The economics of Solar Home Systems: state of art and ... · Solar Home Systems: state of art and future challenges in local energy markets 1. INTRODUCTION Nowadays energy transition

journal valori e valutazioniNo. 24 - 2020 77

Chiara D’Alpaos*, Francesca Andreolli** keywords: renewable energy sources,energy communities, valuation approaches,

systematic review

The economics of Solar Home Systems:state of art and futurechallenges in localenergy markets

1. INTRODUCTION

Nowadays energy transition from fossil fuels to RenewableEnergy Sources (RES) represents a key factor in the globalstrategy to reduce global warming and mitigate climatechange effects. According to many political agendas,

power sector has the greater potential for the achievementof the 2030 EU-wide targets of 40% cut in greenhouse gasemissions compared to 1990 levels, at least a 32% share ofrenewables and at least 32.5% improvement in energyefficiency (2030 Climate and Energy Framework).Subsequently, in the EU Roadmap 2050 the European

European Directives 2009/28/EC and 2009/29/EC haveidentified the power sector as a key driver to achieve the20-20-20 targets (and those set for 2030 and 2050), as wellas Renewable Energy Sources (RES) as fundamentaldrivers in the pathway from a fossil-based to a zero-carbon energy sector. The development of RES is acomplex process involving a great number of decisionvariables and issues related not only to technical andtechnological aspects, but also to environmental, socialand cultural ones. With the increasing penetration of RESand Storage Devices the design and management oftraditional electricity grids is changing, as it requires ashift from a centralized to a decentralized and polycentricsystem, in which traditionally passive consumers becomeactive prosumers. Such topic is widely debated inliterature. There are several contributions on the analysisof RES economic and financial feasibility, which optimizeeconomic benefits by minimizing operational costs; at

the same time, many authors address the impacts of self-consumption on investment profitability. There existsalso a conspicuous strand of literature on businessmodels to integrate multiple prosumers into energymarkets (e.g., Peer-to-Peer trading, prosumer-to-gridintegration, prosumer community groups). Nonetheless,there is a lack of contributions that provide a systematicliterature review and a classification of most relevantpapers on innovative financial models. The aim of thispaper is to present a systematic review and define thestate-of-art on valuation approaches to investments inRES production plants coupled with storage. Accordingto a dynamic systematic review protocol, we identifiedthe most relevant contributions and we providedsynoptic tables, which summarize main methodologicaland descriptive aspects and allow for identifyingpotential gaps in literature and as well as futuredevelopments.

Abstract

journal valori e valutazioniNo. 24 - 202078

Commission has extended these previous short-term andlong-term targets by setting a reduction by 80-95% ingreenhouse gas emissions by 2050 (EU, 2012). Thischallenging goal demands for a large penetration of RES,which represents a milestone in the pathway from a fossil-based to a zero-carbon energy sector.According to Eurostat (2017), in Europe the share ofenergy produced by RES reached 17.5% of the gross finalenergy consumption in 2017. With a percentage of 54.5%,Sweden had the highest share, followed by Finland(41.0%), Latvia (39.0%), Denmark (35.8%) and Austria(32.6%). Italy reached a share of RES of 18.1% in grossenergy consumption, which is composed of 8.6% ofbiofuels, 2% of hydropower, 1% of wind power, 1.4% ofsolar energy, 3.4% of geothermal energy and 1.7% of heatpumps. Eleven Member States have already achieved theEU target of a 20% share of RES, but Europe still needs toboost investments in RES to reach the 2030 targets, sinceaccording to the International Energy Agency report (IEA2016), its renewable generation rose slightly less thanother worldwide regions. Furthermore, to integrate RES and guarantee grid securityand efficiency, electric power industry needs to disputemany challenges. Large investments are necessary toexpand, upgrade and modernize present electricitysystems, which were built in many industrializedcountries at the beginning of the twentieth century(Moretti et al., 2016). Increasing electricity demand andexploitation of RES are changing the design andmanagement of traditional electricity grids, as theyrequire a shift from a centralized to a decentralized andpolycentric system, based on distributed renewableenergy production plants and micro-grids. In the wholeelectricity supply chain, the diffusion of RES affectedmostly the distribution network. This network proved tobe inadequate to meet the request for a more flexiblepower system, which guarantees to react quickly tosupply and demand variations. To avoid networkcongestions and imbalances, mitigate RES impacts, andensure safe and reliable grid operations, theimplementation of technologies such as Battery EnergyStorage Systems (BESS), Demand-Side Management(DSM) or Demand Response (DR) systems should beimplemented (Luthander et al., 2015). These technologiesare necessary to increase energy efficiency and develop anew “smarter” network, which can intelligently integratethe actions of all users (i.e., generators, consumers andprosumers) to meet changes in energy demands in amore economically-efficient way (European CommissionTask Force for Smart Grids, 2010). This system, calledSmart Grid (SG), creates benefits for both supply anddemand in the electricity market (Moretti et al., 2016) andmodifies the traditional operation of electric grids (basedon a top-down hierarchical approach). In addition, SGschange the role of consumers from passive to active andincrease their awareness on their electricity consumptionand active participation in the electricity market (Bigernaet al., 2016; Kolokotsa, 2016).

In the development of SGs, the residential sector plays akey role, as it is responsible for a relevant share of theannual electricity consumption (Koskela et al., 2019).Local small-scale plants (e.g., photovoltaic plants) permitto produce energy on-site, where the consumptionoccurs, reducing in turn distribution losses andmanagerial costs. Furthermore, these plants are keydrivers in the development of nearly zero energybuildings and in the achievement of energy efficiencytargets (D’Alpaos and Bragolusi, 2018; Fregonara et al.,2018; Dell’Anna et al., 2019). In this respect, in fact, theadoption of small-scale production plants mightrepresent an important measure to the renovation ofexisting residential buildings and the improvement oftheir energy efficiency. Investments in SG technologies and integration of RESare complex processes, which involve a great number ofdecision variables related to technical, economic,environmental and social aspects, as well as differentstakeholders (e.g., consumers, distribution andtransmission operators, policymakers, etc.). This topic isat the core of a lively debate in literature. There areseveral studies on the modelling and controlling of SGtechnologies as well as on their evaluation and barriers toimplementation. There is a large strand of literature onmethodologies to evaluate their potential benefitsaccording to their economic, environmental and socialeffects (e.g., levelized cost of energy, multi-objectivesanalysis, cost-benefit analysis, etc.). Another strand ofliterature analyzed the structure of micro-grids, withparticular attention to the identification of businessmodels, which favors the development of local electricitymarkets. Nonetheless, there is a lack of contributions,which provide a systematic literature review oninnovative and effective valuation approaches. In thisrespect, Moretti et al., (2016) presented a literature reviewon methodologies to estimate the economic andenvironmental impacts of SG systems, and highlightedthe need of taking into account all the uncertainparameters involved in SG investments and the lack of astandardized methods to obtain consistent results oncosts, benefits, greenhouse gases (GHG) emissionreductions and energy savings. Ioannou et al. (2017)focused on risks and uncertainty related to sustainableenergy system planning, by providing a state-of-the-artliterature review on quantitative (e.g., stochasticoptimization techniques, real-option analysis, MonteCarlo simulations) and semi-quantitative methods (e.g.,scenario analysis, multi-criteria decision analysis) usuallyimplemented to model technical and economicparameters in RES projects. Whereas, Burger and Luke(2017) analyzed and reviewed the most common businessmodels for the deployment of Distributed EnergyResources (DER), to identify a set of “archetypes” andprovide some policy implications to supportpolicymakers and regulators. Other authors proposedreviews, specifically focused on the evaluation of specificrenewable sources and SG technologies. In this respect,

The economics of Solar Home Systems: state of art and future challenges in local energy markets


Emmanuel and Rayudu (2016) investigated photovoltaic(PV) systems and reviewed the evolution of PVintegration in the electricity network, analyzing itsimpacts on grid management and providing solutions fora more reliable grid-connected PV hybrid system (i.e., PVcoupled with BESS). Dowling et al. (2017) analyzed themost common techno-economic assessmentmethodologies for concentrated solar powertechnologies, with specific reference to the LevelizedCost Of Energy, in order to identify their benefits andlimitations. Saboori et al. (2017) focused on energystorage systems and provided a comprehensive literaturereview on their optimal planning and scheduling, inorder to guarantee an increase in energy savings and, inturn, justify their high up-front investment costs. The aim of this paper is to implement a systematicliterature review based on Scopus database to provide astate-of-the-art analysis on evaluation approaches ofinvestments in RES. We carried out a systematic reviewdynamic protocol to: a) identify relevant keywords; b)analyze preliminary results (meta-analysis); c) examinemost cited and most relevant contributions. Finally, we presented a synoptic table to summarize corecontributions methodological and descriptive aspects,with the aim of identifying potential literature gaps andfuture developments. The remainder of the paper is organized as follows. InSection 2, the process adopted for the systematic reviewand the preliminary meta-analysis are presented, and themost relevant articles on the economic assessment of RESinvestments profitability are investigated. In Section 3results are discussed and literature gaps are identified.Finally, Section 4 concludes.

2. SYSTEMATIC REVIEW

In this section, we provide a systematic literature reviewto update the state-of-the- art on evaluation models ofRES investments.To structure the systematic review, we created areproducible search record to analyze data collectedfrom literature, critically selected via a “criterion-basedselection” process, whose significance is evaluated byadopting systematic methods (Glasziou et al., 2001;Ruhlandt, 2018; D’Alpaos and Bragolusi, 2018). The contributions included in our review are illustratedand discussed according to the systematic review protocolproposed by Brown in 2007, which consists of a three-stageprocedure: planning, conducting and reporting thereview. The first stage (i.e., planning the review) iscomposed of two sub-phases: we firstly verified whetherother existing reviews investigated similar researchquestions; secondly, we carried out a literature scopingand mapping to identify main research fields, potentialoverlapping and future developments. In this phase,according to D’Alpaos and Bragolusi (2018), we defined adynamic protocol, by introducing ongoing variations in

research parameters and criteria to optimize the processand improve its flexibility and objectivity.

The second stage (i.e, conducting the review) aims atidentifying relevant keywords and search strings,developing selection criteria and providing qualitychecklist in order to guarantee minimum qualitythresholds and refine the research. According to asequential approach, we assessed the quality of thecontributions, and we excluded those, which we didnot consider as relevant. Then, in order to comparecore articles, we constructed a database and classifiedcontributions by title, author/s, publication date,source, methodology and relevance for inclusion. Inthe third stage (i .e. , reporting of the review), weprovided descriptive and methodological analyses,discussed results and studied limitations in orderdefine the state-of-the-art.

2.1 Systematic search

As previously mentioned, the systematic search heredescribed focuses on evaluation approaches ofinvestments in RES and SG technologies.

The integration of RES and other small-scale generationunits changed electric grid operation and management(Bigerna et al., 2016). Unlike traditional electricitynetworks, “smarter” networks, based on micro-grids andlocal renewable generation plants, permit bidirectionalpower flows, in which end-users become simultaneouslyconsumers and producers (i.e., prosumers) and caninteract with each other and with the local grid (Andoni et al., 2019). In this context, prosumers play a key role in smart grids (SGs) development, switching frompassive to active consumers, who can decide theirconsumption/production energy patterns according toenergy availability, electricity prices or network needs.Nonetheless, as most RES are intermittent and variable,they can create supply/demand mismatches and threatgrid stability and its operational management (Eltawl andZhao, 2010; Hudson and Heilscher, 2012; Hoppmann etal., 2014). For these reasons, investments in RES and SGtechnologies are complex and articulated decisionprocesses, which involve multiple aspects and requireaccounting for different stakeholders’ perspectives.Besides techno-economic and environmental factors,social aspects play a major role in investments valuation,as these investments are integrated in dynamic systems,often characterized by risks and uncertainty, whereindividuals’ behavior and choices on energyconsumption and production may affect systemmanagement and operation.

Prosumers’ active role generates managerial flexibilities,which gives them the option to decide strategically theiroptimal production/consumption quotas in order toobtain significant energy savings and hedge investmentrisks (Bertolini et al., 2018). In this respect, there is astrand of literature, which analyzed changes in


consumers’ behavior driven by SGs, as well as theirwillingness to undertake investments in SG technologies.This strand of literature also identified new marketdesigns to boost investments in RES by developing localenergy markets, in which consumers can interact witheach other. Nonetheless, policy and regulatoryframeworks can significantly affect RES and SGdeployments, by informing market structure design andactors’ behavior. So far, in fact, RES considerablyincreased their market share due to a widespreadadoption of policy incentives, such as Feed-In-Tariffs(FITs), but their continuous reduction represents achallenging barrier to a broader integration of RES, whichare still costly compared to fossil fuels.

Therefore, investment decisions in RES and SGtechnologies are affected by several factors (e.g.,technological performances, investment costs, marketdesign, environmental benefits, regulatory incentives,consumers’ behavior), which can generate large risks anduncertainties.

Findings of the preliminary literature review show thatthere are different valuation techniques andmethodologies, commonly applied in the analysis of RESand SG investments, which can be grouped into two maincategories. The former includes single-criteriaapproaches, such as economic assessment models basedon Cost-Benefit Analysis, Net Present Value or InternalRate of Return rules (Kienzle et al., 2011; Gabbrielli andZammori, 2012; Arsalis et al., 2018; Arabkoohsar et al.,2015; Hoppmann et al., 2014; Sadati et al., 2018; Madlenerand Specht, 2019); whereas the latter comprises multiple-criteria and multiple-objective approaches (Telaretti etal., 2016; Furukakoi et al., 2017; Tezer et al., 2017; Wang etal., 2017; Abbas et al., 2018; Grover-Silva et al., 2018; Zhanget al., 2018; Abastante et al., 2019).

