Pianificazione e ottimizzazione di microreti resilienti: un quadro di supporto alle decisioni che integra MILP, selezione del sito basata su GIS e indicatori chiave di prestazione

This research introduces an integrated Decision Support System (DSS) designed to enhance the planning, sizing, and resilience of isolated and hybrid microgrids, especially in regions prone to power outages, climate disruptions, or infrastructural limitations. The DSS combines technical guidelines with optimization strategies and resilience metrics to support energy planners and decision-makers in selecting the most appropriate renewable energy configurations. By using site-specific geographical and meteorological data—including solar irradiance and wind speed—the system applies mixed-integer linear programming (MILP) and forecasting techniques (e.g., LSTM neural networks) to identify optimal combinations of photovoltaic (PV), wind, battery storage, and diesel generators. This enables improved energy management, reduced curtailment, and maximized renewable integration. The study emphasizes the use of resilience-focused Key Performance Indicators (KPIs), such as FuelSpanity, FuelEconomics, RenewRatio, and RenewCuts, along with novel indicators like Battery Utilize Index (BUI), Diesel Replacement Ratio (DRR), and System Resilience Index (SRI). These KPIs allow for a robust assessment of system behavior under both normal and critical conditions, enabling reliable operation in regions like Fairbanks, Alaska, and conflict zones such as Gaza. Furthermore, a novel multi-criteria decision-making (MCDM) framework is introduced to support early-stage renewable energy site selection. Criteria are divided into quantitative and qualitative types and categorized into cost and benefit groups. The framework employs Analytic Hierarchy Process (AHP) to assign weights and Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) to rank alternatives in line with the UN Sustainable Development Goals (SDGs). The DSS has been validated through case studies, including the Kamal Adwan Hospital in Gaza, where it demonstrated the ability to prioritize critical loads and maintain functionality during outages. Comparative analysis with tools like HOMER and XENDEE reveals that the proposed DSS offers greater flexibility, accuracy, and resilience alignment, especially under fluctuating weather or emergency scenarios. Through the use of Brute Force Search Method (BFSM), the system exhaustively explores combinations of Peak Sun Hours (PSH) and Days of Autonomy (DoA) to identify optimal configurations. In summary, this work presents a unified approach to microgrid planning that balances energy security, cost-effectiveness, and resilience. By integrating real-world weather forecasts, big data handling, and standardized engineering protocols (IEEE, ISO, IEC), the framework significantly contributes to the global transition toward clean, resilient, and inclusive energy systems.

Questa ricerca presenta un Sistema di Supporto Decisionale (DSS) integrato, progettato per migliorare la pianificazione, il dimensionamento e la resilienza dei microgrid isolati e ibridi, in particolare nelle aree soggette a blackout, eventi climatici estremi o limiti infrastrutturali. Il DSS unisce linee guida tecniche con strategie di ottimizzazione e metriche di resilienza per supportare pianificatori energetici e decisori nella selezione delle configurazioni energetiche rinnovabili più appropriate. Utilizzando dati geografici e meteorologici specifici per il sito—tra cui l’irradiazione solare e la velocità del vento—il sistema applica la programmazione lineare intera mista (MILP) e tecniche di previsione (es. reti neurali LSTM) per identificare combinazioni ottimali di fotovoltaico (PV), eolico, batterie e generatori diesel. Questo consente una gestione energetica ottimizzata, una riduzione dei surplus non utilizzati e una massimizzazione dell’integrazione delle fonti rinnovabili. Lo studio si concentra sull’uso di indicatori chiave di prestazione (KPI) orientati alla resilienza, come FuelSpanity, FuelEconomics, RenewRatio e RenewCuts, e nuovi indicatori come l’Indice di Utilizzo della Batteria (BUI), il Rapporto di Sostituzione del Diesel (DRR) e l’Indice di Resilienza del Sistema (SRI). Tali KPI consentono una valutazione solida del comportamento del sistema sia in condizioni normali che critiche, garantendo un funzionamento affidabile in aree come Fairbanks, Alaska, e in zone di conflitto come Gaza. Inoltre, viene introdotto un innovativo framework MCDM per la selezione dei siti di energia rinnovabile nella fase preliminare. I criteri sono suddivisi in quantitativi e qualitativi e categorizzati in base a costi e benefici. Il metodo Analytic Hierarchy Process (AHP) assegna i pesi e il metodo TOPSIS classifica le alternative in coerenza con gli Obiettivi di Sviluppo Sostenibile delle Nazioni Unite (SDGs). Il DSS è stato validato tramite casi studio, tra cui l’Ospedale Kamal Adwan a Gaza, dove ha dimostrato la capacità di dare priorità ai carichi critici e mantenere la funzionalità durante le interruzioni di rete. Un’analisi comparativa con strumenti come HOMER e XENDEE evidenzia che il DSS proposto offre maggiore flessibilità, accuratezza e allineamento alla resilienza, specialmente in scenari di emergenza o con condizioni meteorologiche variabili. Attraverso l’uso del Brute Force Search Method (BFSM), il sistema esplora esaustivamente combinazioni di ore di sole di picco (PSH) e giorni di autonomia (DoA) per identificare configurazioni ottimali. In sintesi, questo lavoro propone un approccio unificato alla pianificazione dei microgrid che bilancia sicurezza energetica, convenienza economica e resilienza. Integrando previsioni meteorologiche in tempo reale, gestione dei big data e protocolli ingegneristici standard (IEEE, ISO, IEC), il framework contribuisce significativamente alla transizione globale verso sistemi energetici puliti, resilienti e inclusivi.