calcolo delle offerte su MGP (o sui mercati di bilanciamento successivi)
potrebbero essere già noti gli andamenti delle offerte su MSD, e viceversa. Chiaramente, l’approccio può
essere utilizzato anche in questi casi, ovvero quando uno degli andamenti del mercato segue un profilo
noto.
• 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
Rapporto Pag. 21/57
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).
2.3 Casi di studio

Il problema di ottimizzazione 2.33 è stato implementato in MATLAB® attraverso l’interfaccia YALMIP
[11]. La soluzione del problema è stata affidata a CPLEX [12]. Il software è stato testato su diversi casi di
studio, per mettere in luce la flessibilità modellistica data dall’elevato numero di componenti incerte del
problema.
In tutti i casi di studio seguenti, dove non diversamente specificato, si assume questo set di parametri:
• 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)
2.3.1 Caso di studio 1: flotta aziendale

In questo caso l’aggregatore è impersonato da un’azienda, che vuole gestire la sua flotta di veicoli elettrici
in maniera ottima. In questo caso è realistico supporre un’incertezza sull’energia iniziale dei veicoli
limitata (dal momento che compiono percorsi noti) e un’incertezza limitata anche sui tempi di arrivo e
partenza (si suppone che i veicoli siano utilizzati con una tabella nota con buona accuratezza). In questo
caso è l’azienda che si assume i costi di ricarica dei veicoli, così che il termine 𝑐 𝑉𝐸𝐻 è pari a 0. Inoltre,
ha senso supporre che l’azienda valorizzi l’energia residua nell’auto, perché ogni kWh accumulato
in più rappresenta un risparmio sulla ricarica successiva.
I parametri per questo caso di studio sono i seguenti:
• 𝑁 = 400. Numero di veicoli nella flotta

• [𝑎𝑖 , 𝑎̅𝑖 ] = [7, 10]∀𝑖. Intervallo previsto di arrivo di ciascun veicolo (in ore)
• [𝑑𝑖 , 𝑑̅𝑖 ] = [16, 19]∀𝑖. Intervallo previsto di partenza di ciascun veicolo (in ore)
• [𝑒0,𝑖 , 𝑒0,𝑖 ] = [20, 25]∀𝑖. Intervallo previsto di energia iniziale per ciascun veicolo in kWh
• 𝑚𝑖𝑛
[𝑒𝑘,𝑖 𝑚𝑎𝑥
, 𝑒𝑘,𝑖 ] = [0, 50]𝑘 = 𝑎𝑖 , … , 𝑑̅𝑖 − 1. Vincoli di energia per gli istanti prima della
partenza
• , 𝑒𝑘,𝑖 ] = [37.5, 50]𝑘 = 𝑑̅𝑖 . Vincoli di energia per l’istante di partenza
[𝑒𝑘,𝑖
• 𝑐 𝐴𝑉𝐺
= max 𝑐𝑘𝑒+ . Valorizzazione dell’energia residua al prezzo massimo di MGP
k
• 𝑚𝑖𝑛 𝑚𝑎𝑥
[𝑝𝑘,𝑖 , 𝑝𝑘,𝑖 ] = [−20, 20], ∀k, i. Limiti di potenza in kW per ciascun veicolo
[𝑝 , 𝑝 ] = [−3000, 3000]. 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%
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
Rapporto Pag. 22/57
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
Rapporto Pag. 23/57
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.
2.3.2 Caso di studio 2: parcheggio pubblico

Si consideri il caso di un parcheggio pubblico in cui l’aggregatore (il gestore del parcheggio) fornisce il
servizio di ricarica ai clienti sotto remunerazione. Questo caso di studio ha caratteristiche diverse dal
precedente in quanto:
- la sosta ha un tempo di inizio e una durata potenzialmente molto varia;
- l’energia iniziale con cui i veicoli arrivano al parcheggio è potenzialmente molto varia.
In questo caso non vi è valorizzazione dell’energia residua, ma rimane il vincolo di energia minima
garantita al termine della sosta. I parametri utilizzati per questo caso di studio sono i seguenti:
• 𝑁 = 400. Numero di veicoli nel parcheggio nell’arco della giornata

• 𝑎𝑖 = 𝑟𝑎𝑛𝑑[1, 9]∀𝑖. Ora minima prevista di arrivo di ciascun veicolo (in ore)
• 𝑎̅𝑖 = 𝑎𝑖 + 2 ∀𝑖. Ora massima prevista di arrivo di ciascun veicolo (in ore)
• 𝑑𝑖 = 𝑟𝑎𝑛𝑑[5, 10]∀𝑖. Durata minima prevista della sosta di ciascun veicolo (in ore)
• 𝑑̅𝑖 = 𝑑𝑖 + 2 ∀𝑖. Durata massima prevista della sosta di ciascun veicolo (in ore)
• 𝐶𝑖 = 𝑟𝑎𝑛𝑑([40 60])∀𝑖. Capacità dei veicoli in kWh
20010758
Rapporto Pag. 24/57
• [𝑒0,𝑖 , 𝑒0,𝑖 ] = [0.1, 0.8]𝐶𝑖 ∀𝑖. Intervallo previsto di energia iniziale per ciascun veicolo in kWh
[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
[𝑝𝑘,𝑖 , 𝑝𝑘,𝑖 ] = [−15, 15], ∀k, i. Limiti di potenza in kW per ciascun veicolo
[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
Rapporto Pag. 25/57
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
Rapporto Pag. 26/57
In Figura 2.5 è mostrato l’andamento di alcune quantità aggregate.
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.
2.4 Considerazioni sulla remuneratività dei servizi di dispacciamento

A causa dell’elevato numero di variabili di ottimizzazione, vincoli e componenti incerte, analizzare la
soluzione ottima del problema illustrato può risultare difficile. In particolare, la complessità del problema
rischia di “nascondere” le caratteristiche salienti del risultato, e, in particolare, le condizioni sotto le quali
è remunerativo o meno fornire servizi di dispacciamento. Da un’analisi dei risultati non è infatti intuitivo
capire se una ridotta partecipazione al mercato dei servizi sia dovuta a una loro bassa rimuneratività, alla
loro intrinseca incertezza, a dei limiti tecnici, o ad una combinazione di questi fattori. Per questo motivo,
si è deciso di descrivere in questo paragrafo un caso semplificato con un solo veicolo e senza incertezza
sull’energia iniziale, che permetta di ricavare delle condizioni (solo necessarie) per l’attivazione di servizi
di dispacciamento.
Si consideri un singolo veicolo caratterizzato da una variazione desiderata di energia 𝛿𝑒 = 𝑒𝑓 − 𝑒0 , dove
𝑒0 è l’energia iniziale (nota) e 𝑒𝑓 è l’energia desiderata a fine sosta. Si divide la trattazione nel caso
di presenza e assenza di remunerazione da parte dei veicoli e valorizzazione dell’energia residua.
20010758
Rapporto Pag. 27/57
2.4.1 Senza remunerazione dai veicoli

In assenza di remunerazione dai veicoli, l’aggregatore non sarà mai interessato a caricare più del minimo
desiderato. Si identifica il costo di questa soluzione base con 𝐽0 :
𝐽0 = 𝑐 𝑒+ 𝛿𝑒 2.37
dato dal prodotto tra il costo dell’energia su MGP e la quantità di energia acquistata.
2.4.1.1 Servizi a salire

Ipotizzando di partecipare al mercato dei servizi a salire si avrebbe una soluzione con costo 𝐽− dato da:
𝐽− = (𝛿𝑒 + 𝑠 − )𝑐 𝑒+ − 𝑠 − 𝑐 𝑠− 𝐸[𝜔− ] 2.38
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
che, confrontando 2.37 e 2.38, diventa:
𝑐 𝑠− 𝐸[𝜔− ] > 𝑐 𝑒+ 2.40
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.
2.4.1.2 Servizi a scendere

In questo caso si ha:
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.
2.4.2 Con rimunerazione dai veicoli

Nel caso di remunerazione da parte dei veicoli si ha convenienza a caricare i veicoli oltre l’energia minima.
In particolare, la soluzione base senza partecipazione al mercato dei servizi è caratterizzata dal costo:
𝐽0 = (𝑐 𝑒+ − 𝑐 𝑣+ )(𝑒 𝑚𝑎𝑥 − 𝑒0 ) 2.42
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
Rapporto Pag. 28/57

Si ipotizzi che l’aggregatore massimizzi la sua partecipazione al mercato dei servizi offrendo la quantità
massima di energia come servizio a salire. In questo caso si avrebbe un costo dato da:
𝐽− = (𝑐 𝑒+ − 𝑐 𝑣+ )(𝑒 𝑚𝑎𝑥 − 𝑒0 ) − (𝑐 𝑠− − 𝑐 𝑣− )(𝑒 𝑚𝑎𝑥 − 𝑒𝑓 )𝐸[𝜔− ] 2.43
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.

L’aggregatore potrebbe comprare l’energia minima da garantire 𝛿𝑒 su MGP, e acquistare la rimanente
parte 𝑒 ,𝑚𝑎𝑥 − 𝑒𝑓 attraverso un servizio a scendere. In questo caso si avrebbe:
𝐽+ = (𝑐 𝑒+ − 𝑐 𝑣+ )𝛿𝑒 + (𝑐 𝑠+ − 𝑐 𝑣+ )(𝑒 𝑚𝑎𝑥 − 𝑒𝑓 )𝐸[𝜔+ ] 2.45
Confrontando 2.45 e 2.42 si ha che 𝐽+ < 𝐽0 se e solo se:
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.
2.4.3 Con valorizzazione dell’energia residua

Nel caso di valorizzazione dell’energia residua, l’aggregatore sarà nuovamente interessato a caricare i
veicoli il più possibile. Una soluzione che faccia uso solo di offerte su MGP avrebbe un costo dato da:
𝐽0 = 𝑐 𝑒+ (𝑒 𝑚𝑎𝑥 − 𝑒0 ) − 𝑟(𝑒 𝑚𝑎𝑥 − 𝑒𝑓 ) 2.48

20010758
Rapporto Pag. 29/57
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.

Si confronta la 2.48 con una soluzione in cui l’aggregatore partecipa al mercato dei servizi a salire. In
questo caso l’aggregatore ricarica i veicoli al loro massimo attraverso MGP, e vende tutta l’energia
eccedente la soglia minima come servizio a salire. Il costo risultante è dato da:
𝐽− = 𝑐 𝑒+ (𝑒 𝑚𝑎𝑥 − 𝑒0 ) − 𝑟(𝑒 𝑚𝑎𝑥 − (𝑒 𝑚𝑎𝑥 − 𝑒𝑓 )𝐸 [𝜔− ] − 𝑒𝑓 ) − 𝑐 𝑠− (𝑒 𝑚𝑎𝑥 − 𝑒𝑓 )𝐸[𝜔− ] 2.49
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.

L’aggregatore potrebbe caricare l’energia minima 𝛿𝑒 attraverso MGP, e caricare tutta la capacità
rimanente con un servizio a scendere. In questo caso:
𝐽+ = 𝑐 𝑒+ (𝑒𝑓 − 𝑒0 ) − 𝑟(𝑒𝑓 + (𝑒 𝑚𝑎𝑥 − 𝑒𝑓 )𝐸[𝜔+ ] − 𝑒𝑓 ) + 𝑐 𝑠+ (𝑒 𝑚𝑎𝑥 − 𝑒𝑓 )𝐸[𝜔− ] 2.51
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:
𝑐 𝑠+ 𝐸[𝜔+ ] < 𝑐 𝑒+ − 𝑟(1 − 𝐸[𝜔+ ]) 2.52
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
Rapporto Pag. 30/57
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).
2.4.4 Tabella riassuntiva

Si riporta in questo paragrafo la tabella riassuntiva con tutte le condizioni illustrate nei paragrafi
precedenti.
Caso d’uso Servizi a salire Servizi a scendere
Ricarica gratuita per gli utenti 𝑐 𝑠− 𝐸[𝜔− ] > 𝑐 𝑒+ Mai
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 + ]
2.5 Limiti dell’approccio ed estensione al caso di sbilanciamento

Come si è visto dalla precedente sezione, le condizioni che garantiscono la remuneratività dei servizi per
l’algoritmo descritto sono piuttosto stringenti e non sempre semplici da verificare nella pratica. Il motivo
di ciò è da ricercarsi in parte nella bassa probabilità di accettazione, e in parte nell’incapacità
dell’algoritmo di tenere conto di possibili sbilanciamenti che l’aggregatore potrebbe effettuare al giorno
dopo. Si consideri ad esempio il caso di parcheggio pubblico, in cui i veicoli remunerano l’aggregatore
per essere ricaricati. Si ipotizzi – realisticamente – che il costo 𝑐 𝑣+ sia sufficientemente grande da far
sempre preferire la scelta di ricaricare al massimo i veicoli. Ogni servizio a salire offerto
dall’aggregatore rappresenta quindi da un lato un ricavo (su MSD) e dall’altro un costo (per il
compenso da corrispondere all’utente). Nella pratica però, al giorno dopo, l’aggregatore potrebbe
fornire ulteriore energia all’utente, pagandola in sbilanciamento, in funzione di quanta energia gli è
stata effettivamente richiesta su MSD. In questo senso l’energia acquistata/venduta sul mercato di
bilanciamento rappresenterebbe una nuova variabile decisionale, da definire non in senso assoluto,
ma come legge in feedback sull’incertezza degli esiti di MSD (i segnali 𝜔𝑘+ , 𝜔𝑘− ). In questo modo si
avrebbe un’azione più flessibile, in cui al giorno prima si decide come reagire al giorno dopo alla
specifica realizzazione dell’incertezza che si è verificata, di fatto in maniera analoga con quanto
descritto sulla compensazione dell’energia iniziale. Ritornando all’esempio della remunerazione da
parte dei veicoli, l’aggregatore avrebbe quindi convenienza ad acquistare l’energia per l’intera ricarica su
MGP, vendere una parte di questa energia come servizio a salire, e riacquistare sul mercato di
sbilanciamento l’energia che gli è stata effettivamente richiesta (anche zero se il servizio non è stato
accettato). La programmazione dell’aggregatore sarebbe così più flessibile, e quindi permetterebbe di
trarre un maggior ricavo dalla fornitura di servizi. L’estensione dell’approccio alla possibilità di
sbilanciamento è attualmente in studio e sarà oggetto di futuri rapporti. Da un punto di vista tecnico si
valuterà anche se indagare un approccio basato su ottimizzazione a più livelli, in cui non si fissa a priori
la legge che lega la quantità di energia da acquistare sul mercato di bilanciamento e l’esito di MSD, ma si
codifica questa scelta decisionale del giorno dopo in un problema di ottimizzazione “interno”, che funge
da vincolo per il problema di ottimizzazione del giorno prima “esterno”. Questo tipo di tecnica dovrebbe
20010758
Rapporto Pag. 31/57
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
Rapporto Pag. 32/57
3 SPERIMENTAZIONE DI STAZIONI DI RICARICA V2G NELLA TEST

FACILITY DI RSE
Con lo scopo di verificare sperimentalmente funzioni innovative di gestione della ricarica, finalizzate
all’erogazione di servizi di tipo V2G, nel corso delle attività precedenti [8], [7] sono state installate presso
l’impianto Distributed Energy Resource Test Facility (DER-TF) di RSE due colonnine di ricarica
bidirezionali da 15 kW ciascuna, fornite da Enel X e sono state condotte delle prime prove sperimentali
per verificare le prestazioni delle batterie dei veicoli disponibili presso RSE (Nissan Leaf con batterie da
40 kWh) al fine di verificare la capacità del sistema di fornire servizi alla rete.
Nel corso della presente attività, come descritto nel seguito del paragrafo, si è proceduto quindi a:
- verificare sperimentalmente le effettive capacità di intervento delle stazioni di ricarica V2G,
attraverso prove ad hoc per verificarne le prestazioni dinamiche;
- verificare sperimentalmente la capacità dell’infrastruttura di erogare sia servizi di sistema (V2G)
sia servizi locali (V2H) per la gestione energetica di un prosumer;
- predisporre una sperimentazione estesa, attraverso l’individuazione di nuovi scenari su cui
applicare le strategie di gestione e le modalità di integrazione finora sviluppati.
3.1 Integrazioni del software di gestione e controllo

La Test Facility di generazione distribuita di RSE, mostrata in Figura 3.1, data la sua natura sperimentale
e la grande varietà di risorse connesse, permette una notevole flessibilità nella sperimentazione e
garantisce la possibilità di verificare differenti modalità operative delle stazioni di ricarica e differenti
servizi offerti alla rete (quali bilanciamento di generazione da fonti rinnovabili, ottimizzazione
autoconsumo, fornitura di servizi per la regolazione primaria, secondaria e terziaria di frequenza) per una
rete locale sia in funzionamento connesso alla rete principale sia in isola.
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
Rapporto Pag. 33/57
sviluppati mediante differenti linguaggi di programmazione (ad esempio Matlab). L’interfacciamento

delle colonnine di ricarica, come mostrato in Figura 3.2, non avviene mediante una connessione diretta
con le colonnine, bensì attraverso l’utilizzo dell’infrastruttura cloud di Enel X per la comunicazione
bidirezionale. Tale approccio ha il vantaggio di permettere di comunicare potenzialmente con qualsiasi
colonnina del medesimo gestore, utilizzando lo stesso canale e lo stesso protocollo. È inoltre possibile
modificare facilmente i perimetri di aggregazione dei punti di ricarica e gli aggregatori stessi, senza alcun
intervento fisico.
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.
3.2 Prove di caratterizzazione delle prestazioni delle stazioni di ricarica V2G

La sperimentazione delle stazioni di ricarica V2G, i cui parametri principali sono illustrati in Tabella 3.1,
ha avuto lo scopo di caratterizzare le prestazioni delle colonnine V2G, comprensive dell’infrastruttura
cloud, per verificare la capacità del sistema di fornire servizi alla rete elettrica in applicazioni V2G. I test
sono stati effettuati inviando mediante la piattaforma descritta in precedenza dei setpoint di potenza alle
colonnine e acquisendo i dati lato rete, tramite gli analizzatori (Frer QUBO 96H) del quadro di interfaccia.
L’incertezza estesa delle misure di potenza attiva e reattiva mostrate nel seguito sono pari a 0,3 kW e
0,3 kVAr.
Nella precedente attività [7] era già stato verificato come le auto in prova (Nissan Leaf) fossero in grado
di effettuare un ciclo di carica bidirezionale a 15 kW con una round-trip efficiency pari al 93% per la sola
automobile e pari all’82% per veicolo elettrico e colonnina di ricarica. Inoltre, era stato verificato come
fosse possibile caricare e scaricare l’automobile con qualsiasi livello di potenza e senza limitazioni fino a
una potenza massima di 13 kW, mentre al di sopra di questa potenza si assiste a una riduzione della
potenza massima a causa del raggiungimento del limite massimo di corrente della colonnina.
20010758
Rapporto Pag. 34/57
Tabella 3.1 – Caratteristiche principali della colonnina di ricarica Enel X V2G 3.0
Tensione di alimentazione AC [V] 400 (3F+N+PE)
Potenza massima AC [kVA] 16,7
Potenza massima DC [kW] 15
Tensione massima lato DC [V] 500
Corrente massima lato DC [A] 40
Rendimento di conversione [%] 94
Tipologia di connettore lato CC CHAdeMO
Tipologia di ricarica Modo 44
La prima parte di prove ha riguardato la caratterizzazione elettrica di entrambe le colonnine. In particolare

sono stati inviati dei riferimenti di potenza attiva con un andamento a gradini della durata di 300 secondi
e con ampiezza crescente da 5 kW a 15 kW in erogazione e assorbimento, come mostrato in Figura 3.3, e
sono state registrate differenti grandezze elettriche quali la potenza attiva, la potenza reattiva, il fattore di
potenza e il Total Harmonic Distortion (THD) della corrente.
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
Rapporto Pag. 35/57
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
Rapporto Pag. 36/57
Figura 3.6 - Andamento del THD di corrente di ciascuna fase delle due colonnine durante la prova di caratterizzazione
elettrica.
La seconda parte di prove ha riguardato la caratterizzazione dinamica dell’infrastruttura di ricarica

costituita da una colonnina e dalla piattaforma cloud di interfacciamento. In particolare, la prova permette
di misurare il ritardo di attuazione tra l’istante in cui viene inviato un nuovo riferimento di potenza da
parte di RSE e l’istante in cui la potenza scambiata con la rete è pari al 90% della potenza richiesta.
Durante la prova, sono stati inviati dei riferimenti di potenza attiva a gradino in erogazione e assorbimento
aventi una durata di 120 secondi e un’ampiezza pari a 10 kW, come mostrato in Figura 3.7, e sono stati
registrati gli andamenti della potenza attiva con un passo temporale pari a 1 secondo.
Figura 3.7 – Andamento del riferimento e della potenza attiva effettivamente scambiata con la rete durante la prova di
caratterizzazione dinamica.
20010758
Rapporto Pag. 37/57
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.
3.3 Prove con profili V2G

Oltre alle prove di caratterizzazione dell’infrastruttura di ricarica, sono state effettuate ulteriori prove per
verificare il corretto funzionamento dell’infrastruttura per fornire servizi V2G. Nel caso di V2G. tutte le
prove sono state condotte considerando l’intera infrastruttura di ricarica mostrata in Figura 3.2,
considerando quindi il profilo di potenza generato dall’ottimizzatore stocastico illustrato nel paragrafo 2.2
nel caso di una flotta aziendale che partecipa al MSD. Il profilo di ricarica, mostrato in Figura 3.9, prevede
una prima fase in cui la potenza di ricarica è costante e pari a 7 kW, una seconda fase in cui la potenza
viene fatta variare per poter partecipare al servizio, mentre nella terza fase la potenza viene mantenuta
costante in modo tale da garantire la ricarica con uno stato di carica finale prefissato e superiore al 90%.
In Figura 3.9, si osserva che quando il veicolo elettrico giunge nel parcheggio aziendale si trova fin da
subito a dover inseguire il riferimento di potenza per poter fornire il servizio. Tra le ore 10 (orario di
arrivo) e le ore 13:15 il profilo di ricarica presenta molteplici variazioni di potenza, sia in scarica che in
carica, per ottemperare al servizio richiesto. Si osserva come il veicolo elettrico insegua perfettamente il
riferimento di potenza. Dalle ore 13:15 il profilo di ricarica diviene costante per permettere la ricarica del
veicolo con un SOC superiore al 90%. Si osserva come il veicolo elettrico sia in grado di inseguire il
profilo di carica previsto, salvo che nell’ultima parte della giornata dove, avendo la batteria raggiunto il
valore massimo della tensione, come mostrato in Figura 3.10, la potenza di ricarica diminuisce in modo
esponenziale fino ad azzerarsi. L’errore nell’inseguimento del profilo di ricarica a regime è in generale
inferiore a 50 W. Questo risultato è frutto dell’utilizzo del sistema costituito da veicolo elettrico e
colonnina di ricarica con una potenza inferiore ai 15 kW massimi previsti. Come visto nel paragrafo 3.2,
infatti, utilizzando livelli superiori di potenza di ricarica si verificherebbero errori maggiori causati dalla
limitazione in corrente delle colonnine di ricarica. È evidente quindi che l’algoritmo sviluppato permette
di considerare anche queste informazioni imponendo dei vincoli sulla potenza di ricarica della singola
colonnina.
20010758
Rapporto Pag. 38/57
Figura 3.9 – Andamento del riferimento e della potenza attiva fornita dalla colonnina V2G.
Figura 3.10– Andamento della tensione di batteria durante la prova 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
Rapporto Pag. 39/57
Figura 3.11 – Andamento dello stato di carica della batteria durante la prova V2G.
Il profilo di ricarica prodotto dall’ottimizzatore stocastico è quindi in grado di garantire il raggiungimento

dello stato di carica desiderato. Infine, considerando le misure effettuate durante la scorsa attività [7] che
hanno portato a calcolare un’energia disponibile del pacco batterie pari a 36 kWh è stato quindi possibile
valutare l’efficienza complessiva (energia caricata in DC rispetto all’energia assorbita in AC dalla rete)
della fase di ricarica che è pari all’85%.
3.1 Prove con profili V2H

Oltre alle prove con profili V2G per la fornitura di servizi partecipando al MSD, sono state effettuate delle
prove considerando servizi locali (V2H) per la gestione energetica di un prosumer. In tale contesto, il
veicolo elettrico viene utilizzato per incrementare la quota di autoconsumo del prosumer dotato di
impianto fotovoltaico, andando a caricarsi quando la produzione da fotovoltaico è superiore alla richiesta
di carico. La ricarica da rete del veicolo elettrico è comunque consentita nel caso di bassa produzione da
fotovoltaico. In particolare, durante la sperimentazione è stato considerato il carico e la produzione
fotovoltaica mostrati in Figura 3.12, da cui si ottiene un profilo di potenza attiva per il veicolo elettrico
mostrato in Figura 3.13 (curva blu). Quando il veicolo elettrico giunge nel parcheggio, inizia ad inseguire
il profilo di ricarica previsto. Tale profilo è tale da garantire la fornitura del servizio di autoconsumo e la
ricarica del veicolo entro l’orario desiderato.
20010758
Rapporto Pag. 40/57
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
Rapporto Pag. 41/57
Figura 3.14– Andamento della tensione di batteria durante la prova V2H.
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
Rapporto Pag. 42/57
3.2 Estensioni della sperimentazione

La sperimentazione condotta finora sarà estesa nell’ambito della Linea di Attività 2.7, sia in termini di
servizi offerti sia come sistemi considerati. Nei seguenti paragrafi sono illustrate brevemente le possibili
estensioni che sono state considerate per il proseguimento dell’attività di ricerca.
3.2.1 Estensione ad altri servizi

In questo deliverable sono stati sperimentati due tipi di servizi: quelli di sistema afferenti al regolamento
UVAM (risoluzione congestioni, bilanciamento, riserva terziaria) e servizi behind the meter, come
l’autoconsumo. Un aggregato di punti di ricarica V2G potrebbe però erogare anche altri servizi, che
presentano diversi requisiti in termini di comunicazioni e rapidità di risposta. È stata condotta quindi
un’indagine preliminare per verificare quali servizi aggiuntivi possano essere erogati dalle colonnine V2G
installate nella Test Facility di RSE, e che tipo di adeguamento sarebbe necessario per implementarli.
• Regolazione secondaria di frequenza: tale servizio è già stato considerato nel sistema di
ottimizzazione sviluppato nell’ambito della presente Linea di Attività, ma non è stato
implementato nelle prove di laboratorio. Il servizio consiste in una variazione positiva o negativa
della potenza attiva scambiata (sia essa in prelievo o in immissione), entro la banda di riserva
secondaria, proporzionalmente ad un segnale in arrivo dal TSO. Il requisito di prestazione richiede
che l’unità sia in grado di erogare il 100% della riserva di potenza in 200 secondi [14]. Ipotizzando
un’architettura di controllo con un controllore centrale che riceve il segnale di Terna e lo
distribuisce tra le colonnine in funzione, il requisito appare soddisfabile con il sistema di
comunicazione già esistente.
• Regolazione primaria di frequenza: la regolazione primaria di frequenza richiede di modificare la
potenza attiva prelevata o immessa di una quantità proporzionale all’errore di frequenza misurato,
fino all’erogazione dell’intera banda di regolazione. In un’ipotesi di apertura del mercato del
servizio di regolazione primaria (ora obbligatorio) il coefficiente di proporzionalità e la banda di
regolazione dovrebbero essere impostabili a piacere. Tale servizio presenta requisiti molto
stringenti in termini di tempo di erogazione [14]:
o erogazione di almeno metà della potenza richiesta entro 15 secondi dall’inizio della
variazione di frequenza;
o erogazione di tutta la potenza richiesta entro 30 secondi dall’inizio della variazione di
frequenza.
Una possibile implementazione di tale servizio prevedrebbe l’erogazione della potenza richiesta
su ogni colonnina partecipante al servizio, che quindi modificherebbe localmente la propria
potenza prelevata o immessa sulla base della misura locale di frequenza. Un controllore centrale
potrebbe poi modificare esternamente i coefficienti di proporzionalità e le bande di riserva di ogni
colonnina al fine di soddisfare le prestazioni complessive dell’aggregato di punti di ricarica.
• Regolazione di tensione o di potenza reattiva: questo servizio è a beneficio del DSO che potrebbe
riscontrare problemi locali di tensione sulla rete di distribuzione o flussi di potenza reattiva non
desiderati alla cabina primaria. Come già previsto nell’Allegato E della Norma CEI 0-21 [15] per
la generazione distribuita, ogni unità deve partecipare alla regolazione di tensione, con diverse
modalità. Tra queste, sono ipotizzate sia un’iniezione di potenza reattiva proporzionale all’errore
di tensione locale misurato (similmente alla regolazione primaria di frequenza), sia un’iniezione
di potenza reattiva su base di un segnale esterno proveniente dal DSO. Il requisito hardware
imprescindibile è in questo caso l’utilizzo di colonnine dotate di convertitore di potenza, come
quelle per la ricarica rapida in DC o per il V2G, e la possibilità di modificare su segnale esterno
il setpoint di potenza reattiva lato rete. Da notare che l’erogazione di potenza attiva, induttiva o
capacitiva, è, a seconda della capability del convertitore utilizzato, scorrelata dalla potenza attiva
scambiata per la ricarica dei veicoli, semplificandone molto la gestione.
20010758
Rapporto Pag. 43/57
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.
3.2.2 Estensione ad altri contesti