Single-criteria valuation approaches compare cost andbenefits of RES and SG technologies, by determiningwhether benefits (e.g., energy savings) outweighexpected costs (Moretti et al., 2016), and they representthe most commonly implemented methods. Multiple-criteria and multiple-objective approaches, instead, allowfor incorporating multiple actors’ perspectives and takinginto account different criteria based on political,economic, social, technological and environmentalfactors (Ioannou et al., 2017). Apart from Multi-CriteriaDecision Analysis (MCDA) methods, multiple-objectiveoptimization methods are the most common used in thiscontext. They are based on the optimization of usuallyconflicting objectives (e.g., minimizing prosumers’energy costs, obtaining optimal scheduling of PV plantscoupled with storage, minimizing GHG emissions),subject to exogenous constraints. From this preliminaryanalysis, it emerged that there are a number of authors,who combine Cost Benefit Analysis (CBA) and the NetPresent Value rule (NPV) with optimization (OP) models,in order to improve assessment reliability and includesimulation analysis to tackle uncertainties (Xu et al., 2012;

Jain et al., 2013; Matthey et al., 2015; De Filippo et al., 2017;Mariaud et al., 2017; Baker et al., 2018; Jung et al., 2018; Xiaet al., 2018). Nonetheless, there is a lack of contributionsfocusing on the identification and quantification ofindirect and intangible costs and benefits generated bySG technologies (e.g., CO2 emissions reduction), whichcan affect the valuation of their profitability (Grünewaldet al., 2011; Moretti et al., 2016; Spisto and Vitiello, 2017). Itis worth noting that the strand of literature, whichfocused on prosumers’ managerial flexibility generatedby RES investments, is exiguous as well. In addition,optimal investment timing is not taken into considerationby most of contributions in existing literature (Xiu and Li,2012; Kroniger and Madlener, 2014; Bakke and Norheim,2016; Marchi et al., 2016). Finally, the preliminary literaturereview highlighted that little attention was paid to thecreation of local energy markets and to the definition ofinnovative market frameworks, which guarantee energyquotas exchange between prosumers and consumers,within local markets and with the national electric grid(Vytelingum et al., 2010; Domínguez-Navarro et al., 2017;Liu et al., 2018; Alam et al., 2019). Peer-To-Peer (P2P)energy trading markets represent an emerging andinnovative framework, which enables prosumers to selltheir surplus energy production to their neighbors, thusgenerating additional flexibility to be properly evaluated(Ferruzzi et al., 2015; Abhinav and Pindoriya, 2018; Liu etal., 2018; Long et al., 2019; Sousa et al., 2019). Beyond P2Ptrading, a new coordination strategy for RES integration,called Virtual Power Plant (VPP), is widely recognized inliterature as a valuable solution to increase networkefficiency and obtain a better voltage stability of thepower supply system (Loßner et al., 2017; Morstyn et al.,2018). In this context, Parag and Sovacool (2016) discussedpotential benefits and future implications forpolicymakers of different types of prosumers integration(i.e., P2P models, Prosumer to Grid models andOrganized prosumer groups), by analyzing some pilotprojects (i.e., Vandebron platforms in the Nethederlands,Piclo platform in the UK, New York’s Reforming theEnergy Vision, the Brooklyn Microgrid’s P2P tradingplatform). Nevertheless, as this is a quite recent researchfield, exiting literature is still limited. The above-mentioned preliminary literature review wasuseful to define a full picture of the issue and relevantaspects involved, and to identify the most frequentlyimplemented valuation approaches. Once completedthis initial stage, we carried out a systematic literaturereview on Scopus database in order to select the corecontributions on investment decisions in RES and SGtechnologies. Subsequently, we adopted a set of criteria,such as English as reference language, Article,Conference Paper and Review as document types, period2000-2019 as publication date, and abstract reading toidentify not-pertinent papers to filter the initial database. According to D’Alpaos and Bragolusi (2018) who adopteda pyramidal search structure, we integrated primarykeywords and search strings (i.e., “renewable” OR

“renewables” OR “photovoltaic” AND “storage” AND“valuation” OR “corporate finance” OR “economic” OR“economics”) with additional keywords and searchstrings, which emerged as relevant to the research issuefrom the preliminary literature analysis (i.e., “cost” OR“costs” AND “benefit” OR “benefits” AND “uncertainty”OR “uncertainties” AND “optimization” AND “building”OR “buildings” AND “battery” AND “energy trading”AND “local energy market” AND “Peer-to-Peer” AND“Virtual Power Plant”). We then selected the mostrelevant documents according to specific keywords andnumber of citations. In detail, we firstly identified 464contributions in Scopus database, which we filtered to 85,by applying the above-mentioned criteria. On the onehand, thanks to abstract reading, we excluded a largenumber of articles, which we considered as irrelevant toour research problem, but, on the other hand, weincluded some other contributions, cited in most citeddocuments or regarded as particularly significant withrespect to second-level keywords.

2.2 Meta-Analysis

The meta-analyses, we carried out to structure the review,revealed that there is an increasing interest amongresearchers for the assessment of investments in RES andSG technologies. Our findings show that the number ofpublished articles has increased since 2007, when theEuropean Commission started to issue Directives settingnew environmental targets (e.g., Directive 2007/77/EC,Directive 2009/31/EC), followed by a further growth in2012, when the Kyoto Protocol expired and the 20-20-20Package entered effectively into force. Besides proving astrong interest for the research topic during the lastdecade, these results strengthen our hypothesis onfiltering the initial database according to a publicationdate within the period 2000-2019. By looking to research subject areas, it emerges thatEnergy (276), Engineering (203) and EnvironmentalSciences (93) represent the most relevant areas, asshowed in Figure 2. This reveals that contributions aremulti-sector and interdisciplinary.

The analysis by country of origin (Figure 3) show thatUnited States, followed by China, devoted particular

attention to the issue of investment decisions in RES,probably due to their relevant energy demand and theirgrowing awareness on global warming effects. The fourthposition of Italy in the ranking reveals its concern on RESdevelopment, and its efforts to meet the EU-wide targets.According to Eurostat (Eurostat, 2017) Italy is, in fact, oneof the eleven EU Member States, which has alreadyachieved the EU target of a 20% share of RES.Keywords analysis reveals that the most cited keywords,which are more closely connected to economic valuationof investments in RES, are “Costs”, “Optimization”, “LifeCycle” and “LCOE” (Fig. 4). This confirms the robustness



Figure 1 - Documents by year (Our Processing).

Figure 3 - Documents by Country (Our Processing).

Figure 2 - Documents by area (Our Processing).

Figure 4 - Most cited keywords (Our Processing).

and it represents a valuable solution to increaseelectricity self-consumption (Luthander et al., 2015;Madlener and Specht, 2019). Batteries and specificallylithium-ion and lead-acid batteries are the storagesystems mostly analyzed in literature. Compared to otherbattery types (e.g., sodium-Sulphur, vanadium redoxflow), they are the most cost-efficient technologies interms of increasing self-consumption shares in small-scale projects (Hoppmann et al., 2014; Cucchiella et al.,2016; Arik et al., 2017; Lai and McCulloch, 2017). Lead-acidbatteries are low cost, have reached technologicalmaturity and are characterized by low energy density andlimited cycle life (Leadbetter and Swan, 2012). Lithium-ionbatteries, instead, are more recent technologies, whichexhibit higher costs, higher energy density, but improvedenergy performance and longer lifetime. For thesereasons, the latter are the more suitable systems for dailyenergy storage applications (i.e., residential application),but a further reduction in manufacturing costs is needed,in order to make them the most widespread solutions.In accordance to literature, climate zone, systemorientation and consumer load profiles are key factors ininvestigating optimal PV system configurations. In thisrespect, Naumann et al. (2015), Cucchiella et al. (2016),Arik et al. (2017), Hassan et al. (2017), Uddin et al. (2017)and Schopfer et al. (2018) carried out simulation andsensitivity analyses to take into account uncertaintiesrelated to technical aspects such as weather condition,solar irradiation, shape of electricity demand. It emergedthat these factors strongly affect self-consumptionquotas, which in turn influence investment profitability.Cucchiella et al. (2016) showed that an increase in self-consumption share of at least 31%-42% is necessary inorder to verify the profitability of investments in PVplants coupled with battery in the residential sector.Schopfer et al. (2018) confirmed these results andhighlighted the importance of taking into accounthouseholds’ load profiles, in order to optimize plant sizeand obtain a profitable increase in self-consumption. From the analysis of literature, it emerged that findingson the profitability of investments in small-scale RESplants coupled with storage are controversial. Naumannet al. (2015), Cucchiella et al. (2016), Hassan et al. (2017)and Uddin et al. (2017) applied Cost Analysis andOptimization Models to identify cost-optimal batterystorage systems for residential PV plants, anddemonstrated that their investment costs represent still asignificant barrier to investments. According to Naumannet al. (2015), Hassan et al., (2017) and Schopfer et al. (2018),a profitable scenario may occur as soon as these costs(which are currently ranging from to 1000 €/kWh to 500€ /kWh) drop to 450 € /kWh, 136 $/kWh and 250-500€/kWh, respectively. Whereas, Arik et al. (2017), Olasziand Ladanyi (2017), Abbas et al. (2018) and Koskela et al.(2019) showed that batteries are already economicallyattractive for investments in residential buildings, butincentive schemes (e.g. Feed-in-Tariffs, subsidies oninvestment costs) or real-time pricing schemes, which


of our preliminary literature analysis, which identifiedCost-Benefit Analysis, Optimization Models and LifeCycle Cost methods as the most frequently adoptedapproaches to investigate investments in RES. In addition,it is worth nothing that most of articles use NPV inaccordance to CBA, in order to carry out comparativeanalysis on alternative investments, known “a priori” ordefined via OP modelling. Furthermore, this analysisshows that “uncertainty” and “stochastic analysis”represent two mostly cited keywords, due to highuncertainty involved in such investments, which calls foran adequate assessment of its effects on investmentsvalue. In detail, most of authors focused exclusively onuncertainties related to technical aspects (e.g., solarirradiation, energy efficiency, aging behavior), but theydid not address uncertainty related to market conditions.

2.3 Valuation Approaches

From the results of meta-analyses and in accordance withthe findings of the preliminary literature review, wefurther analyzed articles, which implemented a Life CycleCost or a Cost-Benefit approach. In order to select themost relevant articles for the reporting stage, wefollowed a systematic approach based on PreferredReporting Items for Systematic reviews and Meta-Analyses (PRISMA) guidelines (Liberati et al., 1015),thanks to which we identified 14 papers. In addition, inthe light of the above considerations, we decided tofocus specifically on small-scale projects in theresidential or commercial sector, due to their importancein the development of new “smarter” power systems (i.e.,SGs). Table 1 summarizes main findings of selectedarticles.

According to our literature review (Hoppmann et al.,2014; Lang et al., 2015; Naumann et al., 2015; Cucchiella etal., 2016; Arik, 2017; Hassan et al., 2017; Olaszi and Ladanyi,2017; Uddin et al., 2017; Abbas et al., 2018; Schopfer et al.,2018; Koskela et al., 2019), solar photovoltaic (PV) plantsare the mostly adopted RES in small-scale projects. Theimportance of their role in the achievement of energyefficiency targets, as well as their large potential forelectricity generation (Koskela et al., 2019), make them asuitable solution for these projects. In recent years, PVsystems considerably increased their market share due toboth the rapid decline of their price by over 80% from2008 to 2016 in most competitive markets (Schopfer et al.,2018), and the widespread adoption of FITs byGovernment in Europe. Due to the continuous reductionof FIT schemes, which are expected to be completelycancelled out in the near future (Hoppmann et al., 2014),the adoption of storage systems has been largelyinvestigated in literature as potential solutions toincrease the benefits of PV plants and, in turn,counterbalance the absence of policy incentives. Storagein fact provides ancillary services to grid management, bybuffering short-term variations of supply and demand,



reflect electricity generation costs, represent importantkey drivers. Nonetheless, according to Hoppmann et al.(2014), policy incentives are necessary solely in the short-run when investment costs are still high. Besides increasing self-consumption quotas, investorscan adopt a storage system to leverage the existing

spread between wholesale and retail electricity prices(i.e., price arbitrage) and to provide ancillary services tothe grid (e.g., lower congestion as energy fed into grid isreduced). This in turn can increase investment returnsand investment profitability. Therefore, some authors(Hoppmann et al., 2015; Arik et al., 2017; Hassan et al.,

Table 1 (Cont’d) - Synoptic table of core articles on Cost Analysis

Table 1 - Synoptic table of core articles on Cost Analysis

References RES and SGtechnologies Method Policy support Main results

Kienzle et al.,2011

Energy hubcomposed by asystem of units:Combined Heat andPower plant (CHP)and heat storage;Demand-SideManagement (DSM)

Optimization model forenergy hub dispatching,Monte Carlo simula-tions for electricity priceestimates and Net Pre-sent Value approach(NPV) to assess projectsvalue

Real-time pricingscheme

The authors proposed a method toanalyze the flexibility to react tovolatile market prices with respectto different combinations of CHP,heat storage and DSM. A project,which combines CHP, heat storageand DSM, provides maximumoperational flexibility. For a better evaluation, theysuggested to analyze CO2 emissionscosts and relative uncertainty.

