Probabilistic and statistical methods for studying the impacts of weather and climate change on the adequacy of power systems [Metodi probabilistici e statistici per lo studio degli impatti delle condizioni meteorologiche e dei cambiamenti climatici sull’adeguatezza dei sistemi di potenza]

The ongoing energy transition in European electric power systems (EPSs) is increasing the share of non-dispatchable renewable energy sources (NDRES). On one hand, this reduces the impact of energy production on the climate in terms of CO_2 emissions, but on the other hand, it increases the intermittency of energy generation. NDRES plants have production that depends on the randomness of the primary atmospheric source (wind speed and direction, irradiation, temperature), which creates challenges in managing and maintaining a power system. The increasing penetration of NDRES is accompanied by the ongoing decommissioning of non-renewable power plants (thermal power plants), whose energy production, however, is not affected by the stochastic nature of weather phenomena. As a result, power systems are increasingly impacted by weather conditions (both extreme and non-extreme) and will become more sensitive to climate change. The aforementioned peculiarities combine, creating issues for the adequacy of a generic EPS. Adequacy refers to the ability of a generic EPS to meet electricity demand at any hour and in any market zone of the country considered. From this definition it follows that, in order to analyze the adequacy of an EPS, it is necessary to consider the impacts of today's weather and tomorrow's climate on electricity production and demand. In the state of the art of adequacy assessments, the adequacy level of an EPS is quantified through statistical indices, the Loss Of Load Expectation (LOLE) and EENS (Expected Energy Not Served), which are derived using algorithms such as the Monte Carlo (MC) method. Currently, MC simulations are used to simulate the unavailability of generation units, but they neglect a stochastic modeling of the impacts of weather and climate change on electricity production and demand. The aim of this thesis is therefore to introduce the use of statistical methods for modeling the randomness of weather and climate change impacts on the adequacy of a generic EPS. These methods allow for the evaluation of energy production from NDRES plants as a function of atmospheric variables, modeling their randomness. The modeling of the randomness of weather variables also allows for the evaluation of the performance of transmission network components, such as transformers, as well as the behavior of electricity demand in relation to weather conditions. These aspects are appropriately addressed in the various chapters of the thesis. Finally, statistical methods are used to generate synthetic profiles of atmospheric variables in order to assess the adequacy indices. Since atmospheric variables are correlated, these synthetic profiles are generated as correlated, observing how the results of the adequacy indices change when moving from generating independent to correlated atmospheric synthetic profiles.

La transizione energetica in corso nei sistemi elettrici europei (EPS) sta aumentando la quota di fonti di energia rinnovabile non programmabili (NDRES). Da un lato, ciò riduce l’impatto della produzione di energia sul clima in termini di emissioni di CO₂, ma dall’altro aumenta l’intermittenza della generazione elettrica. Gli impianti NDRES hanno una produzione che dipende dalla casualità della fonte atmosferica primaria (velocità e direzione del vento, irraggiamento, temperatura), il che crea difficoltà nella gestione e nel mantenimento di un sistema elettrico. L’aumento della penetrazione delle NDRES è accompagnato dalla progressiva dismissione degli impianti di generazione non rinnovabili (centrali termoelettriche), la cui produzione di energia, tuttavia, non è influenzata dalla natura stocastica dei fenomeni meteorologici. Di conseguenza, i sistemi elettrici sono sempre più influenzati dalle condizioni meteorologiche (sia estreme sia non estreme) e diventeranno più sensibili ai cambiamenti climatici. Le peculiarità sopra descritte si combinano generando criticità per l’adeguatezza di un generico EPS. L’adeguatezza si riferisce alla capacità di un sistema elettrico di soddisfare la domanda di energia elettrica in ogni ora e in ogni zona di mercato del paese considerato. Da questa definizione deriva che, per analizzare l’adeguatezza di un EPS, è necessario considerare gli impatti delle condizioni meteorologiche attuali e del clima futuro sulla produzione e sulla domanda di energia elettrica. Nello stato dell’arte delle valutazioni di adeguatezza, il livello di adeguatezza di un EPS è quantificato tramite indici statistici, quali il Loss Of Load Expectation (LOLE) e l’Expected Energy Not Served (EENS), che vengono calcolati mediante algoritmi come il metodo Monte Carlo (MC). Attualmente, le simulazioni MC sono utilizzate per simulare l’indisponibilità delle unità di generazione, ma trascurano una modellazione stocastica degli impatti delle condizioni meteorologiche e dei cambiamenti climatici sulla produzione e sulla domanda di energia elettrica. L’obiettivo di questa tesi è quindi introdurre l’uso di metodi statistici per modellare la casualità degli impatti delle condizioni meteorologiche e dei cambiamenti climatici sull’adeguatezza di un generico EPS. Tali metodi consentono di valutare la produzione energetica degli impianti NDRES in funzione delle variabili atmosferiche, modellandone la natura aleatoria. La modellazione della casualità delle variabili meteorologiche permette inoltre di valutare le prestazioni dei componenti della rete di trasmissione, come i trasformatori, nonché il comportamento della domanda di energia elettrica in relazione alle condizioni meteorologiche. Questi aspetti sono opportunamente trattati nei vari capitoli della tesi. Infine, i metodi statistici vengono utilizzati per generare profili sintetici delle variabili atmosferiche al fine di valutare gli indici di adeguatezza. Poiché le variabili atmosferiche sono correlate tra loro, tali profili sintetici vengono generati tenendo conto di queste correlazioni, osservando come variano i risultati degli indici di adeguatezza passando dalla generazione di profili sintetici indipendenti a profili correlati.