È in fase di realizzazione il progetto che prevede la transizione della flotta aziendale di RSE verso un
parco di auto full-electric e plug-in hybrid, che prevede anche la realizzazione presso la sede di Milano di
un’area di ricarica per veicoli elettrici. Lo studio di fattibilità e dimensionamento preliminare della flotta
e dell’area di ricarica è illustrato in [16]. Tale area prevede 24 punti di ricarica, suddivisi in 12 colonnine
bipresa, di cui 10 riservati alla flotta aziendale e 2 ad uso dei dipendenti/ospiti. Le colonnine saranno
eterogenee come tipologia e produttore, ma tutte saranno a ricarica monodirezionale in corrente alternata,
la cui potenza può essere modulata in modalità smartcharging. Inoltre, alcuni dipendenti saranno attrezzati
con wallbox ad uso domestico, che potranno essere monitorate e gestite in remoto.
Il deliverable [17] illustra il sistema Aggregatore della Ricarica dei Veicoli Elettrici (ARVE), ossia
l’architettura ICT progettata per la comunicazione con le varie colonnine, che consentirà il monitoraggio
e il controllo dei singoli punti di ricarica, permettendo inoltre di testare l’interoperabilità dei protocolli di
comunicazione implementati dai diversi produttori.
In Figura 3.16 è rappresentata schematicamente l’architettura del sistema ARVE, che integrerà il sistema
di ottimizzazione sviluppato in questa linea di attività, sia nella sua versione di schedulazione al giorno
prima, presentato in questo deliverable, sia nella versione online, che sarà sviluppata nel corso della Linea
di Attività 2.7.
Una volta completato il sistema di comunicazione, sarà possibile utilizzare il sistema di ottimizzazione
per schedulare contemporaneamente:
• ricariche bidirezionali (V2G) nella Test Facility
• ricariche monodirezionali modulabili (smartcharging) nel parcheggio aziendale
• ricariche monodirezionali modulabili (smartcharging) remote, presso le wallbox domestiche.
Tale estensione consentirà quindi di validare il sistema sviluppato su un aggregato misto, che contempla
diverse tipologie di utenze con i loro profili di utilizzo (aziendale e domestico) e diverse tecnologie di
ricarica (V2G e smartcharging).
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
Rapporto Pag. 44/57
4 ANALISI DELL’INVECCHIAMENTO DI UNA BATTERIA VEICOLARE IN

UNA APPLICAZIONE V2G
Lo scopo dell’attività è valutare se l’utilizzo di una batteria veicolare per fornire servizi in applicazioni
V2G possa influenzare l’invecchiamento della stessa. La metodologia adottata a questo scopo consiste nel
sottoporre batterie veicolari della medesima tipologia, ovvero realizzate con le stesse celle e caratterizzate
dalla stessa configurazione, dal medesimo Battery Management System (BMS) e data di produzione, a
prove di invecchiamento con diversi profili di lavoro, che riproducono in modo semplificato condizioni
operative simili a quelle reali. Le prove possono essere condotte sia sul pacco batterie completo sia su
moduli estratti dalla batteria, purché dotati di BMS.
Le prove di invecchiamento si compongono di una fase di invecchiamento, in cui le batterie in prova sono
sottoposte in modo continuativo a un profilo di lavoro predefinito, e di check-up parametrici scadenzati
ad intervalli regolari e che permettono di misurare il valore attuale delle prestazioni.
Per valutare l’impatto dell’applicazione V2G, la prima batteria deve essere sottoposta ad un profilo di
lavoro standard per una batteria veicolare, che verrà descritto dettagliatamente nel seguito, la seconda ad
un profilo di lavoro che riproduce quello di una batteria sottoposta ad una applicazione V2G.
L’esecuzione periodica dei check-up parametrici permette di misurare e monitorare nel tempo
l’andamento dei parametri diagnostici, che sono parametri prestazionali il cui valore è correlato
all’invecchiamento dell’accumulatore. I più comuni parametri diagnostici sono la capacità della batteria e
la resistenza R0 del modello elettrico equivalente (vedi Figura 4.1). I corrispondenti indicatori dello stato
di salute [18], o in inglese State of Health (SOH), sono definiti dalle equazioni seguenti.
La 4.1 esprime la misura del SOH ricavata a partire dalla capacità della cella:
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.
4.1 Procedura di prova

La sequenza per l’esecuzione delle prove di invecchiamento per entrambe le batterie in prova è riassunta
nella seguente tabella.
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
Rapporto Pag. 45/57
Tabella 4.1 - Sequenza per l’esecuzione della prova di invecchiamento

Fase Batteria 1 (riferimento) Batteria 2
1 Ispezione iniziale Ispezione iniziale
2 Caratterizzazione preliminare Caratterizzazione preliminare
3 Ripetizione del profilo di lavoro veicolare standard Ripetizione del profilo di lavoro V2G per 25 giorni
per 25 giorni
4 Check-up parametrico Check-up parametrico
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)
4.1.1 Ispezione iniziale

La procedura di prova prevede una fase preliminare in cui si raccolgono una serie di informazioni
necessarie per la costruzione dei profili di prova e l’esecuzione dei test, tra cui:
• Caratteristiche tecniche degli oggetti in prova (capacità, energia e tensione nominale, potenza
massima, ecc.);
• Configurazione (numero di elementi in serie/parallelo) del pacco batterie e/o dei moduli;
• Tipologia di celle in prova e caratteristiche;
• Limiti operativi delle celle e del pacco batterie (normalmente la tensione di lavoro della batteria
è più ristretta rispetto a quella delle celle);
• Protocollo di comunicazione del BMS;
• Informazioni sulla geometria della cella e dei moduli, caratteristiche del case esterno e
disposizione degli elementi all’interno del case;
• Caratteristiche degli eventuali ausiliari;
• Istruzioni per la gestione di eventuali ausiliari;
• Misure di sicurezza.
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.
4.1.2 Caratterizzazione preliminare

Questa serie di prove ha la funzione di determinare le prestazioni iniziali degli oggetti in prova e permette
anche di evidenziare preventivamente eventuali limiti prestazionali, in modo da escludere dal test le
batterie caratterizzate da prestazioni inferiori alle nominali o da eccessiva disomogeneità tra le celle di cui
sono composte. Il check-up parametrico è costituito da un sottoinsieme di queste prove. Le prove di
caratterizzazione elettrica preliminari comprendono due diverse tipologie di prove [18]:
• Prove di scarica a corrente costante al variare della corrente alla temperatura ambiente di
riferimento, pari a 20 °C. Queste prove consistono in una scarica della batteria a diversi valori di
corrente costante, a partire da piena carica fino al raggiungimento della condizione di fine scarica
(End Of Discharge – EOD), seguita da una carica standard a corrente nominale fino a piena carica
[18]. Queste prove permettono di misurare una serie di parametri prestazionali degli oggetti in
prova, quali la capacità, energia, rendimento coulombico ed energetico di round trip, al variare
della corrente di scarica.
20010758
Rapporto Pag. 46/57
• 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.
4.1.3 Prova ciclica

La prova ciclica consiste nella ripetizione in modo continuativo, 24 ore al giorno, 7 giorni su 7 di un
profilo di lavoro rappresentativo delle modalità operative che caratterizzano l’applicazione cui il sistema
di accumulo è destinato. Nel caso specifico, sono stati costruiti due diversi profili, ovvero un profilo di
lavoro veicolare standard e un profilo di lavoro V2G.
Il profilo di lavoro veicolare standard riproduce le condizioni operative di una batteria utilizzata solo per
la propulsione di un veicolo puramente elettrico, quindi si compone di una fase di guida, in cui la batteria
deve seguire un profilo di potenza che riproduce quello cui sarebbe sottoposta durante la marcia del
veicolo elettrico e di una fase di carica standard, con un setpoint di potenza pari al 0,15 C6 della potenza
nominale della batteria in prova (ad esempio pari a 6 kW per una batteria veicolare da 40 kWh) della
durata di circa 5,25 ore, tale da riportare la batteria veicolare in condizioni di piena carica.
Il profilo di lavoro V2G si compone di una fase di guida identica a quella del profilo veicolare standard,
in cui la batteria viene scaricata, e di una fase di carica in cui la batteria oltre ad essere caricata svolge un
servizio di rete.
La fase di guida, identica per entrambi i profili di lavoro, dura poco meno di tre ore ed è basata
sull’iterazione del profilo di scarica dinamica tipo B per veicoli puramente elettrici, tratto dalla norma IEC
62660-1 [19] e mostrato in Figura 4.2.
Le caratteristiche di questo profilo sono riportate nella seguente tabella, dove il setpoint di potenza di
ciascuna fase è espresso in rapporto all’energia nominale della batteria in prova (nella tabella indicata con
C). Nella tabella si riporta come esempio anche il setpoint di potenza per una batteria veicolare da 40
kWh, della stessa dimensione della batteria delle auto elettriche in prova nella test facility di RSE.
Il profilo base ha una durata di 456 secondi, determina una riduzione dell’energia della batteria pari a poco
meno del 3% e deve essere ripetuto per 23 volte in modo da ottenere una riduzione del SOC dell’oggetto
in prova dal 100 al 30%. La profondità di scarica massima del profilo di lavoro è del 70%, ma al ciclo
base si sovrappongono dei microcicli di carica/scarica con profondità di scarica ridotta
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
Rapporto Pag. 47/57
Tabella 4.2 – Caratteristiche di un singolo profilo di scarica dinamica tipo B

Potenza per una
Rate di potenza Modalità
Fase Durata fase [s] batteria da 40
[kW] operativa
kWh [kW]
1 16 0,0 0 –
2 28 +0,125C 5 Scarica
3 12 +0,25C 10 Scarica
4 8 −0,125C -5 Carica
5 16 0,0 0 –
6 24 +0,125C 5 Scarica
7 12 +0,25C 10 Scarica
8 8 −0,125 -5 Carica
9 16 0,0 0 –
10 24 +0,125C 5 Scarica
11 12 +0,25C 10 Scarica
12 8 −0,125 -5 Carica
13 16 0,0 0 –
14 36 0,125C 5 Scarica
15 8 +1C 40 Scarica
16 120 +0,625C 25 Scarica
17 8 −0,25C -10 Carica
18 32 +0,25 10 Scarica
19 8 −0,5C -20 Carica
20 44 0,0 0 –
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
Rapporto Pag. 48/57
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
Rapporto Pag. 49/57
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.
4.1.4 Check-up parametrico

Il check-up parametrico comprende due prove eseguite periodicamente allo scopo di misurare il valore
attuale dei parametri diagnostici e di ricavare il trend del SOH degli oggetti in prova, ovvero la prova di
scarica a corrente costante pari a 1C, che permette di misurare la capacità attuale della batteria e la prova
per la stima dei parametri del modello al variare del SOC, che permette di misurare la variazione della
resistenza R0 del modello di batteria, mostrato in Figura 4.1. Entrambe le prove sono eseguite alla
temperatura ambiente di riferimento, pari a 20 °C.
20010758
Rapporto Pag. 50/57
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
Rapporto Pag. 51/57
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
Rapporto Pag. 52/57
[21] A. Guagliari, A. Labella, L. Pellegrino e R. Vignali, «Implementazione dell’algoritmo S-TEO

applicato alla Test Facility di RSE e analisi del caso di aggregazione di sistemi di accumulo
(VESS),» Ricerca di Sistema, RSE, n. 20010614, Milano, 2020.
20010758
Rapporto Pag. 53/57
7 APPENDICE: DETTAGLI MATEMATICI

In questa sezione vengono forniti i dettagli delle derivazioni che portano alla riformulazione robusta del
problema di ottimizzazione.
7.1 Vincolo di energia massima

Il vincolo di energia massima in forma robusta può essere scritto come:
max 𝑒𝑘,𝑖 ≤ 𝑒𝑖𝑚𝑎𝑥 7.1

𝑎𝑖 ,𝑒0,𝑖 ,{𝜔𝑡 }𝑡
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
Usando la definizione di 𝑝𝑡,𝑖 nell’espressione sopra si ha:
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
Rapporto Pag. 54/57
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:
max 𝑒𝑘,𝑖 = min max 𝑓 (𝑒0,𝑖 , {𝜔𝑡 }𝑡 , {𝜂𝑡,𝑖 }𝑡 ) 7.7

𝑎𝑖 ,𝑒0,𝑖 ,{𝜔𝑡 }𝑡 {𝜂𝑡,𝑖 ∈𝐻𝑖 }𝑡 𝑒0,𝑖 ,{𝜔𝑡 }𝑡 𝑘,𝑖
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:
max 𝑓 (𝑒0,𝑖 , {𝜔𝑡 }𝑡 , {𝜂𝑡,𝑖 }𝑡 )

𝑒0,𝑖 ,{𝜔𝑡 }𝑡 𝑘,𝑖
𝑘−1
0 7.8
𝑘−𝑎 𝜇
= 𝛼𝑖 𝑖 𝑒𝑖 + |𝑓𝑘,𝑖 ({𝜂𝑡,𝑖 }𝑡 )| 𝑒𝑖𝑑 + 𝜏 ∑ 𝛼𝑖𝑘−1−𝑡 𝜂𝑡,𝑖 (𝑝𝑡,𝑖 + 𝑠𝑡,𝑖
+
)
𝑡=𝑎𝑖
da cui, inserendo il secondo addendo nella sommatoria, si ottiene:
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
−
)}
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
Rapporto Pag. 55/57
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
𝑘−1 𝑘−1 𝑘−1

𝜏 𝑘−1−𝑡 1 𝜏 𝑘−𝑡 1 𝜏
− ∑ 𝛼𝑖 𝜗𝑡,𝑖 = − ∑ 𝛼𝑖 𝜗𝑡,𝑖 ≤ [ ∑ 𝛼𝑖𝑘−𝑡 𝜗𝑡,𝑖 + 𝜗𝑘,𝑖 ]
𝜂𝑖 𝛼𝑖 𝜂𝑖 𝛼𝑖 𝜂𝑖−
𝑡=𝑎𝑖 𝑡=𝑎𝑖 𝑡=𝑎𝑖
7.12
𝑘
1 𝜏 𝑘−𝑡 1 𝑘+1−𝑎𝑖 𝑘−𝑎
= − ∑ 𝛼𝑖 𝜗𝑡,𝑖 ≤ 𝛼𝑖 = 𝛼𝑖 𝑖
𝛼𝑖 𝜂𝑖 𝛼𝑖
𝑡=𝑎𝑖
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
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−
̅ 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
𝑡=𝑎𝑖
e per l’energia massima:
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
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
Rapporto Pag. 56/57
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
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
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.
7.2 Convessità sotto valore atteso

Si mostra di seguito come l’operatore valore atteso preservi la convessità. Sia 𝐽(𝑥, 𝛿) una funzione
convessa in 𝑥 per ogni possibile valore del parametro incerto 𝛿 ∈ Δ, con misura di probabilità 𝑃Δ . Si
vuole dimostrare che
𝐽̃(𝑥) = 𝐸[𝐽(𝑥, 𝛿)] = ∫ 𝐽(𝑥, 𝛿) 𝑑𝑃Δ 7.19
è una funzione convessa in 𝑥.

Per farlo, basta notare che:
𝐽̃(𝛼𝑥1 + (1 − 𝛼)𝑥2 ) = 𝐸[𝐽(𝛼𝑥1 + (1 − 𝛼)𝑥2 , 𝛿)] = ∫ 𝐽( 𝛼𝑥1 + (1 − 𝛼)𝑥2 , 𝛿)𝑑𝑃Δ
≤ ∫(𝛼𝐽(𝑥1 , 𝛿) + (1 − 𝛼)𝐽(𝑥2 , 𝛿)) 𝑑𝑃Δ = 7.20
= 𝛼 ∫ 𝐽(𝑥1 , 𝛿)𝑑𝑃Δ + (1 − 𝛼) ∫ 𝐽(𝑥2 , 𝛿)𝑑𝑃Δ = 𝛼𝐽̃(𝑥1 ) + (1 − 𝛼)𝐽̃(𝑥2 )
dove la prima disuguaglianza segue dalla convessità di 𝐽(𝑥, 𝛿) e monotonia dell’integrale rispetto alla
misura 𝑃Δ .
20010758
Rapporto Pag. 57/57
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
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
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
Three-year Realization Plan 2019-2021 of National Research Program “Ricerca di Sistema”

(Piano Triennale di Realizzazione 2019-2021 della Ricerca di Sistema Elettrico Nazionale)
20000290
Rapporto Pag. 2/153
Contract Accordo di programma 2019-2021 con il Ministero dello Sviluppo Economico per le
Title Evaluations on the possible participation of electric vehicles in the balancing service
Titolo Valutazioni sulla possibile partecipazione di veicoli elettrici al servizio di

bilanciamento
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
Research Line Risorse e servizi di flessibilità convenzionali e innovativi: modelli e analisi
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.
N. of pages 153 N. of annexed pages /
Issue date 31/12/2019
Prepared Silvia Canevese, Antonio Gatti
Verified Diego Cesare Cirio
Approved Michele Benini, Chiara Gandolfi

Tel. +39 023992.1 - Fax +39 023992.5370 - PEC rse@legalmail.it [Mod. RARDS v.10]
Reg. Imprese di Milano, P.IVA e C.F. 05058230961
R.E.A. di Milano n. 1793295
Cap. Soc. € 1.100.000 i.v.
20000290
Rapporto Pag. 3/153
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
4.3.7 Maximum and minimum saving with respect to C1 .................................................................................................. 132

20000290
Rapporto Pag. 4/153
5 CONCLUSIONS ............................................................................................................................. 141

6 BIBLIOGRAPHY ........................................................................................................................... 146
7 GLOSSARY ..................................................................................................................................... 153

20000290
Rapporto Pag. 5/153
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
Rapporto Pag. 6/153
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
Rapporto Pag. 7/153
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
Rapporto Pag. 8/153
RIASSUNTO ESTESO
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
Rapporto Pag. 9/153
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
Rapporto Pag. 10/153
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
componenti di costo che concorrono a formare la bolletta finale (costi di dispacciamento, di

trasmissione/distribuzione/misura, oneri di sistema e oneri fiscali). Il confronto della bolletta finale per
la ricarica con quella benchmark ottenuta con il solo acquisto dell’energia di ricarica su MGP fornisce
utili informazioni sulla convenienza o meno della partecipazione alla fornitura dei servizi di
bilanciamento su MB. L’analisi è completata con una valutazione del possibile impatto, sulla bolletta, di
un’agevolazione in termini di non applicazione delle componenti di costo di
trasmissione/distribuzione/misura e degli oneri di sistema. Lo studio comprende anche una prima stima
della vita utile della batteria a seguito dei cicli di carica-scarica a cui essa risulta sottoposta.
Si descrivono ora nel dettaglio le principali assunzioni e i casi studio analizzati nel presente rapporto.
Principali assunzioni e casi di studio

In Tabella 1 sono riportati i casi studio considerati per la partecipazione del VE ai servizi ausiliari, in
particolare al servizio di bilanciamento, su MB. I casi si distinguono in base a tre elementi: la tipologia
di utente/titolare del VE; la direzionalità dello scambio con la rete; la presenza o meno di un programma
di prelievo presentato su MGP. Il titolare del VE è un utente domestico oppure non domestico; le due
tipologie di utenza si differenziano per i parametri di ricarica: energia di ricarica del veicolo, potenza
massima di ricarica del veicolo, potenza massima dell’infrastruttura di ricarica (wall-box o colonnina).
In fase di ricarica si ipotizza che l’infrastruttura di ricarica consenta uno scambio di energia con la rete
in una sola direzione (solo prelievo, ossia scambio di tipo V1G) oppure bidirezionale (prelievo ed
iniezione, ossia scambio di tipo V2G). Il titolare del veicolo effettua una compravendita su MB
presentando oppure no un programma di prelievo su MGP; nel caso di presentazione del programma di
ricarica e se il titolare decide di operare su MB (per offrire per il servizio di bilanciamento) negli
intervalli orari compresi nel programma, tale programma dà diritto a percepire una remunerazione anche
per la relativa disponibilità di potenza.
L’intervallo di tempo complessivo simulato è compreso tra il 1° agosto 2016 e il 31 luglio 2017; tale
intervallo è stato utilizzato anche per i dati storici di MGP e di MSD (MB). In particolare si è preso in
esame l’esito dei mercati nella zona NORD, zona in cui nel 2017 risultavano concentrati più del 55%
della domanda nazionale e più del 47% dell’offerta nazionale lato produzione.
In Tabella 2 sono riportate le principali assunzioni sui parametri tecnici ed economici da considerare
nella fase di ricarica del VE.
Per entrambe le tipologie di utenza, il VE considerato è dotato di un accumulo elettrochimico con
capacità nominale di 40 kWh, ampiamente sufficiente per effettuare una percorrenza chilometrica media
giornaliera di 42 km, per l’utente domestico, o di 72 km, per l’utente non domestico. Infatti, si assume
un utilizzo medio giornaliero di circa il 19% o di circa il 33%, rispettivamente, della capacità nominale.
La potenza massima di scambio durante la ricarica, ossia la banda di flessibilità (Pn) messa a
disposizione per il servizio, dipende dalla potenza dell’infrastruttura di ricarica e dalla sua collocazione;
ad esempio, per una wall-box di tipo domestico la potenza sarà dimensionata con riferimento alla
potenza contrattuale della casa mentre per un utente non domestico si potrebbe ipotizzare un punto di
ricarica apposito con una potenza di colonnina superiore. Indicativamente si è assunto per l’utente
domestico circa 2 kW e per l’utente non domestico 12 kW. Riguardo invece l’efficienza del sistema di
accumulo + apparati di controllo, si assume un rendimento globale (prelievo+re-immissione) pari a 85%
(ipotesi di rendimento simmetrico); inoltre, per enfatizzare il diverso impiego del veicolo per le due
tipologie di utenza, si assume che la fase di ricarica inizi sempre con un SoC dell’accumulo pari a circa
l’81% (utente domestico) o a circa il 67% (utente non domestico).
Il processo di ricarica notturna del VE avviene tipicamente entro un intervallo compreso tra le 19:00 e le
06:00 (11 ore di ricarica). In presenza di un programma di ricarica l’inizio della ricarica viene anticipato
di un’ora; inoltre il programma di ricarica si assume copra un intervallo di tre ore (consecutive) all’inizio
del periodo di ricarica.
In sede di valutazione della spesa in bolletta dell’utente in prelievo, all’energia acquistata a mercato
vengono applicati ulteriori costi i cui valori sono fissati o dall’Autorità regolatoria ARERA (come per i
costi per i servizi di trasmissione/distribuzione/misura e gli oneri di sistema) o imposti a norma di legge
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.
Ricarica Ricarica non

domestica domestica
E : energia nominale batteria 40 kWh
n
η ,η ,η 92.2%, 92.2%, 85%
ch disch round-trip
Massimo numero di cicli a DoD = 100% 4500

P : massima potenza di ricarica 2 kW 12 kW
n
∆E : energia interna da ricaricare in ogni ricarica
rech
7.5 kWh (42 km) 13 kWh (72 km)
SoC target, da raggiungere a tend 1 1
SoC iniziale, a tini 0.8125 0.671875
P : potenza di ricarica a programma 2 kW 4 kW
prg
T = [t , t ] senza/con programma di ricarica [19:00, 06:00]/[18:00, 06:00]
r ini end
T : intervallo temporale del programma di ricarica (se presente) [18:00, 21:00]
prg
p’ : oneri di sistema + oneri di rete 77.832 €/MWh 59.307 €/MWh
on
p : p’ + dispacciamento + altro dispacciamento 99.732 €/MWh 74.877 €/MWh
on on
p : accise 22.7 €/MWh 12.5 €/MWh
ex
IVA sugli acquisti di energia 10% 22%

R : prezzo della remunerazione in capacità 30 k€/MW/yr
cap
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
● V2G senza prelievo programmato (casi studio C, G):

○ per ogni ora in cui il SoC lo consente, il veicolo presenta un’offerta a scendere su MB
(prelievo), in cui il massimo valore della potenza offerta è pari alla banda di flessibilità;
parimenti, presenta un’offerta a salire (immissione), in cui il massimo valore della potenza
offerta è pari a Pn;
● V2G con prelievo programmato (casi studio D, H):
○ si assume che il veicolo presenti un programma in prelievo, a potenza fissata e qui assunta
costante, per le prime tre ore del periodo considerato, 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, per ottenere (in caso di accettazione) l’immissione in rete con potenza pari alla banda
di flessibilità; in altre parole, la potenza associata alle offerte a salire è pari alla somma del
prelievo programmato e della banda di flessibilità (Pn);
○ nelle ore successive, per ogni ora in cui il SoC lo consente, il veicolo presenta un’offerta a
scendere su MB (prelievo), in cui il massimo valore della potenza offerta è pari alla banda di
flessibilità; parimenti, presenta un’offerta a salire (immissione), in cui il massimo valore
della potenza offerta è pari alla banda di flessibilità (Pn).
Ovviamente, per un confronto dei risultati ottenuti grazie allo svolgimento del servizio su MB,
l’algoritmo simula anche la ricarica effettuata tramite le sole offerte di acquisto su MGP, ossia la
cosiddetta benchmark recharge, relativamente alla quale viene determinata successivamente l’entità
della bolletta di riferimento. Si osserva che le offerte di acquisto su MGP, sia nella ricarica con
svolgimento del servizio su MB sia nella ricarica di riferimento, si assumono sempre accettate.
Stima del ricavo netto annuo da compravendita su MB

In definitiva, per ciascun intervallo rilevante per MB appartenente al periodo di simulazione (tutti gli
intervalli di ricarica notturna dei giorni lavorativi compresi nel periodo 1° agosto 2016 – 31 luglio
2017), l’algoritmo simula, per ogni caso studio di cui sopra (A, B, C, D, E, F, G, H), le offerte (prezzo,
quantità) sui mercati MB e MGP, determina il volume di energia accettata e il relativo controvalore
economico (ricavo per un servizio a salire, costo per un servizio a scendere). Sommando, per ciascun
caso studio, i singoli contributi di energia e di controvalore economico si ottengono il volume annuo di
energia movimentata e il costo o ricavo netto annuo di partecipazione del VE ai servizi ausiliari su MB.
Per i casi studio in cui è previsto il programma di prelievo su MGP, al costo o ricavo netto ottenuto da
compravendita su MB occorre aggiungere anche l’eventuale contributo di remunerazione in capacità.
Stima della bolletta finale con eventuale agevolazione

Per ciascun caso studio (A-H), a partire dal costo o ricavo netto sopra indicato, la bolletta elettrica finale
associata alla ricarica del veicolo è ottenuta sommando le ulteriori componenti di costo (costo per servizi
di dispacciamento, costo per servizi di trasmissione/distribuzione/misura, oneri di sistema, oneri fiscali)
applicate al volume di energia netta prelevata dalla rete (in pratica all’energia immessa in rete non è
invece applicata alcuna componente di costo).
Data la rilevanza delle componenti di costo per servizi di rete e oneri di sistema, sono state valutate
anche due situazioni di possibile agevolazione da applicare alla bolletta finale del titolare del VE: a) non
applicazione delle componenti di costo per servizi di rete e oneri di sistema, relativamente all’energia
assorbita per il servizio a scendere; b) in aggiunta alla precedente agevolazione, sconto delle componenti
di costo per servizi di rete e oneri di sistema, applicato all’energia effettivamente immessa in rete per il
servizio a salire (tale immissione "netta" in rete è il risultato della sovrapposizione del servizio a salire
con il programma di ricarica), pesata secondo la percentuale di energia prelevata dalla rete sulla quale è
stata applicata la totalità degli oneri.
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.
Cicli di carica/scarica e vita utile