Van de Ven etal., 2011

Energy storage (notype specification)

Markov Decision Pro-cess to optimizeoperational schedule ofbattery systems andminimize long-termcosts (Discounted CashFlow approach, DCF)

Time-of-use pricingscheme

The authors proposed innovativeenergy storage and time-of-usepricing schemes, which guaranteecost savings up to 40%. Largerbatteries guarantee higher costsavings, but are more expensive.

Hoppmann etal., 2014

Crystalline silicon PVpanels paired with alead-acid battery

NPV and SimulationAnalysis under eightdifferent electricityprice scenarios

No subsidies The authors investigated theprofitability of battery storage forresidential PV in Germany. Theyfound that 2013 investments instorage proved to be profitable.Policy supports will be necessaryonly in the short run. In the scenario,where costs of batteries decrease,the increase in self-consumptionshares will become the key driversfor RES investments.

Lang et al., 2015 PV plants inresidential andcommercialbuildings

Optimization approachto model electricityflows; Internal Rate ofReturn (IRR) to assessinvestments value

No subsidies The authors found that buildings, inwhich there is a good inherenttemporal match of PV output todemand curve, achieve high self-consumption shares. Self-consumption in rooftop PV plants isalready economically attractive withrespect to many buildings in centralEurope. IRR is higher for largebuildings compared to small ones,as well as self-consumption shares.

Naumann et al.,2015

PV plant coupledwith Lithium-ionbattery

Cost Analysis by im-plementing Return onInvestment (ROI) andLevelized Cost of Elec-tricity (LCOE) approach-es; Simulation Analysisunder different scenar-

Remuneration forgrid feed-in of PVelectricitygeneration

The authors showed that Investmentin battery storage is profitable whenbattery costs are lower than 450€/kWh. Therefore, policy instru-ments are fundamental to makeinvestments profitable. The authorsexpected that the so-called "battery





ios to model electricityprices and determinebattery parameters (i.e.,battery end-of-life, ag-ing behavior)

parity" were reached without subsidesin 2018, contingent to a significantdecrease in battery costs and whethersignificant enhancements on batteryaging performance occur.

Cucchiella et al.,2016

PV system coupledwith Lead-acid battery

NPV and SimulationAnalysis under differentscenarios to determinetechnical (i.e., plant size,level of insolation, plantlifetime, self-consump-tion share) and eco-nomic parameters (i.e.,investment costs)

No subsidies According to model results, the break-even point for battery investment prof-itability in residential sector is stronglydependent on self-consumptionshares. These shares must be at leastequal to 31%, 35%, 38% and 42% for abattery of 0.5, 1, 1.5 and 2 kWh perinstalled kW of PV power, respectively.Battery are profitable when supply anddemand curves permit allows for a sig-nificant increase in energy self-con-sumption. In order to pursue thisobjective, policy support is necessary.

Arik, 2017 PV system coupledwith Lithium-ion bat-tery

Life Cycle Cost (LCC)and NPV; SensitivityAnalysis performed todetermine plant sizeaccording to changes inelectricity prices andinvestment costs

Comparative analysiswith and without sub-sidies (i.e., subsidy oninvestment costs)

According to the authors, when sub-sidies are paid, savings exceed costsover ten-year usage of both a PV plant,and a PV plant paired with batteries.By installing a battery, it is possible todouble the amount of usable self-generated electricity (assuming non-export) compared to a sole PV system.Upfront costs largely increase wheninstalling a battery, but over the longrun, the possibility to increase theusage of solar energy producedreduces unit usage costs (€/kWh). Pol-icy support still plays a major role inmaking the investment in a PV plantpaired with battery profitable.

Hassan et al.,2017

PV system coupledwith battery storage(no type specification)

Optimization model tominimize energy supplycost; Sensitivity Analysisperformed on differenttariff scenarios; Simula-tion Analysis performedon different irradiationdata

Feed-in-Tariff scheme(FIT)

According to model results, the adop-tion of batteries is economically prof-itable when their unit cost is equal to138 £/kWh. According to authors’ com-parative analysis, it emerges thatdeployment of battery storage for exist-ing/new PV systems under FIT incentivesystems and time-varying electricity tar-iffs is becoming attractive due to thesignificant difference between retailtariff and FIT export tariff.

Lai and McCul-loch, 201710

Different types ofstorage (i.e., Zinc,VRB, Li-ion, Lead,Sodium)

Cost-Benefit Analysis No subsidies The authors compared differenttypes of storage by calculating LCOEand Levelized Cost of Delivery(LCOD) for PV hybrid systems (i.e.,PV coupled with storage). Their find-ings reveal that according to currentcosts and state-of-the-art technology,Vanadium redox flow batteryexhibits a lower LCOD compared toLithium-ion battery. One of the main






results is that installing a PV hybridsystem is more profitable thaninstalling PV plant and storage insequential investments.

Olaszi andLadanyi, 2017

PV system coupledwith Lithium-ion bat-tery

Multiple-Optimizationmodel on optimal stor-age discharge by mini-mizing LCOE and maxi-mizing IRR

No subsidies According to the authors’ findings,the adaptive discharge strategyshows an increase in IRR by 31.3%,as well as an additional income forconsumers of 8.5%. Therefore, bat-teries can be profitable with respectto residential PV plants whenever itis possible to react optimally to anincrease in electricity prices and toincrease effectively self-consump-tion shares.

Uddin et al.,2017

PV system coupledwith Lithium-ion bat-tery

CBA and SensitivityAnalysis performedaccording to changes inbattery size and electric-ity prices; battery degra-dation model

FIT scheme The authors’ analyses reveal thatthere are no economic benefitsfrom integrating electric storagewith residential PV plant in the Unit-ed Kingdom, although the authorsassumed that costs of battery degra-dation are null. The authors high-lighted the importance of controlsystems to optimize energy flows inreal-time.

Abbas et al.,2018

Different RES tech-nologies (e.g., solar,power plant, windpower plant, not spec-ified storage system)

Genetic Algorithm (GA)to minimize LCC

No subsidies The authors analyzed the impact ofRES technologies on CO2 emissionsreduction in large-scale projects.Results suggest proved that anincrease in clean energy productionfrom 13 to 39%, leads to a sharp dropin CO2 emissions by 35.6%. Therefore,the role of storage systems is criticallysignificant to renewable energy inte-gration.

Schopfer et al.,2018

PV plant coupled withlithium-ion battery

Optimization model todetermine plant size bymaximizing NPV; Sensi-tivity Analysis per-formed by consideringdifferent investmentcosts; implementationof a machine learningalgorithm to predict sys-tem profitability basedon profiles data

No subsidies The authors showed that under thecurrent cost scenario (PV: 2000€/kWp, Battery: 1000 €/kWh) andwithout subsidies, about 40% of theanalyzed households reach a posi-tive NPV PV system, but only for0.1% of households the integrationof a battery to the PV system is prof-itable. Under the most optimisticcost scenario for both technologies(PV: 1000 €/kWp, Battery: 250€/kWh), 99.9% of the householdsbenefit from the integration of bat-tery storage into their optimal sys-tem configuration, with a meaninstalled PV power of 4.4 kWp and amean battery size of 9.6 kWh. Smallbattery sizes are the most profitableto implement.


programs), resides in prosumers, who actively offerservices, which other users bid for (Parag and Sovacool,2016), and can dynamically affect market outcomes byimplementing their preferences.

To implement a consumer-centric electricity market, twomain strategies were proposed in literature: VirtualPower Plants (VPPs) and Peer-to-Peer (P2P) energytrading. The former aim at coordinating different RES inorder to increase network efficiency, energy security andoffer ancillary services (e.g., reserves, frequencyregulation) to the main grid trough real-time prices orother incentive signals, which influence prosumers’consumption and generation decisions. Whereas, thelatter permits prosumers to exchange energy betweeneach other directly, and to compete with traditionalproviders of commodities and services (Morstyn et al.,2018; D’Alpaos and Andreolli, 2020).

According to PRISMA guidelines and taking intoconsideration the most relevant contributions oneconomic issues related to Smart Communities, weselected 7 articles and analyzed them in detail (Table 2).

The above 7 articles were selected by filtering our searchresults according to the following keywords: “VirtualPower Plant”, “Communities”, “Local Energy Market” or“Peer-to-Peer”. The above-mentioned contributionsanalyze different community typology (e.g., small or largecommunity, microgrids composed by both prosumersand consumers), different market designs (e.g., presenceor not of policy incentives such as FITs, possibility tointeract directly into day-ahead or intraday markets), butsimilar renewable technologies (i.e., PV plants, windpower and battery storage). To assess the value of P2Ptrade and the economic potential of storage systems inprosumers’ community, Optimization (OP) models arethe most widely implemented. Their aim is to obtain anoptimal scheduling and planning of RES and P2P trades inorder to minimize community’s energy costs (Nguyen etal., 2018), or maximize community’s self-sufficiency(Gonzalez-Romera et al., 2019), subject to bothtechnological constraints, such as energy generation,storage capacity, consumers’ demand, and economicconstraints, such as electricity prices (Loßner et al., 2017;Long et al., 2018; Zepter et al., 2019). With respect to the

2017) suggested for future policy design to set priceschemes, which can have positive effects on storageprofitability, such as lower wholesale and higher retailprices or real-time prices.

Most of literature showed that incentive schemes are keyfactors in accelerating investments, as energy savingsobtained by PV plants coupled with storage do notcounterbalance investment costs and lead to negativeNPV investments.

As previously mentioned, investments in RES coupledwith storage are affected by both technical andeconomic uncertainties. To tackle these issues MonteCarlo simulations, sensitivity analyses and regressionanalyses (Kienzle et al., 2011; Hoppmann et al., 2014;Naumann et al., 2015; Cucchiella et al., 2016; Arik et al.,2017; Hassan et al., 2017; Uddin et al., 2017) are usuallyimplemented to take into consideration different tariffschemes and investment scenarios. In detail,uncertainty largely affects electricity prices and, in turn,incoming investment cash flows, making investmentdecision extremely risky. As highlighted by Long et al.(2015), an increase in self-consumption quotas can beviewed as a hedging strategy against energy pricesincrease.

2.4 Smart Communities

In accordance to the above described preliminaryliterature review, we extended our investigation to SmartCommunities and Local Energy Markets. Due to thecontinuous integration of RES and SG technologies,which changed the management and operation ofelectricity power systems and led to a decentralizedsystem, in which consumers assume a proactivebehavior, researchers started to analyze new electricitymarket frameworks that empower prosumers (Sousa etal., 2019). In this respect, a new market structure, whichfollows a bottom-up approach, is needed. Based oncollaborative principle, the so-called consumer-centricelectricity market allows prosumers to manage theirgeneration and consumption and trade their energy intothe market (Sousa et al. 2019). The main difference fromexisting engagement platforms (e.g., demand-response



Koskela et al.,2019

PV plant coupled withLithium-ion battery

Optimization model todetermine plant size byminimizing LCC; IRRrule to assess invest-ment value

No subsidies The authors’ most important resultsuggests that in order the investmentto be profitable, the size of the PVplant is contingent to the storage size(pre-determined). Storage profitabilitystrongly depends on electricity prices;policy incentives based on tariffscheme might accelerate investmentsin storage.


case of a single prosumer, it is worth noting that theadoption of an optimal control system becomes afundamental step in the valuation of benefits related toSmart Communities (Long et al., 2018; Luth et al., 2018;Van der Stelt et al., 2018; Zepter et al., 2019). As previouslymentioned (see Section 2.3), when investment costs aretaken into consideration, the profitability of private


investments in battery storage becomes controversial.Long et al. (2018) and Van der Stelt et al. (2018) confirmedthat battery costs represent a barrier and they shouldinevitably decrease, to make attractive the decision toinvest. Therefore, incentive schemes are still necessary toaccelerate investments. Whereas, P2P trading results tobe a cost-effective solution to reduce energy costs,

Table 2 - Synoptic table of core articles on Smart Communities

Table 2 (Cont’d) - Synoptic table of core articles on Smart Communities


Loßner et al.,2017

Wind, PV and Hydropower plants; batteryand thermal storage;CHP units

Optimization model toanalyze the economicperformance of VPPs;Scenario Analysis

FIT scheme Model results reveal that VPPs lead tohigher revenues from trading com-pared to an independent and non-market-oriented operation regime ofRES. VPPs revenues might increase by11% and up to 30% in 2030. Batterystorage, biomethane, and CHP-unitscan gain significant competitiveadvantages from VPPs, due to theirflexible operation mode with respectto fluctuations of spot market pricesand to high demand of reserve capacity.

Luth et al., 2018 Different combina-tions of PV plants,small wind turbinesand battery storage(i.e., two specific com-mercial batteries)

OP to investigate P2Pinteractions in the pres-ence of storage in asmall community; time-series analysis of elec-tricity prices; NPV ruleto determine invest-ment profitability

No subsidies The authors provided an OP to inves-tigate the value of batteries in P2Ptrade and the related market struc-ture. They considered two differentbattery configurations: a) each end-user with his/her own battery; b) ashared battery for the entire commu-nity. Results demonstrate that P2P andbattery can reduce energy savings upto 31% in the first case, and up to 24%in the second one. More than 50% ofthese benefits arise from trading with-in the community.

