Sei sulla pagina 1di 19

Politecnico di Torino

Corso di Laurea in Ingegneria Elettrica

Tesi di Laurea Magistrale

Clustering-based definition of the electricity market zones

Relatore: Prof. Gianfranco Chicco Candidato: Andrea Griffone


Correlatore: Dr. Andrea Mazza

Anno accademico 2018/2019

1/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Agenda

Presentazione della
Introduzione Conclusioni
ricerca svolta

2/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Agenda

Presentazione della
Introduzione Conclusioni
ricerca svolta

2/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Agenda

Presentazione della
Introduzione Conclusioni
ricerca svolta

2/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Negli ultimi anni, in Europa…

Aumento della quantità di energia elettrica


prodotta da fonti rinnovabili

Crescita della quota di alimentazione Assenza di potenziamenti alle capacità di


fluttuante nei nodi dei sistemi elettrici trasmissione delle linee elettriche

Aumento delle congestioni nelle reti elettriche di trasmissione Europee

Crescita dei costi di ridispacciamento per i Transmission System


Problema
Operator (TSO) dell’area UE (in Germania triplicati dal 2012 al 2015)

Introduzione 3/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Obiettivo
Contenere l’aumento dei costi di ridispacciamento nel breve e medio
termine, prima di un comunque necessario potenziamento della rete

L’UE emana nel 2011 un documento contenente le linee guida


per la definizione di configurazioni zonali ottimali

Perfetta gestione congestioni Perfetti segnali economici


(senza costi ridispacciamento) (massimizzanti aumento di efficienza)

Il documento fornisce solo regole generali per la


definizione di configurazioni zonali ottimali

Cresce la letteratura scientifica Questa tesi sviluppa una metodologia per individuare la
inerente all’argomento tecnica più adatta a definire configurazioni zonali ottimali
Introduzione 4/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Analisi dei Ricerca


risultati bibliografica

Applicazione
Teorizzazione
metodologia
metodologia
su caso reale

Presentazione della ricerca svolta 5/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Tecnica di definizione Caratteristica di clustering Metrica di distanza


8 16 16
7 14 14
Numero di volte utilizzato

Numero di volte utilizzato

Numero di volte utilizzato


6 12 12
5 10 10
4 8 8
3 6 6
2 4 4
1 2 2
0 0 0
Fuzzy-c-means Andamenti orari LMP Distanza Euclidea
Algoritmo Genetico multidimensionale
Clustering Geografico Istantanee LMP Distanza Euclidea
monodimensionale
Clustering Gerarchico
PTDF linee statisticamente Appartenenza Fuzzy
K-means Clustering
congestionate
K-medoids Clustering Appartenenza Fuzzy migliorata
PTDF linee statisticamente più
Price Differential Clustering congestionate pesati

Presentazione della ricerca svolta – Ricerca Bibliografica 6/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

1 Attributi richiesti per i risultati

2 Come ottenere i risultati


• Definizione dei 10 requisiti di ottimalità
per le configurazioni zonali (esempio:
integrità fisica delle zone)
• Scelta degli algoritmi di
clustering più adatti
• Elenco dei loro input
• Elenco delle loro
3 Valutazione dei risultati

modifiche • Criteri di valutazione delle configurazioni zonali


• Indicatori della validità del clustering
(MIA, CDI, SMI, DBI)
• Indicatori di efficienza economica
(R4, HHI, EC, L-HHI)

Presentazione della ricerca svolta – Teorizzazione metodologia 7/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Attributi richiesti Come ottenere Valutazione