A completamento dell’analisi tecnico-economica di ciascun caso studio, è stata valutata anche la durata
del ciclo di vita (in anni) del sistema di accumulo nell’effettuare un dato servizio su MGP e MB. In
questo modo è possibile evidenziare l’eventuale impatto dell’utilizzo nel MB su un SdA che nasce
primariamente come dispositivo per la mobilità elettrica.
Si assume qui che, sotto opportune ipotesi di funzionamento del sistema di accumulo, il processo di
degrado della capacità di accumulo (invecchiamento), dovuto alle fasi di scarica/carica, possa essere
descritto da un unico parametro, la profondità di scarica (Depth of Discharge – DoD) rispetto alla
capacità nominale. In particolare, alcuni costruttori forniscono, per diverse tecnologie di SdA, una curva
caratteristica che descrive il numero massimo di cicli di scarica consentiti in corrispondenza di una data
profondità di scarica di lavoro (valore compreso tra 0 e 100% della capacità nominale di accumulo).
Quindi, nota l’energia scaricata in un dato periodo di tempo di funzionamento (es. settimane, mesi, anni)
e supponendo che il processo di scarica avvenga sempre con una certa profondità di scarica fissata
(tipicamente si considera il 100%), il rapporto tra l’energia scaricata effettivamente e quella scaricata
alla profondità di scarica nota (ossia scaricata alla capacità nominale, nel caso di DoD fissata al 100%)
rappresenta il numero di cicli equivalenti effettuati in tali condizioni nel periodo di tempo di
funzionamento considerato. Noto ora il numero massimo di cicli consentiti nelle medesime condizioni di
DoD, è possibile calcolare un indice di durata massima (in anni) del ciclo vita consentita dal
funzionamento del SdA nella modalità di scarica considerata; tale indice è ottenuto come rapporto tra il
numero massimo di cicli consentiti e il numero di cicli equivalenti effettuati in un anno dal SdA alla
DoD considerata. Si osserva che i costruttori ritengono che una DoD dell’80-100% sia una condizione
tipica di funzionamento (condizione standard) per una batteria.
Evidentemente il reale funzionamento di un SdA che presta un servizio di rete è ben lontano dalla
condizione standard. Infatti, le continue modulazioni della potenza scambiata con la rete si traducono,
per il SdA, in cicli parziali di scarica/carica caratterizzati da DoD molto inferiori al valore di riferimento
100%. Una miglior stima del ciclo vita potrebbe essere effettuata quindi considerando proprio i reali
cicli parziali effettuati, potendo così in particolare estrarre un valore di DoD inferiore al 100% come
nuovo riferimento per il funzionamento del SdA nel periodo considerato.
Un metodo per la stima della DoD per cicli parziali considera tutti i cicli di carica/scarica parziale
compiuti dal sistema di accumulo nel periodo di tempo di funzionamento (in particolare uno o più anni)
considerato. Ciascun ciclo parziale è descritto da una DoD parziale e da un valore di numero massimo di
cicli consentiti alla DoD parziale considerata (il numero massimo di cicli è ricavato sulla curva
caratteristica fornita dai costruttori nell’ipotesi che la relativa DoD identifichi una condizione di
funzionamento permanente del SdA). Noti tutti i contributi di numero massimo di cicli e di DoD, è
possibile calcolare un valore medio pesato, nel periodo di tempo di funzionamento considerato, del
numero massimo di cicli parziali consentiti rispetto alla DoD parziale: il valore medio pesato è ottenuto
come rapporto tra la sommatoria dei prodotti del numero massimo di cicli consentiti per la relativa DoD
parziale e la sommatoria delle DoD parziali stesse (peso). In corrispondenza del valore medio pesato del
numero massimo di cicli consentiti si ricava, sulla curva caratteristica fornita dai costruttori, il relativo
valore “di riferimento”, “di lavoro”, della DoD parziale del SdA. Tale valore di DoD parziale identifica
la frazione della capacità nominale di accumulo che normalmente è utilizzata in fase di carica o scarica
20000290
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.
Risultati delle simulazioni
Casi di riferimento (benchmark)

In assenza di compravendita su MB (solo acquisto di energia su MGP) l’utente domestico preleva dalla
rete circa 2,1 MWh/a mentre l’utente non domestico circa 3,6 MWh/a (circa il 75% in più del
domestico). Questo è ovviamente in linea con la maggiore energia consumata dal veicolo non
domestico.
In assenza di profilo di prelievo programmato (programma di ricarica), ossia nei casi di studio A, C, E,
G, il prezzo medio di acquisto su MGP in ogni periodo di ricarica (11 ore di ampiezza) dell’anno
simulato risulta circa 48,94 €/MWh per l’utente domestico e circa 48,97 €/MWh per l’utente non
domestico. La spesa complessiva di acquisto su MGP vale dunque rispettivamente circa 101 €/a (utente
domestico) e 176 €/a (non domestico). L’utente non domestico viene a spendere circa il 75% in più del
domestico (anche in questo caso in linea con la maggiore energia prelevata). Focalizzando l’attenzione
sui casi studio con programma di ricarica su MGP (B, D, F, H), il valore della spesa per l’acquisto di
energia su MGP nell’intervallo del programma di ricarica (3 ore di ampiezza) è circa 97 €/a (utente
domestico) e 193 €/a (utente non domestico); tale differenza nel volume di spesa è dovuta al fatto che
negli intervalli del programma l’energia acquistata è circa il 74% (utente domestico) e l’84% (utente non
domestico) del totale prelevato nell’intero periodo di ricarica ma al prezzo medio di 63,90 €/MWh, un
valore discretamente superiore al prezzo medio di acquisto nell’intero periodo di ricarica (che risulta di
circa 50,18 €/MWh per l’utente domestico e di circa 50,22 €/MWh per quello non domestico).
Considerando anche le ulteriori componenti di costo applicate in bolletta per ogni kWh prelevato, la
spesa complessiva nell’arco di un anno per il titolare del VE è circa 388 €/a (utente domestico e senza
programma di ricarica) e 597 €/a (utente non domestico e senza programma di ricarica). Introducendo,
invece, anche il programma di ricarica, la spesa complessiva aumenta di poco meno dell’1%. Si osserva
che l’utente non domestico esborsa in bolletta circa il 54% in più di quello domestico.
Inoltre, appare evidente come la spesa di acquisto su MGP rappresenti solo circa il 25-26% (utente
domestico) e circa il 29-30% (utente non domestico) sul totale della bolletta.
In sintesi, si possono assumere come valori di riferimento (benchmark) per la bolletta circa 390 €/a
per l’utente domestico e circa 600 €/a per quello non domestico.
Dal punto di vista del consumo dei cicli vita del SdA, è necessario distinguere due ipotesi di lavoro per
la DoD: a) condizioni standard (DoD del 100%); b) condizioni di scarica parziale (“microcicli”).
Nel primo caso (ossia sotto l’ipotesi a)) il SdA del VE compie durante il periodo totale di ricarica circa
47 (utente domestico) e 83 (utente non domestico) cicli di scarica equivalenti; considerato che il numero
massimo di cicli ammessi in condizioni standard vale circa 4500 cicli, si stima che il SdA sia in grado di
durare in queste condizioni di funzionamento per circa 96 anni (utente domestico) e 54 anni (utente non
20000290
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”).
Casi studio con partecipazione su MB

Casi studio A ed E: il VE scambia energia solo in prelievo dalla rete (modalità V1G) senza un
programma di prelievo su MGP.
Entrambe le tipologie di utenza (utente domestico – caso A, utente non domestico – caso E) presentano
offerte su MB; il servizio offerto è solo a scendere (aumento del prelievo dalla rete). L’eventuale
mancata ricarica è completata (ricarica residua) con un acquisto di ultima istanza su MGP al prezzo
PUN.
Visto che il SoC all’inizio delle ricariche e il SoC desiderato alla fine delle ricariche non cambiano
rispetto alla ricarica di riferimento (benchmark), nell’intero periodo di simulazione l’energia
complessivamente scambiata con la rete è pari a quella scambiata nella ricarica di riferimento. Tuttavia,
per effetto dell’introduzione delle offerte su MB, le quantità movimentate sui due mercati (MB, MGP)
sono leggermente diverse per le due tipologie di utenza: in particolare, a parte in caso di prezzo di
offerta molto basso, l’utente non domestico riesce a spostare quasi interamente le sue contrattazioni su
MB, mentre l’utente domestico riesce a spostare su MB solamente il 20% dell’intera energia prelevata
(il restante 80% deve essere acquistato su MGP come ricarica residua). Inoltre, lo scambio di energia su
MB (e di conseguenza quello su MGP), specialmente per l’utente non domestico, mostra una certa
reazione rispetto al prezzo offerto e accettato su MB: come ci si attende, all’utente finale in prelievo
conviene effettuare uno scambio di energia in prelievo ad un livello di prezzo il più basso possibile;
d’altra parte al venditore (operatore di rete che funge da controparte su MB) conviene invece tenere alto
il prezzo. Questo significa che per valori di prezzo bassi il grado di accettazione è anche basso (e quindi
l’energia scambiata è poca) mentre per valori di prezzo alti il grado di accettazione aumenta fino ad un
livello massimo.
In termini di bolletta finale, gli scambi su MB incidono sui volumi di ricavo netto da compravendita su
MB e MGP. In particolare, fintanto che gli scambi su MB avvengono a prezzi inferiori al PUN,
effettivamente si riesce ad ottenere un certo 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. Il punto di massimo risparmio si ottiene per valori di prezzo molto bassi su MB (circa 10
€/MWh per entrambi gli utenti finali), per i quali la bolletta finale risulta di circa 357 €/a (utente
domestico) e 480 €/a (utente non domestico) rispettivamente. Quindi si otterrebbe un risparmio di circa
l’8% e il 20% rispettivamente, rispetto alla ricarica di riferimento (benchmark).
Ulteriore risparmio si ottiene con l’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 è di circa 16% per l’utente domestico (bolletta di 325 €/a) e di circa il 46% per
utente non domestico (bolletta di 321 €/a).
20000290
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.
Casi studio C e G: il VE scambia energia in entrambe le direzioni (assorbimento e immissione, ossia in

modalità V2G) senza programma di prelievo.
Il titolare del veicolo è completamente libero di offrire su MB per un servizio a scendere oppure a salire,
anche con immissione in rete. Un primo risultato è il maggior volume di energia netta prelevata dalla
rete dal veicolo di entrambi i tipi di utente: nel caso domestico l’aumento è di circa il 24% (rispetto al
riferimento); nel caso non domestico l’incremento è del 99,8%.
Inoltre, rispetto all’energia prelevata nel caso di riferimento, anche le energie movimentate per servizi a
salire e scendere su MB cambiano: i servizi a salire rappresentano circa il 20% (utente domestico) e
l’84% (utente non domestico) di tale energia, mentre quelli a scendere sono circa il 27% (utente
domestico) e il 109% (utente non domestico) rispettivamente. Gli scambi su MB non consentono di
ottenere l’energia necessaria per ricaricare al valore desiderato il veicolo, perciò occorre acquistare
energia su MGP; l’utente domestico acquista circa il 96% dell’energia prelevata nel caso di riferimento,
mentre il non domestico circa il 91%.
(utente domestico) e del 113% (non domestico) rispetto al caso di riferimento.
In questi casi studio non si applica, per ipotesi, l’ulteriore remunerazione in capacità. Le uniche
agevolazioni sono quelle descritte sulla sola energia prelevata per il servizio a scendere, oppure
sull’energia prelevata per il servizio a scendere e su quella immessa in rete. Nel primo caso il massimo
risparmio aumenta al 35% (domestico) e al 153% (non domestico). Nel secondo caso l’ulteriore
agevolazione permette che il risparmio massimo aumenti al 43% e al 168% rispettivamente.
In questi casi studio, la compravendita su MB e MGP comporta un sensibile impatto sul consumo di vita
utile. In particolare, in corrispondenza del massimo risparmio, per entrambe le tipologie di utenza la
durata (in anni) del SdA stimata con riferimento ad una condizione di DoD del 100% si riduce del 19%
(utente domestico) e del 50% (utente non domestico) rispetto al valore calcolato nel caso di riferimento,
e analogamente la durata stimata con riferimento ai cicli parziali si riduce del 19% (utente domestico) e
del 50% (utente non domestico); inoltre, la profondità di scarica media ottenuta sulla base dei cicli di
scarica parziale si riduce, rispetto al valore di riferimento, del 16% (utente domestico) e del 3% (utente
non domestico).
Casi studio D ed H: il VE scambia energia in entrambe le direzioni (assorbimento e immissione, ossia in

modalità V2G) con programma di prelievo.
Il titolare del veicolo è libero di offrire su MB per un servizio a scendere oppure a salire, anche con
immissione in rete. Un primo risultato è il maggior volume di energia netta prelevata dalla rete dal
veicolo di entrambi i tipi di utente: nel caso domestico l’aumento è di circa il 68% (rispetto al
riferimento); nel caso non domestico l’incremento è del 101% circa. L’aumento dell’energia prelevata è
più accentuato rispetto ai casi studio C e G.
Inoltre, rispetto all’energia prelevata nel caso di riferimento, anche le energie movimentate per servizi a
salire e a scendere su MB cambiano: i servizi a salire rappresentano circa il 31% (utente domestico) e il
93% (non domestico) di tale energia, mentre quelli a scendere sono circa l’11% (domestico) e il 60%
(non domestico) rispettivamente. L’energia netta prelevata negli intervalli di programma di prelievo è di
circa il 70% (domestico) e 80% (non domestico). Gli scambi su MB non consentono di ottenere
l’energia necessaria per ricaricare al valore desiderato il veicolo, perciò occorre acquistare energia su
MGP; l’utente domestico acquista circa il 52% dell’energia prelevata nel caso di riferimento, mentre il
non domestico circa il 65%.
(utente domestico) e del 101% (utente non domestico) rispetto al caso di riferimento.
20000290
Il risparmio aumenta sensibilmente se si introduce anche la remunerazione in capacità per le offerte su

MB negli intervalli di programma di prelievo: il risparmio massimo diventa 39% (utente domestico) e
121% (non domestico).
Se poi non si applicano, all’energia prelevata per il servizio a scendere, i costi di rete e gli oneri di
sistema, il risparmio massimo aumenta raggiungendo il 29% (utente domestico e senza remunerazione in
capacità), il 45% (utente domestico e con remunerazione in capacità), il 122% (utente non domestico e
senza remunerazione in capacità) e il 142% (utente non domestico e con remunerazione in capacità).
Se addirittura si applica anche lo sconto sull’energia immessa in rete, il risparmio massimo aumenta fino
al 41% (utente domestico e senza remunerazione in capacità), al 56% (utente domestico e con
remunerazione in capacità), al 150% (utente non domestico e senza remunerazione in capacità) e al
169% (utente non domestico e con remunerazione in capacità).
Anche in questi casi studio, la compravendita su MB e MGP comporta un sensibile impatto sul consumo
di vita utile. In particolare, in corrispondenza del massimo risparmio, per entrambe le tipologie di utenza
la durata (in anni) del SdA stimata con riferimento ad una condizione di DoD del 100% si riduce del
25% (utente domestico) e del 51% (utente non domestico) rispetto al valore calcolato nel caso di
riferimento, e analogamente la durata stimata con riferimento ai cicli parziali si riduce del 25% (utente
domestico) e del 50% (utente non domestico); inoltre, la profondità di scarica media ottenuta sulla base
dei cicli di scarica parziale si riduce, rispetto al valore di riferimento, del 37% (utente domestico) e del
12% (utente non domestico).
Principali evidenze conclusive

Dalla simulazione dei casi studio di cui sopra risultano delle regioni, nello spazio dei prezzi di offerta
per il servizio di bilanciamento a scendere e a salire su MB, in cui la partecipazione del VE ai servizi
ausiliari su MB si dimostra attrattiva. In particolare, in Tabella 3 si riporta il riepilogo dei risultati
ottenuti in termini di massimo risparmio in bolletta rispetto al caso benchmark, cioè rispetto alla ricarica
senza servizi. I livelli di prezzo più profittevoli, ossia quelli associati al massimo risparmio, sono in
generale attorno ai 10 €/MWh per il servizio a scendere e attorno agli 80 €/MWh oppure ai 350 €/MWh
per il servizio a salire. Osservando la Tabella 3, si nota che, nei diversi casi di studio, il massimo
risparmio conseguibile senza agevolazioni varia da un minimo del 7% ad un massimo del 113% (utente
domestico: 7-8% per la ricarica V1G, 23-24% per la ricarica V2G; utente non domestico: 12-20% per la
ricarica V1G, 101-113% per la ricarica V2G).
Livelli di risparmio ancora più elevati si possono ottenere se si introducono le agevolazioni sopra
descritte. Ad esempio, senza includere la remunerazione in capacità, solo eliminando il costo dei servizi
di rete e degli oneri di sistema dall’energia prelevata per il servizio a scendere, il massimo risparmio può
arrivare al 153% (tale valore si è ottenuto per l’utente non domestico in caso di ricarica V2G senza
programma di ricarica); se si applica anche l’agevolazione indicata all’energia immessa in rete, il
risparmio massimo può arrivare fino al 168% (tale valore si è ottenuto ancora per l’utente non domestico
in caso di ricarica V2G senza programma di ricarica).
Complessivamente, sia senza sia con le agevolazioni, si può osservare che l’introduzione del programma
di ricarica comporta una riduzione del massimo risparmio conseguibile, in quanto comporta minore
libertà di azione su MB: infatti, durante le ore del programma si ha il vincolo di dover acquistare un
quantitativo stabilito di energia al PUN, pertanto a prezzi meno favorevoli rispetto a quelli di acquisto su
MB, quindi il beneficio economico derivante dalla vendita, nelle stesse ore e nelle ore successive, di
energia su MB risulta inferiore.
Se si aggiunge la quota di remunerazione in capacità, valevole qui per i soli casi di studio con
programma di ricarica, si ha che in assenza di altre agevolazioni il risparmio massimo può raggiungere il
121% circa, mentre in presenza dell’agevolazione per il servizio a scendere esso può raggiungere il
142% circa e, infine, se si applicano entrambe le agevolazioni, esso può arrivare fino al 169%; tutti e tre
i valori menzionati sono ottenuti per l’utente non domestico in caso di ricarica V2G con programma di
ricarica. Nei casi con prelievo programmato, dunque, la remunerazione in capacità più che compensa
20000290
l’effetto della presenza del programma stesso, portando a risparmi massimi maggiori di quelli dei
corrispondenti casi senza programma (e senza remunerazione in capacità).
Tabella 3 – 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 8% 7% 20% 12%
Senza agevolazioni
V2G 24% 23% 113% 101%
Eliminazione del costo dei servizi di V1G 16% 13% 46% 33%
rete e degli oneri di sistema
dall’energia prelevata per il servizio V2G 35% 29% 153% 123%
a scendere
Eliminazione del costo dei servizi di V1G 16% 13% 46% 33%
dall’energia prelevata per il servizio
V2G 43% 41% 168% 149%
a scendere + sconto su energia
immessa in rete
Senza Con Senza Con
Senza agevolazioni, ma con V1G N.A. 23% N.A. 32%
remunerazione in capacità V2G N.A. 39% N.A. 121%
Remunerazione in capacità + V1G N.A. 29% N.A. 53%
eliminazione del costo dei servizi di
V2G N.A. 45% N.A. 142%
a scendere
Remunerazione in capacità + V1G N.A. 29% N.A. 53%
dall’energia prelevata per il servizio V2G N.A. 56% N.A. 169%
a scendere + sconto energia immessa
in rete
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.
Senza Con Senza Con
V1G 96 anni 96 anni 54 anni 54 anni
Senza agevolazioni
Eliminazione del costo dei servizi di V1G 96 anni 96 anni 54 anni 54 anni
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
a scendere + sconto su energia
immessa in rete
Senza Con Senza Con
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
V2G N.A. 72 anni N.A. 26 anni
a scendere
Remunerazione in capacità + V1G N.A. 96 anni N.A. 54 anni
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 the current (2019-2021) RdS research program, the aim is two-fold:

• to widen the previous studies first of all, in particular by resorting to sensitivity analyses of the
techno-economic results already obtained about the possible supply of BSs by EVs in Italy; this is
the subject of the first-year (2019) activity and therefore of the current deliverable;
• then (2020-2021), to expand the previous work, by formulating bidding strategies for participation
in AS by single stationary BESS or by aggregations of small distributed BESS like those in EVs
and/or those supporting NPRES dispersed generation installed at medium/low-voltage levels; such
strategies should be supported by a closer consideration of the historical ASM prices and quantities,
especially of the accepted ones: the detailed analysis of the data available for the market has already
started, so that some preliminary results are shown in the current deliverable, and will go on in 2020.
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.
The report is organized as follows:

• in order to gain a first understanding of the Italian power system needs and features in terms of AS
supply (with a limitation to those services which are negotiated on the market), a preliminary
analysis of the historical ASM results is carried out in Chapter 2: e.g., the overall amounts of energy,
and the related economic value, of the accepted bids are evaluated on a yearly basis;
• Chapter 3 describes the EV recharge strategy, together with the main related assumptions, the
related bidding algorithm and the bill computation schemes; the considered study cases are also
described;
• Chapter 4 reports simulation results obtained with the strategy, in terms of a sensitivity analysis of
the annual energy exchanges, the annual electricity bill and the EV battery estimated life with
respect to the input bid prices; these last are assumed, for simplicity, to be constant throughout a
year, in order to detect the most profitable bid price “levels”;
• finally, Chapter 5 concerns conclusions.
20000290
2 THE ITALIAN ANCILLARY SERVICE MARKET: SOME RESULTS

The secure operation of a transmission system requires the use of appropriate AS, which can be
provided on a mandatory or on a voluntary basis. In general, voluntary services are negotiated on the
ASM, with a remuneration whose value depends on the outcome of the negotiation between the TSO(s)
and the providers; the negotiation, in turn, can occur, e.g., according to bilateral or competitive market
schemes. Compulsory services, instead, can have a regulated remuneration, or they can be supplied
without remuneration. Furthermore, in case of market negotiation, bids can be remunerated according to
a marginal pricing (or price-cleared) mechanism or to a pay-as-bid mechanism or at a regulated price.
Finally, participation in market negotiation can be open to all kinds of provider (independently of the
voltage level, of the technology, of the rated power value) or restricted to few participants.
In Italy, the resources to keep the transmission system in secure operating conditions are obtained by the
TSO (Terna) partly through the devoted ASM and partly outside it (through tender mechanisms or
through connection obligations). According to the current market regulatory framework, the resources
negotiated on the ASM are those for the secondary reserve service, for the tertiary reserve service and
for the scheduled relief of network congestions. The other resources such as those for the reactive
reserve services, the defense plans and the black-start plans are not negotiated in the market; e.g., the
load interruptibility service, which is included in the defense plans, is supplied via a tender mechanism.
In terms of products negotiated on the Italian ASM, AS are divided into
• services for secondary regulation reserve;
• services not for secondary regulation reserve.
The former are labelled here as “SR services”, the latter as “Non-SR services”. The latter include
• the minimum power or shutdown service;
• the power step variation services (step variations can be up to four);
• the start-up service;
• the change of configuration service.
All these services are negotiated in the ASM sessions, which are grouped into two stages:
• the procurement stage, called “ex ante” ASM;
• the real-time stage, called “ex post” ASM or “Mercato di Bilanciamento”, which is the BM;
they are labelled here, respectively, as “ex ante ASM” and “BM”.
All the services negotiated on the ASM are remunerated according to a pay-as-bid mechanism.
Bids for the minimum power or shutdown service and for the power step variation services are pairs
composed of an energy quantity (expressed in MWh) and of a unit price (expressed in €/MWh); bids for
the start-up service and for the change of configuration service refer to the instruction of such services
and therefore the related unit price is expressed in €/instruction.
Furthermore, according to the current Grid Code, participation in the Italian ASM is restricted to
relevant programmable generation plants, while interruptible loads, NPRES generation and distributed
generation are only allowed to intervene in emergency conditions. However, as already mentioned
(Chapter 1), the Italian regulatory authority (ARERA) [32] has recently allowed the TSO to start pilot
projects to test an expansion of participation in the ASM [86] [87]: in other words, by applying to such
projects, plants/resources formerly non-eligible, included BESS, can start to bid in the ASM for AS
supply. Also small loads and small generators can apply, because resources can be aggregated, thus
forming pilot projects called Virtual Eligible Units (VEUs), in Italian “Unità Virtuali Abilitate” (UVA).
The first pilot projects which were started involved loads (they were called “Unità Virtuali Abilitate di
Consumo” - UVAC) or generators (“Unità Virtuali Abilitate di Produzione” - UVAP). Both kinds of
projects were then incorporated into Mixed Virtual Eligible Units (MVEUs), in Italian “Unità Virtuali
Abilitate Miste” (UVAM) [88], where load, generation and storage units can be aggregated together;
MVEUs have already been employed to test services like tertiary reserve supply, balancing, and
congestion relief. The “Unità di Produzione rilevante Integrata” (UPI) pilot project [89], instead, already
started, involves primary frequency regulation supply by a BESS integrated with a relevant regulating
power plant. Another project is about reactive power reserve [90] [91] in Southern Italy (in the Brindisi
area, more precisely). Other pilot projects are in the consultation (pre-implementation) stage: the UVAS
20000290
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.
2.1 Overall annual energy exchanges

Table 2.1 shows the annual energy exchanges for the services accepted on the ASM in the 2010-2019
period; for 2019, an estimate is supplied, obtained from data referring only to the former half of the year.
One can remark that the overall energy exchanges range between 24.60 TWh/yr and 37.38 TWh/yr.
Although upward or downward energy exchanges on each ASM stage do not exhibit, separately, sharp
increasing trends - except for upward energy exchanges on the ex ante ASM which show a continuously
increasing trend from 2015 on, - the overall energy exchanges show an increasing trend, from 27.60
TWh/yr to 37.38 TWh/yr, from 2014 on.
In the year 2018, e.g., keeping the power system in secure operating conditions required, on the whole,
around 34 TWh energy exchanges: around 16.4 TWh for upward regulation, around 17.8 TWh for
downward regulation; most of the exchanged energy (approximately 56.2%) was contracted in the
market scheduling stage. Furthermore, in 2018 again, in the market scheduling stage, the energy
exchanged for upward regulation was more than the energy exchanged for downward regulation
(up/down ratio = 1.8), while in the real-time balancing stage an opposite relation held (down/up ratio =
2.7); similar considerations hold for the years from 2012 on.
Let us now focus on 2012, which can be considered as a reference year since there was the maximum
development of NPRES (mainly in terms of installed PV power) and significant changes in the ASM
rules went fully operational; such changes, in particular, were meant to obtain a more cost-reflective
structure of the AS; therefore, they included a different articulation of the step services (up to four steps
in each direction, upward and downward) and the introduction of new services such as the the start-up
service and the change of configuration service. As compared to 2012, the energy handled in 2018 was
larger by almost 37%; the most significant increases occurred in services contracted in the ASM
scheduling stage (almost 100% for upward services, about 84% for downward services); in real-time
balancing negotiations, on the other hand, the increases occurred only for the downward services
(increase of about 13% for the downward services, against a decrease of almost 25% for the upward
services). Although, starting from 2014, the development of new PV power has decreased its rate
significantly (from 2014 on, the new installed power has been, on average, about 340 MW/yr, against
2000 MW in 2013, 3650 MW in 2012 and 9300 MW in 2011), Terna has highlighted [99] a significant
decrease of the net thermoelectric generation capacity, from 77 GW in 2012 to 58 GW in 2018, so one
can infer that such capacity has been actually replaced by NPRES, mainly by PV; such a decrease has
impacted, in turn, on the so-called peak load reserve margin (the difference between the available
generation capacity and the peak load), which decreased from 18-25 GW in 2012-2014 to 5-7 GW in
2015-2018. The combination of the reduction of the reserve margin and of the observed increase of
regulation energies on the ASM points out the TSO’s need for more and more flexible resources, to be
supplied by new assets (like BESS) and/or to be supplied as new AS (like the fast reserve recently
proposed by the TSO).
The amounts of energy handled in 2018 are in line with the amounts of energy handled since 2014; in
particular, it is necessary to highlight the significant increase of scheduled exchanges, to obtain adequate
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
2.2 Overall annual economic values

Table 2.6 shows the annual economic value of the upward and downward services exchanged in each of
the two stages of the ASM and on the whole ASM, for the years from 2010 to 2019; for 2019, again, an
estimate is supplied, on the basis of data about the former half of the year. One can remark that, on the
ex ante ASM, the economic value of the upward services ranges between 836 M€/yr and 2026 M€/yr,
the value of the downward services between 45 M€/yr and 368 M€/yr; on the BM, the economic value
of the upward services ranges between 608 M€/yr and 776 M€/yr, the value of the downward services
between 134 M€/yr and 393 M€/yr. Besides, the value of the upward services on the ex ante ASM is
around double that on the BM; the reverse holds for the value of downward services.
The value of the upward AS on the ex ante ASM has increased over the last few years, starting from
2015, and so has the value of the downward AS on the BM and (approximately) the value of the
downward AS on the ex ante ASM, while the value of the upward AS on the BM has been almost
20000290
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
o start-up prices amount to around 28000-47000 €/instruction,

o minimum power prices amount to 91-155 €/MWh,
o change of configuration prices amount to around 14600-24000 €/instruction;
• as to the downward AS on the ex ante ASM,
o downward step services prices amount to 15-28 €/MWh,
o shutdown prices amount to 1-7 €/MWh;
• as to the downward AS on the BM,
o downward step services prices amount to 17-30 €/MWh,
o down SR prices amount to 11-30 €/MWh,
o shutdown prices amount to 9-11 €/MWh.
Finally, by dividing the net annual cost for the TSO by the total annual consumption, the unit uplift price
is obtained for each year. For the years from 2014 to 2019, this price turns out to be in the 4.44-7.55
€/MWh range; these values appear to be consistent with the ex post values published by Terna.
Figure 2.1 – Annual economic value of each upward or downward service in each ASM stage, from 2014 to 2019.
20000290
3 EV RECHARGE STRATEGY: MAIN ASSUMPTIONS AND STUDY CASES