Gonzalez-Romera et al.,2019

PV plant coupled withElectric Energy Stor-age (ESS)

Optimization processfor optimal batteryscheduling by imple-menting a Genetic Algo-rithm (GA) based on twodifferent approaches(i.e., cost minimization,and minimization ofmismatches betweengeneration anddemand)

No subsidies The authors applied the proposedmethod to a small community com-posed by two prosumers, and com-pared individual battery schedulingto community scheduling. The results show that an optimizationprocess based on supply-demandmismatches guarantees higher eco-nomic benefits, higher energy effi-ciency and smaller distribution losses.Community scheduling of batterystorage is more profitable in terms ofboth energy interchanges and eco-nomic benefits than individual scheduling.

Long et al., 2018 PV plant coupled withbattery systems

Two-stage controlmethod to implementP2P energy sharing incommunity micro-grids(case of 100 house-holds); Simulation

FIT scheme The authors showed that P2P energysharing reduces community energycosts by 30% compared to conven-tional Peer-To-Grid energy trading. Inaddition, prosumers’ electricity billsreduce by 12.4%. It emerged that P2P





Analysis based on differ-ent battery sizes and dif-ferent P2P participationscenarios

energy sharing has a similar impacton increasing self-consumption andself-sufficiency of the communityand it reduces energy costs by thesame amount as batteries, but at sig-nificantly smaller capital cost. Accord-ing to authors’ results, at current mar-ket prices of batteries, it is not worthbuying a battery, unless the price ofthe battery system reduced to 182£/kWh.

Nguyen et al.,2018

PV plant coupled withbattery storage (twodifferent commercialenergy storage solu-tions)

OP mixed integer linearprogramming model tooptimize operationaldecisions in a large com-munity (500 house-holds), which partici-pates in a P2P tradingenergy market; Sensitiv-ity Analysis performedon different scenariosfor PV systems, P2P mar-gins, FIT tariffs and PVpenetration

FIT scheme The proposed model showed thatmaximal savings (i.e., up to 28%) canbe obtained by prosumers equippedwith larger PV plants coupled withbatteries. Sensitivity analysesdemonstrated that householdsequipped with PV systems have low-er savings when PV penetration ishigh, due to the share of excessiveenergy traded in the P2P market,which pushes down savings. House-holds with a battery-only configura-tion achieve lower savings comparedto households not equipped withany RES production plant in a P2Ptrading community.

Van der Stelt etal., 2018

PV plant coupled withbattery storage

OP mixed integer linearprogramming, to mini-mize energy costsaccording to differentbattery sizes; LCOE andPayback Period to assessinvestments economicperformance; SensitivityAnalysis performed oninvestment costs

Dynamic electricitypricing tariff

The authors compared economicbenefits generated by householdenergy storage to those generated bycommunity energy storage. Theyfound that, in both cases, batteries arenot economically profitable at currentinvestment costs. Sensitivity analysesdemonstrate that investment costsper kWh of Energy Storage Systems(ESS) are crucial in determining theeconomic feasibility of HouseholdEnergy Storage (HES) and CommunityEnergy Storage (CES). LCOE findingsindicate that battery adoption increas-es costs, and none of battery systemsis profitable. Energy savings (i.e.,reduction in annual costs by 22–30%and increase in self-consumption by23–29%) are in fact too small to pay-back investment costs within plantslifetime.

Zepter et al.,2019

PV and wind plantscoupled with batterystorage

Two-stage stochastic OPmodel to minimizeexpected energy costswithin the community(10 households); NPVrule to evaluate prof-itability of investments

No static FIT (i.e., flattariff), but a pricingscheme based onwholesale spot marketprices. The communi-ty can participate inboth day-ahead and

The authors focused on the value ofP2P trading when integrating pro-sumers community into the existingday-ahead and intraday markets. Theyalso investigated how batteries cancontribute to local demand side flex-ibility. Their results show that P2P and


distribution losses and network congestions, as itsrequested capital outlay is significantly smaller comparedto battery storage (Long et al., 2018).

According to literature, market design is a key factor indetermining the profitability of VVPs and P2P trading, asdifferences in buying and selling prices of electricityfavor local energy consumption and distribution (Long etal., 2018; Luth et al., 2018; Zepter et al., 2019). The pricingscheme proposed by Zepter et al. (2019) allowsprosumers to sell their generation surpluses to otherpeers at higher prices than the wholesale market, and itallows consumers to purchase electricity from the localmarket at a lower price than from the grid. In this way, it ispossible to reduce (up to 59%) end-users’ electricity billsand increase the community’s self-sufficiency (i.e., only21.4% of total demand comes from the grid). Luth et al.(2018) used a similar approach for pricing P2P trade withinthe community and suggested that this price shouldreflect the prosumers’ willingness to pay for an extra unitof electricity under the assumption of no local trade orstorage. By favoring local electricity trades, prosumerscan avoid network fees payment, as energy is tradedwithin the community.

In relation to market design, the most relevant source ofuncertainty affecting these projects is related toelectricity prices. As it influences investment returns,uncertainty over electricity prices is usually addressed byimplementing Simulation or Sensitivity Analyses, inwhich prices are considered as stochastic variables andestimated trough time-series analysis (Luth et al., 2018;Nguyen et al., 2018; Zepter et al., 2018).

3. DISCUSSION AND FUTURE DEVELOPMENTS

From the analysis of literature, it emerges that most ofcontributions investigated the profitability ofinvestments in RES and SG technologies byimplementing traditional capital budgeting techniquesbased on Discounted Cash Flow (DCF) analysis (e.g., NPV,IRR, LCC, Levelized Costs). Literature results validatedongoing evidence on the increasing market share of PVplants, due to their effectiveness in reducing energycosts. PV investments proved to be profitable thanks tothe rapid decrease in investment costs. Whereas, to beprofitable, storage systems call for additional policyincentives or further reductions in investment costs. Inmost cases, they turned out to be negative NPV

investments and investors decided to abandoninvestments.

Nevertheless, DCF analysis introduces someassumptions on investments, which are based on a now-or-never perspective (e.g., reversibility of investments,investors commitment to a predetermined and staticinvestment strategy) and proved not to properly addressvaluation issues. These investments are in factcharacterized by high sunk costs, which make themirreversible and generate uncertain future cash flows.Nonetheless, they are characterized by great operationalflexibility relative to the optimal size of the plant and theoptimal investment timing. This flexibility guarantees theoption to revise later decisions in response tounexpected market events or exogenous state variables(Kroniger and Madlener, 2014; Moon, 2014) and cangenerate future investment opportunities as a collectionof real options (D’Alpaos et al., 2006; D’Alpaos 2012;D’Alpaos, 2017). Traditional DCF approaches usuallyignore the value of managerial and operational flexibility,which becomes of paramount importance in makingstrategic decisions when future payoffs are stochasticand their volatility is large (Martinez Ceseña et al., 2013;Bigerna et al., 2016).

Investments in RES and SGs generate flexibilities relatedto operating options (e.g., option to defer, growth option,switch option), which prosumers can optimally exercisein order to increase the investment value. According tothe evolution over time of load demand, RES generationor market conditions (which commonly representuncertain parameters), prosumers can investimmediately or wait longer to acquire more informationabout future market conditions. Furthermore, thepossibility to connect to SGs and trade energy in localmarkets guarantees the option to decide strategicallyoptimal energy production and consumption patterns,and in turn contributes to decrease energy costs andhedge investment risks (Bertolini et al., 2018).

As previously mentioned, traditional valuation methods(e.g., DCF analysis) fail to capture the value of flexibility,which represents a valuable tool to address risk anduncertainties that characterize investments in RES andSGs (Santos et al., 2014; D’Alpaos, 2017) and thereforethey cannot be properly implemented to addressinvestment decisions and assess investment value in RESand SGs. The value of flexibility generated by SGs,storage devices and P2P trading can be relevant, and the




in PV an wind plants andstorage

intraday wholesaleelectricity markets

storage can lead to savings of about60% by generating higher levels ofcommunity’s self-sufficiency. More-over, investment costs do not affectnegatively potential savings.

NPV rule underestimate investments value.Consequently, these investments may become profitablewhen valued trough a dynamic approach, i.e. the RealOptions Approach (Dixit and Pindyck, 1994; Trigeorgis,1996), which accounts for the value of managementactions and strategic interactions (Venetsanos et al., 2002;Schachter and Mancarella, 2016). In detail, whenuncertainty on energy prices or energy production ishigh, the investment value can be determined as acollection of real options embedded in capital-investment opportunities, whose values add toconventional NPV. The so-called Expanded Net PresentValue incorporates managerial and operating flexibilityand strategic adaptability to future events, which weredifferent from management’s expectations at the outset(Trigeorgis, 1996).

In brief, from our literature review, it emerged thattraditional investment decision frameworks fail tocapture the value of flexibility embedded in RES and SGinvestments and to cope properly with risk and riskhedging. In other words, we found that there is a lack ofcontributions focused on the Real Option approach,which, as above mentioned, accounts for the value ofinformation and managerial ability to wait for newinformation to come (Trigeorgis, 1996). In this context,the Real Option theory represents a valuable investmenttool to adequately evaluate managerial and operationalflexibility and investigate the optimal investment strategyunder uncertainty, specifically with respect to RES andSGs investments.

4. CONCLUSIONS

In this paper, we provided a systematic literature reviewon valuation approaches of investment decisions in RESand SG technologies.

From a preliminary review and meta-analyses, it emergedthat there are different decision support models andvaluation methodologies used to investigate optimalinvestment solutions for the implementation of RES andSGs, but the most frequently implemented are LCC andCBA, which follow a static approach (e.g., DCF). For thisreason, we focused our review on those articles, whichimplemented LCC and CBA. The specific search onScopus identified 85 contributions, which we reduced to14 by using additional filter criteria. We reported the mainfindings of the selected articles in a synoptic table, whichsummarizes main methodological and descriptive issuesaddressed.

Nonetheless, according to preliminary analyses onchanges in the network framework, we extended ouranalysis and focused on contributions investigating the

active role of prosumers and the development of VVPsand P2P trading. Therefore, we selected 7 additionalarticles, which we reported in a specific synoptic table. The main findings of our review can be summarized asfollows: 1) the adoption of storage batteries, as well asthe creation of VPPs, which permits P2P trading, caneffectively increase prosumers’ self-sufficiency andenergy savings, and reduce network congestion andgrid management costs; 2) in this respect, in literatureOP models combined with LCC and CBA were largelyimplemented to investigate the planning andscheduling of the system and provide cost-optimalplant design; 3) the adoption of storage devices stillinvolves high investment costs and policy incentivesare generally required in order to accelerate and favorinvestments; 4) innovations in the regulatoryframework and adoptions of incentive and marketprice schemes can effectively increase investmentprofitability and in turn boost investments in RES andSG technologies, by contributing to eliminateeconomic barriers; 5) uncertainty, which affectsdecision variables (e.g., energy generation, energydemand, investment costs, energy prices), is a keyfactor in the identification of the optimal investmentstrategy and optimal investment timing. In addition, our analysis showed that there exist a limitednumber of contributions in literature, which take intoconsideration managerial and operational flexibilitygenerated for prosumers by investments in RES and SGtechnologies, and investigate their related benefits.Generally, investment values are estimated according tothe NPV rule, by assuming investment reversibility and a“now-or-never” investment decision. Nevertheless, asfuture events are uncertain, investors have theopportunity to revise their investment decisionaccording to new information to come on marketconditions. Operating options (e.g., option to postpone,option to expand, option to switch) generated by storagedevices or SGs have a positive value, which may de factosignificantly increase investment value. This value iscompletely ignored by traditional capital budgetingapproaches. It emerged therefore a potential gap inliterature to be filled with respect to prosumers’managerial flexibility and decisions on optimalinvestment timing and optimal plant size. Valuationapproaches, which are based on the body of knowledgedeveloped for financial options, such as the Real OptionApproach, can adequately capture this flexibility and beeffective in coping with risks and uncertainties related toenergy prices. According to our findings, this uncertaintyrepresents a keystone barrier, which preventshouseholds from adopting RES and thus limits thepenetration of RES in electricity markets.



Bibliography

ABASTANTE F., LAMI I. M., LOMBARDI P., TONIOLO J., Districtenergy choices: More than a monetary problem. A SDSSapproach to define urban energy scenarios, Valori eValutazioni 22, 2019, pp. 109-120.

ARABKOOHSAR A., MACHADO L., FARZANEH-GORD M., KOURY R.N. N., Thermo-economic analysis and sizing of a PV plantequipped with a compressed air energy storage system,Renewable Energy 83, 2015, pp. 491-509.

ABBAS F., HABIB S., FENG D., YAN Z., Optimizing GenerationCapacities Incorporating Renewable Energy with StorageSystems Using Genetic Algorithms, Electronics 7 (7), 2018,p. 100.

ABHINAV R., PINDORIYA N. M., Opportunities and keychallenges for wind energy trading with high penetrationin Indian power market, Energy for SustainableDevelopment 47, 2018, pp. 53-61.

ALAMA M. R., ST-HILAIREA M., KUNZ T., Peer-to-peer energytrading among smart homes, Applied Energy 238, 2019, pp.1434-1443.

ANDONI M., ROBU V., FLYNN D., ABRAM S., GEACH D., JENKINSD., MCCALLUM P., PEACOCK A., Blockchain technology in theenergy sector: a systematic review of challenges andopportunities, Renewable and Sustainable EnergyReviews 100, 2019, pp. 143-174.

ARIK A. D., Residential Battery Systems and the Best Timeto Invest A case study of Hawaii, Working Papers 2017-9,University of Hawaii Economic Research Organization.