01 per i risultati 02 i risultati 03 dei risultati

Definizione dei 10 requisiti Scelta degli algoritmi più Criteri di valutazione delle
di ottimalità per le adatti: configurazioni zonali.
configurazioni zonali.
1. K-means (Matlab/Custom) 1. Indicatori di validità del
1. Stabilità temporale 2. K-medoids (Matlab/Custom) clustering (per misurare
2. Sicurezza alla N-1 3. Gerarchico (Matlab/Custom) bontà del partizionamento
3. Efficienza di mercato 4. Genetico (Custom) eseguito).
4. Gestione congestioni 5. Price Differential Clustering  MIA, CDI, SMI, DBI
5. Facile metodo di creazione (Custom) 2. Indicatori di efficienza
6. Numero zone limitato economica (per controllare il
7. Varianza intrazonale Con annessi input (numero livello di competizione
LMP minima in ogni zona zone) e modifiche eseguite perfetta nelle zone di prezzo)
8. Dimensione minima delle zone  R4, HHI, EC, L-HHI
9. Integrità fisica delle zone
(per rispettare i precedenti
10. Esclusività appartenenza nodi requisiti di ottimalità)

Presentazione della ricerca svolta – Teorizzazione metodologia 7/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Attributi richiesti Come ottenere Valutazione


01 per i risultati 02 i risultati 03 dei risultati
Definizione dei 10 requisiti di ottimalità per una configurazione zonale:
1. Dotata di stabilità temporale di almeno 3 anni
2. Non compromettente la sicurezza del sistema (esempio: sicurezza alla «N-1»)
3. Massimizzante l’efficienza del mercato zonale risultante
4. Associata ad una gestione delle congestioni ottimale (solo congestioni inter-zonali)
5. Prodotta da un metodo di facile comprensione
6. Caratterizzata dal minor numero di zone possibile
7. Minimizzante la varianza dei LMP all’interno di ciascuna zona
8. Composta da zone non eccessivamente piccole
9. Composta da zone fisicamente integre
10.Contenente nodi appartenenti ad una sola zona ciascuno

Presentazione della ricerca svolta – Teorizzazione metodologia 7/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Attributi richiesti Come ottenere Valutazione


01 per i risultati 02 i risultati 03 dei risultati
Scelta degli algoritmi più adatti:
1. K-means clustering • Da comando Matlab = senza modifiche al codice sorgente
2. K-medoids clustering • Da versione Custom = alterazione al codice sorgente con la
3. Clustering Gerarchico tecnica del fattore di penalità tra nodi fisicamente distaccati
4. Algoritmo Genetico
• Solo versione Custom, perché non disponibile comando Matlab
5. Price Differential Clustering

Con annessi: • Numero di zone (tutti algoritmi tranne PDC)


• Tolleranza tra valori medi di LMP (PDC)
1. Input necessari per l’esecuzione dell’algoritmo
• Andamenti orari LMP
• PTDF di linee più spesso congestionate
2. Modifiche per migliorare rispetto requisiti ottimalità

Presentazione della ricerca svolta – Teorizzazione metodologia 8/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Attributi richiesti Come ottenere Valutazione


01 per i risultati 02 i risultati 03 dei risultati
Criteri di valutazione delle configurazioni zonali:
1. Indicatori di validità del clustering (CVI), danno un indicazione della bontà del partizionamento:
1. Mean Index Adequacy (MIA) Peggiore
2. Clustering Dispersion Indicator (CDI) configurazione
3. Similarity Matrix Indicator (SMI) 0 Configurazioni migliori 1
4. Davies-Bouldin Index (DBI)
2. Indicatori dell’efficienza economica (EEI), misurano il livello di competizione perfetta nelle zone create:
1. Indice di concentrazione del 4° ordine (R4) Competizione
2. Herfindahl-Hirschman Index (HHI) perfetta Monopolio
3. Coefficiente di Entropia (EC) 0 1
4. Local Herfindahl-Hirschman Index (L-HHI)
Per valutare ottimalità zone prodotte e confrontrare prestazioni degli algoritmi di clustering

Presentazione della ricerca svolta – Teorizzazione metodologia 9/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Rete sufficientemente vasta


Caso studio: Modello ridotto 257 nodi della rete per dare generalità ai risultati
PTDF linee
elettrica di trasmissione Europea Disponibile programma Matlab per congestionate
simularne il mercato elettrico, sulla
base di scenari definiti da utente
LMP orari