From the end user’s point of view, an EV may behave as a load to the grid (with energy absorption), a
supplier of electricity to the grid (with energy injection) or an energy storage device. So, thanks to the
smart grid enabling technologies, utilities or aggregators can manage EV charging time and rates in
order to implement demand response programs and to supply BSs to the grid.
In [9], an analysis was started about the possible economic benefits which could derive, for EV owners,
if the BESS in their EVs were allowed to supply BSs through participation in the Italian BM. More
precisely, attention was focused on the electricity bill usually paid for by the EV’s owner for the EV
battery recharge: on how much the bill in the absence of the supply of any BS can be affected by such
supply, by assuming a simple heuristic strategy to bid for the service on the market. The effect of the
introduction of public subsidies for service-related energy exchanges was also considered. The
simulated study cases were about two kinds of end user (a domestic and a company one), and about two
kinds of EV recharge configuration (V1G for one-directional energy exchange, with only absorption
from the grid, and V2G for bi-directional energy exchange, with also injection into the grid). The
superposition of the service to a pre-defined power absorption program during recharge on DAM was
also inquired, since the presence of an absorption program allows the user to declare power availability
for the service and therefore gain an additional remuneration (capacity remuneration) for such
availability.
In this chapter, the aboved-named assessment procedure is expanded, to explore the sensitivity of results
to the prices adopted to bid for the BS. Results, as in [9], include the energy exchanges carried out by
the EV BESS and the related economic value for the EV owner, and also the overall electricity bill
[100].
For simplicity, a one-year simulation time interval and bid prices constant throughout that year are
adopted, so that synthetic annual results are derived, on the one hand, and the most profitable “price
levels” for the user can be detected, on the other hand.
In the following, the heuristic bidding strategy is recalled first of all, for the reader’s convenience,
together with the assumptions adopted for economic evaluations; then, there is a reminder on the
considered study cases.
The results of the sensitivity analysis are discussed in Chapter 4.
3.1 Modelling assumptions

As in [9], a simple heuristic recharging strategy for EV participation in the BM is adopted here, so that
an EV can carry out, either partially or totally, its recharge by exchanging energy bought or sold on the
BM for the BS. Let us assume Tr be the chosen time interval for the recharge, here called the recharge
period. The BESS internal energy level (i.e. the SoC value) at the beginning of Tr and the amount of
energy to be recharged are assumed to be known, so that a target energy level (i.e. a target SoC value)
for the end of the recharge period is defined by adding the energy to be recharged to the initial energy.
The strategy, then, aims at obtaining, thanks to the energy exchanges for the BS, the target SoC at the
end of the recharge period. If a recharge program on the DAM is present, i.e. if the EV has declared to
absorb power in a pre-defined time interval Tprg (with Tprg included in Tr) and according to a pre-
established power profile Pprg, then the ancillary service provision can be superposed to the program
(and the bidding strategy takes the program into account in bid formulation). If, as the end of the
recharge period approaches, the target SoC has not been reached and there is no time enough left to
reach it by playing on the BM, then the energy left to be absorbed is assumed to be bought on the DAM;
this final part of the recharge process is labeled as “residual” recharge.
We remark that a long-term EV recharge only (lasting some hours) is supposed here, so that there is
time enough for the EV to exchange the energy on the BM in order to participate in BS supply. Besides,
the amount of energy to be recharged is here assumed to be the same for each considered recharge
period, and so is the maximum power flexibility made available by the EV.
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
3.2 Bidding algorithm

Starting from input data including, for each recharge period to be simulated,
• the starting and ending time of the recharge period;
• the SoC at the beginning of the recharge period;
• the amount of energy to be recharged, so the target SoC to be reached at the end of the recharge
period;
• the power flexibility band;
• the choice for V1G or V2G recharge;
• if present, the programmed power profile;
the bidding algorithm simulates

• the formulation of bids, for the BS on the BM, by the EV; these are issued, for simplicity, on an
hourly basis, namely without considering the actual starting and ending times (i.e. the gate opening
and closure) of the market sessions;
• the bid acceptance or not by the TSO (TERNA), on a quarter-of-an-hourly basis, as it actually
happens on the BM;
• energy purchases on the DAM by the EV, on an hourly basis (for the benchmark recharge and for
the residual recharge).
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 ,
= − P !

then the battery energy content at time t and at time t + 1 h, respectively, would be
"# = − P ! $ − 1 h',

3.1
3.2
20000290
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
7 ,89:,; = 1 − $2' 3/$P ! ) '.

and it is carried out at power
3.5
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.
3.3 Cycling aging evaluation: average-DoD approach

Of course, the bidding algorithm also computes the SoC time profile during each recharge period,
related to the mentioned energy exchanges on the BM and on the DAM and taking into account the
BESS charging and discharging efficiency. Due to the mentioned assumptions about power exchanges
constant over ¼ h at least (in case of bid acceptance on the BM) or over 1 h at least (in case of
exchanges on the DAM), the reference time slot adopted in the SoC profile computation is ¼ h, so that
the SoC profile during each recharge period is a segment (either horizontal or not) in each ¼ h. The SoC
time profile before and after each recharge period is then computed, for simplicity by assuming
discharge at constant power starting at the end of a recharge period and ending at the beginning of the
next recharge period, so that the amount of discharged energy is the one related to the SoC values at
those two time instants, and by assuming the reference time slot as the ¼ h again. This way, a SoC time
profile over the whole considered time interval Ttot is obtained, so as to be able to evaluate the number of
charge-discharge cycles carried out by the battery and battery useful life against cycling. Such
evaluation is carried out here via both a full-cycle approach and an “average-DoD” approach relying on
a characteristic curve expressing the maximum tolerable number of cycles as a function of the Depth of
Discharge (DoD).
In particular, battery aging due to the partial charge-discharge cycles carried out can be evaluated in a
simple way [5] via an empirical method which refers to life-cycle curves nmax(DoD), relating the
maximum number of cycles (nmax) which can be done to the DoD of the cycles themselves (Figure 3.1;
here the curve referring to the Li-ion technology is considered). The approach is based on the
computation of an “average depth of discharge”, namely DoDavg, taken as a reference to compute the
expected battery life, as reported in [5] and as summarized again below for convenience.
Although neglecting other aging factors such as temperature, the method takes into account in a detailed
way the obtained time profile of the SoC along the whole considered time interval (Ttot), expressed in
years for simplicity. First of all, the DoD time profile is computed from the SoC profile. Then, a
weighted average maximum number of cycles nmax,avg is computed from the DoD profile thanks to the
life-cycle curve (the weighted average is with respect to the DoD values):
∑A,=1 .<=,, @@,

.<=,<>/ =
∑A,=1 @@,
3.6
The reference DoDavg is defined as the DoD corresponding to nmax,avg on the curve:
@@<>/ = arg$. '

<=,<>/
3.7
20000290
Thus, the equivalent number of discharge cycles actually done Ncyc, along Ttot, at DoDavg is evaluated
from the overall discharged energy Ed and DoDavg:
A*E* = ) /$@@<>/ . ' 3.8
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.
3.4 Economic evaluations

The described “bidding” algorithm simulates, as mentioned, the energy exchanges carried out by the EV
for the BS and for the residual recharge on the DAM; for comparison, it also computes the energy
exchanges for the entire benchmark recharge on the DAM. From the economic point of view, energy
exchanges are evaluated at the BM prices for the service or at the prices for energy on the DAM. This
evaluation translates into variable costs (referring to the energy component) in the user’s energy bill (as
already mentioned, fixed costs are not considered). The bill, however, is also affected by the system
charges and by the transmission and distribution costs associated with energy absorption; furthermore,
when foreseen (i.e. in V1G and V2G cases with a recharge program), the aforementioned capacity
remuneration must be taken into account in the bill.
More in detail, economic evaluations are carried out here, for each study case, by computing the value of
the bill resulting from the assumption of one of the following options2 (the symbols are defined below):
• option 1 (benchmark): no participation of the EV in the BM: all the energy to be recharged
(necessary to reach the target SoC) is bought on the DAM, at the NSP price, by assuming to absorb
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# = [Q IJK,L ∙ $pIJK,L + p ' + Q IJK,L ∙ p ] ∙ $1 + VAT';

example, one year), the variable cost in the bill is therefore
3.9
• option 2: participation of the EV in the BM (simulated via the described bidding strategy),
without any tax relief in the bill; the overall variable cost in the bill is therefore
CT = 1Q IU ∙ VW, + Q IJK,X ∙ pIJK,X + Q IJK,YXZ ∙ pIJK,YXZ + Q ,[[ ∙
p + Q ,[[ ∙ p 3 ∙ $1 + VAT' + Q \] ∙ VW,XZ,
3.10
Q ,[[ = Q IU + Q IJK,X + Q IJK,YXZ,L[,

where
Q IJK,YXZ,L[ = Q IJK,YXZ + Q \],YX X,

3.11
Q ^:,YX X = Q \] − Q _[,[[ ;

3.12
3.13
• option 3: participation of the EV in the BM (simulated via the described bidding strategy), with
tax reliefs for the downward service; more precisely, an exemption is assumed in the bill from the
variable components of the system charges and of the grid tariffs, for the energy absorbed for the
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 (MWh): energy to be absorbed theoretically (i.e. in case of no participation in service

period, without participating in the balancing service (benchmark)
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
3.5 Benchmark recharge: focus

The benchmark recharge can be simulated in the bidding algorithm according to different mechanisms,
involving different power absorption levels and different time intervals for the recharge, so that different
DAM prices are then adopted in the economic evaluations and sensitivity about such prices can be
First of all, we recall that the recharge period (namely Tr) starts at time t and ends at time t , and
gained.
∆EL = − $2 ' .

the BESS internal energy to be recharged during Tr is
3.16
• “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
), = *+,-1∆EL /$P ! '3;

integer number of hours) as
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
1 h ∙ P !

• “recharge throughout the recharge period”: in other words, assuming that between t and t
there is an integer number of hours N = t − t , this benchmark recharge starts at t and
lasts N hours, during which the absorbed power is
∆EL
,. P , P .
N P !
3.19
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
3.6 Study cases

Eight study cases are examined (Table 3.1, Table 3.2 and Table 3.3), referring to overnight recharge of
an electric car and obtained by considering two values for each of three main (and independent) features:
• the place where the recharge occurs (home – via a wall-box – or company – at a recharging point):
this affects the value of the maximum recharging power, i.e. of the flexibility (power) band, and of
the energy requested for the recharge;
• the power flow direction (V1G or V2G recharge);
• the absence or presence of a recharge program.
Table 3.1 – Study cases.

Home recharge Company recharge
V1G without recharge program A E
V1G with recharge program B F
V2G without recharge program C G
V2G with recharge program D H
Table 3.2 – Study cases: main technical and economic parameters; for more details on p and p’ , see Table 3.3.
on on
E : battery nominal energy 40 kWh

n
η ,η ,η 92.2%, 92.2%, 85%
ch disch round-trip
Maximum number of cycles at 100% DoD 4500

P : maximum recharging power 2 kW 12 kW
n
∆E
rech
: daily internal energy recharge 7.5 kWh (42 km) 13 kWh (72 km)
Target SoC, to be reached at tend 1 1
Initial SoC, at tini 0.8125 0.671875
P : recharge program power 2 kW 4 kW
prg
T = [t , t ] without/with recharge program [19:00, 06:00]/[18:00, 06:00]
r ini end
T = [t ,t ] 3
[18:00, 21:00]
prg ini prg end prg
p’ : system + network & metering charges 77.832 €/MWh 59.307 €/MWh
on
p : p’ + dispatching + other charges 99.732 €/MWh 74.877 €/MWh
on on
p : excise duties 22.7 €/MWh 12.5 €/MWh
ex
VAT on energy purchases 10% 22%

R : price of capacity remuneration 30 k€/MW/yr
cap
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
Minimum accepted price of downward bids [€/MWh]
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
C − g 7g; ∙ 1E

S, = 1 − ∙ 100, , g ≠ 0
C#
3.21
(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
4 EV RECHARGE STRATEGY: SIMULATION RESULTS

In this chapter, the annual results obtained for the study cases and for all the simulated bid prices are
reported first of all, in terms of energy exchanges, with the related average prices, and of the electricity
bill (Section 4.1) and also of variables related to battery cycling (Section 4.2), in particular the estimated
cycling life. Then, attention is devoted to the possible saving, in the bill, with respect to the benchmark
bill (Section 4.3).
4.1 Energy exchanges, average prices, electricity bill

First of all let us recall, for convenience of the reader, that costs C1 , C2 , C3 , C4 were defined in Section
3.4 and correspond to the following options, respectively:
• option 1 (benchmark): no participation of the EV in the BM;
• option 2: participation in the BM, without any tax relief;
• option 3: participation in the BM, with tax reliefs for the downward service;
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
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,
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
constant with respect to pDW, apart from very small pDW values. Besides,
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 \] = Q _[,[[ analysed below), in non-negligible amounts most of all, determines an increase of
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;
•
Q IJK,X is, on the whole, between 1.62 MWh (this minimum value is attained for (pDW; pUP) = (40
•
0 €/MWh)), with 2.00 MWh mean value; as compared to Q IJK,L = 2.06 MWh, therefore, also the
contribution to the whole recharge from the “residual” part is on average non-negligible in this case;
BS (compare |Q \] | = |Q _[,[[ |);

it is also a larger contribution than in case B, due to the rather large injected energy for the upward
0 €/MWh)), with 2.62 MWh mean value; therefore, Q ,[[ can also be considerably larger than
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,
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
has a smaller minimum, a larger maximum and a larger mean value;
• Q \],YX X is, on the whole, between -1.25 MWh (this minimum value is attained for (pDW; pUP) =
(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;
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;
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;
Q ,[[ is, on the whole, between 2.10 MWh (this minimum value is attained for (pDW; pUP) = (10
•
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;
•
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,
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
available for recharge and of the power in the recharge program;
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);
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;
0 €/MWh)), with 0.02 MWh mean value; differently from case B, as compared to Q IJK,L, the
contribution to the whole recharge from the “residual” part is on average negligible in this case;
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
20000290
Figure 4.4 – Simulation results for the domestic V2G study case with recharge program (case D): annual energy
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
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
injected energy is much larger than in case C;
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;
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 IJK,L) or very large (2.91 times Q IJK,L);

€/MWh; 0 €/MWh)), with 7.54 MWh mean value; therefore, Q ,[[ can be considerably larger than
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
respectively, the values obtained in case C;

• for Q _[,[[, the same results as for Q \] are obtained, because these two quantities have to be the
same in case of V2G recharge without a recharge program.
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,
these results can be highlighted:
€/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;
•
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
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,
0 €/MWh)), with 1.30 MWh mean value; these results are very similar to those found for case G;
€/MWh; 120 €/MWh)), with 40.16 €/MWh mean value; these results are rather similar to those
found for case G;
€/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
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
20000290
Figure 4.6 – Simulation results for the non-domestic V2G study case without recharge program (case G): annual energy
20000290
Figure 4.7 – Simulation results for the non-domestic V2G study case with recharge program (case H): annual energy
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
than in C, in H than in D; one can also remind that Q \] ≤ 0 by definition;

case than in the homologous domestic study case, i.e. in case E than in case A, in F than in B, in G
• 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
can also remind that Q \],YX X ≤ 0 by definition;

values are -0.17 MWh and -0.34 MWh, for a domestic and a non-domestic user respectively; one
• 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), 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;
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;
reaches around 3782 € and 2629 € respectively;
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);
20000290
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
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
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
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
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].
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
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
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 [€].
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.
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 [€].
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
20000290
Figure 4.11 – Simulation results for the non-domestic V1G study case with recharge program (case F): annual electricity
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 [€].
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
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
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
4.2 Variables related to battery cycling aging

For completeness, results about cycling aging are now reported: more precisely, Nmax(DoDavg), DoDavg,
the number of (equivalent) cycles at DoDavg (notice that such a number is built as a negative one in the
average-DoD algorithm), life computed from DoDavg, the number of (equivalent) charge cycles at full
DoD, the number of (equivalent) discharge cycles at full DoD, life computed from the (equivalent)
charge cycles at full DoD, life computed from the (equivalent) discharge cycles at full DoD. For study
cases A and E, i.e. for simple V1G recharge (without any recharge program), and for study cases B and
F, i.e. for V1G recharge with a recharge program, all these values are constant (except for some errors
lower than 0.1% in case B) and they are reported in Table 4.16; in such cases they are independent of
(pDW; pUP) because injection into the grid for the service is not allowed, so there are only subsequent
SoC decreases for driving and subsequent SoC increases for EV recharge, and because the discharged
energy is always the same and so is the recharged energy; for the same reason, values obtained in case B
and in case F, respectively, are substantially the same as the ones obtained in case A and in case E. Of
course, since the energy to be recharged is greater for the non-domestic user than for the domestic one,
Nmax(DoDavg) is smaller in cases E and F than in A and B, DoDavg is larger (the number of equivalent
cycles at DoDavg is only slightly larger), life computed from DoDavg is smaller, the number of
(equivalent) charge or discharge cycles at full DoD is larger, life computed from the (equivalent) charge
or discharge cycles at full DoD is shorter. For study cases C, D, G and H, the considered values are
functions of (pDW; pUP) and they are reported in Figure 4.14, Figure 4.15, Figure 4.16 and Figure 4.17
respectively. One can remark that each variable exhibits globally a similar structure, i.e. similar
increasing and/or decreasing trends, in all the four study cases, although with some quantitative
differences. More precisely, from a qualitative point of view one can remark that:
20000290
• 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
20000290
Figure 4.16 – Simulation results for the non-domestic V2G study case without recharge program (case G): cycle and life
20000290
Figure 4.17 – Simulation results for the non-domestic V2G study case with recharge program (case H): cycle and life
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 [-].
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 [-].
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 [-].
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].
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
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
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
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
Life estimate from discharge cycles at 100% DoD

A 95.62 (0;-) 95.62 (50;-) 95.62 0.00 95.62 95.62
B 95.62 (0;90) 95.62 (40;410) 95.62 0.00 95.62 95.62
C 33.11 (20;0) 94.93 (30;810) 81.87 18.38 91.58 94.88
D 31.07 (20;0) 93.76 (10;810) 78.56 18.90 87.43 93.63
E 54.42 (70;-) 54.42 (0;-) 54.42 0.00 54.42 54.42
F 54.42 (60;170) 54.42 (0;120) 54.42 0.00 54.42 54.42
G 7.89 (50;0) 51.09 (30;810) 35.65 14.39 39.25 51.00
H 7.52 (50;0) 50.53 (30;810) 35.22 14.49 39.18 50.53
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).
4.3.1 Variables associated to C2 ≤ C1

Condition C2 ≤ C1, i.e. the instances for which the BS is profitable itself without any tax relief, is now
considered. The region, in the (pDW; pUP) plane, for which C2 ≤ C1 is called here “the profitability region
associated to C2”. The values assumed by C2 itself, QDW, QUP, QUP,pr red, QDAM,prg,act, QDAM,res, pDAM,res,
Qin,tot, Qout,tot in such instances, i.e. in such a region, are reported, as functions of (pDW; pUP), in Figure
4.18, Figure 4.19, Figure 4.20, Figure 4.21, Figure 4.22, Figure 4.23, for study cases B, C, D, F, G, H,
respectively, since study cases A and E have already been dealt with (see Figure 4.1). 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 4.23 to Table 4.29, respectively.
One can remark that,
• for study case B, the profitability region associated to C2 is included in the rectangle defined by 0
€/MWh ≤ pDW ≤ 100 €/MWh and 50 €/MWh ≤ pUP ≤ 350 €/MWh; in the region, 0.11 MWh ≤ QDW ≤
0.39 MWh, -1.24 MWh ≤ QUP = QUP,pr red ≤ -0.07 MWh, 0.28 MWh ≤ QDAM,prg,act ≤ 1.45 MWh, 0.48
MWh ≤ QDAM,res ≤ 1.55 MWh, 2.05 MWh ≤ Qin,tot ≤ 2.06 MWh;
• for study case C, the profitability region associated to C2 is included in the rectangle defined by 0
€/MWh ≤ pDW ≤ 130 €/MWh and 180 €/MWh ≤ pUP ≤ 1000 €/MWh; in the region, 0.27 MWh ≤ QDW
≤ 0.69 MWh, -0.85 MWh ≤ QUP ≤ -0.01 MWh, 1.62 MWh ≤ QDAM,res ≤ 2.67 MWh, 2.07 MWh ≤
Qin,tot ≤ 3.05 MWh, -0.85 MWh ≤ Qout,tot ≤ -0.01 MWh;
• for study case D, the profitability region associated to C2 is included in the rectangle defined by 0
≤ 0.39 MWh, -0.99 MWh ≤ QUP ≤ -0.04 MWh, -0.13 MWh ≤ QUP,pr red ≤ -0.01 MWh, 1.39 MWh ≤
20000290
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
• for study case H, the profitability region associated to C2 is included in the rectangle defined by 0
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
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].
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;
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].
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)
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.
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)
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)
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) [-]
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 [-]
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 [-]
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
Life estimate at DoDavg [-]

A 242.16 (0;0) 242.16 (0;0) 242.16 0 242.16 242.16
B 242.16 (0;60) 242.18 (0;100) 242.17 0 242.17 242.17
C 161.1 (0;180) 240.73 (30;810) 226.97 16.72 233.69 240.63
D 161.37 (0;200) 237.52 (10;810) 219.84 17.32 225.17 237.03
E 128.8 (30;0) 128.8 (0;0) 128.8 0 128.8 128.8
F 128.8 (0;90) 128.8 (40;70) 128.8 0 128.8 128.8
G 42.58 (10;150) 121.49 (30;810) 96.88 21.82 98.96 121.29
H 43.69 (10;160) 120.31 (30;810) 100.73 19.52 103.2 120.31
Number of equivalent charge cycles at 100% DoD [-]
A 47.37 (10;0) 47.37 (0;0) 47.37 0 47.37 47.37
B 47.37 (10;50) 47.51 (0;150) 47.49 0.05 47.51 47.51
C 47.71 (30;810) 70.44 (0;180) 50.95 4.21 49.13 47.74
D 48.44 (10;810) 71.05 (0;200) 52.9 4.62 51.54 48.51
E 83.19 (30;0) 83.19 (0;0) 83.19 0 83.19 83.19
F 83.19 (10;190) 83.19 (50;140) 83.19 0 83.19 83.19
G 88.57 (30;810) 243.99 (10;150) 119.66 33.47 110.96 88.74
H 89.55 (30;810) 246.01 (10;160) 114.11 29.46 105.72 89.55
Number of equivalent discharge cycles at 100% DoD [-]
A 47.06 (50;0) 47.06 (0;0) 47.06 0 47.06 47.06
B 47.06 (40;210) 47.06 (0;90) 47.06 0 47.06 47.06
C 47.4 (30;810) 70.14 (0;180) 50.64 4.21 48.82 47.43
D 47.99 (10;810) 70.61 (0;200) 52.45 4.62 51.09 48.06
E 82.69 (0;0) 82.69 (20;0) 82.69 0 82.69 82.69
F 82.69 (0;120) 82.69 (40;130) 82.69 0 82.69 82.69
G 88.07 (30;810) 243.58 (10;150) 119.16 33.48 110.46 88.24
H 89.05 (30;810) 245.59 (10;160) 113.61 29.47 105.22 89.05
Life estimate from charge cycles at 100% DoD [yr]
A 94.99 (0;0) 94.99 (10;0) 94.99 0 94.99 94.99
B 94.71 (0;150) 94.99 (10;50) 94.76 0.1 94.71 94.71
C 63.88 (0;180) 94.31 (30;810) 88.86 6.6 91.6 94.26
D 63.34 (0;200) 92.89 (10;810) 85.67 6.91 87.31 92.76
E 54.09 (0;0) 54.09 (30;0) 54.09 0 54.09 54.09
F 54.09 (50;140) 54.09 (10;190) 54.09 0 54.09 54.09
G 18.44 (10;150) 50.81 (30;810) 40.15 9.37 40.55 50.71
H 18.29 (10;160) 50.25 (30;810) 41.57 8.52 42.57 50.25
Life estimate from discharge cycles at 100% DoD [yr]
A 95.62 (0;0) 95.62 (50;0) 95.62 0 95.62 95.62
B 95.62 (0;90) 95.62 (40;210) 95.62 0 95.62 95.62
C 64.16 (0;180) 94.93 (30;810) 89.42 6.68 92.18 94.88
D 63.73 (0;200) 93.76 (10;810) 86.42 7.03 88.08 93.63
E 54.42 (20;0) 54.42 (0;0) 54.42 0 54.42 54.42
F 54.42 (40;130) 54.42 (0;120) 54.42 0 54.42 54.42
G 18.47 (10;150) 51.09 (30;810) 40.34 9.45 40.74 51
H 18.32 (10;160) 50.53 (30;810) 41.77 8.59 42.77 50.53
20000290

Condition C3 ≤ C1, i.e. the instances for which the BS is profitable provided that some exemptions for
the downward BS are introduced, is now considered. The region, in the (pDW; pUP) plane, for which C3 ≤
C1 is called here “the profitability region associated to C3”. The values assumed by C3 itself, QDW, QUP,
QUP,pr red, QDAM,prg,act, QDAM,res, pDAM,res, Qin,tot, Qout,tot in such instances, i.e. in such a region, are reported,
as functions of (pDW; pUP), in figures from Figure 4.24 to Figure 4.29, for study cases B, C, D, F, G, H,
respectively, since, as already recalled, study cases A and E have already been dealt with (see Figure
4.1). 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 4.31 to Table 4.37, respectively.
• for study case B, except for some isolated points (characterised by pDW = 20 €/MWh and pUP ≥ 840
€/MWh), the profitability region associated to C3 is included in the rectangle defined by 0 €/MWh ≤
pDW ≤ 170 €/MWh and 30 €/MWh ≤ pUP ≤ 450 €/MWh; in the region, 0.10 MWh ≤ QDW ≤ 0.40
MWh, -1.25 MWh ≤ QUP = QUP,pr red ≤ -0.01 MWh, 0.27 MWh ≤ QDAM,prg,act ≤ 1.51 MWh, 0.44
MWh ≤ QDAM,res ≤ 1.56 MWh, 2.05 MWh ≤ Qin,tot ≤ 2.06 MWh;
• for study case F, the profitability region associated to C3 is split into two parts, plus some isolated
points (characterised by pDW = 30 €/MWh and 630 €/MWh ≤ pUP ≤ 680 €/MWh); the former part is
included in the rectangle defined by 10 €/MWh ≤ pDW ≤ 40 €/MWh and 680 €/MWh ≤ pUP ≤ 1000
€/MWh, the latter in the rectangle defined by 0 €/MWh ≤ pDW ≤ 100 €/MWh and 0 €/MWh ≤ pUP ≤
450 €/MWh; in the region, 0.26 MWh ≤ QDW ≤ 3.07 MWh, -2.49 MWh ≤ QUP = QUP,pr red ≤ -0.01
MWh, 0.53 MWh ≤ QDAM,prg,act ≤ 3.01 MWh, 0.00 MWh ≤ QDAM,res ≤ 1.86 MWh, Qin,tot = 3.61 MWh;
QDAM,prg,act ≤ 3.01 MWh, 0.16 MWh ≤ QDAM,res ≤ 5.84 MWh, 3.88 MWh ≤ Qin,tot ≤ 13.16 MWh, -
8.12 MWh ≤ Qout,tot ≤ -0.23 MWh.
In short, as expected, the profitability region associated to C3 is wider than the one associated to C2, and
correspondingly the energy exchanges in the profitable instances vary within larger intervals.
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
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
prices (pDW; pUP) [€/MWh; €/MWh] yielding C3 ≤ C1 (i.e. S3 ≥ 0).
20000290
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
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
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
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)
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
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
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

Condition C4 ≤ C1, i.e. the instances for which the BS is profitable provided that some exemptions for
the downward and upward BS are introduced, is now considered. The region, in the (pDW; pUP) plane, for
which C4 ≤ C1 is called here “the profitability region associated to C4”.
The values assumed by C4 itself, QDW, QUP, QUP,pr red, QDAM,prg,act, QDAM,res, pDAM,res, Qin,tot, Qout,tot in such
instances, i.e. in such a region, are reported, as functions of (pDW; pUP), in figures from Figure 4.30 to
Figure 4.35, for study cases B, C, D, F, G, H, respectively, since study cases A and E are dealt with in
Figure 4.1. 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 4.38 to Table 4.44, respectively.
• for study case B, C4 = C3 by construction, therefore the profitability region associated to C4 is the
same as the profitability region associated to C3, and correspondingly the analysed variables assume
the same values as the ones that they assume when C3 ≤ C1;
• for study case F, C4 = C3 by construction, therefore the profitability region associated to C4 is the
same as the profitability region associated to C3, and correspondingly the analysed variables assume
the same values as the ones that they assume when C3 ≤ C1;
≤ 11.78 MWh, -13.66 MWh ≤ QUP ≤ -0.25 MWh, -1.56 MWh ≤ QUP,pr red ≤ -0.01 MWh, 1.46 MWh
≤ QDAM,prg,act ≤ 3.01 MWh, 0.16 MWh ≤ QDAM,res ≤ 8.93 MWh, 3.88 MWh ≤ Qin,tot ≤ 17.80 MWh, -
12.09 MWh ≤ Qout,tot ≤ -0.23 MWh.
In short, as expected, the profitability region associated to C4 is wider than the one associated to C3, and
correspondingly the energy exchanges in the profitable instances vary within larger intervals.
20000290
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
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
BS, namely results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0); of course, Qup,pr red and
20000290
Figure 4.35 – Annual results for the non-domestic V2G study case with recharge program (case H) in the instances
BS, namely results for those bid prices (pDW; pUP) [€/MWh; €/MWh] yielding C4 ≤ C1 (i.e. S4 ≥ 0).
20000290
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
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
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
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)
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
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
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
4.3.4 Variables associated to C2 – RcapPprg · 1 yr ≤ C1

