Managing uncertainty in real-time optimisation and control of power grids

The growing integration of Renewable Energy Sources (RESs) and Distributed Energy Resources (DERs) is reshaping the global power infrastructure landscape. This integration introduces a complex set of operational challenges: the inherent unpredictability and variability of renewable energy generation, combined with communication uncertainties and the presence of heterogeneous participants, make optimal power system management increasingly critical. This thesis addresses these challenges by developing scalable and robust energy management methodologies tailored to power systems composed of a large number of medium-to-low-power resources, including Battery Energy Storage Systems, small-scale solar generators, and prosumers participating in the energy market through Demand Response. At its core, this research establishes a theoretical framework for managing uncertainty in distributed multi-agent energy systems. To this end, it integrates scenario-based techniques, distributed and decentralised optimisation, Set-Membership Estimation Theory, and Adaptive Predictive Control strategies, enabling robust system operation, mitigating performance degradation, and supporting risk-aware decision-making. The proposed framework supports the coordination of Microgrids, Virtual Power Plants, and aggregations of Flexible Loads, ensuring the optimal utilisation of available resources and compliance with operational constraints under uncertainty, while emphasising scalability, robustness, and safety. In summary, this thesis provides advanced tools for designing resilient, adaptive, and efficient Energy Management Systems capable of managing uncertainties in power generation, communication, and model mismatches. These tools support the integration of RESs and \DERs, facilitating the transition towards low-carbon smart grids.

L'integrazione crescente di Fonti Energetiche Rinnovabili (RESs) e Distribuite (DERs) sta trasformando radicalmente il panorama delle infrastrutture elettriche a livello globale. Tale integrazione introduce complesse sfide operative: l’imprevedibilità e la variabilità intrinseche della generazione rinnovabile, le possibili incertezze di comunicazione e la presenza di partecipanti eterogenei rendono cruciale la corretta gestione della rete elettrica. Questa tesi affronta tali sfide sviluppando metodologie di gestione energetica scalabili e robuste, pensate per reti elettriche composte da un numero elevato di risorse di media e bassa potenza, tra cui Sistemi di Accumulo a Batteria, generatori fotovoltaici di piccola scala, e prosumer che partecipano al mercato energetico attraverso programmi di Demand Response. Il fulcro di questa ricerca è la definizione di un quadro teorico per la gestione dell’incertezza in ambienti di ottimizzazione multiagente e distribuita. A tale scopo, vengono integrate tecniche basate su scenari, ottimizzazione distribuita e decentralizzata, Set Membership Estimation e strategie di Controllo Predittivo. Questi approcci consentono al sistema di migliorare le prestazioni mantenendo un funzionamento risk-aware. Le metodologie proposte trovano applicazione nel coordinamento di Microreti, delle Centrali Elettriche Virtuali e dell'aggregazione di carichi flessibili. Esse garantiscono l’uso ottimale delle risorse disponibili e il rispetto dei vincoli operativi anche in presenza di incertezze, enfatizzando al contempo scalabilità, robustezza e sicurezza. In sintesi, questa tesi propone strumenti avanzati per la progettazione di Sistemi di Gestione dell’Energia resilienti, adattivi ed efficienti, capaci di affrontare le incertezze nella produzione, nella comunicazione e nei modelli di sistema. Tali sistemi non solo favoriscono l’integrazione di RESs e DERs, ma contribuiscono anche alla transizione verso reti elettriche intelligenti e sostenibili.