Il ruolo della dimensione spaziale nella modellazione di sistemi energetici decarbonizzati

L’attuale crisi climatica richiede un'azione globale su larga scala, nella quale i modelli di sistema energetico rivestono un ruolo fondamentale nel supportare il processo decisionale intersettoriale (privato e normativo). Per realizzare una transizione energetica giusta e sostenibile, tali modelli devono essere in grado di rappresentare la crescente complessità dei sistemi energetici del futuro. Con l’accelerazione della transizione da infrastrutture basate sui combustibili fossili verso paradigmi decentralizzati, interconnessi e a basse emissioni di carbonio, la rappresentazione spaziale risulta un elemento cruciale nella modellazione dei sistemi energetici. Le infrastrutture di trasporto rappresentano spesso un vincolo all’integrazione su larga scala delle fonti rinnovabili, sottolineando ulteriormente la necessità di integrare considerazioni spaziali nei modelli che trattano espansione di reti di trasporto dell’energia. Questo progetto di dottorato esplora il ruolo della dimensione spaziale nella modellazione di sistemi energetici decarbonizzati, con un focus particolare su due componenti chiave della rappresentazione spaziale: (i) la risoluzione spaziale e (ii) la discretizzazione spaziale. Lo studio ha seguito un approccio strutturato in quattro fasi: 1. Una revisione dello stato dell’arte sulla rappresentazione spaziale all’interno della modellazione dei sistemi energetici. Le tecniche di clustering sono state identificate come strumenti comunemente impiegati per ridurre la complessità dei modelli e migliorarne la trattabilità computazionale. Questa fase ha inoltre chiarito la distinzione tra elementi spaziali (ossia semplificazioni geografiche) e nodi di modello (cioè entità matematiche utilizzate nei framework di modellazione), principalmente governati da risoluzione e discretizzazione spaziale. 2. Lo sviluppo di una metodologia di adattamento di algoritmi di clustering specificamente pensata per applicazioni ai sistemi energetici, dimostrata attraverso il caso studio della stima del potenziale di teleriscaldamento in Italia, utilizzando una versione modificata dell’algoritmo DBSCAN; 3. Un’analisi dell’impatto della risoluzione spaziale nella modellazione delle reti di trasporto energetico, attraverso il caso studio del sistema di teleriscaldamento italiano, valutando come l’aumento della granularità spaziale influisca sulla rappresentazione della rete e sui risultati dell’ottimizzazione; 4. Una valutazione del ruolo della discretizzazione spaziale nella modellazione delle reti legate all’idrogeno, attraverso il caso studio della Columbia Britannica (Canada), analizzando come diverse strategie di discretizzazione influenzino la topologia delle reti, la lunghezza delle infrastrutture e i costi del sistema. I risultati indicano che adattare i parametri dei metodi di clustering ai dati dei sistemi energetici migliora l’interpretabilità dei risultati, allineando l’aggregazione spaziale ai vincoli tecnico-economici. Un incremento nella risoluzione spaziale migliora l’accuratezza della rappresentazione della rete, ma richiede un maggiore sforzo computazionale e l’impiego di formulazioni di costo più sofisticate. La discretizzazione spaziale, pur influenzando marginalmente il mix tecnologico ottimale, ha un impatto sulla configurazione della rete, sulla lunghezza delle infrastrutture e sui costi complessivi del sistema. Integrando questi risultati, la tesi fornisce un’analisi completa del ruolo della rappresentazione spaziale nella modellazione dei sistemi energetici decarbonizzati, offrendo innovazioni metodologiche e spunti utili per la ricerca futura, la pianificazione e lo sviluppo di politiche di decarbonizzazione.

The ongoing climate crisis demands large-scale global action, in which energy system models play a pivotal role in supporting cross-sectoral decision-making. To achieve a just and sustainable energy transition, these models must capture the growing complexity of future energy systems. As the shift from fossil-based infrastructures to decentralized, interconnected and low-carbon paradigms accelerates, spatial representation has emerged as a critical component of energy system modelling. Transport infrastructures often act as constraints on the large-scale integration of renewable energy sources, further emphasizing the need to integrate spatial considerations into capacity expansion models. This PhD research explores the role of the spatial dimension in modelling decarbonized energy systems, with a particular focus on two key components of spatial representation: (i) spatial resolution and (ii) spatial discretisation. The study adopted a structured four-step approach: 1. A review of the state of the art in spatial representation within energy system modelling. Clustering techniques were identified as commonly used tools for reducing model complexity and improving computational tractability. This phase also clarified the distinction between spatial elements (i.e. geographic simplifications) and model nodes (i.e. mathematical entities used in the modelling frameworks), which are primarily governed by spatial resolution and discretisation. 2. The development of an adaptation methodology for clustering algorithms tailored to energy system applications, demonstrated through a case study estimating the potential for district heating in Italy using a modified DBSCAN algorithm; 3. An assessment of the impact of spatial resolution on the modelling of energy transport networks, using the Italian district heating system as a case study to evaluate how increasing spatial granularity affects network representation and optimization results; 4. An evaluation of the role of spatial discretisation in hydrogen transport modelling, with a case study based in British Columbia (Canada), focusing on how different discretisation strategies affect network topology, infrastructure length and system costs. The findings indicate that tailoring clustering parameters to energy system data improves the interpretability of clustering results, aligning spatial aggregation with techno-economic constraints. Increased spatial resolution enhances the accuracy of network representation but imposes greater computational demands and necessitates more sophisticated cost formulations. Spatial discretisation, while having a limited effect on the overall technology mix, influences network layout, infrastructure requirements and system costs. By unifying these results, the dissertation provides a comprehensive analysis of the role spatial representation plays in decarbonised energy system modelling, offering methodological innovations and insights that can inform future research, planning and policy development.