Ottimizzazione dei flussi energetici in un parcheggio adibito a servizi di logistica con flotta elettrificata, fotovoltaico e accumulo multi energia = Optimization of Energy Flows in a Parking Area Dedicated to Logistics Services with an Electrified Fleet, Photovoltaic System, and Multi-Energy Storage

Il pacchetto di proposte legislative "Fit for 55", promulgato dall’Unione Europea e atto a ridurre le emissioni di gas serra del 55% entro il 2030, ha concentrato l’attenzione verso la riduzione dei consumi energetici e delle emissioni climalteranti, con un focus particolare sulla produzione di energia da fonti rinnovabili. La crescente diffusione di sorgenti di generazione distribuita all’interno di impianti privati rende quindi fondamentale adottare strategie di ottimizzazione energetica, consentendo di gestire in modo efficiente i flussi di energia, minimizzare gli sprechi, massimizzare l’autoconsumo e, di conseguenza, ridurre i costi operativi. I settori in cui una gestione energetica efficiente risulta particolarmente rilevante sono molteplici, in particolare questo studio prende in considerazione il caso di un hub adibito alla logistica dell’ultimo miglio. Dopo un’accurata analisi della letteratura, volta a comprendere lo stato dell’arte nella gestione energetica, si è proceduto allo sviluppo di un modello di ottimizzazione dell’hub stesso. L’obiettivo è minimizzare i costi ed emissioni del magazzino dotato di un impianto fotovoltaico, un sistema di accumulo agli ioni di litio, una flotta di veicoli elettrici per il trasporto merci e un’integrazione con un sistema di conversione dell’idrogeno. In particolare è stata condotta un’analisi comparativa tra l’utilizzo di idrogeno acquistato e quello autoprodotto tramite elettrolizzatore. Il modello, strutturato sulla base di un problema che persegue una logica multi-obiettivo, adotta un approccio basato sulla programmazione lineare intera mista (MILP – Mixed-Integer Linear Programming) ed è in grado di fornire sia la configurazione che minimizza il costo, sia quella che riduce al minimo le emissioni di CO2. Al fine di gestire il trade-off tra i due obiettivi è stato introdotto un coefficiente di ponderazione α, la cui variazione è stata valutata mediante il principio di Pareto. Questo ha permesso di analizzare differenti scenari individuando la configurazione che assicura un bilanciamento efficace tra efficienza economica e sostenibilità ambientale. L’ottimizzazione di tutte le componenti sopra citate è stata sviluppata utilizzando il framework Pyomo, libreria open-source di Python che consente di formulare e risolvere problemi di ottimizzazione matematica, sia lineari che non lineari, discreti e continui. L’analisi ha evidenziato il ruolo critico dei sistemi di accumulo. La flotta elettrica ha invece mostrato scarso utilizzo del funzionamento in veichle to grid a causa della presenza asincrona dei veicoli rispetto alla generazione fotovoltaica. Nel complesso, il modello ha dimostrato di essere uno strumento efficace per supportare decisioni strategiche nella progettazione e gestione di hub logistici sostenibili, consentendo di adattare le strategie in base alle priorità di costo o sostenibilità ambientale.