Gestione dei flussi energetici nella micro-rete del laboratorio PVZEN (PhotoVoltaic Zero Energy Network) = Management of energy flows in the micro-grid of the PVZEN laboratory

Questo studio analizza diverse strategie di gestione energetica in una comunità energetica, con l'obiettivo di migliorare l'autosufficienza attraverso un modello centralizzato. Sono state confrontate tre logiche: la logica base applicata a unità indipendenti, la logica base estesa alla comunità energetica e la logica ottimizzata basata su algoritmi di ottimizzazione numerica. Il confronto mostra come il passaggio dalla gestione indipendente a quella comunitaria migliori l’autoconsumo e riduca il prelievo dalla rete, mentre l’ottimizzazione consente di pianificare l’utilizzo dell’energia in modo proattivo, riducendo ulteriormente il deficit della comunità. La logica ottimizzata utilizza la funzione fmincon per determinare direttamente la potenza di carica e scarica delle batterie, superando la gestione sequenziale tradizionale. Le batterie non vengono più considerate come entità indipendenti, ma gestite come un unico accumulo virtuale, permettendo di bilanciare meglio surplus e deficit nell’arco temporale considerato. In questo modo, la comunità energetica non si limita a condividere l’energia disponibile, ma modifica attivamente il comportamento degli accumuli per ridurre la dipendenza dalla rete. Il codice sviluppato è stato reso scalabile, permettendo di valutare il comportamento della comunità energetica con un numero di unità variabile tra 1 e 20. Questo ha consentito di analizzare come la variazione del numero di unità, della tipologia di carico e della produzione influenzi il bilancio energetico e l'efficacia della gestione ottimizzata. Inoltre, sono stati considerati diversi periodi dell’anno per valutare le prestazioni stagionali delle strategie adottate e il loro impatto sull’autosufficienza del sistema. I risultati evidenziano come l’ottimizzazione non solo riduca il prelievo netto dalla rete, ma consenta anche di prevedere e gestire meglio le esigenze energetiche future, rendendo la gestione dell’energia più efficiente, scalabile e applicabile a scenari reali.