If the additional capacity remuneration is considered, the profitability condition for the BS itself
becomes C2 – RcapPprg · 1 yr ≤ C1 (i.e. S2,R ≥ 0). The region, in the (pDW; pUP) plane, for which
C2 – RcapPprg · 1 yr ≤ C1 is an enlarged profitability region with respect to the one associated simply to C2
(without the capacity remuneration), already analysed in Section 4.3.1.
The values assumed by C2 – 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
4.36 to Figure 4.39, 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 4.45 to Table 4.51, respectively.
• for study case B, the profitability region associated to C2 – RcapPprg · 1 yr, i.e. the enlarged
profitability region, is included in the rectangle defined by 0 €/MWh ≤ pDW ≤ 440 €/MWh and 10
€/MWh ≤ pUP ≤ 1000 €/MWh;
• for study case D, the profitability region associated to C2 – RcapPprg · 1 yr is included in the rectangle
defined by 0 €/MWh ≤ pDW ≤ 620 €/MWh and 150 €/MWh ≤ pUP ≤ 1000 €/MWh;
• for study case F, the profitability region associated to C2 – RcapPprg · 1 yr is included in the rectangle
• for study case H, the profitability region associated to C2 – RcapPprg · 1 yr is included in the rectangle
defined by 0 €/MWh ≤ pDW ≤ 400 €/MWh and 150 €/MWh ≤ pUP ≤ 1000 €/MWh.
In short, as expected, the profitability region associated to C2 – RcapPprg · 1 yr is wider than the one
associated to C2; 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
4.45 to Table 4.51 and in tables from Table 4.23 to Table 4.29.
20000290
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].
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
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
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;
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
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
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
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

Condition C3 – RcapPprg · 1 yr ≤ C1 (i.e. S3,R ≥ 0), i.e. the instances for which the BS is profitable provided
that some exemptions for the downward BS are introduced and the additional capacity remuneration is
considered, is now considered. The region, in the (pDW; pUP) plane, for which C3 – RcapPprg · 1 yr ≤ C1 is
an enlarged profitability region with respect to the one associated simply to C3 (without the capacity
remuneration), already analysed in Section 4.3.2.
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.
• 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 F, the profitability region associated to C3 – RcapPprg · 1 yr is included in the rectangle
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
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
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
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
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
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
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
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

Condition C4 – RcapPprg · 1 yr ≤ C1 (i.e. S4,R ≥ 0), i.e. the instances for which the BS is profitable provided
that some exemptions for the downward and for the upward BS are introduced and there is the additional
capacity remuneration, is now considered. The region, in the (pDW; pUP) plane, for which C4 – RcapPprg · 1
yr ≤ C1 is an enlarged profitability region with respect to the one associated simply to C4 (without the
capacity remuneration), already analysed in Section 4.3.3.The values assumed by C4 – 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 4.44 to Figure 4.47, 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 4.59 to Table 4.65, respectively.
• for study case B, C4 = C3 by construction, therefore the profitability region associated to C4 –
RcapPprg · 1 yr, i.e. the enlarged profitability region, is the same as the profitability region associated
to C3 – RcapPprg · 1 yr (and correspondingly the analysed variables assume the same values as the
ones that they assume when C3 – RcapPprg · 1 yr ≤ C1);
• for study case F, C4 = C3 by construction, therefore the profitability region associated to C4 –
RcapPprg · 1 yr, i.e. the enlarged profitability region, is the same as the profitability region associated
to C3 – RcapPprg · 1 yr (and correspondingly the analysed variables assume the same values as the
ones that they assume when C3 – RcapPprg · 1 yr ≤ C1);
4.59 to Table 4.65 and from Table 4.38 to Table 4.44. As expected, the profitability region associated to
C4 – RcapPprg · 1 yr is also wider than the one associated to C3 – RcapPprg · 1 yr (compare the minimum
and maximum values in tables from Table 4.59 to Table 4.65 and from Table 4.52 to Table 4.58 too).
20000290
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
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
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
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
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
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
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
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
4.3.7 Maximum and minimum saving with respect to C1

The instances for which there is a saving with respect to the benchmark bill are considered again, and
some synthetic remarks about the saving which can be obtained are made.
The number of the profitable instances is denoted as Ni or Ni,R, for Si or Si,R respectively (Si and Si,R being
the per cent saving indices with respect to the benchmark bill, defined in Section 3.6). Ni and Ni,R have to
be compared to the total number of instances, i.e. to the total number of bid prices simulated, which is
indicated as Ntot. As already mentioned in Section 3.6, Ntot = 101 in study cases A and E, because there is
the downward service only (so there are 101 pDW values only), and Ntot = 101 × 101 in the other study
cases, because there are both the downward and the upward service (so there are 101 × 101 (pDW; pUP)
values). Ni/Ntot and Ni,R/Ntot are reported in Figure 4.48 (a) and Figure 4.49 (a) respectively. As to S2
(Figure 4.48 (a)), associated to profitability of bill C2, one can notice that, on the whole, 1.24% ≤ N2/Ntot
≤ 16.07%; N2, and also N2/Ntot, increases when passing from V1G to V2G recharge and, in case of V2G
recharge, also when adding the recharge program, since there are more chances to do the upward BS and
thus to sell energy (|QUP|); however, N2, and also N2/Ntot, decreases in passing from the domestic to the
non-domestic cases (because the energy bought for the downward BS, i.e. QDW, increases), except for
the V2G plus program recharge (i.e. N2 increases in passing from case D to H, due to higher |QUP|).
Similar considerations hold for N3 and for N4, and also for N3/Ntot and for N4/Ntot (incidentally, notice
that, on the whole, 4.26% ≤ N3/Ntot ≤ 20.33% and 4.26% ≤ N4/Ntot ≤ 25.92%); however, N4, and also
N4/Ntot, is lower in case H than in case D. Of course, in general N3 > N2 (and N3/Ntot > N2/Ntot), because
bill C3 is a reduction of bill C2 by construction, and similarly N4 > N3(and N4/Ntot > N3/Ntot), because bill
C4 is a reduction of bill C3 by construction again (of course, N4 = N3 in case there are no net injections
into the grid, i.e. in cases A, B, E, F: indeed, in such cases C3 = C4 by construction, so S3 = S4). By
considering the capacity remuneration (Figure 4.49 (a)), the number of profitable instances increases
(and so does its ratio with respect to the total number of instances), as expected; besides, on the whole
14.68% ≤ N2,R/Ntot ≤ 40.71%, 19.48% ≤ N3,R/Ntot ≤ 46.79% and 19.48% ≤ N4,R/Ntot ≤ 53.49%.
Figure 4.48 also shows, in the assumption that condition Ci ≤ C1 holds, namely in the profitable
conditions, the mean value of Si, denoted as µ(Si) (Figure 4.48 (b)) and its standard deviation σ(Si)
(Figure 4.48 (c)). On the whole, 2.16% ≤ µ(S2) ≤ 43.24%, 3.44% ≤ µ(S3) ≤ 61.9% and 3.33% ≤ µ(S4) ≤
64.66%, while 1.79% ≤ σ (S2) ≤ 26.39%, 2.94% ≤ σ (S3) ≤ 36.15% and 2.94% ≤ σ (S4) ≤ 38.65%.
Figure 4.48 (d) and (e), respectively, report the maximum and minimum values attained by Si, together
with the related values of (pDW; pUP). Values min(S2) are very small, almost always lower than 1% or
20000290
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%.
(a) (b) (c)
(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
(a) (b) (c)
(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.
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
S3 ≥ 0) holds.
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
S3 ≥ 0) holds.
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
S4 ≥ 0) holds.
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
S4 ≥ 0) holds.
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.
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.
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).
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).
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).
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).
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.
Eight study cases are analysed, considering:

• home or company recharge, which is associated to less or more energy to be recharged every time
(over a year, 2.06 MWh versus 3.59 MWh) and to smaller or larger maximum recharging power
(2 kW versus 12 kW);
• V1G or V2G recharge configuration;
• the absence or presence of a pre-established recharge program on the DAM, here assumed to be in
the first three hours of the recharge period (over a year, the energy to be absorbed according to the
program would be about 1.51 MWh and 3.02 MWh in the simulated domestic and non-domestic
cases respectively); in its presence, in addition to the pay-as-bid remuneration for the energy
exchanged for the BS, a capacity remuneration is assumed (30 k€/MW/yr).
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%
downward service + exemption on V2G 43% 41% 168% 149%
the energy injected into the grid
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%
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.
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
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
downward service + exemption on V2G 77 yr 72 yr 27 yr 26 yr
the energy injected into the grid
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
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
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
[1] S. M. Canevese, A. Gatti and L. Pellegrino, "Strategie di controllo di sistemi di accumulo

elettrochimico, anche accoppiati a impianti rinnovabili, per l’erogazione di servizi di sistema,"
Ricerca di Sistema, RSE, n. 17001169, Milano, 2017.
[2] M. Benini, S. Canevese, D. Cirio and A. Gatti, "Battery energy storage systems for the provision
of primary and secondary frequency regulation in Italy," in IEEE 16th International Conference
on Environment and Electrical Engineering (EEEIC), 2016 .
[3] M. Benini, R. Urban, P. Grisi, S. Canevese, D. Cirio, A. Gatti, D. Moneta, A. Gelmini, A.
Cavaliere, E. Micolano and E. Garofalo, "Analisi costi-benefici di applicazioni di sistemi di
accumulo in un contesto di elevata penetrazione di FRNP," Ricerca di Sistema, RSE, n.
15000208, Milano, 2015.
[4] M. Benini, S. Canevese, A. Cavaliere, D. Cirio, A. Gatti, P. Grisi and A. Pitto, "Cost-benefit
analyses of storage systems applications for the provision of dispatching services," in 15th
International Conference on Environment and Electrical Engineering (EEEIC), Roma, Italy,
2015.
[5] S. Canevese and M. G. A. Benini, "Battery energy storage systems for ancillary service supply:
techno-economic evaluations," Ricerca di Sistema, RSE, n. 18000404, Milano, 2018.
[6] S. Canevese, D. Cirio, A. Gatti, M. Rapizza, E. Micolano and L. Pellegrino, "Simulation of
enhanced frequency response by battery storage systems: the UK versus the Continental Europe
system," in 2017 IEEE International Conference on Environment and Electrical Engineering and
2017 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), Milan,
2017.
[7] M. Benini, S. Canevese, D. Cirio and A. Gatti, "Participation of Battery Energy Storage Systems
in the Italian Balancing Market: Management Strategies and Economic Results," in 2018 IEEE
International Conference on Environment and Electrical Engineering and 2018 IEEE Industrial
and Commercial Power Systems Europe (EEEIC / I&CPS Europe), Palermo, Italy, 2018.
[8] S. Canevese and A. Gatti, "BESS Participation in the Italian Balancing Service: Profitability
Evaluation via an Optimal Bidding Approach," in 2019 IEEE Int. Conf. on Env. and Electr. Eng.
and 2019 IEEE Ind. and Comm. Power Systems Europe (EEEIC / I&CPS Europe), Genoa, Italy,
June 2019.
[9] S. Canevese, A. Gatti and M. Cazzol, "Bidding strategies for balancing service supply by battery
energy storage systems (Strategie di offerta per sistemi di accumulo elettrochimico per il servizio
di bilanciamento)," Ricerca di Sistema, RSE, n.18007667, Milano, December 2018.
[10] European Commission, Proposal for a DIRECTIVE OF THE EUROPEAN PARLIAMENT AND
OF THE COUNCIL on the promotion of the use of energy from renewable sources (recast),
Bruxelles: https://ec.europa.eu/energy/sites/ener/files/documents/1_en_act_part1_v7_1.pdf, 23
February 2017.
[11] European Commission, DIRECTIVE (EU) 2018/2001 OF THE EUROPEAN PARLIAMENT AND
OF THE COUNCIL of 11 December 2018 on the promotion of the use of energy from renewable
sources (recast), Bruxelles, 2018.
[12] European Council, "2030 climate & energy framework - European Council conclusions -
"European Council 23/24 October 2014 – Conclusions", EUCO 169/14, CO EUR 13, CONCL 5,"
24 October 2014. [Online]. Available: https://www.consilium.europa.eu/
uedocs/cms_data/docs/pressdata/en/ec/145397.pdf.
[13] Ministero dello Sviluppo Economico, Proposta di Piano Nazionale Integrato per l'Energia e il
Clima, 31 December 2018.
[14] Ministero dello sviluppo economico and Ministero dell'ambiente e tutela del territorio e del mare,
20000290
Strategia Energetica Nazionale 2017, 10 November 2017.

[15] ENTSO-E, "Supporting Document for the Network Code on Operational Security, 2nd Edition
Final," [Online]. Available: https://www.entsoe.eu, 24 September 2013.
[16] H. Holttinen, J. Kiviluoma, N. Cutululis, A. Gubina, A. Keane and F. Van Hulle, "Ancillary
Services: Technical Specifications, System Needs and Costs, REserviceS Project, Deliverable
D2.2," [Online]. Available: https://www.reservices-project.eu, November 2012.
[17] ENTSO-E, "Dispersed generation impact on CE region security," Dynamic study, Final Report,
March 2013.
[18] ENTSO-E, "Deterministic frequency deviations – root causes and proposals for potential
solutions," Report, December 2011.
[19] ENTSO-E, "Frequency quality investigation," UCTE Ad-Hoc Group, Final Report, 30 August
2008.
[20] ENTSO-E, "Frequency stability evaluation criteria for the synchronous zone of continental
Europe," Available: https://www.entsoe.eu/Documents/SOC%20documents/
RGCE_SPD_frequency_stability_criteria_v10.pdf, 2016.
[21] J. Frunt, "Analysis of Balancing Requirements in Future Sustainable and Reliable Power
Systems," PhD thesis, Eindhoven University of Technology. Available online:
http://alexandria.tue.nl/extra2/711271.pdf, 2011.
[22] F. M. Mele, Á. Ortega, R. Zárate-Miñano and F. Milano, "Impact of variability, uncertainty and
frequency regulation on power system frequency distribution," in 2016 Power Systems
Computation Conference (PSCC), Genoa, 2016.
[23] L. Michi, "Sfide del sistema elettrico - spunti di riflessione," in Assemblea Cigré, Rome, 4
December 2019.
[24] P. J. Vogler-Finck and W.-G. Früh, "Evolution of primary frequency control requirements in
Great Britain with increasing wind generation," International Journal of Electrical Power &
Energy Systems, vol. 73, pp. 377-388, December 2015.
[25] ENTSO-E, "Need for synthetic inertia (SI) for frequency regulation, ENTSO-E guidance
document for national implementation for network codes on grid connection," [Online].
Available: https://consultations.entsoe.eu, 2 November 2017.
[26] L. Marchisio, "L'evoluzione del sistema elettrico nazionale: sfide e prospettive dal punto di vista
del TSO," in Seminario AEIT "La trasformazione del sistema elettrico, le nuove esigenze di
gestione e gli strumenti per farvi fronte", Milano, 14 December 2016.
[27] H. P. Asal, P. Barth, E. Grebe and D. Quadflieg, "Dynamic System Studies of new Requirements
and Strategies for the Primary Control in the UCPTE/CENTREL Power System," CIGRE Session
1998.
[28] H. P. Asal, B. Madsen, H. W. Weber and E. Grebe, "Development in power-frequency
characteristic and droop of the UCPTE Power system and proposal for new recommendations for
primary control," CIGRE Session 1998.
[29] M. Bahloul and S. Khadem, "Design and control of energy storage system for enhanced
frequency response grid service," in IEEE International Conference on Industrial Technology
(ICIT), Lyon, France, 20-22 February, 2018.
[30] EU, "COMMISSION REGULATION (EU) 2017/1485 establishing a guideline on electricity
transmission system operation," 2 August 2017.
[31] S. W., "Power system operation in a changing environment," in Int. Symposium on electrical
engineering and energy converters – ELS 2013, Buletinul AGIR nr. 3/2013.
[32] ARERA (formerly AEEGSI), Prima apertura del mercato per il servizio di dispacciamento
(MSD) alla domanda elettrica e alle unità di produzione anche da fonti rinnovabili non già
abilitate nonché ai sistemi di accumulo. Istituzione di progetti pilota in vista della costituzione...,
20000290
Online: https://www.autorita.energia.it/allegati/docs/17/300-17.pdf: Decision 300/2017/R/EEL.

In Italian, 5 May 2017.
[33] ARERA (formerly AEEGSI), Approvazione del regolamento, predisposto da TERNA S.p.A. ai
sensi della Deliberazione 300/2017/R/EEL, relativo al progetto pilota per la partecipazione della
domanda al Mercato per il Servizio di Dispacciamento, Deliberazione n° 372/2017/R/EEL,
http://www.terna.it/SistemaElettrico/MercatoElettrico/ProgettiPilotaexdel3002017REEL/Progetto
PilotaperUVAC.aspx, 25 May 2017.
[34] ARERA (formerly AEEGSI), Regolamento recante le modalità per la creazione, qualificazione e
gestione di unità virtuali abilitate miste (UVAM) al Mercato dei Servizi di Dispacciamento -
Regolamento MSD UVAM, http://download.terna.it/terna/0000/1114/21.PDF, 2018.
[35] ARERA (formerly AEEGSI), Approvazione del regolamento, predisposto da Terna S.p.a. ai sensi
della deliberazione dell’Autorità 300/2017/R/eel, relativo al progetto pilota per la fornitura del
servizio di regolazione primaria della frequenza per il tramite di unità di produzione, Decision n.
402/2018/R/eel: https://www.arera.it/it/docs/18/402-18.htm, 26th July 2018.
[36] T. Weitzel and C. H. Glock, "Energy management for stationary electric energy storage systems:
A systematic literature review," European Journal of Operational Research, vol. 264, no. 2, pp.
582-606, 16 January 2018.
[37] X. Luo, J. Wang, M. Dooner and J. Clarke, "Overview of current development in electrical
energy storage technologies and the application potential in power system operation," Applied
Energy, vol. 137, pp. 511-536, 1 January 2015.
[38] P. Taylor, C. Patsios, S. Munoz Vaca, D. Greenwood and N. Wade, "Chapter 21 - Energy Storage
Integration," in Storing Energy, Oxford, Elsevier, 2016, pp. 433-476.
[39] K. K. Zame, C. A. Brehm, A. T. Nitica, C. L. Richard and G. D. Schweitzer III, "Smart grid and
energy storage: Policy recommendations," Renewable and Sustainable Energy Reviews, Vols. 82,
Part 1, pp. 1646-1654, February 2018.
[40] N. Wade, P. Taylor, P. Lang and P. Jones, "Evaluating the benefits of an electrical energy storage
system in a future smart grid," Energy Policy, vol. 38, no. 11, pp. 7180-7188, November 2010.
[41] AA. VV., "Opening the Door to Energy Storage - Challenges for Future Systems," IEEE Power
and Energy Magazine, vol. 15, no. 5, September/October 2017.
[42] M. Kazemi, H. Zareipour, N. Amjady, W. Rosehart and M. Ehsan, "Operation Scheduling of
Battery Storage Systems in Joint Energy and Ancillary Services Markets," IEEE Transactions on
Sustainable Energy, vol. 8, no. 4, pp. 1726-1735, 2017.
[43] 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, 1 January 2015.
[44] R. K. Selvaraju and G. Somaskandan, "Impact of energy storage units on load frequency control
of deregulated power systems," Energy, vol. 97, pp. 214-228, 15 February 2016.
[45] S. P. Forrester, A. Zaman, J. L. Mathieu and J. X. Johnson, "Policy and market barriers to energy
storage providing multiple services," The Electricity Journal, vol. 30, no. 9, pp. 50-56, November
2017.
[46] A. Lucas and S. Chondrogiannis, "Smart grid energy storage controller for frequency regulation
and peak shaving, using a vanadium redox flow battery," International Journal of Electrical
Power & Energy Systems, vol. 80, pp. 26-36, September 2016.
[47] J. Wang, H. Zhong, W. Tang, R. Rajagopal, Q. Xia, C. Kang and Y. Wang, "Optimal bidding
strategy for microgrids in joint energy and ancillary service markets considering flexible ramping
products," Applied Energy, vol. 205, pp. 294-303, 1 November 2017.
[48] C. Brivio, S. Mandelli and M. Merlo, "Battery energy storage system for primary control reserve
and energy arbitrage," Sustainable Energy, Grids and Networks, vol. 6, pp. 152-165, June 2016.
[49] S. Nassuato, G. Magistrati, G. Marchegiani, C. Brivio, M. Delfanti, D. Falabretti and M. Merlo,
20000290
"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
Regulation," Energy Procedia, vol. 99, pp. 204-214, November 2016.

[69] G. He, Q. Chen, C. Kang, P. Pinson and Q. Xia, "Optimal Bidding Strategy of Battery Storage in
Power Markets Considering Performance-Based Regulation and Battery Cycle Life," IEEE
Transactions on Smart Grid, vol. 7(5), pp. 2359-2367, 2016.
[70] L. Nati, "Optimal Bidding Strategy of a Decentralized Storage Device in both Energy and
Reserve Markets," Master Thesis, EEH Power Systems Laboratory ETH, Zurich, September 19,
2017.
[71] J. Fleer, S. Zurmühlen, J. Meyer, J. Badeda, P. Stenzel, J.-F. Hake and D. U. Sauer, "Price
development and bidding strategies for battery energy storage systems on the primary control
reserve market," in The 11th International Renewable Energy Storage Conference - IRES, 2017.
[72] J. Engels, B. Claessens and G. Deconinck, "Combined Stochastic Optimization of Frequency
Control and Self-Consumption with a Battery," IEEE Transactions on Smart Grid, pp. 1-1, 2018.
[73] W.-P. Schill and C. Gerbaulet, "Power system impacts of electric vehicles in Germany: Charging
with coal or renewables?," Applied Energy, vol. 156, pp. 185-196, 2015.
[74] M. Honarmand, A. Zakariazadeh and S. Jadid, "Integrated scheduling of renewable generation
and electric vehicles parking lot in a smart microgrid," Energy Conversion and Management, vol.
86, pp. 745-755, 2014.
[75] A. Thielmann, A. Sauer, R. Isenmann and M. Wietschel, "Technology Roadmap - Energy storage
for Electric Mobility 2030, The Fraunhofer Institute for Systems and Innovation Research ISI,"
[Online]. Available: https://www.isi.fraunhofer.de/content/dam/isi/dokumente/cct/lib/TRM-
ESEM-2030_en.pdf.
[76] S. Tamura and T. Kikuchi, "V2G Strategy for Frequency Regulation Based on Economic
Evaluation Considering EV Battery Longevity," in INTELEC 2018 - International
Communications Energy Conference, Turin, Italy, 7-11 October 2018.
[77] N. Magome and S. Tamura, "A New Decentralized Control of EVs for Load Frequency Control
Retaining EV users' Convenience," in INTELEC 2018 - International Communications Energy
Conference, Turin, Italy, 7-11 October 2018.
[78] J. Quirós-Tortós, L. Ochoa and T. Butler, "How Electric Vehicles and the Grid Work Together:
Lessons Learned from One of the Largest Electric Vehicle Trials in the World," IEEE Power and
Energy Magazine, vol. 16, no. 6, pp. 64-76, November 2018.
[79] P. Andersen, S. Hashemi Toghroljerdi, T. Sørensen, B. Christensen, J. Morell Lodberg Höj and
A. Zecchino, "The Parker Project final report, Version 1.1," [Online]. Available: http://parker-
project.com, 2019.
[80] D. Dallinger, D. Krampe and M. Wietschel, "Vehicle-to-grid regulation based on a dynamic
simulation of mobility behavior, Working Paper Sustainability and Innovation, No. S4/2010,
Fraunhofer ISI, Karlsruhe," [Online]. Available: http://hdl.handle.net/10419/36696, 2010.
[81] S. Han, S. Han and K. Sezaki, "Development of an Optimal Vehicle-to-Grid Aggregator for
Frequency Regulation," IEEE Transactions on Smart Grid, vol. 1, pp. 65-72, June 2010.
[82] H. Liu, Z. Hu, Y. Song and J. Lin, "Decentralized Vehicle-to-Grid Control for Primary Frequency
Regulation Considering Charging Demands," IEEE Transactions on Power Systems, vol. 28, no.
3, pp. 3480-3489, August 2013.
[83] H. Jia, X. Li, Y. Mu, C. Xu, Y. Jiang, X. Yu, J. Wu and C. Dong, "Coordinated control for EV
aggregators and power plants in frequency regulation considering time-varying delays," Applied
Energy, vol. 210, pp. 1363-1376, 15 January 2018.
[84] E. Sortomme and M. El-Sharkawi, "Optimal Scheduling of Vehicle-to-Grid Energy and Ancillary
Services," IEEE Transactions on Smart Grid, vol. 3, no. 1, pp. 351-359, March 2012.
[85] G. Saldaña, J. I. San Martin, I. Zamora, F. J. Asensio and O. Oñederra, "Electric Vehicle into the
Grid: Charging Methodologies Aimed at Providing Ancillary Services Considering Battery
20000290
Degradation," Energies, vol. 12, no. 12, p. (2443), 2019.