ARSALIS A., ALEXANDROU A. N., GEORGHIOU G. E.,Thermoeconomic modeling of a completelyautonomous, zero-emission photovoltaic system withhydrogen storage for residential applications, RenewableEnergy 126, 2018, pp. 354-369.

BAKERA T. E., EPINEY A. S., RABITI C., SHITTU E.,Optimal sizingof flexible nuclear hybrid energy system componentsconsidering wind volatility, Applied Energy 212, 2018, pp.498-508.

BAKKE I., FLETEN S., HAGFORS L. I., HAGSPIEL V., NORHEIM B.,Investment in electric energy storage under uncertainty: areal options approach, Computational ManagementScience 13 (3), 2016, pp. 483-500.

BERTOLINI M., D’ALPAOS C., MORETTO M., Do Smart Gridsboost investments in domestic PV plants? Evidence fromthe Italian electricity market, Energy 149, 2018, pp. 890-902.BIGERNA S., BOLLINO C. A., POLINORI P., Renewable Energyand Market Power in the Italian Electricity Market, TheEnergy Journal 37, 2016, pp. 123-144.

BROWN C. R., Economic theories of the entrepreneur: Asystematic review of the literature, School ofManagement, Cranfield University, 2007, pp. 1-84.BURGER S. P., LUKE M., Business models for distributedenergy resources: A review and empirical analysis, EnergyPolicy 109, 2017, pp. 230-248.CUCCHIELLA F., D’ADAMO I., GASTALDI M., Photovoltaicenergy systems with battery storage for residential areas:an economic analysis, Journal of Cleaner Production 131,2016, pp. 460-474.D’ALPAOS C., DOSI C., MORETTO M., Concession Length andInvestment Timing Flexibility, Water Resources Research,42, W02404, 2006, doi:10.1029/2005WR004021.D’ALPAOS C., The Value of Flexibility to Switch betweenWater Supply Sources, Applied Mathematical Sciences6(125-128), 2012, pp. 6381-6401.D’ALPAOS C., Methodological approaches to the valuationof investments in biogas production plants: Incentives vs.Market prices in Italy, Valori e Valutazioni 19, 2017, pp. 53-64.D’ALPAOS C., BRAGOLUSI P., Buildings energy retrofitvaluation approaches: state of the art and futureperspectives, Valori e Valutazioni 20, 2018, pp. 79-94. D’ALPAOS C., ANDREOLLI F., Renewable energycommunities: the challenge for new policy and regulatoryframeworks design, In Bevilacqua C., Calabrò F., DellaSpina L. (a cura di): New Metropolitan Perspectives -Knowledge Dynamics, Innovation-driven PoliciesTowards the Territories’ Attractiveness, Proceedings inSmart Innovation, System and Technologies (2190-3018),Springer, Vol. 2, 2020.DE FILIPPO A., LOMBARDI M., MILANO M., BORGHETTI A.,Robust Optimization for Virtual Power Plants, ConferenceProceedings of the XVIth International Conference of theItalian Association for Artificial Intelligence, Bari, Italy,November 14-17, 2017.DELL’ANNA F., VERGERIO G., CORGNATI S., MONDINI G., A newprice list for retrofit intervention evaluation on somearchetypical buildings, Valori e Valutazioni 22, 2019, pp. 3-17.DIXIT A., PINDYCK R. S., Investment under Uncertainty,Princeton University Press, Cambridge, MA, 1994.DOMI�NGUEZ-NAVARRO J. A., BAYOD-RU� JULA A. A., YUSTA-LOYOJ. M., BERNAL-AGUSTI�N J. L., DUFO-LO� PEZ R., ARTAL-SEVIL S.,CORONADO-MENDOZA A., Local electrical market based on amulti-agent system, IEEE 14th International Conferenceon Networking, Sensing and Control (ICNSC), Calabria,Italy, May 16-18, 2017.


* Chiara D’Alpaos, Department of Civil, Environmental and Architectural Engineering (ICEA), University of Padova, Italy. e-mail: [email protected].

** Francesca Andreolli, Department of Civil, Environmental and Architectural Engineering (ICEA), University of Padova, Italy. e-mail: [email protected].

DOWLING A. W., ZHENG T., ZAVALA V. M., Economicassessment of concentrated solar power technologies: Areview, Renewable and Sustainable Energy Reviews 72,2017, pp. 1019-1032.ELTAWIL M. A., ZHAO Z., Grid-connected photovoltaicpower systems: Technical and potential problems - Areview, Renewable and Sustainable Energy Reviews 14,2010, pp. 112-129.EMMANUEL M., RAYUDU R., Evolution of dispatchablephotovoltaic system integration with the electric powernetwork for smart grid applications: A review, Renewableand Sustainable Energy Reviews 67, 2017, pp. 207-224.EUROPEAN COMMISION, A Roadmap for moving to acompetitive low carbon economy in 2050,Communication from the Commission, Brussels,Belgium, 2011.EUROPEAN COMMISSION TASK FORCE FOR SMART GRIDS,Evaluation of Smart Grid projects within the Smart GridTask Force Expert Group 4 (EG4), Publications Office ofthe European Union, Luxemburg, 2013.EUROPEAN PARLIAMENT, Directive 2007/77/EC on ElectricityProduction from Renewable Energy Sources, OfficialJournal of the European Union, Brussels, Belgium, 2007.EUROPEAN PARLIAMENT, Directive 2009/31/EC on thegeological storage of carbon dioxide and amendingCouncil Directive 85/337/EEC, European Parliament andCouncil Directives 2000/60/EC, 2001/80/EC, 2004/35/EC,2006/12/EC, 2008/1/EC and Regulation (EC) No 1013/2006,Official Journal of the European Union, Brussels,Belgium, 2009.EUROPEAN PARLIAMENT, Directive 2009/28/EC on thepromotion of the use of energy from renewable sourcesand amending and subsequently repealing Directives2001/77/EC and 2003/30/EC, Official Journal of theEuropean Union, Brussels, Belgium, 2009.EUROPEAN UNION (2012). Energy roadmap 2050.https://ec.europa.eu/energy/sites/ener/files/documents/2012_energy_roadmap_2050_en_0.pdf last accessed onNovember 30 2019.EUROPEAN UNION (2014). 2030 Climate and Energy Frame-work.https://ec.europa.eu/clima/policies/strategies/2030_enlast accessed on November 30 2019.EUROSTAT, Share of renewable energy in the EU up to 17.5%in 2017, Brussels, Belgium, 2019.FERRUZZI G., CERVONE G., DELLE MONACHE L., GRADITI G.,JACOBONE F., Bidding strategy of a microgrid in thederegulated electricity market, Proceedings of the 1st

International ACM SIGSPATIAL Workshop on SmartCities and Urban Analytics, Bellevue, WA, USA,November 03-06, 2015.FREGONARA E., CARBONARO C., PASQUARELLA O., LCC Analysisto evaluate the economic sustainability of technologicalscenarios on the district scale, Valori e Valutazioni 21,2018, pp. 59-73.

FURUKAKOI M., HOWLADER H. O. R., SHIGENOBU R., SENJYU T.,Multi-Objective Optimal Operation for TransmissionSystems Considering Voltage Stability, InternationalJournal of Emerging Electric Power Systems 18 (1), 2016,pp. 2194-5756.GABBRIELLI R., ZAMMORI F., Potential for CogenerationThrough Solar Energy in the Tissue Industry: Technicaland Economic Aspects, Journal of Solar EnergyEngineering 134, 2012.GLASZIOU P., IRWIG L., BAIN C., COLDITZ G., SystematicReviews in Health Care: A Practical Guide, CambridgeUniversity Press, New York, 2001.GONZA� LEZ-ROMERA E., RUIZ-CORTE�S M., MILANE�S-MONTERO M.I., BARRERO-GONZA� LEZ F., ROMERO-CADAVAL E., LOPES R. A.,MARTINS J., Advantages of Minimizing Energy ExchangeInstead of Energy Cost in Prosumer Microgrids, Energies12 (4), 2019, p. 719. GROVER-SILVA E., HELENO M., MASHAYEKH S., CARDOSO G.,GIRARD R., KARINIOTAKI G., A stochastic optimal power flowfor scheduling flexible resources in microgrids operation,Applied Energy 229, 2018, pp. 201-208.GRUNEWALDA P., COCKERILLA T., CONTESTABILE M., PEARSON P.,The role of large scale storage in a GB low carbon energyfuture: Issues and policy challenges, Energy Policy 39,2011, pp. 4807-4815.HASSAN A. S., CIPCIGAN L., JENKINS N., Optimal batterystorage operation for PV systems with tariff incentives,Applied Energy 203, 2017, pp. 422-441.HOPPMANN J., VOLLAND J., SCHMIDT T.S., HOFFMANN V. H., TheEconomic Viability of Battery Storage for Residential SolarPhotovoltaic Systems - A Review and a Simulation Model,Renewable and Sustainable Energy Reviews 39, 2014, pp.1101-1118. HUDSONA R., HEILSCHER G., PV Grid Integration - SystemManagement Issues and Utility Concerns, EnergyProcedia 25, 2012, pp. 82-92.INTERNATIONAL ENERGY AGENCY, Medium-Term RenewableEnergy Market Report: Market Analysis and Forecasts to2021, 2016.IOANNOU A., ANGUS A., BRENNAN F., Risk-based methodsfor sustainable energy system planning: A review ,Renewable and Sustainable Energy Reviews 74, 2017,pp. 602-615.JAIN A., VU T., MEHTA R., MITTAL S. K., Optimizing the Costand Performance of Parabolic Trough Solar Plants withThermal Energy Storage in India, Environmental Progress& Sustainable Energy 32 (3), 2013.JUNG T.Y., KIM D., MOON J., LIM S., A Scenario Analysis ofSolar Photovoltaic Grid Parity in the Maldives: The Case ofMalahini Resort, Sustainability 10(11), 2018, p. 4045.KIENZLE F., AHCIN P., ANDERSSON G., Valuing Investments inMulti-Energy Conversion, Storage, and Demand-SideManagement Systems Under Uncertainty, IEEETransactions On Sustainable Energy 2 (2), 2011.KOLOKOTSA D., The role of smart grids in the building



sector, Energy and Buildings 116, 2016, pp. 703-708.KOSKELA J., RAUTIAINEN A., JA� RVENTAUSTA P., Using electricalenergy storage in residential buildings - Sizing of battery Tand photovoltaic panels based on electricity costoptimization, Applied Energy 239, 2019, pp. 1175-1189.KRONIGER D., MADLENER R., Hydrogen storage for windparks: A real options evaluation for an optimal investmentin more flexibility, Applied Energy 136, 2014, pp. 931-946.LAI L. S., MCCULLOCH M. D., Levelized cost of electricity forsolar photovoltaic and electrical energy storage, AppliedEnergy 190, 2017, pp. 191-203.LANG T., AMMANN D., GIROD B., Profitability in absence ofsubsidies: A techno-economic analysis of rooftopphotovoltaic self-consumption in residential andcommercial buildings, Renewable Energy 87, 2016, pp. 77-87.LEADBETTER J., SWAN L. G., Selection of battery technology tosupport grid-integrated renewable electricity, Journal ofPower Sources 216, 2012, pp. 376-386.LIBERATI A., ALTMAND. G., TETZLAFF J., MULROV C., GOTZSCHE P.C, IOANNIDIS J. P. A., CLARKE M., DEVEREAUX P. J., KLEIJNEN J.,MOHER D., Prisma Statement per il reporting di revisionisistematiche e meta-analisi degli studi che valutano gliinterventi sanitari: spiegazione ed elaborazione,Evidenze, 7 (6), 2015.LIU N., CHENG M., YU X., ZHONG J., LEI J., Energy-SharingProvider for PV Prosumer Clusters: A Hybrid ApproachUsing Stochastic Programming and Stackelberg Game,IEEE Transactions On Industrial Electronics 65 (8), 2018,pp. 6740-6750.LONG C., WU J., ZHOU Y., JENKINS N., Peer-to-peer energysharing through a two-stage aggregated battery controlT in a community Microgrid, Applied Energy 226, 2018,pp. 261-276. LONG C., ZHOU Y., WU J., A game theoretic approach forpeer to peer energy trading, Energy Procedia 159, 2019, pp.454-459.LOSSNERM., BO� TTGER D., BRUCKNER T., Economic assessmentof virtual power plants in the German energy market - Ascenario-based and model-supported analysis, EnergyEconomics 62, 2017, pp. 125-138.LU� TH A., ZEPTER J. M., DEL GRANADO P. C., EGGING R., Localelectricity market designs for peer-to-peer trading: Therole of battery flexibility, Applied Energy 229, 2018, pp.1233-1243.LUTHANDER R., WIDE�N J., NILSSON D., PALM J., Photovoltaicself-consumption in buildings: A review, Applied Energy142, 2015, pp. 80-94.MADLENER R., SPECHT J. M., Business Opportunities and theRegulatory Framework, Issues in Environmental Scienceand Technology, 2018.MARCHI B., ZANONI S., PASETTI M., A techno- economicanalysis of Li-ion battery energy storage systems insupport of PV distributed generation, XXI Summer School“Francesco Turco” - Industrial Systems Engineering, 2016.

