This thesis was carried out during an internship at UNARETI (formerly A2A Reti Elettriche), lasting six months, in the Planning Department. A versatile long-term forecasting methodology has been developed used to study impact of new types of electrical load. The network is composed of a set of elements that must be continuously coordinated: the aim is that to bring electricity to Customer observing the constraints of quality and reliability of service expected by Customer and imposed by the Authority. To this end, a good planning activity is essential and, to doing that, an electric load forecast is required. In the last period, there has been an increase in energy demand in several sectors, first of all in electric mobility. In this regard, the procedure was applied to understand the impact of electric vehicle charging using public charging station. The use of geographical data and information systems (GIS) is required to know areas subject to a greater increase. The methodology has three phases. In the first phase, the load curves of each MV/LV station in Milan were built, in the second part an algorithm was developed and, using a Monte Carlo method, it locates the areas where charging stations are most likely to be installed. In the last phase of the work the load curves related to a charging station are estimated. After this, it was possible to see on the map the peak for each year of forecast.

La presente tesi è stata svolta nell’ambito di un tirocinio presso UNARETI (ex A2A Reti Elettriche), della durata di sei mesi, presso il reparto di Pianificazione. È stata sviluppata una metodologia versatile per la previsione a lungo termine delle nuove tipologie di carico elettrico. La rete è formata da un insieme di elementi che devono essere continuamente coordinati tra loro con lo scopo di portare energia elettrica agli utilizzatori finali rispettando i vincoli di qualità e continuità del servizio attesi dal Cliente ed imposti dall’Autorità. A questo scopo, è fondamentale attuare una buona attività di pianificazione e per farlo risulta necessaria la previsione del carico elettrico. Nell’ultimo periodo si sta osservando un aumento della domanda energetica in diversi settori, primo fra tutti quello della mobilità elettrica. A questo proposito si è voluta applicare la procedura per capire l’impatto dovuto alle ricariche di veicoli elettrici in infrastruttura di ricarica pubblica. L’esigenza di conoscere, non solo l’entità dell’aumento del carico, ma le zone soggette ad un suo maggiore aumento, ha richiesto l’utilizzo di dati e sistemi informativi geografici (GIS). La metodologia si è sviluppata in tre fasi. In una prima fase si sono costruite le curve di carico di ogni Cabina Secondaria in Milano, nella seconda parte è stato sviluppato un algoritmo che, tramite il metodo di Montecarlo, localizza le zone in cui è più probabile che vengano installate colonnine di ricarica e nell’ultima fase del lavoro vengono stimate le curve di carico relative alle ricariche in infrastruttura. Fatto questo è stato possibile visualizzare su mappa l’andamento del picco, per ogni anno di previsione.

Metodologie di previsione dell’impatto della mobilità elettrica nelle reti di distribuzione mediante analisi di dati georeferenziati

PASETTI, CATERINA
2018/2019

Abstract

This thesis was carried out during an internship at UNARETI (formerly A2A Reti Elettriche), lasting six months, in the Planning Department. A versatile long-term forecasting methodology has been developed used to study impact of new types of electrical load. The network is composed of a set of elements that must be continuously coordinated: the aim is that to bring electricity to Customer observing the constraints of quality and reliability of service expected by Customer and imposed by the Authority. To this end, a good planning activity is essential and, to doing that, an electric load forecast is required. In the last period, there has been an increase in energy demand in several sectors, first of all in electric mobility. In this regard, the procedure was applied to understand the impact of electric vehicle charging using public charging station. The use of geographical data and information systems (GIS) is required to know areas subject to a greater increase. The methodology has three phases. In the first phase, the load curves of each MV/LV station in Milan were built, in the second part an algorithm was developed and, using a Monte Carlo method, it locates the areas where charging stations are most likely to be installed. In the last phase of the work the load curves related to a charging station are estimated. After this, it was possible to see on the map the peak for each year of forecast.
2018
GIS-based forecasting method used to predict electric mobility impact on an electric distribution network
La presente tesi è stata svolta nell’ambito di un tirocinio presso UNARETI (ex A2A Reti Elettriche), della durata di sei mesi, presso il reparto di Pianificazione. È stata sviluppata una metodologia versatile per la previsione a lungo termine delle nuove tipologie di carico elettrico. La rete è formata da un insieme di elementi che devono essere continuamente coordinati tra loro con lo scopo di portare energia elettrica agli utilizzatori finali rispettando i vincoli di qualità e continuità del servizio attesi dal Cliente ed imposti dall’Autorità. A questo scopo, è fondamentale attuare una buona attività di pianificazione e per farlo risulta necessaria la previsione del carico elettrico. Nell’ultimo periodo si sta osservando un aumento della domanda energetica in diversi settori, primo fra tutti quello della mobilità elettrica. A questo proposito si è voluta applicare la procedura per capire l’impatto dovuto alle ricariche di veicoli elettrici in infrastruttura di ricarica pubblica. L’esigenza di conoscere, non solo l’entità dell’aumento del carico, ma le zone soggette ad un suo maggiore aumento, ha richiesto l’utilizzo di dati e sistemi informativi geografici (GIS). La metodologia si è sviluppata in tre fasi. In una prima fase si sono costruite le curve di carico di ogni Cabina Secondaria in Milano, nella seconda parte è stato sviluppato un algoritmo che, tramite il metodo di Montecarlo, localizza le zone in cui è più probabile che vengano installate colonnine di ricarica e nell’ultima fase del lavoro vengono stimate le curve di carico relative alle ricariche in infrastruttura. Fatto questo è stato possibile visualizzare su mappa l’andamento del picco, per ogni anno di previsione.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14239/18950