Numero di zone
1° passaggio Determinazione input mancanti per esecuzione algoritmi
Tolleranza valori
medi LMP (PDC)

Test 1 2 3 4 5 6 7
# Zone 5 6 7 11 13 14 15

Presentazione della ricerca svolta – Applicazione metodologia su caso reale 10/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

2° passaggio Esecuzione dei test Esempio: Test 1 5 zone richieste


26% tolleranza tra valori medi LMP

Algoritmi di
clustering da
comandi Matlab
(solo controlli in L-HHI
post-processing) EC
EEI HHI
R4
Algoritmi di
clustering da
codici custom
(tecnica fattore DBI
penalizzazione + SMI
post-processing) CVI CDI
MIA
Presentazione della ricerca svolta – Applicazione metodologia su caso reale 11/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

3° passaggio Classifiche

# Migliore CVI Migliore EEI Migliore EEI e CVI Migliore EEI+CVI


1 Mtlb LMP HC (11) Cmzd PTDF K-medoids (12) Cmzd PTDF K-medoids (12) Mtlb LMP HC (18,53)
2 Cmzd LMP PDC (9) Cmzd PTDF K-means (11) Mtlb LMP HC (11) Mtlb LMP K-medoids (19,40)
3 Cmzd LMP K-means (6) Cmzd LMP K-medoids (8) Cmzd PTDF K-means (11) Cmzd LMP K-means (19,47)
4 Cmzd LMP GA (6) Cmzd PTDF HC (3) Cmzd LMP PDC (9) Cmzd LMP GA (19,47)
5 Mtlb LMP K-medoids (5) Mtlb PTDF K-means (1) Cmzd LMP K-medoids (8) Cmzd PTDF K-means (20,80)
6 Mtlb LMP K-means (4) Cmzd LMP HC (1) Cmzd LMP K-means (6) Mtlb PTDF HC (21,36)
7 Mtlb PTDF K-means (0) Mtlb LMP K-means (0) Cmzd LMP GA (6) Mtlb LMP K-means (21,61)
8 Cmzd PTDF K-means (0) Cmzd LMP K-means (0) Mtlb LMP K-medoids (5) Mtlb PTDF K-medoids (22,40)
9 Mtlb PTDF K-medoids (0) Mtlb LMP K-medoids (0) Mtlb LMP K-means (4) Cmzd PTDF K-medoids (23,27)
10 Cmzd PTDF K-medoids (0) Mtlb LMP HC (0) Cmzd PTDF HC (3) Mtlb PTDF K-means (24,06)

Presentazione della ricerca svolta – Analisi dei risultati 12/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

3° passaggio Fronte di Pareto

# Algoritmo di clustering # Zone


P1 Mtlb LMP HC 7
P2 Cmzd LMP K-means 11
P3 Mtlb PTDF HC 7
P4 Cmzd PTDF K-means 11
P5 Cmzd PTDF K-means 7 P1
P2 P3
P6 Cmzd PTDF K-medoids 6
P4
P7 Cmzd PTDF K-means 5 P5
P6

Analytic Hierarchy Process (AHP): P1 P7


Technique for Order of Preference by
Similarity to Ideal Solution (TOPSIS): P1

Presentazione della ricerca svolta – Analisi dei risultati 13/15


Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

• Creazione metodo di valutazione zone


• Validità PTDF in alternativa ai LMP
• Affinità LMP-CVI e PTDF-EEI
• Buone prestazioni Matlab LMP HC,
Matlab LMP K-medoids, Custom LMP
K-means.

• Algoritmo genetico bocciato (mutazione


e crossover migliorabili)
• PDC bocciato (dimensione zone vs
tolleranza % tra LMP medi)
• Insufficienza tecnica fattore di penalità
• Assenza criteri ottimalità istituzionali

Conclusioni 14/15
Tesi di laurea magistrale
Clustering-based definition of the electricity market zones Andrea Griffone

Grazie per la
cortese
attenzione

15/15