MARIAUD A., ACHA S., EKINS-DAUKES N., SHAH N., MARKIDES C.N., Integrated optimization of photovoltaic and batterystorage systems for UK commercial buildings, AppliedEnergy 199, 2017, pp. 466-478.MARTINEZ-CESENA E.A., MUTALE J., RIVAS-DAVALOS F., Realoptions theory applied to electricity generation projects:A review, Renewable and Sustainable Energy Reviews 19,2013, pp. 573-581.MATTHEY F., KAMIJOH T., TAKEDA K., ANDO S., NOMURA T.,SHIBATA T., HONZAWA A., Cost-benefit analysis tool andcontrol strategy selection for lithium-ion battery energystorage system, 2015 IEEE Power & Energy Society GeneralMeeting, Denver, CO, USA, July 26-30, 2015.MORETTI M., DJOMO S. N., AZADI H., MAY K., DE VOS K., VANPASSEL S., WITTERS N.,A systematic review of environmentaland economic impacts of smart grids, Renewable andSustainable Energy Reviews 68, 2017, pp. 888-898.MORSTYN T., FARRELL N., DARBY S. J., MCCULLOCHM. D., Usingpeer-to-peer energy-trading platforms to incentivizeprosumers to form federated power plants, Nature Energy3, 2018, pp. 94-101.NAUMANN M., KARL R. C., TRUONG C.N., JOSSEN A., HESSE H.C., Lithium-ion battery cost analysis in PV-householdapplication, Energy Procedia 73, 2015, pp. 37-47.NGUYEN S., PENG W., SOKOLOWSKI P., ALAHAKOON D., YU X.,Optimizing rooftop photovoltaic distributed generationwith battery storage for peer-to-peer energy trading,Applied Energy 228, 2018, pp. 2567-2580.OLASZI B. D., LADANYI J., Comparison of different dischargestrategies of grid-connected residential PV systems withenergy storage in perspective of optimal battery energystorage system sizing, Renewable and Sustainable EnergyReviews 75, 2017, pp. 710-718.PARAG Y., SOVACOOL B. K., Electricity market design for theprosumer era, Nature Energy 1, 2016. RUHLANDT R. W. S., The governance of smart cities: Asystematic literature review, Cities 81, 2018, pp. 1-23.SABOORI H., HEMMATI R., GHIASI S. M. S., DEHGHAN S., Energystorage planning in electric power distribution networks –A state-of-the-art review, Renewable and SustainableEnergy Reviews 79, 2017, pp. 1108-1121.SADATI S. M. S., JAHANI E., TAYLAN O., BAKER D. K., Sizing ofPhotovoltaic-Wind-Battery Hybrid System for aMediterranean Island Community Based on Estimatedand Measured Meteorological Data, Journal of SolarEnergy Engineering 140, 2018.SANTOS L., SOARES I., MENDES C., FERREIRA P., Real Optionsversus Traditional Methods to assess Renewable EnergyProjects, Renewable Energy 68, 2014, pp. 588-594.SCHACHTER J. A., MANCARELLA P., A critical review of RealOptions thinking for valuing investment flexibility inSmart Grids and low carbon energy systems, Renewableand Sustainable Energy Reviews 56, 2016, pp. 261-271.SCHOPFERA S., TIEFENBECK V., STAAKE T., Economic assessmentof photovoltaic battery systems based on household load


profiles, Applied Energy 223, 2018, pp. 229-248.SOUSA T., SOARES T., PINSON P., MORET F., BAROCHE T., SORINE., Peer-to-peer and community-based markets: Acomprehensive review, Renewable and SustainableEnergy Reviews 104, 2019, pp. 367-378.SPISTO A., VITIELLO S., Spatial and temporal power shiftingfrom flexible sources. An economic and environmentalassessment, 14th International Conference on theEuropean Energy Market (EEM), 2017.TELARETTI E., IPPOLITO M., DUSONCHET L., A Simple OperatingStrategy of Small-Scale Battery Energy Storages for EnergyArbitrage under Dynamic Pricing Tariffs, Energies 9 (1),2016.TEZERA T., YAMAN R., YAMAN G., Evaluation of approachesused for optimization of stand-alone hybrid renewableenergy systems, Renewable and Sustainable EnergyReviews 73, 2017, pp. 840-853.TRIGEORGIS L., Real Options-Managerial Flexibility andStrategy in Resource Allocation, The MIT Press,Cambridge, MA, 1996.UDDINA K., GOUGH R., RADCLIFFE J., MARCO J., JENNINGS P.,Techno-economic analysis of the viability of residentialphotovoltaic systems using lithium-ion batteries forenergy storage in the United Kingdom, Applied Energy206, 2017, pp. 12-21.VANDER STELT S., ALSKAIF T., VAN SARKW., Techno-economicanalysis of household and community energy storage forresidential prosumers with smart appliances, AppliedEnergy 209, 2018, pp. 266-276.VENETSANOS K., ANGELOPOULOU P., TSOUTSOS T., Renewableenergy sources project appraisal under uncertainty: thecase of wind energy exploitation within a changing

energy market environment, Energy Policy 30, 2002, pp.293-307.

VYTELINGUM P., RAMCHURN S. D., VOICE T. D., ROGERS A.,JENNINGS N. R., Trading Agents for the Smart ElectricityGrid, Proceedings of 9th International Conference onAutonomous Agents and Multiagent Systems (AAMAS2010), Toronto, Canada, May 10-14, 2010, pp. 897-904.

WANG Z., NEGASH A., KIRSCHEN D. S.,Optimal scheduling ofenergy storage under forecast uncertainties, IETGeneration, Transmission & Distribution 11 (17), 2017, pp.4220-4226.

XIA S., CHAN K. W., LUO X., BU S., DING Z., ZHOU B.,Optimalsizing of energy storage system and its cost-benefitanalysis for power grid planning with intermittent windgeneration, Renewable Energy 122, 2018, pp. 472-486.XIU X., LI B., Study on Energy Storage System InvestmentDecision Based on Real Option Theory, InternationalConference on Sustainable Power Generation andSupply (SUPERGEN 2012), Hangzhou, China, September8-9, 2012.

XU Z., GUAN X., JIA Q. S., WU J., WANG D., CHEN S.,Performance Analysis and Comparison on Energy StorageDevices for Smart Building Energy Management, IEEETransactions on Smart Grid 3 (4), 2012, pp. 2136-2147.

ZEPTER J. M., LU� TH, DEL GRANADO P. C., EGGING R., Prosumerintegration in wholesale electricity markets: Synergies ofpeer-to-peer trade and residential storage, Energy &Buildings 184, 2019, pp. 163-176.

ZHENG Y., JENKINS B. M., KORNBLUTH K., TRÆHOLT C.,Optimization under uncertainty of a biomass-integratedrenewable energy microgrid with energy storage,Renewable Energy 123, 2018, pp. 204-217.


rivista valori e valutazioni n. 24 - 2020 77

Chiara D’Alpaos*, Francesca Andreolli** parole chiave: fonti energetiche rinnovabili,comunità energetiche, approcci valutativi,

revisione sistematica della letteratura

Aspetti economici deiSolar Home Systems:stato dell’arte e sfidefuture nei mercatienergetici locali

Le Direttive Europee 2009/28/UE e 2009/29/UE riconosconoal settore energetico un ruolo trainante per il raggiungi-mento degli obiettivi 20-20-20 (e gli ulteriori target fissatiper il 2030 e il 2050), ed individuano la necessità di unaumento della quota di consumo energetico derivanteda fonti di energia rinnovabile (FER) al fine di ottenereun’efficace transizione energetica dalle fonti fossili allefonti rinnovabili. La diffusione delle FER è tuttavia un pro-cesso complesso che coinvolge un gran numero di fattorie solleva diverse problematiche di natura non solo tecnicae tecnologica, ma anche ambientale, sociale e culturale.Con il crescente sviluppo delle FER e dei sistemi di accu-mulo di energia, le reti elettriche esistenti richiedonoinnovazioni rilevanti nella loro progettazione e gestione,a causa della trasformazione da un sistema di distribu-zione centralizzata e concentrata ad un sistema decen-tralizzato e distribuito, in cui i consumatori tradizional-mente agenti passivi cominciano ad avere un ruolo sem-pre più attivo, quale è quello dei cosiddetti prosumer(i.e., coloro che producono e consumano energia). Taleargomento è ampiamente dibattuto in letteratura. Sononumerosi gli studi che analizzano la fattibilità economicae finanziaria degli investimenti nelle FER tramite l’appli-cazione di procedimenti di ottimizzazione dei benefici

economici netti, basati sulla minimizzazione dei costioperativi, così come esiste un fiorente filone di letteraturache investiga gli effetti del livello di autoconsumo sullaredditività di questi investimenti. La letteratura più recenteanalizza, invece, nuovi modelli di business che garanti-scano l’integrazione di una molteplicità di prosumerall’interno del mercato elettrico (es. modelli di tradingPeer-to-Peer, integrazione di tipo prosumer-to-grid, rea-lizzazione di comunità energetiche). Ciononostante, siavverte la mancanza di contributi in grado fornire unarevisione sistematica della letteratura e di proporre unaclassificazione rigorosa degli studi rilevanti sugli approccivalutativi più innovativi. Il presente contributo presentauna revisione sistematica della letteratura e si proponedi delineare lo stato dell’arte sulle metodologie di valu-tazione degli investimenti nelle FER associate a sistemidi stoccaggio di energia. Tramite un protocollo dinamicodi revisione sistematica della letteratura e una successivafase di sintesi, sono stati individuati i contributi più rile-vanti e sono stati analizzati i relativi aspetti metodologicie descrittivi principali, sulla base dei quali sono stateidentificate le lacune in letteratura ed evidenziati i pos-sibili sviluppi futuri.

Abstract

rivista valori e valutazioni n. 24 - 202078

1. INTRODUZIONE

Oggigiorno la transizione energetica dai combustibili fossilialle fonti di energia rinnovabile (FER) risulta essere un ele-mento fondamentale della strategia globale per la mitiga-zione del riscaldamento globale e degli effetti dei cambia-menti climatici. Secondo molte agende politiche, il settoreenergetico ha le maggiori potenzialità per il raggiungimentodei nuovi obiettivi fissati dalla Commissione Europea peril 2030 che prevedono una riduzione del 40% delle emissionidi gas serra rispetto ai livelli del 1990, il raggiungimento del32% di produzione energetica da fonti rinnovabili e il miglio-ramento dell’efficienza energetica di almeno il 32,5% (“Qua-dro 2030 per il Clima e l’Energia”). Tali obiettivi sono statiulteriormente modificati dalla Commissione Europea, cheli ha estesi fissando una riduzione delle emissioni dell’80-95% per il 2050 (UE, 2012). La diffusione delle FER rappre-senta una tappa essenziale nel raggiungimento di targetcosì impegnativi e, nello specifico, nel percorso verso larealizzazione di un settore energetico a zero emissioni dicarbonio. Per questo motivo, ulteriori investimenti sonoquanto mai necessari.Secondo dati Eurostat (2017), nel 2017 in Europa la quotadi energia prodotta da FER è stata pari al 17,5% del consumofinale lordo di energia. Con una percentuale del 54,5%, laSvezia ha raggiunto la quota più alta, seguita da Finlandia(41,0%), Lettonia (39,0%), Danimarca (35,8%) e Austria(32,6%). L’Italia ha raggiunto una quota di FER del 18,1%,composta per l’8,6% da biocarburanti, per il 2% da energiaidroelettrica, per l’1% da energia eolica, per l’1,4% da ener-gia solare, per il 3,4% da energia geotermica ed infine perl’1,7% da energia da pompe di calore. Undici Stati membrihanno già soddisfatto il requisito fissato dall’UE relativoalle fonti rinnovabili (i.e., almeno il 20% di produzione ener-getica derivante da FER), ma nuove politiche di incentiva-zione sono tuttora necessarie se si vogliono raggiungeregli obiettivi stabiliti per il 2030, poiché, secondo il rapportodell’Agenzia Internazionale dell’Energia (AIE 2016), il tassodi penetrazione delle FER in Europa è leggermente inferiorerispetto al resto del mondo.Inoltre, per integrare efficacemente la crescente diffusionedelle FER all’interno della rete elettrica e continuare a garan-tire la sicurezza e l’efficienza della rete stessa, il compartoenergetico deve risolvere una serie di problematiche.Importanti investimenti sono necessari per espandere,aggiornare e modernizzare i sistemi tradizionali, che inmolti paesi industrializzati sono stati costruiti all’inizio delXX secolo (Moretti et al., 2016). L’aumento della domandadi energia elettrica e lo sfruttamento delle fonti rinnovabilistanno cambiando il modo di progettare e gestire le tradi-zionali reti, che necessitano di passare da un sistema ditipo centralizzato ad uno di tipo decentralizzato e policen-trico, costituito da impianti di produzione distribuita e damicro-reti. La diffusione delle FER ha interessato principal-mente la rete di distribuzione, che si è rivelata inadeguataa soddisfare la richiesta di implementare un sistema piùflessibile, in grado di reagire in tempo reale alle semprepiù rapide variazioni di domanda e offerta. Per evitare con-