[86] L. Marchisio, F. Genoese and F. Raffo, "L’apertura delle risorse distribuite al mercato dei servizi:
quale bilancio?," https://download.terna.it/terna/0000/1224/89.PDF.
[87] L. Marchisio, Partecipazione della Domanda Flessibile al Mercato per il Servizio di
Dispacciamento - Alcune evidenze quantitative. In Italian, Milano: Workshop "Partecipazione
della Domanda Flessibile al Mercato per il Servizio di Dispacciamento", 23 February 2018.
[88] TERNA, "Progetto Pilota per Unità Virtuali Abilitate Miste - UVAM," [Online]. Available:
https://www.terna.it/it/sistema-elettrico/progetti-pilota-delibera-arera-300-2017-reel/progetto-
pilota-uvam.
[89] TERNA, "Progetto Pilota UPI," [Online]. Available: https://www.terna.it/it/sistema-
elettrico/progetti-pilota-delibera-arera-300-2017-reel/progetto-pilota-upi.
[90] ARERA, Approvazione del regolamento predisposto da Terna per l’approvvigionamento della
disponibilità di risorse per la regolazione di tensione nell’area di Brindisi. Ulteriori disposizioni
e progetti pilota relativi alla regolazione di tensione, Decision 675/2018/R/eel:
https://www.arera.it/it/docs/18/675-18.htm, 18 December 2018.
[91] TERNA, Regolamento per l’approvvigionamento della disponibilità di risorse per la regolazione
di tensione nell’area di Brindisi, https://download.terna.it/terna/0000/1144/95.PDF, 21 December
2018.
[92] TERNA, "Progetto Pilota Riserva Ultra-Rapida," [Online]. Available:
https://www.terna.it/it/sistema-elettrico/progetti-pilota-delibera-arera-300-2017-reel/progetto-
pilota-riserva-ultra-rapida.
[93] D. Greenwood, K. Lim, C. Patsios, P. Lyons, Y. Lim and P. Taylor, "Frequency response services
designed for energy storage," Applied Energy, vol. 203, pp. 115-127, 1 October 2017.
[94] ARERA, "Parere in merito allo schema di decreto ministeriale finalizzato a favorire la diffusione
della tecnologia di integrazione tra i veicoli elettrici e la rete elettrica. Parere 394/2019/I/EEL. In
Italian," 26 September 2019. [Online]. Available: https://www.arera.it/it/docs/19/394-19.htm.
[95] GME, "Gestore Mercati Energetici website," [Online]. Available:
http://www.mercatoelettrico.org/it/.
[96] S. Fioravante, "Progettazione e realizzazione di uno strumento di analisi per il Mercato del
Servizio di Dispacciamento," Master thesis, Politecnico di Milano, Milan, 2013-2014.
[97] TERNA, Relazione Finanziaria Annuale, https://www.terna-reports.it/2018/, 2018.
[98] ARERA, Rapporto annuale dell’Autorità per l’energia elettrica il gas e il sistema idrico in
materia di monitoraggio dei mercati elettrici a pronti, a termine e dei servizi di dispacciamento:
consuntivo 2014, Report 630/2015/I/eel: https://www.arera.it/it/docs/15/630-15.htm, 17
December 2015.
[99] L. Marchisio, "Fattori abilitanti alla transizione energetica: apertura a nuove risorse per la
gestione del sistema elettrico," in Il contributo dei nuovi attori per la transizione del sistema
elettrico italiano, Workshop AEIT, Catania,
http://aeit.diees.unict.it/down2018/workshop_23nov18/04_TERNA-AEITCatania-
LucaMarchisio.pdf, 23 November 2018.
[100] RSE, "Fornitura di servizi di bilanciamento da parte di veicoli elettrici in ricarica: valutazione
delle possibili implicazioni economiche su alcuni casi di studio," December 2018. [Online].
Available: http://www.rse-web.it/notizie/Fornitura-di-servizi-di-bilanciamento-da-parte-di-
veicoli-el.page.
[101] ARERA, Approvazione del regolamento, predisposto da Terna S.p.a. ai sensi della deliberazione
dell’Autorità 300/2017/R/eel, relativo al progetto pilota per la partecipazione di unità virtuali
miste al mercato per il servizio di dispacciamento (MSD), Decision n. 422/2018/R/eel:
https://www.arera.it/it/docs/18/422-18.htm, 2 August 2018.
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]
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
Induction Heating - Unit 1

CHARACTERISTICS
OF
ELECTROHEAT PROCESSES
 High temperatures possible
 High power densities and consequent short

heating times
 High frequencies (in many cases)
Automation of installations

Content of Unit 1
• Basic principles
• Installation layout
• Electromagnetic field distribution in sample (easy) geometry
• Volume power density and total power in the load
• Impedance of the “ideal” inductor
• Metal half-space distributions
• Resistance and internal reactance of inductor
• Electrical efficiency
• Q-factor and power factor

Content of Unit 1
•Basic principles
and
• Installation layout

Induction Heating
Principle
Topics:
• Contactless heating
• Direct heating (high power density)
• Through or surface heating
• Melting with stirring
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

Inductor-Load System:
longitudinal flux geometry
a) exciting coil; b) load; c) magnetic flux lines

Examples of inductor-load system
geometries
b
b a
a
a
b
b
a
a a
a
b
b b
b b
a) inductor; b) load
Principal components of an induction
heating installation
f1 a)
f2
b)
c) d)
a) frequency converter; b) capacitor’s bank;

c) inductor coil; d) workpiece to be heated
Frequency Converters

Esempio di valutazione della distribuzione della corrente
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.
Dovendo il campo essere sempre finito sarà C2=0.
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.
Dalla legge di Ohm in forma puntuale:
L’ampiezza (N.B. si tratta di grandezze variabili con legge sinusoidale nel tempo ) in corrispondenza di y=0,
(cioè sulla superficie):
(Il valore efficace è: )
Valutiamo la distribuzione della densità di potenza:
La densità di potenza decade molto velocemente

Nel rame:
Se ipotizziamo una permeabilità

relativa del ferro pari a 1000, i
corrispondenti valori degli spessori
di penetrazione sono 30 volte più
piccoli.
Potenza in un volume di lati l, a e y.
Potenza in un volume di lati l, a e infinitamente

esteso all’intento del semispazio
Potenza in un volume di lati l, a e δ rapportata alla potenza complessiva.
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:
BI prodotto dalla I come se fosse uniforme

Questo campo varia nel tempo e produce
tensioni e correnti indotte i, che circolano
sui percorsi chiusi indicati
Bi campo prodotto dalle correnti indotte

e che si oppone al BI
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
Nel semispazio abbiamo visto che la corrente si distribuisce con ampiezza:
Mentre la potenza attiva: Con densità di potenza sulla superficie
Poiché dal punto di vista energetico tutto avviene in prossimità dalla

superficie, possiamo definire uno strato superficiale attivo di spessore δ’
ottenuto sostituendo l’andamento esponenziale decrescente dalla
densità di corrente con una densità J’ uniformemente distribuita fale che
la potenza dissipata sia da questa corrente in questo strato sia pari alla
potenza totalmente dissipata all’interno del semispazio.
Se si sceglie δ’= δ, allora

Effetto pelle e di prossimità in conduttori a sezione rettangolare
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.
La curva continua rappresenta il valore della densità di corrente

in funzione di y all’istante ωt=3π/4.
Si vede che per effetto della variazione di fase la densità di
corrente cambia verso.
Aspetti energetici
Il vettore di Poynting complesso è diretto verso y.
Il flusso di potenza sulla superficie vale:
Il flusso di potenza su un piano parallelo alla superficie e con y=δ vale:
Per differenza si trova la potenza in una strato spesso δ: Lo stesso risultato ottenuto per altra via.
La distribuzione di potenza attiva può essere scritta come:

Condizione al contorno
Supponiamo di avere un foglio di corrente costituito da N1 conduttori per unità di
lunghezza con corrente di valore efficace I.
Se immaginiamo la richiusura per y molto grande La legge di Ampere si scrive:
Consideriamo un parallelepipedo di spessore h in direzione y e
indefinito nelle altre due dimensioni. A destra del parallelepipedo
possiamo immaginare un materiale NON conduttore.
Supponiamo di avere un foglio di corrente costituito da N1 conduttori
per unità di lunghezza con corrente di valore efficace I.
Se h è confrontabile con lo spessore di penetrazione (o più piccolo) c’è
campo anche a destra del parallelepipedo conduttore.
Ipotesi: Nel mezzo 1:
Nel mezzo 2
Parametri costanti:
Regime sinusoidale
Equazioni Condizioni al contorno

Lamina con eccitazione su entrambi i lati
Ipotesi:
Equazione Soluzione Condizioni al contorno
Per simmetria:
Distribuzione di H all’interno della lamina
Osservazione: Nel caso di più lamine impaccate e isolate fra loro

inserite nello stesso induttore alimentato a solita corrente impressa
ciascuna lamina si comporta come se fosse l’unica.
Per comprenderlo basta osservare che nella lamina indefinita le
correnti indotte sono simmetricamente distribuite rispetto al piano
di mezzeria. Il loro effetto risultante fuori dalla lamina è nullo.
Il campo magnetico subito fuori dalla lamina è quindi quello prodotto
dalle correnti sull’induttore.
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
Sulla superficie della lamina:
Ricavando He da questa equazione e sostituendo nella prima si scrive:
Questa equazione permette di scrivere la J(y) all’interno in funzione del valore della densità di corrente J e sulla superficie
In termini dei moduli si ha:
Per simmetria la densità di corrente è sempre nulla al centro della lamina.
Se h/δ >10 si ha lo stesso andamento del semispazio indefinito.

Bilancio energetico
Consideriamo il vettore di Poynting complesso valutandolo su una delle due superfici della lamina (sull’altra si trova lo stesso
risultato) :
Parte reale e parte immaginaria possono riscriversi come:
Avendo utilizzato il parametro e le funzioni F2S e G2S.
S0e rappresenta la densità di del flusso di energia

attraverso la superficie del semispazio indefinito. I termini
dati dalle funzioni F2S e G2S. Possono essere visti come dei
termini correttivi che tengono conto del differente
comportamento della lamina rispetto ai due semispazi
accoppiati.
Se lo spessore della lamina è molto grande rispetto allo
spessore di penetrazione allora F2S e G2S hanno valori
unitari.
Per quanto visto in precedenza basta che la lamina sia 5
volte lo spessore di penetrazione.
Le densità di flusso di potenza attiva e reattiva
possono essere scritte come:
2𝑔
𝐻𝑒2 2𝑔 𝐻𝑒2 2𝑔 𝐺
𝑝=𝜌 𝐹 𝑞=𝜌 𝐺 𝛿 2𝑆
2𝑔 𝛿 2𝑆 2𝑔 𝛿 2𝑆
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.
La figura mostra gli andamenti di densità di potenza all’interno di un

cilindro di materiale ferromagnetico a diverse temperature.
Per temperature relativamente basse (<500 °C) si riconoscono andamenti
esponenziali, quando si superano i 700 °C le cose cambiano.
Ciò è legato alla dipendenza dalla temperatura dei della permeabilità
magnetica dei materiali ferromagnetici, che ha un brusco crollo in
corrispondenza della temperatura di Curie che si aggira intorno ai 750 °C.
La dipendenza della permeabilità dalla temperatura

può scriversi come:
Se analizziamo (qualitativamente) il transitorio elettrotermico

possiamo riconoscere il fenomeno dell’onda magnetica.
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.
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
Equazioni in coordinate cilindriche
Equazioni nel caso generale Rotore in coordinate cilindriche

Si ottiene una equazione di Bessel La soluzione può essere scritta come:

Con le seguenti normalizzazioni:
Funzione di Bessel di prima specie di ordine zero

Funzione di Bessel di seconda specie di ordine zero
Condizioni al contorno
Sostituendo il valore di C1
è un numero complesso che può essere scritto (se u è reale) come:
Sostituendo nell’espressione della soluzione si ottiene:
In termini di ampiezze:
Andamento del modulo di H in funzione del raggio normalizzato

con m come parametro
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
J1 può essere scritto in termini di parte reale e parte immaginaria

Che sono legate a parte reale e parte immaginaria delle derivate
Di parte reale e parte immaginaria di J0: Si definiscono quindi le funzione P e Q.
La fase delle correnti indotte cambia e il loro modulo diminuisce

entrando nel cilindro.
La corrente è sempre nulla nel centro del cilindro
Mantenendo costante He (campo di eccitazione) e re (raggio

esterno) Je cresce con m (e quindi crescere al decrescere dello
spessore di penetrazione)
Per m piccoli il decadimento è lineare.

Per m grandi il decadimento è circa esponenziale
Distribuzione della potenza

Confronto fra gli andamenti NON normalizzati a Je, (ma a He)
della densità di corrente J per differenti valori di f (e quindi Densità di potenza generica.
differenti valori di m)
Densità di potenza sulla superficie.
Geometrie cilindriche: aspetti energetici
L’impedenza equivalente può essere determinata come rapporto tensione corrente sull’induttore, valutando la tensione
sull’induttore considerando la derivata del flusso concatenato.
Per valutare l’integrale si usa la relazione

Impedenza equivalente del sistema induttore+carico.
Ipotizziamo che l’induttore sia privo di resistenza e formato da un foglio cilindrico di corrente.
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:
Aggiungendola all’espressione vista della potenza complessa si ha:
Dividendo per I2 si ottiene l’impedenza vista:
Resistenza del carico vista dai Reattanza corrispondente alla

morsetti dell’induttore potenza reattiva Qa
Reattanza del carico vista dai Variazione della reattanza da

morsetti dell’induttore vuoto a carico
Si possono usare valore approssimati di A, B, P e Q dati dalla tabella

Geometrie cilindriche: cilindro cavo
Immaginiamo di avere un cilindro indefinito cavo, cioè una geometria tubolare, in cui sono assegnati i valori dei campi
di eccitazione all’esterno e all’interno del tubo: He a Hi.
Indichiamo con r, re ed ri rispettivamente il raggio generico all’interno del tubo, il suo raggio esterno e quelli interno.
Lo spessore de tubo è s= re - ri . Definiamo poi alcuni parametri:
L’equazione differenziale è la solita:
La soluzione è sempre scritta in termini di funzioni di Bessel di ordine zero

di prima e seconda specie.
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:
Occorre risolvere un sistema algebrico lineare di due equazioni in due incognite:
Avendo definito:
Si può quindi scrivere la soluzione nella forma:

In cui, similmente a quanto fatto sopra si definisce:
Possiamo ora determinare il campo elettrico: In cui si è posto:

Consideriamo il solito tubo ma assegnando solo il valore del campo magnetico all’esterno. Quello che possiamo affermare
a proposito del campo all’interno è che sarà costante, di valore (incognito) Hi.
Possiamo però legarlo al valore del campo elettrico sulla superficie interna del tubo.
Ricordando l’espressione generale determinata in precedenza per il campo elettrico, possiamo valutarla per r=ri, quindi
otteniamo la seguente equazione:
che, tenuto conto della relazione:
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.
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:
Nel caso attuale diventa:
Il campo elettrico è:
Il flusso del vettore di Poynting attraverso la superficie interna vale:
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
In precedenza abbiamo visto il calcolo dell’impedenza vista ipotizzando un induttore privo

di perdite e formato da un foglio di corrente. Vogliamo inserire anche i suoi parametri nel
calcolo. Questi parametri prendono il nome di resistenza e reattanza interne.
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
Si tratta di recuperare la soluzione trovata prima e rinominare la condizione al contorno.

Potenze attive e reattive ottenute dall’integrazione del vettore di Poynting sono:
Ri e Xii sono resistenza in alternata e reattanza

interna dell’induttore.
ki è un coefficiente maggiore di 1 che tiene conto
della separazione assiale delle spire; ki =li/(Nh) per
conduttori di sezione rettangolare, mentre
ki=4li/(Nπd) per sezioni circolari. ki è il rapporto fra
le sezioni dei conduttori nella figura in basso e la
sezione effettiva dei conduttori.
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:
Sostituendo i valori prima determinati
N. B. Ai e P sono calcolati su contesti diversi e non si semplificano

Il rendimento dipende da
1) coefficiente di accoppiamento α (cioè da quanto si riempie l’induttore col pezzo da scaldare),
2) dalla resistività del materiale di cui è fatto l’induttore
3)dalla resistività e permeabilità del materiale da scaldare,
4)dal prodotto Aiki che è un parametro caratteristico dell’induttore
5)dal coefficiente P che funzione di m, il rapporto fra l’estensione radiale del pezzo da scaldare e lo spessore di
penetrazione δ alla frequenza di lavoro.
Con un induttore ben progettato e per m grandi si ottiene l’espressione:

Geometrie cilindriche
Efficienza energetica
Se m>2.5÷3, l’efficienza non è più funzione della frequenza.
La fornisce il valore della parte piatta del grafico.
La figura riporta andamenti tipici per alcuni materiali in corrispondenza di valori

usuali di coefficienti di accoppiamento e di intervalli di temperatura.
A, B e C si riferiscono materiali ferromagnetici con α =2.2 (piuttosto alto, accop-
piamento non troppo buono). In questo caso c’è il μ del materiale che compensa.
La curva A è sul range da 0° a 800°. Quella B è fra 800° e 1200° (oltre la tempera-
tura di Curie, quindi μ=1). La C è sull’intervallo da 0° a 1200° in cui si ha efficienza
intermedia fra i primi due casi.
Le curve D sono relative a alluminio e rame fino all’80% delle temperature di fu-
sione (500 e 800 rispettivamente) per α =1.4, 1.8 e 2.2.
Le curve E sono riferite all’ottone nell’intervallo da 0° a 800° e per gli stessi valori
di α.
L’efficienza del riscaldamento di rame e alluminio è più bassa sia dell’ottone che
del ferro (sopra la temperatura di Curie) per effetto della maggiore resistività di
ferro e ottone rispetto a alluminio e rame.
N. B. Se cambia in modo rilevante il raggio del pezzo da scaldare occorre

cambiare induttore, infatti se α cresce troppo l’efficienza diventa troppo bassa
Geometrie cilindriche: fattore di qualità
Il sistema complessivo è di tipo ohmico induttivo. Come per tutti gli induttori possiamo definire il fattore di qualità definito
come il rapporto fra potenza reattiva e attiva, o in modo equivalente come rapporto fra reattanza e resistenza. Trascurando
la reattanza interna Xii. Moltiplicando e dividendo per R’w si ottiene un’espressione in cui entra l’efficienza.
Q’0 è il fattore di qualità del sistema con l’induttore ideale:

cioè privo di resistenza e reattanza interna.
Per alti valori di α (scarso accoppiamento) c’è da attendersi una prevalenza

della potenza reattiva su quella attiva convertita in calore, questo sia per
basse frequenze che per alte (m dipende dalla frequenza tramite δ ed è
funzione crescente della frequenza).
Al migliorare dell’accoppiamento (α diminuisce e va verso 1) al crescere
della frequenza la potenza attiva e quella reattiva tendono a essere uguali.
Nella potenza reattiva ha influenza la potenza reattiva in aria. Con α =1 non
c’è aria fra l’induttore e il materiale.
Geometrie cilindriche: fattore di potenza
Il fattore di potenza del sistema può essere scritto come:
Se il fattore di qualità abbastanza alto il fattore di potenza è

inversamente proporzionale al fattore di qualità.
Per valori usuali di α il fattore di potenza sta fra 0.1 e 0.35.
Occorre rifasare per sfruttare al meglio l’inverter che alimenta
il sistema.
Possiamo determinare le capacità di rifasamento da inserire in

varie configurazioni di reti di compensazione della potenza reattiva.
Calcolo degli induttori
L’approssimazione di considerare tratti finiti di geometrie
indefinitamente estese in direzione assiale può portare a
errori anche rilevanti se le lunghezze dei tratti finiti in
questione non sono sufficientemente grandi. Questo per
via del contributo degli effetti di bordo.
Fra gli effetti più importante da considerare nel caso di
geometri finite in direzione assiale ci sono da considerare
quelli dovuti alla riluttanza del percorso di ritorno dei
flussi prodotti dall’induttore di eccitazione. Infatti, se
l’induttore non è infinito il flusso non sarà confinato solo
al suo interno ma sarà presente anche all’esterno
dell’induttore.
La parte sinistra del disegno mostra la situazione reale.
Quella a destra una schematizzazione in termini di
riluttanze e f.m.m.
Ipotesi di base: i flussi sono totalmente concatenati; non
ci sono flussi che attraversano le pareti laterali
dell’induttore. I flussi entrano e escono dalle basi del
cilindro.
La regione A è quella corrispondente al pezzo da scaldare.
Le parti B e C sono i percorsi di ritorno interno ed esterno
rispettivamente.
Il flusso nella sezione A è diviso in due parti: quello all’interno

del materiale e quello nell’intercapedine di aria. Ipotizziamo
questi flussi diretti assialmente. I flussi nelle regioni B e C si
distribuiscono come se l’induttore fosse vuoto.
Se guardiamo il circuito magnetico equivalente è come se
parte della f.m.m. complessiva fosse utilizzata per sostenere il
flusso sul circuito di ritorno, e parte per sostenere il flusso
nella parte centrale.
Questo ci porta a definire un circuito elettrico equivalente
I0 è associata alla parte di fmm che cade sulla riluttanza del

percorso di ritorno. I’ è associata alla fmm che cade sulla
riluttanza centrale
X0 è legato alla riluttanza
dove:
lunghezze dell’induttore e del pezzo

Riluttanza di un tratto di un induttore indefinito
corrispondente alla lunghezza dell’induttore reale
L’altro termine che tiene conto del percorso esterno è:
Viene calcolato con la formula di Nagaoka che fornisce un

coefficiente correttivo per l’induttanza del solenoide corto
Se il rapporto a denominatore è maggiore di 0.2
l’espressione approssimata ha un errore inferiore al 3%.
Altrimenti si usa un grafico.
Sostituendo l’espressione di KN si ottiene (ci va ri al posto di Ri):
Nell’ipotesi di validità dell’espressione approssimata di KN si vede

che il contributo principale alla riluttanza è dato dalla parte delle
basi. Infatti l’espressione trovata non dipende dalla lunghezza
dell’induttore.
Mettendo tutto insieme si trova:
La Xa corrisponde al flusso fra il pezzo da scaldare e l’induttore:
Infine il termine dovuto al pezzo é
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

Parte 1: Generalità
Parte 2: Solare
Parte 3: Eolico
Parte 4: tematiche di rete
Parte 5: VSC e DCDC
Mondo: Wind e PV in forte crescita
Wind doppio di PV
carbone
Geotermico, idraulico, biomasse

3.4% 8.6%
6.7% 17%
https://www.iea.org/reports/global-energy-review-2021/renewables
M. Ceraolo - EES - Interfacciamento fonti rinnovabili 2

PV e Wind oggi e domani in Italia (Terna)
RES 40%; RES 75%

Wind+PV Wind+PV
38% delle 71% delle
RES RES
Eolico quasi Solare

pari al aumenta
solare più
dell'eolico
M. Ceraolo - SEE - Introduzione 3

Stagionalità di PV e wind 1 .8 GW sun, 1 GW wind
Sud Italia

Scenario al 2050 (*)
* https://www.rse-web.it/news/scenari-energetici-litalia-con-leuropa-alla-sfida-della-decarbonizzazione-14399/
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/
La specificità di solare ed eolico - 1
Centrali geotermoelettriche e idrauliche Centrali fotovoltaiche ed eoliche

• si interfacciano con la rete mediante • Le centrali PV di interfaccia con la rete
alternatori sincrono funzionanti a 50 Hz: mediante inverter, che hanno un
dal punto di vista dell'interfaccia con la funzionamento molto differente da
rete sono analoghe alle grandi centrali a quello degli alternatori rotanti
gas, a carbone, olio combustibile, • Le centrali Wind si interfacciano o con
nucleari. inverter o con macchina rotante; peraltro
• Esistono da molto tempo e il loro nel caso delle centrali più grosse il
contributo al funzionamento della rete è funzionamento è speciale in quanto è a
ampiamente conosciuto, sfruttato e velocità variabile
regolato
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
1000 W/m 2
T=25°C
2 750 W/m2 I pannelli fotovoltaici per la
loro fisica generano energia in
Cell Current (A)
corrente continua a tensione

500 W/m2
variabile.
1 Ma la rete è in corrente
250 W/m 2 alternata (trifase oltre una
certa potenza).
0.1 0.2 0.3 0.4 0.5 0.6

Cell Voltage (V )
monostadio bistadio
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)

In ordinata il rapporto fra l'energia del vento e

optimal quella che si riesce a catturare con la turbina. 𝑣 è
0.5 operation la velocità del vento, 𝜃 l'inclinazione delle pale.
Cp P
Se si mantiene Ω cotante si può variare
0.4 = l'inclinazione delle pale per cercare il punto di


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
 = 
𝜆= realizzare con generatori asincroni, ma si perde


=
0.1 𝑣
efficienza.
=

=
Se invece si mantiene 𝜆 costante variando Ω al




variare della velocità del vento si ottiene un

1 2 3
max 5 6 7 8

9
funzionamento superiore.
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.

I convertitori sono importanti per PV, Wind, BES.
PV PV EVSE Wind BES BES BES

monostadio DC bistadio bistadio monostadio DC
AC AC
Anche: PV bistadio

PV con inverter e filtro e connessione rete
P V inverter
I VSC non devono distorcere la rete.

=> Studieremo il funzionamento dei VSC, ma anche

Schema generale per generazione eolica
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.
Questo schema generale contiene gli elementi oggi presenti.

Lo schema si declina in due soluzioni oggi usate
- partial-scale power converter (e Doubly-fed Machines)
- full scale power converter (FSPC)
In anni recenti la FSPC è in forte crescita per via dei miglioramenti tecnico-economici della
conversione elettronica, e della crescente necessità di controllo del reattivo lato rete.

DFIG (partial-scale power converter) wind (1)
DFIG: doubly-fed Induction generator (macchina a induzione a doppia alimentazione)
Il filtro lato DFIG può mancare: l'induttanza naturale della macchina stabilizza la corrente

DFIG (partial-scale power converter) wind (2)
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)

Full-scale power converter Wind (1)
Il filtro lato wind può mancare

Full-scale converter Wind (2)
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.

Energy storage
La batteria compensa l'irregolarità della fonte vento.

Sistema adottato sia per impianti fotovoltaici che eolici

Electric vehicles (V2G)

Hybrid microgrids
Power flow
Unidirectional
bidirectional

Esempio commerciale: ricarica con accumulo
(Nidec Charging system)
AFE: "Active Front End":

Un altro nome per VSC

Problematiche di interfacciamento con la rete
Il tema principale è la non dispacciabilità e incostanza della produzione di potenza

=> necessità di aumenti di accumuli di rete (con l'ausilio dei veicoli in ricarica)
=> necessità di controllo del carico per sincronizzarlo per quanto possibile con la
generazione (anche mediante comunità energetiche
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.

M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
Parte 4: Tematiche di rete
Parte 5: VSC e DCDC
M. Ceraolo
Parte 2: Solare
Caratteristiche elettriche della cella
Ombreggiamento, MPPT
Dalla cella all'impianto
M. Ceraolo
Parte 2: Solare
La generazione fotovoltaica (cella)
1000 W/m 2
T=25°C
2 50°C 2 750 W/m2
25°C
Cell Current (A)
Cell Current (A)

0°C
radiation 500 W/m2
2
1000W/m
1 1
250 W/m 2
0.1 0.2 0.3 0.4 0.5 0.6 0.1 0.2 0.3 0.4 0.5 0.6
Cell Voltage (V ) Cell Voltage (V)

Modello di cella basato sul diodo - 1
id
id
conducting
block ing zone
zone A K
uz + ud -
ud
break down A: Anode K: Kathode
ud=v A-v K
R A I I
+
P
IP U=Us-RI
+ U
Us
UP
U
B - Us

La caratteristica del diodo è in realtà esponenziale
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

Modellazione della caratteristica completa
(Photovoltaics)
id
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)
I parametri 𝑚, 𝑢𝑏 , 𝑁𝑏 , 𝐼0 , 𝐼1 , 𝑁𝑏 , 𝑉𝑏 , vanno ottenuti per interpolazione dati sperimentali.
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
Caratteristica diretta, modello IEEE cella PV
Lo schema rappresenta il modello IEEE (*), da

associarsi a:
𝐼 = 𝐼𝑖 − 𝐼𝑝 = 𝐼𝑔 − 𝐼𝑑 − 𝐼𝑝 =
𝑉+𝑅𝑠 𝐼 𝑉 + 𝑅𝑠 𝐼
𝐼𝑔 − 𝐼0 𝑒 𝑚𝑢 𝑡 −1 −
𝑅𝑝
𝑞
In cui: 𝑢𝑡 𝑇 = 𝑘𝑇 (q è la carica dell'elettrone, k la costante di Boltzmann)
L'uso di questo modello è molto complesso in quanto richiede l'identificazione di 5 parametri:

𝑚, 𝐼𝑔 , 𝐼0 , 𝑅𝑟 , 𝑅𝑝 . , a loro volta funzione, oltre che del tipo di cella, anche dell'irradianza e della
temperatura T della giunzione!
Il modello di Photovoltaics appena visto è una semplificazione di questo modello in cui si

trascura 𝑅𝑠 (la si pone pari a 0) e 𝑅𝑝 (la si pone pari a ∞).
(*) 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.
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
M. Ceraolo - VEI - Power Electronics 11

Modello di cella basato sul diodo - 2
powerRamp
duration=0.8 s
-iD uAK ig-i D

iD ground
uAK uAK

Il diagramma delle potenze e l'MPPT

Le potenze si abbassano al crescere della
temperatura

M. Ceraolo
Parte 2: Solare
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
V10 V1 V20 V2 V20+V20 Vu
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.

Insolazioni differenti -
Celle in serie e diodi di bypass
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.

Insolazioni differenti e diodi di bypass - 2
In quest'esempio la potenza
massima si ha alle correnti
più basse diodi di bypass
inattivi)

Insolazioni differenti e diodi di bypass - 3
In quest'esempio la potenza massima si ha

alle correnti più basse
(attivo diodo di bypass inferiore)

Necessità dell'MPPT
Maximum power point tracking
𝑉2
𝑃=
𝑅

MPPT
6 4
Pmax 3
5 2
Sono proposte e usate molte tecniche per realizzare l'MPPT.

Una molto usata è detta "Hill Climbing" o "Perturb and Observe (P&O):
• Periodicamente si impone un cambiamento della tensione di cella e si

valuta la potenza generata
• Se all'aumentare della tensione la potenza sta crescendo, siamo lungo la
salita della collina e la prossima perturbazione sarà nello stesso verso
Voc
• Se la potenza invece decresce, abbiamo iniziato la discesa, e si inverte il
segno della successiva perturbazione
P&O verrà usata nelle esercitazioni.
Uno svantaggio di questo sistema che è continuamente oscillante intorno al valore di picco;
esistono varianti che affrontano questo problema.
MPPT -2 (modello esercitazione TwoSubmodels)
L'Hill Climbing è in grado di trovare un minimo locale.

Per affrontare situazioni di ombreggiamento occorre individuare tecniche speciali (non in
questo corso).
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)

M. Ceraolo
Parte 2: Solare
Modulo e submoduli
Ogni modulo è suddiviso in

submoduli, composti da celle in
serie fra loro, i quali submoduli
sono essi stessi fra loro in serie.
Ogni submodulo ha un diodi di
bypass.
Qui submoduli da 24 celle, e tre
diodi di bypass.
La corrente del pannello è pari

alla corrente di cella, la tensione
la somma di tutte le tensioni.

Cella, modulo, stringa, impianto
Fra cella e modulo i submoduli

Interfacciamento monostadio e bistadio
Nel sistema monostadio l'unico

convertitore (un VSC) nell'effettuare
la conversione da continua ad
Monostadio alternata effettua anche l'MPPT
Nello schema bistadio, usualmente

l'MPPT p confinato al convertitore
DCDC, che può essere un Buck o un
Boost.
Sono possibili schemi più complessi,
Bistadio che ad esempio includono un
trasformatore per consentire
l'isolamento galvanico.
Lo schema bistadio, a fronte di una maggiore complessità, consente maggiori margini di

controllo, e quindi di ottimizzazione.

Sistema bistadio
+ +
U Udc2
dc1 DC/DC Electric
inverter network
converter
- -
U I
MPPT
P(U)
Cell Current (A)

2
1
I(U)
Q
. P=c
onst
0.1 0.2 0.3 0.4 0.5 0.6

Cell Vo ltage (V).

