IRPopt (Planeamento e Optimização Integrados de Recursos)

A estrutura de modelação IRPopt (Integrated Resource Planning and optimization), desenvolvida principalmente por Scheller(Fabian Scheller, 2018) no Instituto de Gestão de Infra-estruturas e Recursos da Universidade de Leipzig, é uma estrutura de modelação de programação linear de integração mista para despacho económico, tendo como objectivo principal a maximização do lucro. O IRPopt é implementado na plataforma de modelação de infra-estruturas IRPsim(Reichelt, Kühne, Scheller, Abitz, & Johanning, 2021) e ambos são de código aberto licenciados sob a GPLv3(Fabian; Scheller & Reichelt, 2022).

IRPopt é um modelo dinâmico, determinístico e discreto de sistema de energia municipal com granularidade temporal ajustável e horizonte de optimização rolante. O seu modelo matemático está escrito em GAMS e utiliza o solucionador IBM CPLEX.
Com esta estrutura, os modelos de sistemas de energia podem ser construídos a partir de uma grande carteira de componentes de tecnologia de consumo, armazenamento, produção e distribuição e portadores de energia como electricidade, calor, hidrogénio e múltiplos combustíveis fósseis. Para além do fluxo energético entre componentes, o fluxo monetário entre agentes como diferentes fornecedores, distribuidores, consumidores ou reguladores pode ser modelado. A função objectiva maximiza o lucro. Uma limitação importante é que a procura (por exemplo, electricidade) deve ser coberta em cada passo, se não for permitida a deslocação da carga lateral do consumidor. Com a deslocação da carga lateral do consumidor permitida, a procura deve ser coberta em períodos de deslocação de carga temporais ajustáveis. As definições de mudanças de carga permitem mudanças de 0 - 100% da carga dentro do período de mudança de carga especificado e são ajustáveis.
O IRPopt já foi aplicado no passado para responder a uma gama mais vasta de questões de investigação, por exemplo, o potencial de resposta da procura residencial através de tarifas de electricidade variáveis(Fabian Scheller, Krone, Kühne, & Bruckner, 2018) ou a concorrência entre opções de flexibilidade simultânea do lado da procura no caso de sistemas comunitários de armazenamento de electricidade(Fabian Scheller, Burkhardt, Schwarzeit, McKenna, & Bruckner, 2020), ver também o capítulo seguinte com casos de utilização do IRPopt.

As principais vantagens do IRPopt em comparação com muitos outros modelos são a modularidade, a granularidade temporal e o horizonte de optimização de rolamento. A modularidade permite a construção eficiente de modelos a partir de um grande portfólio de componentes tecnológicos ao longo de cadeias de valor inteiras. A granularidade temporal pode ser ajustada livremente, por exemplo, para ¼ resolução horária. O horizonte de optimização de um ano, incluindo um horizonte rolante ajustável, abrange efeitos sazonais, mantendo ao mesmo tempo uma perfeita previdência restrita. Uma descrição mais detalhada do modelo pode ser encontrada no material suplementar deste artigo e em(Fabian Scheller, 2018).

A figura 1 visualiza conceptualmente a incorporação do modelo e o fluxo de dados de entrada/saída do IRPopt, incluindo o fluxo de dados de entrada de outro modelo MICOES-Europe. A especificação dos dados de entrada sobre diferentes cenários e sobre a análise de sensibilidade é introduzida numa secção seguinte. MICOES-Europa utiliza os principais parâmetros de entrada de procura de electricidade específica de cada país, frota de centrais eléctricas, preços de combustível e CO2 e produção de electricidade renovável para modelizar os preços spot de electricidade e as intensidades de emissão de CO2. Estes são alimentados pelo IRPopt. Outros dados provêm de uma base de dados técnico-económicos criada que inclui dados empíricos e baseados em literatura, por exemplo do perfil de procura de cloro ou da especificação de electrolisadores da CAE. Os dados de entrada são alimentados através de um frontend baseado na web para o backend, onde os dados são pré-processados antes de serem enviados para o modelo GAMS que utiliza o solucionador IBM CPLEX. Os dados brutos de saída resultantes em formato GDX contêm mais de 100 variáveis e mais de 1000 parâmetros, a maioria deles distribuídos por conjuntos dependentes da granularidade temporal neste trabalho, seja de hora em hora ou de trimestre em trimestre (8760 ou 35040 passos). Na frente e no verso é utilizada uma ferramenta de exportação de dados actualizada para exportar os elementos de dados de saída relevantes a partir dos ficheiros GDX em bruto. Os dados de saída relevantes são ainda avaliados, por exemplo, através do cálculo das diferenças relativas entre cenários ou da sensibilidade aos resultados. Os indicadores-chave de desempenho neste trabalho são os custos de electricidade e as emissões de CO2, que são comparados em diferentes cenários ou casos de sensibilidade e resultam em economias potenciais através de mudanças de carga.

O processo de modelação das várias carteiras é acelerado no IRPopt por uma funcionalidade "pull-functionality" no que diz respeito às configurações básicas das opções tecnológicas. Assim, a unidade de estratégia ganha acesso eficiente às especificações técnicas das instalações de geração existentes ou planeadas da utilidade frequentemente actualizadas pela unidade de engenharia. Relativamente a um caso de utilização exemplar, a margem bruta de venda de calor e electricidade ao cliente serve como um dos principais indicadores de desempenho. Consequentemente, as carteiras são traçadas em função do impacto económico e ambiental. Assim, o decisor é capaz de encontrar uma solução de compromisso entre ambos os factores. Como uma dimensão adicional, as despesas de capital das carteiras poderiam ser avaliadas. Relativamente à alta complexidade da tomada de decisões estratégicas, o caso de utilização mostra que o IRPopt permite a avaliação quantitativa de uma vasta gama de incertezas, combinada com uma representação significativa dos resultados.