gestioni e squilibri della rete, mitigare gli impatti delle FERe garantire una rete sicura e affidabile, l’adozione di nuovetecnologie quali i sistemi di stoccaggio di energia (BESS -Battery Energy Storage System), i sistemi di Demand-SideManagement (DSM) o di Demand Response (DR) può rap-presentare una possibile soluzione (Luthander et al., 2015).Tali tecnologie garantiscono, infatti, una maggior efficienzaenergetica e permettono di creare una rete sempre “intel-ligente”, capace di integrare in maniera efficace e rapidale decisioni di tutti gli utenti (e.g., generatori, consumatori,prosumer) e di rispondere ai continui cambiamenti nelladomanda di energia in modo economicamente efficiente(European Commission Task Force for Smart Grids, 2010).Questo sistema, conosciuto con il nome di Smart Grid (SG),crea vantaggi sia dal lato della domanda che dell’offerta dienergia (Moretti et al., 2016) e modifica in maniera radicaleil tradizionale funzionamento del sistema elettrico, basatosu un approccio gerarchico di tipo top-down. Inoltre, all’in-terno delle SG i consumatori assumono una funzione sem-pre più attiva, che permette loro di acquistare maggior con-sapevolezza in merito ai propri consumi di energia elettricae alla possibilità di prendere parte attivamente al mercatoelettrico (Bigerna et al., 2016; Kolokotsa, 2016).Nel raggiungimento degli obiettivi europei, il settore resi-denziale riveste un ruolo chiave essendo uno dei settori apiù alto consumo di energia elettrica (Koskela et al., 2019).In questo ambito, gli impianti di produzione da FER di pic-cole dimensioni (es. gli impianti fotovoltaici) producendoenergia a livello locale, cioè nello stesso punto in cui siverifica il consumo, consentono di ridurre notevolmentesia le perdite dovute alla distribuzione di energia, sia irelativi costi di gestione. L’utilizzo delle FER per la produ-zione di energia rappresenta, quindi, una delle strategiepiù comuni di efficientamento e riqualificazione energeticadegli edifici, ed è uno degli elementi essenziali nel con-sentire la realizzazione di edifici ad energia quasi zero (i.e.,Nearly Zero Energy Buildings NZEB). Da questo punto divista, infatti, l’adozione di impianti di generazione distribuitaa piccola scala è risultato essere un efficace intervento diriqualificazione energetica, che ha garantito non solo laproduzione di energia da fonti rinnovabili, ma anche unaumento dell’efficienza energetica degli edifici stessi (D’Al-paos e Bragolusi, 2018; Fregonara et al., 2018; Dell’Anna etal., 2019).Le analisi degli investimenti in SG e di integrazione delleFER nel sistema elettrico sono processi complessi, che coin-volgono molteplici stakeholders (es. consumatori, operatoriche gestiscono la rete elettrica, decisori politici) e sollevanoproblematiche di natura non solo tecnica ed economica,ma anche ambientale e sociale. Il tema è centrale e perquesto ampiamente dibattuto in letteratura. Sono numerosigli studi che propongono modelli per il controllo e la gestio-ne delle SG, ne valutano la fattibilità economica e analizzanole potenziali barriere alla loro diffusione. Altri autori hannostudiato invece gli effetti economici, ambientali e socialidelle SG, proponendo diverse metodologie di valutazionedei molteplici benefici derivanti dalla loro implementazione(e.g., Levelized Cost of Energy, analisi multi-obiettivo, analisi

Aspetti economici dei Solar Home Systems: stato dell’arte e sfide future nei mercati energetici locali


costi-benefici). Un altro filone di letteratura si è focalizzatoprincipalmente sulle micro-reti, con particolare attenzionealle possibili strutture distributive e ai modelli di businessin grado di incentivare e favorire lo sviluppo di mercatielettrici di tipo locale. Tuttavia, si avverte la mancanza dicontributi che forniscano una revisione sistematica dellaletteratura e presentino una classificazione degli studi rile-vanti sugli approcci di valutazione più innovativi ed efficaci.In tal senso, Moretti et al. (2016) hanno proposto una analisidella letteratura relativa alle diverse metodologie di stimadegli impatti economici e ambientali delle SG, evidenziandola necessità di valutare adeguatamente tutti i paramenti ele variabili decisionali di natura incerti, che caratterizzanotali investimenti, nonché la mancanza di un metodo di valu-tazione standardizzato che consenta di ottenere risultaticoerenti relativi ai costi, ai benefici, alle riduzioni di emis-sioni inquinanti e al risparmio energetico. Ioannou et al.(2017) hanno effettuato un’approfondita analisi di letteraturasui modelli quantitativi (es. tecniche di ottimizzazione sto-castica, approccio delle opzioni reali, simulazioni MonteCarlo) e semi-quantitativi (es. analisi di scenario, analisimulticriteriali) comunemente utilizzati per modellare levariabili tecnico-economiche coinvolte nei progetti legatialle FER, al fine di individuare e caratterizzare il rischio el’incertezza connessi alla realizzazione di sistemi energeticidistribuiti. Burger e Luke (2017) hanno studiato e discussoi più comuni modelli di business utilizzati per favorire ladiffusione di risorse energetiche distribuite, allo scopo diidentificare una serie di “archetipi” e le relative possibiliimplicazioni a livello di politica economica ed energetica,di cui i decisori politici dovranno tenere in considerazionein futuro. Altri autori si sono, invece, concentrati sull’analisidi alcune specifiche FER e tecnologie SG. A tal proposito,Emmanuel e Rayudu (2016) hanno studiato gli impianti foto-voltaici (PV) e la loro possibile integrazione nella rete elet-trica tradizionale, analizzando gli impatti da essi generatisulla gestione della rete, fornendo possibili soluzioni perrealizzare un sistema più efficace e affidabile, quale adesempio un sistema ibrido connesso alla rete in cui l’im-pianto PV sia accoppiato ad una batteria. Dowling et al.(2017) hanno posto a confronto le metodologie di valuta-zione tecnica ed economica (es. Levelized Cost Of Energy,LCOE) più frequentemente utilizzate nell’ambito della valu-tazione degli investimenti in tecnologie a concentrazionesolare (Concentrated Solar Power technologies), al fine diidentificarne i principali vantaggi e limiti. Saboori et al.(2017) si sono, invece, concentrati sui sistemi di accumulodi energia (es. BESS), proponendo un’estesa revisione deglistudi relativi alla progettazione e all’analisi di BESS, in gradodi garantire un ottimale aumento del risparmio energetico,tale da giustificare gli elevati costi di investimento.Lo scopo del presente lavoro è di utilizzare il metodo dellaricerca sistematica, in riferimento alla banca dati Scopus,per delineare lo stato dell’arte sulle metodologie di valu-tazione degli investimenti nelle FER. Grazie ad un proto-collo dinamico di revisione sistematica, sono state in pri-mis identificate le parole chiave più pertinenti. In unaseconda fase, sono stati analizzati i risultati preliminari

attraverso delle meta-analisi e, successivamente, sonostati esaminati i contributi più citati e risultati maggior-mente significativi.

L’ultima fase del processo di revisione ha portato allacostruzione di una tabella sinottica dei contributi piùsignificativi, di cui sono stati sintetizzati gli aspetti meto-dologici e descrittivi, con l’obiettivo di identificare poten-ziali lacune in letteratura ed evidenziare possibili futurisviluppi di ricerca.

2. REVISIONE SISTEMATICA

Nella presente sezione, è fornita una disamina sistematicadella letteratura al fine di aggiornare lo stato dell’arte suimodelli di valutazione degli investimenti nelle FER e nelleSG.

Per strutturare tale revisione sistematica, le evidenze dellaletteratura sono state selezionate in modo critico attraversoun processo di selezione “criterion-based” (Glasziou et al.,2001; Ruhlandt, 2018; D’Alpaos e Bragolusi, 2018).

I contributi inclusi nel presente lavoro sono stati selezionatie discussi secondo il protocollo di revisione sistematicaproposto da Brown nel 2007, che prevede l’implementa-zione di una procedura articolata in tre fasi: pianificazione,conduzione e consuntivo. La prima fase di pianificazione(planning the review) è composta da due sotto-fasi: in primaistanza è necessario verificare l’originalità dell’ipotesi diricerca e in seconda istanza è fondamentale definire e map-pare la letteratura esistente, in maniera tale da identificarei principali ambiti di ricerca, eventuali sovrapposizioni e ipossibili sviluppi futuri. In accordo con D’Alpaos e Bragolusi(2018), in questa prima fase è stato definito un “protocollodinamico”, che prevede la modifica in itinere dei criteri edei parametri di ricerca, al fine di ottimizzare il processodi revisione e renderlo quanto più flessibile ed obiettivo.

La seconda fase (conducting the review) consiste nell’iden-tificazione delle parole chiave e delle stringhe di ricercaritenute più pertinenti e nello sviluppo dinamico dei criteridi selezione, imponendo una soglia minima di qualità, alfine di perfezionare la ricerca. Secondo un approccio ditipo sequenziale, è stata valutata la qualità dei contributi esono stati esclusi quelli ritenuti non rilevanti. È stato quindicreato un database, in cui tutti i contributi sono stati cata-logati per titolo, autore/i, data di pubblicazione, fonte,metodologia utilizzata e principale oggetto di analisi cheha motivato l’inclusione nel database stesso. Nella terzaed ultima fase (reporting the review), è stata effettuata un’a-nalisi descrittiva dei contributi e sono stati discussi i risultatiottenuti, al fine di delineare lo stato dell’arte e individuarele potenziali lacune riscontrate in letteratura.

2.1 Ricerca sistematica

Come già sottolineato in precedenza, la ricerca sistematicaqui descritta è incentrata sugli approcci valutativi riguardantigli investimenti nelle FER e nelle tecnologie SG.


La diffusione di impianti di produzione di energia da rin-novabili di piccola dimensione ha portato una serie di cam-biamenti rispetto all’attuale funzionamento e organizza-zione della rete elettrica (Bigerna et al., 2016). A differenzadelle reti elettriche tradizionali, le cosiddette reti “intelli-genti”, costituite da una serie di micro-reti e di impianti diproduzione locale e distribuita, consentono flussi di energiabidirezionali, in cui gli utenti finali diventano contempo-raneamente consumatori e produttori (prosumer) e pos-sono interagire tra loro e con la rete locale (Andoni et al.,2019). In questo senso, i prosumer acquistano un ruolochiave nello sviluppo delle SG, passando da consumatoripassivi a consumatori attivi, in grado di stabilire in ogniistante i propri profili di consumo/produzione ottimali sullabase dell’offerta di energia, dei prezzi dell’elettricità o delleesigenze della rete. Tuttavia, poiché la maggior parte delleFER sono per loro natura intermittenti e variabili, la loropresenza nei sistemi a rete può generare dei disallineamentitra domanda e offerta di energia e, conseguentemente,essere la causa di problemi per la stabilità e la gestione otti-male della rete (Eltawl e Zhao, 2010; Hudson e Heilscher,2012; Hoppmann et al., 2014).Per questi motivi, la valutazione degli investimenti nelleFER e nelle tecnologie SG è un processo decisionale com-plesso e articolato, che deve prendere in considerazionemolteplici aspetti e richiede una maggior consapevolezzada parte di tutti gli stakeholders coinvolti. Oltre a fattoripuramente tecnici, economici e ambientali, anche l’aspettosociale ha acquistato un ruolo rilevante nelle analisi di fat-tibilità di tali investimenti. Ciò discende dal fatto che i com-portamenti e le scelte dei singoli individui, in merito ai pro-pri profili di consumo/produzione di energia, hanno iniziatoad incidere sempre di più sul funzionamento e sulla gestio-ne dell’intero sistema che, essendo dinamico, risulta spessogravato da numerosi rischi e incertezze. Grazie ad un ruolo sempre più attivo all’interno della rete,le SG garantiscono ai prosumer una maggior flessibilitàdecisionale, offrendo loro la possibilità di decidere strate-gicamente le proprie quote ottimali di produzione/consu-mo e di ottenere, così, significative riduzioni dei costi ener-getici e dei rischi degli investimenti in produzione di energiada FER (Bertolini et al., 2018). A tal proposito, esiste un filonedi letteratura che studia i cambiamenti nel comportamentodei consumatori che decidono di adottare un impianto digenerazione di energia da fonte rinnovabile, e la loro dispo-nibilità ad investire in tecnologie SG. All’interno di tale filo-ne, alcuni studi hanno individuato e discusso le possibiliforme di mercato in grado di favorire gli investimenti nelleFER, sottolineando come lo sviluppo di mercati energeticilocali, in cui i consumatori interagiscono tra loro, rappre-senti una soluzione efficace in tal senso. Tuttavia, gli attualiquadri politici e legislativi, che definiscono la struttura delmercato e il conseguente comportamento degli attori coin-volti, influenzano in modo significativo la diffusione delleFER e in generale delle tecnologie SG. Fino ad oggi, infatti,le FER hanno visto incrementare considerevolmente la loroquota di mercato grazie all’ampia diffusione di incentivistatali (es. meccanismo dello scambio sul posto), ma la pro-