Altri esempi
Qui abbiamo sempre
Filter
Grid
l'isolamento galvanico
PV
(spesso richiesto per la

sicurezza).
single-stage
La conversione ad alta
frequenza consente
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

Power Electronics in PV plants
distributed MPPT - string level
PV string
Sistemi stadio singolo a livello di

Single-stage stringa. Sono usati anche a
livello di modulo:
grid-interfaced microinverters
Grid link
(MIPIs)
PV string
Grid link
Dual-stage

Power Electronics in PV plants
distributed MPPT - module level

M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
Parte 5: VSC e DCDC
M. Ceraolo
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

Parte 2: Eolico
Dettagli del PSPC
Dettagli del PMSM
Le wind farm
Esempi
Le turbine eoliche
(qui il palo di sostegno ha

lunghezza artificialmente ridotta in
proporzione e non è rastremato;
per piccole turbine può essere a
traliccio o strallato)
Grande eolico (100kW+):

Asse orizzontale e passo variabile
Micro Eolico (fino a 10kW): spesso

asse verticale e passo fisso;
interfacciati con VSC
Ci concentreremo su grande
eolico; le analisi sull'interfaccia del
VSC sono valide anche per il micro-
eolico
Turbina eolica con sostegno

Le turbine eoliche (2) wikipedia

Installazione di mini e micro eolico (*)
*Trevor M. Letcher - Wind Energy Engineering_ A Handbook for Onshore and Offshore Wind Turbines (2017, Elsevier Inc.)

Alcune note sulle turbine mini-micro-eoliche
Vantaggi asse orizzontale Vantaggi asse Verticale

Horizontal Axis Wind Turbine (HAWT) Vertical Axis Wind Turbine (VAWT)
• Possibile installazione economica • Non necessita inseguimento direzione del vento
a maggiori altezze • Montaggio macchinario nella base (albero
• Più adatto a contesti rurali meccanico entro il palo; facilità di manutenzione)
• Migliore efficienza energetica e • Maggior compattezza (preferito in contesti
convenienza economica (TCO) urbani)
Le turbine microeoliche hanno passo fisso.

Per evitare che vadano in fuga possono essere previste molle che consentono alle pale di andare verso la bandiera e
perdere portanza oltre le massime velocità ammissibili del vento
L'accoppiamento elettrico è prevalentemente con PMSM-raddrizzatore, VSC (del tipo detto

per grosse turbine FSPC)
Esistono alcuni modelli con generatore asincrono direttamente interfacciato con la rete.
Ovviamente l'efficienza varia molto con la velocità del vento; possibile compensazione
reattivo con condensatori. Built-in safety (in caso di corto)
Necessari freni meccanici in caso di perdita della rete.

Grandi VAWT
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

La corsa alla crescita
diametro
https://www.energy.gov/eere/articles/wind-turbines-bigger-better

La corsa alla crescita
diametro
In anni recenti la ricerca di maggior potenze ha comportato maggior altezze e

diametri delle turbine e lo spostamento in aree costiere e nel mare dove il vento è
più forte e regolare
Il rapporto diametro /altezza navicella aumenta al crescere delle dimensioni; per

piccole turbine (sotto i 100 kW) è molto inferiore all'unità, per le più grandi
superiore.

Vantaggi della variazione della velocità angolare
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

 = 
• Fino a che il sistema può smaltire la


=
0.1 potenza ci si posiziona su P: la

=
velocità angolare è mantenuta


=
proporzionale a quella del vento e la



potenza va col cubo di Ω.

1 2 3
max 5 6 7 8

9
• Raggiunta la potenza massima al
A Cp example crescere del vento si mantiene Ω
Max theoretical 0.59, max practical around 0.45 costante (si riduce 𝜆) e si aumenta il
Curve shape changes according to blade design. pitch
Max= 16/270,59 is the Lancester-Bets limit, similar to Carnot's theorem's

Vantaggi della variazione della velocità angolare
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

 = 
• La forma della curva dipende dal


=
0.1 progetto della turbina; il massimo Cp

=
però è sempre inferiore a 0.59


=
(limite pratico 0.45)



1 2 3
max 5 6 7 8

9
• Il 𝜆 ottimale dipende dal progetto:

A Cp example nel nostro esempio successivo è 8.1
Curve shape changes according to blade design.
Max= 16/270,59 is the Lancester-Bets limit, similar to Carnot's theorem's

Riformulazione per velocità del vento (noto R)
Per una certa turbina (noto R)

riformulo più esplicitamente,
partendo dalla curva con pitch (𝜃)
𝑃𝑜𝑝𝑡 = 𝑘opt Ω3opt minimo del precedente grafico.
Per ogni velocità del vento valuto
cosa succede al variare della
velocità angolare.
In ordinata il Cp (pitch ottimale)
moltiplicato per la Ptot
corrispondente.
Variare la velocità angolare

consente anche di ridurre il rumore
aerodinamico delle turbine alle
basse velocità del vento dove è più
impattante sull'ambiente
1
La curva 𝑃𝑜𝑝𝑡 = 𝐶መ𝑝 2 𝜌𝐴𝑣 3 = 𝑘opt Ω3opt è la medesima del grafico precedente

Controllo al variare della velocità del vento
• Nella zona 1 (rotore bloccato) il rotore è

mantenuto bloccato con freni meccanici
• Nella zona 2 (pitch ottimale
Ω variabile) il sistema sta sul Cp
ottimale e 𝜃 minimo
• Nella zona 3 (pitch attivo) abbiamo
raggiunto la max velocità; Ω deve
rimanere costante e per questo occorre
anche aumentare 𝜃 (si rinuncia alla max
efficienza per raggiungimento limite di
forze centrifughe e/o potenza del
macchinario)
P 3
Pmax • Nella zona 4 (oltre cut-out) le pale sono
max portate a bandiera (coppia virtualmente
nulla) e il rotore è decelerato con i freni
2 meccanici fino allo stop
1 4 v

A sinistra l'isteresi alle alte velocità per evitare continui attacca-stacca"
A destra lo Storm control (www.Enercon.de) evita la commutazione e aumenta
l'energia prodotta.
Oltre V3 la velocità del rotore viene progressivamente ridotta.
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
Taglie e interfacciamento con la rete
(grandi impianti)
Nei sistemi FSPC la

geabox può
mancare, in quanto
la frequenza elettrica
può essere molto
bassa.
Nei FSPC sono
sempre presenti
perché la frequenza
di statore è sempre
50/60 Hz, e non si
può esagerare, per
ragioni di peso costo
e inombro con il
numero di coppie
polari

M. Ceraolo

Parte 2: Eolico
Dettagli del PSPC
Dettagli del PMSM
Le wind farm
Esempi
Primi schemi (oggi obsoleti)
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
Realizzazione elettronica di resistori pilotati
Il ponte a diodi su carico R-L realizza una semplice

relazione fra i valori medi della tensione AC e DC
Dettagli nel caso di carico R-L nel Corso SEE,
Regolazione tensione, "Il ponte di Graetz"
Qui possiamo assumere semplicemente
𝑈𝐷𝐶 = 𝑘𝑈𝐴𝐶
Il convertitore DC/DC realizza le condizioni:

𝑈2 𝐼1
= 𝑐; =𝑐 0<𝑐<1
𝑈1 𝐼2
+ +
Di conseguenza la potenza fra il secondario e il
U1 U2 R
primario è invariato, e:
𝑈22 𝑐 2 𝑈12 𝑈12
𝑃1 = 𝑃2 = = =
P2 𝑅 𝑅 𝑅𝑒𝑞1
P1
𝑅𝑒𝑞1 = 𝑅/𝑐 2
Questo porta a una potenza assorbita controllabile
che, in modo analogo, può essere rappresentato
mediante resistenze variabili site sul lato AC
Req1 (schema a SX).

Effetti del resistore di rotore sulla macchina a
induzione
more additional additional rotor

rotor resistances resistances
no additional rotor
resistances
0
generator
operation
motor operation
0
Aumentando la resistenza si aumenta la variazione di velocità e questo può migliorare il matching

con la curva di efficienza della turbina. Il funzionamento da motore può essere usato per
l'avviamento (che però si può fare anche solo con la forza del vento)
La presenza del conv. DCDC consente di avere una variazione continua della resistenza equivalente.

PSPC (Partial Scale Power Converter) e
FSPC (Full Scale Power Converter)
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
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.

La soluzione FSPC (doppio VSC)
La soluzione FSPC è diventata

lo standard per i grandi
impianti.
Essa, senza controllo di pitch,

con alternatore PMSM è
usata comunemente per
micro e mini wind.
Il VSC di macchina è controllato per trasferire a valle la potenza, ad esempio regolando la

velocità del rotore al valore ottimale (v. schema);
il VSC di rete controlla la tensione DC: in tal modo eroga tutta la potenza in arrivo.
Principio di questa regolazione: se la tensione DC tende a calare vuol di re che sto prelevando troppa
potenza e riduco il prelievo, Il contrario se tende a calare. Pertanto controllare la tensione significa
prelevare tutta la potenza in arrivo

PSPC: ulteriori dettagli
La soluzione PSFC richiede sempre un riduttore (altrimenti sarebbe necessario un numero

troppo elevato di coppie polari). Il riduttore può essere assente per la soluzione FSPC, che
può funzionare a frequenza inferiore a quella di rete (esempio più in là) si hanno vantaggi
sull'affidabilità e sul rumore, ma le macchine più lente sono più grosse e pesanti
Se si usa un alternatore sincrono esso è usualmente a magneti permanenti: si comporta
come un alternatore a eccitazione costante
Lo schema evidenzia la presenza di filtri, di solito L-C; il filtro lato macchina può mancare
in quanto le induttanze naturali della macchina effettuano uno spianamento naturale
delle correnti, quindi delle coppie.

FSPC con ponte a diodi
Questo sistema riduce la

complessità del convertitore
lato macchina e può essere
vantaggioso per le perdite.
La controllabilità di P e Q è
comunque garantita dal VSC
di rete.
E' qui presente un DCDC (qui
un buck) per ridurre la
variabilità della tensione in
ingresso al VSC
Anche qui il controllo della P
realizza il controllo di
velocità dell'alternatore
In questo esempio si ha la possibilità di controllare sia la tensione di eccitazione che il DC/DC; vi

è una ridondanza utilizzabile per ottimizzare il funzionamento (ad es. per regolare la tensione di
ingresso del VSC). Il sistema può essere realizzato anche con alternatore a magneti permanenti
e/o rinunciando al buck.
FSPC con ponte a diodi
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.

Accoppiamento alla rete: sommario
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.
Al crescere di efficienza e affidabilità dei convertitori elettronici e al ridursi del loro

costo, essi hanno preso sempre più piede.
M. Ceraolo
Parte 2: Eolico
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)
Per grosse macchine

(centinaia di kW, fino
1-2 MW) la macchina
è in BT, la rete in MT
Qui due diverse

soluzioni per il
trasformatore

PSPC
Uso della DFIG (2)
• La macchina a induzione a doppia alimentazione (doubly-fed induction machine - DFIG) è

a rotore avvolto e alimentata dallo statore e dal rotore mediante spazzole e anelli (slip-
rings),
• Controllando le correnti di rotore controlliamo ampiezza e fase del campo di rotore, e
possiamo in tal modo avere scorrimenti sia positive che negativi

La macchina DFIG (1)
• 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  2040%
• La Potenza dii convertitori, a seconda del design è fra 1/5 e 1/3 della Potenza
nominale della macchina

La macchina DFIG mediante il circuito equivalente
dell'asincrono
Perdite di rotore e
potenza meccanica
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)

Sopra il sincronismo il rotore assorbe potenza
Pm
Pt
suprasincrono
Pconv

Sotto il sincronismo il rotore genera potenza
Pm
Pt
subsincrono
Pconv

Pro/contro di PSPC (DFIGs) in confronto con FSPC
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.
Fermi restanti i vantaggi/svantaggi qui sopra, il crescente miglioramento di costo

efficienza e affidabilità dei convertitori ha reso nell'ultimo decennio la soluzione FSPC la
preferita rispetto a PSPC

M. Ceraolo

Parte 2: Eolico
Dettagli del PSPC
Dettagli del PMSM
Le wind farm
Esempi
Macchine PMSM isotrope e anisotrope
Il polo N per ogni magnete è

dove esce il flusso. Le frecce
rappresentano l direzione del
flusso e individuano quindi N e S
Negli esempi a sinistra macchine
con due coppie polari. Le coppie
polari possono anche essere
N
molte di più
S
isotropa anisotropa
Gli azionamenti PMSM sono basati su macchine sincrone a magneti permanenti.

Tali macchine si distinguono in isotrope e anisotrope.
Le prime hanno le stesse caratteristiche del circuito magnetico lungo qualsiasi direzione radiale, lungo
un raggio che parta dal centro e vada alla periferia (disegno a sinistra)
Le macchine anisotrope hanno invece caratteristiche differenti in funzione del raggio considerato Ad
esempio in una direzione vi può essere una maggior quantità di aria di un'altra, avendo quindi una
permeabilità magnetica minore (disegno a destra: il magnete ha una permeabilità equivalente a quella
dell'aria e molto inferiore a quella del ferro)
Tralasciando una descrizione di dettaglio di questi tipi di macchine, nel seguito si analizzano solo le più
semplici, cioè quelle isotrope.
Azionamenti PMSM isotropi 1
Xs I
+ E
jXs I
I E
+ E U
U jXs I
U
 
Pmech /3 Pmech /3
I
Sopra il modello di Behn Eschemburg di un sincrono. I diagrammi fasoriali seguono da

𝐸 = 𝑈 + 𝑗𝑋𝑠 𝐼
𝑃𝑚𝑒𝑐ℎ = 3𝑈𝐼 𝑐𝑜𝑠 𝜑 = 3𝐸𝐼 𝑐𝑜𝑠 𝛾 = 3 𝜔Ψ𝑃𝑀 𝐼𝑐𝑜𝑠 𝛾 = 3 𝜔𝐿𝑑 𝐼𝑃𝑀 𝐼𝑐𝑜𝑠 𝛾
𝑇𝑚𝑒𝑐ℎ = 𝑃𝑚𝑒𝑐ℎ ΤΩ = 3𝜔Ψ𝑃𝑀 𝐼 cos 𝛾 ΤΩ = 3𝑝Ψ𝑃𝑀 𝐼 cos 𝛾
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.
𝑀𝑇𝑃𝐴: 𝑇𝑚𝑒𝑐ℎ = 3𝑝Ψ𝑃𝑀 𝐼, 𝑃 = 𝑇𝜔
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 wwb
jLs I
U jXs I
U/w
U

AL crescere della velocità U(w rimane costante, quindi U cresce proporzionalmente a w.

Si arriva a un punto in cui la tensione non può più crescere per limite della macchina o del VSC
collegato.
Questa velocità è la velocità base.
Oltre la velocità base il triangolo viene ruotato per consentire il mantenimento di U costante.
L'angolo gamma diviene positivo e la coppa si riduce: una parte della corrente invece che per
generare coppia è impegnata a smagnetizzare la macchina per compensare la tensione indotta
sullo statore𝐸 = 𝑗𝜔Ψ𝑃𝑀 . L'angolo 𝜔, fra E e I, inizialmente nullo cresce.
E/w
wb E/w
1
wwb w1
w2
jLs I
jLs I
U/w U/w2
wbw1w2 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
ww b
6
• Oltre la velocità base la coppia decresce. La 𝑃 = 𝑇𝜔 inizialmente cresce ancora in quanto

l'aumento di 𝜔 prevale sulla riduzione di T; successivamente si raggiunge un massimo e poi
la potenza cala. A un certo punto, nell'esempio qui fuori la scala del grafico, la potenza e la
coppia raggiungono valore nullo.
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.

Per il caso eolico non serve grande elasticità
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

Matching turbina-macchina PMSM
P Pnom
P P 3
Pmax
T P con MTPA max
(I=cost) T con
=opt 2
P con 1 1 v
=opt
Fino a Pnom seguiamo la curva blu (potenza) e ocra (coppia).

Operiamo quindi a corrente, e di conseguenza coppia, inferiore a quella nominale della
macchina, e potenza inferiore a quella che essa potrebbe erogare continuativamente, per via
delle caratteristiche della turbina eolica.
Al punto nominale Pnom, siamo a corrente coppia e potenza nominale per la macchina e della
turbina; da quel punto in poi al crescere della velocità del vento la velocità della macchina
resta costante e si aumenta il pitch della turbina

M. Ceraolo

Parte 2: Eolico
Dettagli del PSPC
Dettagli del PMSM
Le wind farm
Esempi
Wind farms.
Superati i 10 MW la connessione è alla rete HV
Fig. from Frede Blaabjerg, and Ke Ma, Wind Energy Systems

Tensioni POC, PCC (1)

Tensioni POC, PCC(2)
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).
*ABB fa convertitori per turbine BT fino a 8 MW, MT da 4 a 12 MW

https://search.abb.com/library/Download.aspx?DocumentID=3AFE68756031&LanguageCode=en&DocumentPartId=1&Action=Launch

Wind farms
Possibilità di connessione a rete HVDC
La connessione DC può essere vantaggiosa per installazioni off-shore, in quanto esse

richiedono cavi sottomarini (cfr. HVDC di SEE).
La trasmissione AC di potenza attraverso cavi (invece di line aeree) opera molto sotto la
potenza caratteristica; genera quindi potenze reattive elevate che rendono difficoltosa la
trasmissione a distanze oltre alcune decine di km.

Wind farms
Accumulo dell'energia (e regolazione della frequenza)
Grossi sistemi di accumulo,

alcune ore, possono essere
usati per compensare la
variabilità del vento. In tal caso
sono sistemi centralizzati
Piccoli accumuli sono utili per

consentire scambi bidirezionali
di Potenza attiva, in modo da
realizzare un efficace controllo
della frequenza.
Alcuni grid codes possono prevedere la

remunerazione del servizio di regolazione
della frequenza quando si ha la possibilità di
regolazione bidirezionale come in questi casi.
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

Wind farms
Potenza reattiva (e regolazione della tensione)
RSC GSC
RSC: Rotor side converter

GSC: grid side converter statcom
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

M. Ceraolo
Parte 2: Eolico
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

La soluzione LS ha frequenze minori per evitare gli ingombri e la Pmax

complessità di un maggior numero di coppie polari: il rapporto fra le max
coppie polari delle due macchine è molto diverso dal gear ratio della
macchina MS
Il Gear-box è one-stage (scelta comune per minimizzare pesi e ingombri) v
La macchina PMSM è isotropa (nessuna differenza fra Ld e Lq)
cut-in rated cut-off
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

La figura è tratta dall'articolo in

calce; evidentemente per un errore
il secondo punto angoloso della
curva blu è troppo a SX
Interessante la presenza dei valori

numerici del caso in esame
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

Aerogeneratore LS 2 MW
https://www.enercon.de/en/products/ep-2/e-82/
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

Un esempio recente*
Proposta di eolico flottante Mazara del Vallo: 74 aerogeneratori da 15 MW cad.

(totale 1110 MW nominali), documento 24 gennaio 2023
• Generatori: tensione di macchina non nota (presumibilmente MV < 20 kV**)

• Aerogeneratore 66 kV
• Linea sottomarina 66kV fino a 4 sottostazioni 66 kV/150 kV (Tensione per l'IEC
da non adottarsi in impianti nuovi!)
• Linea parco eolico-terraferma 150 kV, 86 km
• Stazione di conversione sulla terraferma (onshore) 150kV/220 kV
* 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)

Disposizione elementi (www.enercon.de)

Disposizione elementi (Enercon)
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"

M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
Parte 5: VSC e DCDC
M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
Parte 5: VSC e DCDC
M. Ceraolo

Il funzionamento in parallelo e in isola
Controllo della tensione e della frequenza
Power quality
M. Ceraolo

Power quality
Grid-connected vs stand-alone
Qui per RES (Renewable Energy Source)

intendiamo una generatore eolico o
RES Grid fotovoltaico
Abbiamo rappresentato una connessione

trifase, valida dai 6 kW in sù.
La maggior parte di considerazioni si può
facilmente estendere anche al caso monofase.
Passive
RES Esistono infine piccoli sistemi che erogano in
Load
DC, connessi ad esempio a batterie, ma sono
casi particolarissimi che non analizziamo.
Per comprendere le differenze sull'interfacciamento e le modalità di controllo occorre fare

un modello elettrico dei box qui riportati. Una maniera semplice è quella di utilizzare
equivalenti di Thévenin
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile 4

Equivalenti di Thévenin (1)
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
cavo bt Rete media

VSC e alta
tensione La rete (Grid) può essere considerata composta da un pezzo di
cavo Bt, un trasformatore BT/MT e il resto, che può essere
considerato come rete prevalente. Il trasformatore visto dal lato BT è una
A LThg RThg impedenza interna prevalentemente reattiva (resistenza trascurabile). Il
cavo BT ha un'impedenza prevalentemente resistiva
L'equivalente di thevenin contiene quindi l'induttanza del trasformatore e
EThg la resistenza (somma di quella del trasformatore e del cavo). La rete
prevalente è una E costante in ampiezza fase e frequenza.
B
Per studi di sistema molto spesso si trascura la parte resistiva
Grid dell'impedenza di Thévenin della rete
Equivalenti di Thévenin (2)
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.

Grid connected e islanded operation
(funzionamento in parallelo e in isola)
R L
+ 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
Schemi generali di Controllo
R L
VSC P Q Grid
+ +
impulsi Es Eg
valvole P*
Es -
impulsatore Controllore Q*
- P*, Q*
Grid connected operation

Ovviamente nel circuito monofase circola una potenza pari a un terzo di quella del sistema trifase
R L
VSC U Load
+ +
impulsi Es U
valvole
Es U*
impulsatore Controllore -
f=cost
Islanded-passive load operation

Ovviamente occorre fare attenzione fra tensione stellata e concatenata

Ancora funzionamento in isola
I sistemi in isola di solito sono di piccola potenza e

Passive pertanto spesso sono monofasi.
RES Per via della incostanza della fonte RES, possono
Load
aumentare l'efficacia se integrati da un sistema di
accumulo (Battery Energy Storage BES)
BES Nel blocco BES ovviamente oltra la batteria c'è anche
un convertitore: VSC.
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.

Passaggio in isola; problemi di sicurezza
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.

Passaggio in parallelo (riconnessione)
Una sottorete che funzioni in isola, alla fine di un disservizio si può riconnettere alla (o
alle) reti adiacenti.
Ai fini di questa riconnessione fa organizzata un'operazione di parallelo che, prima

della richiusura dell'interruttore di parallelo assicuri che lee due reti che vanno a
connettersi siano uguali per ampiezza, fase, senso ciclico: meccanismo analogo a
quando so effettua il parallelo di un alternatore con una rete.
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

M. Ceraolo

Power quality
Regolazione della tensione
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.
Contributo alla regolazione della frequenza
Per una regolazione efficace in steady-state

alle frequenze normali fB-fC il generatore
deve mantenere una riserva di potenza PA-
PB; questo comporta la mancata
utilizzazione di parte della energia primaria
(non accade se PA = PB=100%). Il servizio di
regolazione è remunerato.
La zona fB-fC è di normale

funzionamento.
Se la frequenza cresce il produttore
contribuisce alla stabilità del sistema
riducendo la potenza fornita
secondo la curva C-D-E
Se PA = PB = PC = 100% si ha ovviamente una semplice caratteristica rettangolare, e il

produttore non contribuisce alla regolazione della frequenza se non in casi estremi
Contributo alla regolazione della frequenza
In Italia oggi è richiesto

alla grande generazione
rinnovabile (eolica,
fotovoltaica), oltre 10
MVA, di contribuire alla
regolazione primaria
delle frequenza solo con
variazioni di potenza in
diminuzione: PA = PB = PC
= 100% .
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.

Inerzia sintetica - generalità
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
La costante 𝐾𝐽 contiene il momento d'inerzia complessivo dell'intero sistema ed è

dominato dal momento di inerzia degli alternatori.
La presenza dell'inerzia del sistema limita il tasso di variazione della frequenza a seguito di
sbilanciamento fra generazione e carico
Al crescere di generazione rinnovabile interfacciata con convertitori, si evidenzia l'esigenza
di riprodurre l'inerzia naturale dei generatori anche negli impianti interfacciati con VSC, in
particolare le wind farm (di maggior dimensione in confronto agli impianti PV).
Pertanto in questi casi sempre più spesso si tende a generare un'inerzia artificiale con il
sistema di controllo.
Regolazione frequenza con inerzia sintetica
FCPC- 1
L'equazione dinamica di un generatore tradizionale è la seguente (𝐾𝐽 ≡ 𝐽) :

𝑃𝑔 −𝑃𝐶 = Ω𝑛 𝐽Ωሶ = 𝐾𝐽 𝑓ሶ = 𝐾𝐽 𝑠𝑓 °
Per ottenere un comportamento analogo con un sistema interfacciato con un convertitore,
evidentemente privo di inerzia fisica, occorre generare con il controllo il termine a destra del
segno uguale della (°): invece della potenza programmata 𝑃𝑔 erogo una potenza:
𝑃𝑔1 = 𝑃𝑔 − 𝐾𝐽 𝑓.ሶ
Se si ha una riduzione repentina del carico, il generatore riduce la potenza erogata in proporzione
alla derivata della frequenza, in modo da rallentarne la crescita.

M. Ceraolo

Power quality
La Qualità del servizio elettrico (Power Quality)
(dal corso di SEE)

La qualità del servizio elettrico (power quality) descrive la prossimità dei
parametri elettrici ai valori di riferimento, in modo da poter far operare le
apparecchiature di utente correttamente.
Gli elementi in cui la power quality si declina sono:
• Costanza della frequenza
• Costanza della tensione
• Continuità dell’alimentazione
• Prossimità di tensione e corrente alla forma di riferimento (continua,
sinusoidale)
La generazione rinnovabile ha problematiche specifiche di power quality:

• Il flicker (wind farm)
• La distorsione armonica (sistemi interfacciati con VSC)
M. Ceraolo - EES - Generazione elettrica da fonte rinnovabile
Problematiche di power quality delle wind farm
Flicker
Le tematiche specifiche di power quality delle wind farm sono state riconosciute dai normatori
internazionali, in particolare nella IEC 61400-21
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
*Tabella 1a della IEC 61000-4-15

Problematiche di power quality dei sistemi con VSC
Distorsione armonica
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

Limiti di emission armoniche per correnti oltre 16 A
(61000-3-12)
Minimum Rsce Admissible individual harmonic current Ih/Iref (%) Admissible

THD %
I5 I7 I11 I13 THC/Iref
33 10,7 7,2 3,1 2 13
(rete debole)
>=350 40 25 15 10 48
(rete forte)
The relative values of even harmonics up to order 12 shall not exceed 16/h %. Even harmonics
above order 12 are taken into account in THC and PWHC in the same way as odd order harmonics.
La tabella è una versione semplificata di quella della norma.

Il significato di THC e delle Rsce nelle prossime slides.
Possiamo con buona approssimazione approssimare Iref is alla componente fondamentale della corrente
I1. Di conseguenza THC/Iref  THD.

Armoniche e la rete 1
Immaginiamo di avere un certo spettro

armonico (a SX). E' accettabile?
(Arms; I1=17.3A)
Lgi effetti delle correnti armoniche sulla
tensione dipendono dall'impedenza interna del
Sistema in cui esse sono immesse
A uguale corrente maggiori impedenze
comportano maggiori distorsioni.
i(t)
Feeding + Distorting
system u(t) load
- Supponiamo di avere un sistema perfettamente in
assenza del nostro carico distorcente:
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

Armoniche e la rete 2
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.

Il PCC
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
Total Harmonic Current : 𝑇𝐻𝐶 = σ40 2

𝑘=2 𝐼𝑘 = 𝐼1 𝑇𝐻𝐷(𝐼)
𝑆𝑠𝑐
Short-circuit ratio: 𝑅sce = = 𝐼𝑠𝑐 /𝐼𝑛 (rapporto di corto circuito; va valutato al PCC).
𝑆𝑛

THC, THD (ai fini di IEC 61000-3-12) e RMS
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:
∞ ∞
𝑥 𝑡 = 𝐴0 + ෍ 𝐴መ 𝑘 sin( 𝑘𝜔𝑡 + 𝛼𝑘 ) = 𝐴0 + ෍ 2𝐴𝑘 sin( 𝑘𝜔𝑡 + 𝛼𝑘 )

𝑘=1 𝑘=1
Pertanto, per una corrente priva di componente DC è :
∞ 40
𝐼2 = ෍ 𝐼𝑘2 ≅ 𝐼12 +෍ 𝐼𝑘2 = 𝐼12 + 𝑇𝐻𝐶 2 = 𝐼12 + 𝐼12 × 𝑇𝐻𝐷2
𝑘=0 𝑘=2

Dimostrazione RMS
(fuori programma)
∞ ∞
𝑥 𝑡 = 𝐴0 + ෍ 𝐴𝑘 sin( 𝑘𝜔𝑡 + 𝛼𝑘 ) = 𝐴0 + ෍ 2𝐴𝑟𝑘 sin( 𝑘𝜔𝑡 + 𝛼𝑘 )

𝑘=1 𝑘=1
Per calcolare 𝑎2 moltiplico ogni termine di a per ogni termine di a.

Il termine 𝐴0 moltiplicato per tutti un termine di a dà valori medi nullo solo nel caso 𝐴0 𝐴0 = 𝐴20
Il termine generico 𝑎𝑘 moltiplicato per il termine generico 𝑎ℎ 𝑘, ℎ ≠ 0 𝑑à:
𝐴ℎ 𝐴𝑘 sin( 𝑘𝜔𝑡 + 𝛼𝑘 ) sin( ℎ𝜔𝑡 + 𝛼𝑘 )
Ma
1
sin 𝛼 sin 𝛽 = cos 𝛼 − 𝛽 − cos 𝛼 + 𝛽 quindi:
2
1
𝐴ℎ 𝐴𝑘 cos( ℎ − 𝑘 𝜔𝑡 + 𝛼ℎ − 𝛼𝑘 ) − cos( ℎ + 𝑘 𝜔𝑡 + 𝛼ℎ + 𝛼𝑘 )
2
Se ℎ ≠ 𝑘 ho delle sinusoidi, quindi a valor medio nullo. Se invece ℎ = 𝑘 ho:
1
𝐴2ℎ cos( 0) − cos( 2𝜔𝑡 + 2𝛼ℎ )
2
21 2
Il cui valor medio è proprio 𝐴ℎ = 𝐴𝑟𝑘 . Quindi:
2
1 𝑡+𝑇 2 ∞
𝐴𝑟 = න 𝑎 𝑑𝑡 = ෍ 𝐴2𝑟𝑘
𝑇 𝑡 𝑘=0
32
M. Ceraolo

Power quality
M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
Parte 5: VSC e DCDC
DC/DC e VSI nella generazione rinnovabile
VSI
DCDC
monostadio bistadio
Fotovoltaico Eolico BESS

Generazione rinnovabile e rete elettrica
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
❑ Il VSC

Interfacciamento con la rete elettrica della generazione rinnovabile
Richiamo convertitori DCDC

(da Apparati)

Il DC/DC converter
I1 I2
+ +
U1 U2 Simbolo generico
P1=U1I1 P1P2 P2=U2I2
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)
Il convertitore DCDC l'abbiamo incontrato nei sistemi PV bistadio

"Interruttori elettronici"
A D
C
G
G
K G
A Controllable
S
IGBT E switches
G Mosfet
K G
A A
G
G
G
K K
GTO Thyristor IGCT

Diode Thyristors
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

Il convertitore DCDC "Buck" (abbassatore)
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
low- pass filter

Basic
i1
S
R L
+ U1
+ i2 + uL -
u2 +
Carico attivo EL
es. una macchina DC) -
Basic Active load

DCDC Buck: forme d'onda e duty ratio
i1
𝑇c
𝑑= S
𝑇
Rf Lf
+
U1
c=duty ratio + + uL -
i2
(conduction index) u2 Cf Rload
-
low- pass filter

Basic
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

Equivalente DC del convertitore buck (1)
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

Equivalente DC del convertitore buck (2)
i1
S 𝑈2 = 𝑐𝑈1
R L 𝐼2 = 𝐼1 /𝑐
+ U1
+ i2 + uL -
u2 +
EL
-
Basic Active load

DC equivalent
R
Il generale l'equivalente è valido per
conduzione discontinua (la corrente di uscita
+ cU1 +
non si azzera). cI2 EL
In questo caso è valido solo per 𝑐𝑈1 > 𝐸.

DCDC boost: forme d'onda e duty ratio
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

Equivalente DC del convertitore boost
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
❑ Il VSI (VSC)

Terminologia
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.
Dal punto di vista realizzativo esistono due tipo di inverter:

• I Line commutated Inverter (LCI) detti anche Current Sourced Inverter (VSI): sono
realizzati a tiristori. Il convertitore a tiristori può funzionare sia da raddrizzatore
(angolo di controllo fino a 90°) che da invertitore (oltre 90°)
• I Voltage-sourced Inverter (VSI): sono realizzati con interruttori pilotati in apertura e
chiusura. Per piccole potenze (fino a qualche kW) possono essere dei mosfet, oltre, in
applicazioni RES, sono degli IGBT. Siccome sono convertitori bidirezionali, vengono
correttamente indicati come Voltage Sourced Converters (VSC).
• In applicazioni RES, funzionando in VSC solo da generatori (almeno per quanto
riguarda la potenza reattiva) vengono usualmente designati VSI.
• Per simmetria con l'espressione LCI, i VSC sono talvolta anche indicati come self-
commutated inverters
• I termini VSC e VSI sono quindi equivalenti e li useremo in modo intercambiabile.

Il VSC monofase full-bridge
Il VSC (o Voltage Sourced Converter) è comunemente denominato inverter, anche se questo

nome è improprio in quanto il convertitore è bidirezionale: può funzionare sia da inverter che
da raddrizzatore.
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.

Regole di pilotaggio a comune per PWM e onda quadra
Slu Sru Gli switch di ogni gamba

+ sono pilotati in
io(t) R
opposizione di fase:
+ quando uno è chiuso
Us
uo(t) l'altro è aperto.
L
Sld Srd
-
La simultaneità perfetta di un'apertura e una chiusura non è raggiungibile. Per evitare di

cortocircuitare l'alimentazione, con correnti idealmente infinite, si inserisce un piccolo blanking
time durante il quale entrambi gli switch sono aperti.
Le due gambe sono in opposizione di fase: quando lo swtch superiore di una gamba è aperto,
l'altro è chiuso.

VSC monofase full-bridge su carico passivo
con pilotaggio in onda quadra (due livelli)
Slu Sru
+
io(t) R
+
Us
uo(t)
L
Sld Srd
-
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
Percorsi delle correnti
Slu Sru Slu Sru

+
R + io(t) R
io(t)
+ +
Us Us
uo(t) uo(t)
L L
Sld Srd Sld Srd
-
-
t (t 1,t 2) t (t 2,t 3)
p(t)=io (t)uo (t) P=p(t)

Slu Sru
+
io(t) R
uo (t) t1 t2 t3 t4 +
Us
Us uo(t)
io (t) L
t Sld Srd
-Us -
On Su state t (t 3,t 4)
Off
t
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

Onda quadra a tre livelli (voltage cancellation)
per full bridge
Si inserisce un ritardo tra fra gli impulsi di apertura del ponte sinistro e quelli di chiusura del
destro (un blanking time aumentato). Durante questo ritardo la tensione sul carico è nulla.
Esempio con ritardo di 6ms (su 10 ms del periodo)
Slu Sru Slu Sru

+
io(t) R + io(t) R
+ +
Us Us
uo(t) uo(t)
L L
Sld Srd Sld Srd
-
-
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

Esempio (ThreeLevelVC)

Svantaggio del pilotaggio a onda quadra
p(t)=io(t)u o(t) P=p(t) La forma d'onda della tensione si filtra male

in quanto le armoniche sono vicine in
frequenza al segnale utile
uo(t) t1 t2 t3 t4 Utile per didattica: è usato solo in casi

Us particolari (potenze molto elevate frequenze
io(t) di uscita molto elevate) o come base di
t convertitori multilivello.
-Us
Non viene usato per l'interfacciamento con
On la rete
S lu state
Off
t
A
2𝐴
𝐴𝑘 =
𝜋𝑘
k dispari

Controllo PWM dei VSC
c Sulla gamba di sinistra quando la

s modulante supera la portante si attiva
ma=s/c lo switch superiore, altrimenti
0 time l'inferiore.
Gli altri vengono di conseguenza.
𝑚𝑎 è detto indice di modulazione di

ampiezza
carrier c(t) control sine s(t) Tc Carrier: la portante
Control sine: la modulante
Us
Slu Sru uo(t)
+
io(t) R t
+
Us
L uo(t) io(t)
Sld Srd -Us

On
Su state
- t
Off
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.
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)

VSC trifase
UDC uaO(t)
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

VSC Trifase
UDC uaO(t)
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

VSC trifase: tensioni prima e dopo il filtraggio
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
Voltages related to O' (O unconnected)

Three-leg inverters - voltages
+ c
UDC /2 s
ma=s/c
O 0 time
filter
+
UDC /2
carrier c(t) control sine s(t)

Gate driver
P, Q
+ The box left contains inverter and filter
(dashed box above).
- Control signal s(t) determines amplitude and

phase of fundamental component 𝑢𝑜1 (𝑡) of
s, a 𝑢𝑜 𝑡 .
When the VSC is grid connected, modifying
𝑠 𝑡 = 𝑠𝑠𝑖𝑛(𝜔𝑡
Ƹ + 𝛼) ≡ 𝑚 𝑠𝑖𝑛(𝜔𝑡 + 𝛼) amplitude and phase of s(t) we can control
𝑈𝐷𝐶 active and reactive power flows, in amplitude
𝑢𝑜1 (𝑡) = 𝑚 𝑠𝑖𝑛(𝜔𝑡 + 𝛼)
2 and sign. Let's see how (next slides)

DCDC e VSI.pptx
❑ Il VSC

Armoniche e filtri: generalità

Il filtro ideale
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
Ruolo del filtro (VSC)
Slu Sru
+ +
io(t)
+ AC
UDC u0(t) Filter uf(t)
network
- -
Sld Srd
L'uscita periodica 𝑢0 𝑡 ha componenti a diverse frequenze.
Un filtro ideale blocca tutte le componenti eccetto la componente fondamentale (quella a 50 Hz)
la quale è trasferita invariata al carico
Consideriamo nel seguito la seguente formula per l'onda modulante:

𝑠 𝑡 = sin(𝜔𝑡 + 𝛼𝑠 )

Scomposizione della tensione a monte e a valle del
filtro
+ +
+
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:
𝑢𝑜 𝑡 = 𝑈𝑜0 + ෍ 𝑈𝑜𝑘 sin(𝑘𝜔𝑡 + 𝛼𝑜𝑘 ) 𝑢𝑓 𝑡 = 𝑈𝑓0 + ෍ 𝑈𝑓𝑘 sin(𝑘𝜔𝑡 + 𝛼𝑓𝑘 )

𝑘 𝑘
In uscita si vuole:
• per il DC/DC 𝑈𝑓0 non nulla e le 𝑈𝑓𝑘 , 𝑘 ≠ 0 nulle o quasi
• per il VSC : 𝑈𝑓1 non nulla e le 𝑈𝑓𝑘 , 𝑘 ≠ 1 nulle o quasi; 𝛼𝑓𝑘 = 𝛼𝑜1 Le stesse formule
si applicano anche alle tensioni stellate nel caso trifase.

La componente fondamentale della tensione U1
Full bridge, filtro ideale:

෡𝑜1 = 𝑚𝑈𝐷𝐶 0 ≤ 𝑚 ≤ 1
𝑈
Slu Sru
+ + 𝛼𝑜1 = 𝛼𝑠
io(t)
+ uf(t) load
UDC u0(t) Filter
(network )
- - Trifase (half bridge):
Sld Srd
𝑈
෡𝑜1 = 𝑚 𝐷𝐶
𝑈 0≤𝑚≤1
2
𝛼𝑜1 = 𝛼𝑠
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)

Il filtro ideale
uo uf DC
+ DC-DC
U1 filter network
converter
uo uf AC
U1
+ Inverter filter network
(VSC)
B

Analisi del filtro a squadra R-L-C
E' lo schema più usato nel Rf Lf A Rf Lf A

caso dei convertitori DCDC e +
VSC. uf0
+ uu0
+
uu0 Cf
Cf B -
Rf Lf A + A
+ +
uu1 +
+
uu1 uf1
+
uu Cf =
uf B -
B - +
...
A
+ +
uuN
Applichiamo il principio di + uuN ufN
sovrapposizione allo schema B
B -
centrale in modo da poter
ottenere gli schemi a destra
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.

Filtraggio su carico resistivo
(funzionamento in isola)

Modifiche alle ampiezze dovute al filtro
XL= kLf 𝑈s𝑘 −𝑗

A 𝑈f𝑘 = ⋅
+ 𝑗 𝜔𝑘 𝐿f − 1/𝜔𝑘 𝐶f 𝜔𝑘 𝐶f
+ 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 .

Confrontiamo la curva di attenuazione e i contenuti
armonici (DCDC)
1
 0.8 10 uu(t)
ln(Uf/Uu)
Uf/Uu |Uuk|/UDC 0
1 10
0.6 uf(t)
resonance -1
10
|Uu0|/UDC 0.4 -2 T=1/f
10
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
uu Ogni armonica di tensione è modificata

uf
+ DC-DC DC secondo la curva Uf/Uu.
U1 filter
converter load Pertanto la componente DC è invariata,
B mentre le armoniche sono fortemente
ridotte.

DCDC: la frequenza di taglio dev'essere molto minore
della frequenza del convertitore
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).

VSC: la frequenza di taglio dev'essere molto minore
della frequenza della portante
|Uuk/U1| 10
1
uu(t)
0.9 ln(Uf/Uu)
0
Uf/Uu 10
0.7 uf(t)
resonance 0.5 -1
10
frequency
|Uu1| 0.3 -2
10
|Uu10| 0.1
-3
10
Se la portante (carrier) ha frequenza
-4 fc, le component armoniche avranno
10 frequenze raggruppate intorno a fc e ai
0.1 1 10  0 100
suoi multipli interi
uu uf Ogni armonica di tensione è modificata

+ AC secondo la curva Uf/Uu.
U1 filter
Inverter load Pertanto la componente AC è invariata,
B
mentre le armoniche sono fortemente
ridotte.

VSC: la frequenza di taglio dev'essere molto minore
della frequenza del della portante
1
|Uuk/U1| 10
0.9 ln(Uf/Uu) 𝜔0 è la frequenza di risonanza del filtro
0
Uf/Uu 0.7 10 Per un buon effetto filtrante le armoniche
presenti, quindi la frequenza della portante
-1
resonance 0.5 10 devono essere molto a destra di 𝜔0 (almeno
5-50 volte).
|Uu1| 0.3
10
-2
Si ha un buon filtraggio se la frequenza di
|Uu10| 0.1 risonanza è abbastanza a destra della
-3 frequenza fondamentale (modulante del
10 PWM) e molto a sinistra della zona dove ci
-4
sono le armoniche (frequenza della portante
10 PWM):
0.1 1 10  0 100 Se 𝑓𝑐 = 2𝜋/𝜔𝑐 imponiamo
𝜔0 = 1/ 𝐿𝐶 ≪ 𝜔𝑐
XL= kLf A
𝜔
+ Non useremo valori troppo alti per in quanto
𝜔0
+ -1 altrimenti avremmo valori troppo grandi di L e/o C, il
Uuk XC=  C Ufk
k f che implica oggetti più ingombranti, pesante,
B - costosi, e con una Maggiore energia accumulata
durante il funzionamento (il che rende il filtro più
lento nei transitori).

Esempio (eserc. TwoPwm, 1000Hz, 300uF)
Lo spettro di tensione di un VSC contiene una barra alla

frequenza fondamentale (fk/f=1), un gruppo di barre intorno
alla frequenza della portante, e altri gruppi intorno multipli
interi di tale frequenza.
Questa situazione facilita molto il filtraggio: è molto

importante avere un'elevata distanza infrequenza fra il
segnale utile (portante) e le armoniche (modulante) questo
può essere fatto usando un rapporto elevato fc/f1. Basti
uo pensare alla forma di uf/uo vista nelle slides precedenti.
In questo esempio (come accade frequentemente l'ampiezza

delle armoniche supera quella della fondamentale!. Questo
non impedisce un buon filtraggio.
Nel secondo gruppo di armoniche la barra centrale è nulla:

uf questo perché uo ha frequenza fc ed è alternativa (half-wave
symmetry)
Ordine di armonica
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)

VSC trifase (Id3Pwm, 200uF, 1050Hz)

VSC trifase (Id3Pwm, 200uF, 1050Hz)

Filtraggio in parallelo rete

Il VSC connesso con la rete BT (1)
Il VSC può essere visto come un

generatore di correnti armoniche
Z i(t) + che, inserite nella rete, inducono
una certa distorsione.
Rete
U1 + VSC PCC u(t) AC
con filtro Per la BT esiste la norma IEC
61000-3-12 che specifica le
massime armoniche di corrente
che possono essere iniettate.
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
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

Limiti di emission armoniche per correnti oltre 16 A
(61000-3-12)
Reminder da "Tematiche di rete"
Minimum Rsce Admissible individual harmonic current Ih/Iref (%) Admissible

THD %
I5 I7 I11 I13 THC/Iref
33 10,7 7,2 3,1 2 13
(rete debole)
>=350 40 25 15 10 48
(rete forte)
The relative values of even harmonics up to order 12 shall not exceed 16/h %. Even harmonics
above order 12 are taken into account in THC and PWHC in the same way as odd order harmonics.
La tabella è una versione semplificata di quella della norma.

Il significato di THC e delle Rsce nelle prossime slides.
Possiamo con buona approssimazione approssimare Iref is alla componente fondamentale della corrente
I1. Di conseguenza THC/Iref  THD.

Il VSC connesso con la rete MT
Nel caso di connessione in MT è

AC
transf. presente un trasformatore
U1 + inverter filter BT/MT PCC
Active
interposto che cambia la struttura
network
del circuito equivalente
B
Rf LT Rr Lr Come ne caso precedente, la rete è

A A'
schematizzata come una fem sinusoidale, e
una R-L interna.
f + In questo caso può essere opportuno
+ Cf UPCC Ur
Uo (richiesto dal TSO) il calcolo esplicito della
B B'
distorsione di tensione tenendo delle
caratteristiche effettive del VSC
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 )

Esercitazione filtraggio (SinglePhase.AcFiltQS)
Con questi dati a 2500 Hz ho

un'attenuazione di un millesimo. Un
convertitore con portante intorno a
1 kHz è efficacemente filtrato.
Una certa attenuazione anche alle

basse frequenze (differenza dal caso
resistenza di carico)

Verifica nel dominio del tempo (Id3PwmNetFilt)
Il grafico accanto è con i dati della

precedente slide (1 kHz). Il filtraggio è molto
efficace.
Si può risparmiare sul filtro portando il
condensatore a 1 mF (grafico qui sotto).

Il VSC connesso con la rete MT
Al crescere della frequenza della portante di commutazione decrescono induttanza e

condensatore del filtro, e il loro costo e ingombro. Al crescere delle frequenze crescono
però le perdite del convertitore.
Con la tecnologia moderna dei Mosfet SIC si ottengono convertitori efficaci con frequenze
che per decine di kW di potenza del convertitore possono raggiungere 50 kHz (2022)
Più la rete è forte più possiamo permetterci filtri economici

DCDC e VSI.pptx
❑ Il VSC
❑ Armoniche e filtri - casi parallelo e isola
(monofase, frequenza fondamentale)

Riassumiamo il VSC (1/2)
+ U0
+
UDC/2 + U1
O
filter O’
1) Il VSC PWM
+
UDC/2 R
2) la tensione d'uscita
periodica

Riassumiamo il VSC (2/2)
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 -

Il circuito monofase equivalente del VSC 1/2
X I
Rf A DC
+ +
+ Circuito monofase
+
uu0 uf0
E U equivalente
B - (sequenza diretta)
-
+ Fondamentale
A
+
+
uu1 uf1
4) Se il filtro funziona bene passa "solo" la
B - componente fondamentale.
Il circuito monofase equivalente è quindi
+ l'equivalente di thevenin del circuito fondamentale
... A Per analisi semplificate trascuriamo spesso la
+ resistenza
+ uuN ufN
B -

Il circuito monofase equivalente del VSC 2/2
X I
A
+ +
+ Circuito monofase
+
uu1 uf1 E U equivalente
B -
-
𝑈𝑢1 𝑚𝑈𝐷𝐶 sin(𝜔𝑡+𝛼)

𝐸 = 𝐸Th = ⇒ 𝑒 𝑡 = 𝜔0 = 1/ 𝐿𝐶
1−(𝜔/𝜔0 )2 2(1−(𝜔/𝜔0 )2 )
E
𝑗𝜔𝐿
𝑗𝑋 = 𝑍Th =
1 − (𝜔/𝜔0 )2  U
• Controllando l'indice di modulazione m determiniamo l'ampiezza di E

• Controllando l'angolo 𝛼 controlliamo l'angolo di E e di conseguenza l'angolo beta
nell'equazione di scambio della potenza (𝛼 = 𝛼𝑠 + 𝑘′ in cui 𝛼𝑠 è la fase della modulante,
𝑘 ′ è costante per un dato filtro). Se mettiamo U sull'asse orizzontale è 𝛽 = 𝛼
• Se non trascuriamo le resistenze abbiamo sempre proporzionalità fra m and E e 𝛽

Potenze di scambio con l'esterno di bipolo E-X
Ed XIcosφ Xs Id
φ
+
XI sinφ
+ Ed Ud
β Ud
-
φ P, Q
Id
Potenza attiva e reattiva erogata dal circuito :

𝐸𝑈 𝑈𝐸 𝑈2
𝑃= sin 𝛽 𝑄 = cos 𝛽 − 𝐸 = 𝑘𝑚𝑈𝐷𝐶
𝑋 𝑋 𝑋
Formule approssimate per 𝛽 piccoli: Potenze attiva e reattiva erogate dalla
macchina:
𝐸𝑈 𝑈
𝑃≅ β 𝑄 ≅ (𝐸 − 𝑈)
𝑋 𝑋

Circuito equivalente
Xs Id
+ Il circuito equivalente è il medesimo del

+ E sincrono a regime e in transitorio (tensione e
d Ud reattanza sincrona e transitoria
rispettivamente)
-
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
❑ Il VSC
❑ Il filtro: casi parallelo e isola
❑ Armoniche e rete

Schemi generali di Controllo (reminder)
Rs Ls Rg Lg
VSC P Q Grid
+ +
impulsi Es PCC Eg
valvole P*
Es -
impulsatore Controllore Q*
- P*, Q*
Grid connected operation

Ovviamente nel circuito monofase circola una potenza pari a un terzo di quella del sistema trifase
R L
VSC U Load
+ +
impulsi Es U
valvole
Es U*
f=cost
Islanded operation
Ovviamente occorre fare attenzione fra tensione stellata e concatenata

Controllo in parallelo
Rs Ls Rg Lg
VSC P Q Grid
+ + +
impulsi E U Eg
valvole P*
E
impulsatore Controllore - Q*
- P*, Q*
Il controllore si costruisce intorno alle relazioni algebriche che legano P e Q a modulo e

fase di E:
𝑃 = 𝐴 sin 𝛽 + 𝐵 cos 𝛽
𝑄 = 𝐶 sin 𝛽 + 𝐷 cos 𝛽 E
q
Nel caso già visto in cui R sia trascurabile rispetto a 𝜔𝐿:
β
𝐸𝑈 𝐸𝑈 𝑈2
𝑃= sin 𝛽 𝑄 = cos 𝛽 − 𝐸 = 𝑘𝑚𝑈𝐷𝐶 U d
𝑋 𝑋 𝑋
Quindi si agisce su 𝑚 e 𝛽 dell'impulsatore del VSC.
Due grandezze (𝑚 e 𝛽 ) consentono il controllo di altre due (P e Q)

Quale angolo beta?
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
PCC Il fatto che non si abbia accesso a

VSC P Q Grid
𝐸𝑔 ma solo a 𝑈 (in ampiezza e
impulsi fase) non crea soverchi problemi in
valvole P*
E quanto il controllo è in retroazione
Controllore - Q*
impulsatore
-
sulla misura delle potenze

Controllo in isola su carico passivo
R L
VSC U Load
+ +
impulsi Es U
valvole
Es U*
f=cost
Qui il controllo è molto semplice: la frequenza è generata elettronicamente (frequenza

della forma modulante del PWM, non è necessario l'aggancio in fase, né il PLL.
Il controllo regola la tensione in prossimità del carico al valore desiderato, e questo
comporta automaticamente l'assorbimento dal parte del carico dei valori corretti di P e Q.
Nel caso di connessione in rete si è visto che due grandezze (𝑚 e 𝛽 ) consentono il

controllo di altre due (P e Q)
Qui un parametro è bloccato (f, quindi l'angolo) resta libero solo l'altro (m) che consente
il controllo della sola V.
Il rapporto fra P e Q discende dalle caratteristiche del carico (cosj se impedenza)

Controllo in isola su carico e con accumulo
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.
Il circuito equivalente comprende i due monofasi equivalenti dei

BES
due VSC.
Se VSI controlla la tensione e genera aa frequenza la sua modulante
del PWM avrà frequenza fissa e l'indice di modulazione regola la
tensione.
Se VSC è regolato in controllo P-Q assorbirà quando c'è surplus di
Rl rinnovabile e erogherà nel caso opposto. Necessario un controllo
del SOC per evitare batteria troppo piena o vuota.
Ll Se il sistema è progettato in maniera integrata, si possono
+ + considerare le immissioni di armoniche di tensione di entrambi i
ERES EBES convertitori e valutare che la distorsione di tensione sia nei limiti di
norma.
Se si usano componenti acquistati separatamente ognuno deve
immettere su una rete sinusoidale correnti nei limiti di normativa.

M. Ceraolo

Parte 2: Solare
Parte 3: Eolico
Parte 5: VSC e DCDC

Energia Elettrica

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Energia Elettrica

Caricato da

Copyright:

Formati disponibili

Le nuove sfide

Es. PNIEC 2020

Sicurezza di Sostenibilità ambientale

(Energia tot.= +40%

Fonte: Clerici 2020

27.000 TWh/y nel 2018, ITA 310 TWh/y, 1.1%

Secondo la International Energy Agency, le principali sfide del futuro sono:

• normativa favorevole alla piccola generazione e alle rinnovabili

 spinta alla generazione distribuita

• ADEGUATEZZA: i mezzi di produzione e trasporto devono essere via via

• PROGRAMMAZIONE: occorre programmare per tempo l’accensione/spegnimento

• CONTROLLO: in tempo reale, i sistemi automatici di regolazione comandano

• PROTEZIONE: le protezioni intervengono in caso di grossi squilibri come misura

Per valutare gli effetti sulla

variazione per effetto della variazione del carico sul nodo

NB: a seconda del segno di P e Q (positivi se assorbiti), si possono avere c.d.t

• scarsa prevedibilità e dispacciabilità di molte delle nuove fonti

Queste problematiche limitano fortemente il numero, la potenza, la localizzazione e le modalità di

Da una recente analisi della letteratura

Fenomeno Conseguenze sul profilo di tensione

Limite ammesso Aumento della HC

Quanto margine esiste sulle attuali reti?

 serve un sistema elettrico più EVOLUTO ed INTELLIGENTE

Inadeguata alle nuove sfide Rete Energia ↔ Rete Informazione

• sa integrare al meglio generatori di ogni taglia e tipologia,

- Partecipazione attiva del cliente (Demand Side Management,

- Integrazione delle fonti rinnovabili

- Forte presenza dell’elettronica di potenza (p.es generazione in DC)

- Sistemi di misura e comunicazione intelligenti, ICT, TLC, sensori,

La Smart City: città eco-sostenibile e a misura d’uomo

The «duck curve»

€/MWh PUN e Prezzo zonale CentroNord 20/5/13

CNOR PUN Fonte: Terna

(FRNP non regolano la V; V alta/oscillante per iniezioni di PFRNP)

1) Modifiche al Codice di Rete e alle norme CEI

La generazione connessa tramite inverter è equiparata

• Compensazione delle aleatorietà delle FRNP e del carico (sbilanciamento)

• Riduzione congestioni di rete (transitorie)

• Livellamento della domanda contendibile (energy shifting; arbitraggio prezzi)

• Regolazione su 4 quadranti: DP(Df) e Q(V)

• Funzioni di riserva (sicuramente primaria)

• Carico zavorra per riaccensione

LOES; Liquefied Oxygen Energy Storage

❑ Fornire agli studenti strumenti di analisi e sintesi di apparati e sistemi

❑ La valutazione dell’impatto ambientale dei veicoli di diverse tipologie, ad esempio

❑ Sarà presa in esame la trattazione della parte elettrica, accennando solo

❑ Nelle centrali elettriche tradizionali l'energia elettrica è prodotta con alternatori

1 Introduzione al linguaggio Modelica

Corso di Laurea in Ingegneria dell’Energia

❑ Analisi del ciclo vita

❑ Vita utile e analisi dal pozzo alle ruote

❑ Gli EVs come carichi dispacciabili

❑ Analisi del ciclo vita

❑ Vita utile e analisi dal pozzo alle ruote

❑ Gli EVs come carichi dispacciabili

❑ La valutazione dell’impatto ambientale dei veicoli di diverse tipologie,

❑ La produzione contempla ad esempio estrazione dei materiali grezzi,

❑ Illustrare a grandi linee la metodologia corretta che occorre

• EV: Electric Vehicle. E’ l’acronimo più importante e anche il più difficile da

• WtW: Analisi “Well-To-Wheel” o “dal pozzo allea ruota” per la valutazione

• WLTP: Worldwide harmonised Light Vehicles Test Procedure. “Procedura di

❑ Analisi del ciclo vita

❑ Vita utile e analisi dal pozzo alle ruote

❑ Gli EVs come carichi dispacciabili