gressiva riduzione di tali incentivi rappresenta un impor-tante ostacolo per una loro sempre maggiore penetrazione.In assenza di incentivi, gli investimenti nelle FER risultanoancora oggi più costosi rispetto a quelli nelle tradizionalifonti fossili.Come sottolineato precedentemente, le decisioni di inve-stimento nelle FER e nelle SG sono influenzate da numerosifattori (es. capacità, costi di investimento, struttura del mer-cato, benefici ambientali, incentivi statali, comportamentodei consumatori), che possono generare grandi rischi eincertezze.I risultati di una prima disamina della letteratura mostranocome le diverse tecniche e metodologie di valutazione,comunemente applicate nell’analisi degli investimenti nelleFER e nelle SG, possano essere raggruppate in due macro-categorie. La prima include approcci di tipo monocriteriale,come i modelli di valutazione basati sull’analisi costi-bene-fici, sul calcolo del Valore Attuale Netto (VAN) o del TassoInterno di Rendimento (TIR) (Kienzle et al., 2011; Gabbriellie Zammori, 2012; Arsalis et al., 2018; Arabkoohsar et al., 2015;Hoppmann et al., 2014; Sadati et al., 2018; Madlener andSpecht, 2019). La seconda, al contrario, comprende approccidi tipo multicriteriale o multiobiettivo (Telaretti et al., 2016;Furukakoi et al., 2017; Tezer et al., 2017; Wang et al., 2017;Abbas et al., 2018; Grover-Silva et al., 2018; Zhang et al., 2018;Abastante et al., 2019). Gli approcci valutativi di naturamonocriteriale che identificano i costi e i benefici derivantidall’uso delle FER e di SG valutando se i benefici (es. rispar-mio energetico) superano i costi previsti (Moretti et al.,2016) sono quelli più comunemente utilizzati. Gli approccidi tipo multicriteriale o multiobiettivo consentono di inte-grare i punti di vista di diversi attori e di condurre un’analisibasata su una molteplicità di criteri di natura tecnica, eco-nomica, sociale e ambientale (Ioannou et al., 2017). Oltreai tradizionali approcci di tipo multicriteriale, quali ad esem-pio la Multi-Criteria Decision Analysis (MCDA), le meto-dologie più comunemente utilizzate in questo contestosono i metodi di ottimizzazione multiobiettivo, che con-sentono di trovare soluzioni ottimali in presenza di obiettivispesso conflittuali tra loro (es. minimizzazione dei costi diinvestimento, minimizzazione delle emissioni di gas a effet-to serra, massimizzazione del comfort interno), soggetti avincoli di tipo esogeno. Da questa analisi preliminare dellaletteratura è emerso che numerosi autori integrano l’AnalisiCosti-Benefici (ACB) o il calcolo del VAN con altri modellidi ottimizzazione (Optimization models – OP), al fine dimigliorare l’affidabilità della valutazione ed effettuare simu-lazioni e analisi di scenario per trattare l’incertezza (Xu etal., 2012; Jain et al., 2013; Matthey et al., 2015; De Filippo etal., 2017; Mariaud et al., 2017; Baker et al., 2018; Jung et al.,2018; Xia et al., 2018). Tuttavia, è carente in termini di con-tributi il filone di letteratura incentrato sull’analisi e la stimadei costi e dei benefici indiretti e/o non direttamente mone-tizzabili, derivanti dall’utilizzo delle FER e delle tecnologieSG, che potrebbero aumentare in maniera significativa laredditività degli investimenti stessi (Grünewald et al., 2011;Moretti et al., 2016; Spisto e Vitiello, 2017). Sono poco nume-rosi anche i contributi incentrati sull’analisi della flessibilità

operativa, che gli investimenti in FER potrebbero generareper i prosumer. Inoltre, la maggior parte della letteraturaesistente non analizza il problema della scelta del momen-to ottimale in cui investire e non tiene, quindi, in consi-derazione nelle valutazioni la possibilità per gli investitoridi posticipare tale decisione (Xiu e Li, 2012; Kroniger eMadlener, 2014; Bakke e Norheim, 2016; Marchi et al.,2016). Poca attenzione ha ricevuto anche il filone di ricercafinalizzato ad analizzare i problemi legati alla creazionee istituzione di mercati energetici di tipo locale e a deli-neare nuovi quadri normativi, che permettano lo scambiodi quote di energia tra consumatori e prosumer all’internodel mercato locale, sia tra loro e la rete elettrica tradizio-nale (Vytelingum et al., 2010; Domínguez-Navarro et al.,2017; Liu et al., 2018; Alam et al., 2019). La possibilità, chesta attualmente emergendo, di creare mercati locali chepermettano uno scambio di energia del tipo Peer-to-Peer(P2P) rappresenta una soluzione innovativa. L’opportunitàper i prosumer di vendere una quota parte dell’energiaautoprodotta e non auto-consumata all’interno del mer-cato locale genera un’ulteriore flessibilità nella strategiadi investimento, che deve essere adeguatamente valutata(Ferruzzi et al., 2015; Abhinav e Pindoriya, 2018; Liu et al.,2018; Long et al., 2019; Sousa et al., 2019). Oltre allo scambioP2P, una nuova strategia di coordinamento delle FER,denominata Virtual Power Plant (VPP), è stata ampiamentericonosciuta in letteratura come una possibile soluzionein grado di aumentare l’efficienza della rete e garantireuna maggiore stabilità della stessa (Loßner et al., 2017;Morstyn et al., 2018). In tal senso, Parag e Sovacool (2016)hanno individuato e confrontato i potenziali benefici e lepossibili implicazioni politiche derivati dall’implementa-zione dei diversi modelli di integrazione dei prosumerall’interno della rete elettrica tradizionale (es. modelliP2P, modelli Prosumer to Grid, Organized prosumer grou-ps). Essi hanno anche analizzato alcuni progetti-pilota,quali ad esempio la piattaforma Vandebron nei Paesi Bassi,la piattaforma Piclo nel Regno Unito, la piattaforma Refor-ming the Energy Vision a New York, la piattaformaBrooklyn Microgrid. Tuttavia, poiché si tratta di un ambitodi ricerca piuttosto recente, la letteratura esistente risultaancora scarsa.Completata la revisione preliminare della letteratura sopradescritta, grazie alla quale è stato possibile delineare il con-testo e identificare gli aspetti più rilevanti in merito agliapprocci valutativi più frequentemente utilizzati, è statacondotta una ricerca sistematica sulla banca dati Scopus,che ha portato alla selezione dei contributi riconosciuticome i più rilevanti in tema di investimenti nelle FER e SG.Successivamente, per filtrare il database iniziale, sono statiintrodotti ulteriori criteri di ricerca, quali ad esempio la lin-gua di pubblicazione (inglese), la tipologia di prodotto (arti-colo) e la data di pubblicazione (riconducibile al periodo2000-2019).In accordo con D’Alpaos e Bragolusi (2018), che hannoadottato una struttura di ricerca di tipo piramidale, le parolechiave e le stringhe di ricerca primarie (“renewable” OR“renewables” OR “photovoltaic” AND “storage” AND

“valuation” OR “corporate finance” OR “economic” OR“economics”), sono state integrate con ulteriori parolechiave, emerse come rilevanti per lo specifico oggetto distudio in seguito all’analisi preliminare della letteratura:“cost” OR “costs” AND “benefit” OR “benefits” AND“uncertainty” OR “uncertainties” AND “optimization” AND“building” OR “buildings” AND “battery” AND “energytrading” AND “local energy market” AND “Peer-to-Peer”AND “Virtual Power Plant”.Sono stati quindi selezionati i documenti più pertinentisulla base delle parole chiave di primo e secondo livello edel numero di citazioni. Nel dettaglio, sono stati identificatiinizialmente 464 contributi all’interno della banca dati Sco-pus, che sono stati circoscritti a 85, applicando i filtri sopramenzionati. In una fase successiva, dopo un’attenta letturadell’abstract o del contributo stesso, sono stati, da un lato,esclusi una serie di articoli considerati non rilevati per l’og-getto di ricerca, e, dall’altro, sono stati inclusi alcuni con-tributi particolarmente citati dalla maggior parte dei docu-menti selezionati e ritenuti significativi in funzione delleparole chiave di secondo livello.

2.2 Meta-analisi

Per strutturare la review sono state condotte delle meta-analisi, dalle quali è emerso un interesse crescente tra iricercatori per la valutazione degli investimenti nelle FERe nelle tecnologie SG. A partire dal 2007, anno di emana-zione della Direttiva Europea 2007/77/CE, il numero di pub-blicazioni è significativamente aumentato e vi è stato unulteriore picco di crescita a partire dal 2012, anno di sca-denza del protocollo di Kyoto e di entrata in vigore del“Pacchetto per il clima e l’energia 2020”. Tali risultati, oltrea dimostrare il forte interesse che il tema di ricerca ha susci-tato nell’ultimo decennio, confermano la bontà dell’ipotesiiniziale di filtrare la ricerca, restringendo il periodo di analisial periodo gennaio 2000-dicembre 2019.Dalle meta-analisi effettuate, risulta chiaro (Fig. 2) come learee tematiche maggiormente interessate all’oggetto distudio siano quelle dell’energia (Energy, 37.30%), dell’in-gegneria (Engineering, 27.43%) e delle scienze ambientali(Environmental Sciences, 11.22%), la qual cosa denota ilcarattere multisettoriale e interdisciplinare dei contributidi ricerca pubblicati.



Figura 1 - Documenti pubblicati per anno.

stati identificati come gli approcci più frequentementeadottati per valutare gli investimenti nelle FER. Inoltre, lamaggior parte degli articoli utilizza il VAN per operare con-fronti tra le diverse alternative, che possono essere note“a priori” o definite in seguito ad analisi OP. Infine, l’analisiper parole chiave rivela come “uncertainty” e “stochasticanalysis” rappresentino due parole chiave largamente citatein letteratura, a testimonianza del fatto che gli investimentiin FER e SG sono considerati altamente irreversibili e sonocaratterizzati da un’elevata incertezza, i cui effetti devonoessere adeguatamente valutati. Nello specifico, la maggiorparte dei contributi presenti in letteratura si è concentrataesclusivamente sulle incertezze relative agli aspetti tecnici(es. irradiazione solare, efficienza energetica, perdita diefficienza), tralasciando invece l’incertezza relativa allecondizioni di mercato.

2.3 Approcci valutativi

Alla luce delle risultanze ottenute dalle meta-analisi e sullabase delle considerazioni precedentemente svolte in meritoalla disamina preliminare della letteratura, è stata finalizzatala review sistematica, approfondendo ulteriormente l’analisidei contributi in cui metodologie di valutazione basate sulmetodo del LCC o dell’ACB fossero state implementate. Alfine di selezionare gli articoli più rilevanti per l’ultima fasedi reporting, sono state adottate le linee guida PRISMA –Preferred Reporting Items for Systematic reviews and Meta-Analyses (Liberati et al., 2015) e, attraverso la loro imple-mentazione, è stato possibile identificare 14 contributi. Siè, quindi, deciso di incentrare l’analisi sui contributi cheriguardassero progetti di efficientamento energetico dipiccola scala nel settore residenziale o commerciale, stantela loro rilevanza nello sviluppo di reti più “intelligenti” (i.e.,SG). I principali risultati sono riassunti nel quadro sinotticodi Tabella 1.Gli impianti solari fotovoltaici (PV) rappresentano le solu-zioni più frequentemente utilizzate nei progetti di piccolascala nel settore residenziale e commerciale (Hoppmannet al., 2014; Lang et al., 2015; Naumann et al., 2015; Cucchiellaet al., 2016; Arik, 2017; Hassan et al., 2017; Olaszi and Ladanyi,2017; Uddin et al., 2017; Abbas et al., 2018; Schopfer et al.,


Se si considera la geografia di provenienza dei contributi(Fig. 3), è interessante notare come negli Stati Uniti e inCina il tema degli investimenti nelle FER sia particolarmenterilevante, sia per l’elevata domanda di energia, sia per unacrescente consapevolezza nei confronti degli effetti deicambiamenti climatici e del riscaldamento globale. Allaquarta posizione per numero di pubblicazioni si collocal’Italia, a dimostrazione dei crescenti sforzi fatti nella dif-fusione delle FER e nel raggiungimento degli obiettivi cli-matici imposti dall’UE. Secondo l’Eurostat, infatti, l’Italia èuno degli undici Stati membri che ha già raggiunto l’obiet-tivo di almeno una quota pari al 20% di produzione di ener-gia da FER (Eurostat, 2017).

Dall’analisi delle parole chiave risulta che, tra le parole chia-ve di secondo livello più strettamente correlate alla valu-tazione economica degli investimenti nelle FER, quellemaggiormente citate sono “Costs”, “Optimization”, “LifeCycle”, “LCOE” (Figura 4). Ciò conferma la solidità delleanalisi preliminari di letteratura effettuate, in cui l’ACB, imodelli OP e i metodi basati sul Life Cycle Cost (LCC) sono

Figura 3 - Documenti pubblicati per Paese.

Figura 2 - Documenti pubblicati per area tematica.

Figura 4 - Parole chiave più citate nei documenti.



2018; Koskela et al., 2019). La loro capacità di produrre ener-gia a costi di esercizio ridotti e di garantire il raggiungimentodi ottimi livelli di efficientamento energetico (Koskela etal., 2019), li rende una delle soluzioni più utilizzate in questaparticolare tipologia di progetti. Grazie ad una significativariduzione dei costi di investimento, pari a oltre l’80%, veri-ficatasi tra il 2008 e il 2016 (Schopfer et al., 2018) e alla cre-scente adozione, negli stessi anni, di misure incentivanti(es. Feed-in-Tariff - FIT) da parte di molti paesi europei, ilsolare fotovoltaico ha vissuto una fase di forte espansione,acquisendo una significativa quota di mercato. Tuttavia, acausa della sempre più diffusa riduzione degli incentivi(Hoppmann et al., 2014), un recente filone di letteratura hastudiato una gamma di soluzioni in grado di incrementarei benefici e, quindi, i profitti derivanti dagli impianti PVanche in assenza di incentivi, concentrando l’attenzionesullo studio dei sistemi di stoccaggio dell’energia. Oltre arappresentare un’efficace soluzione per aumentare la quotadi autoconsumo, i sistemi di stoccaggio possono, infatti,fornire alla rete una gamma di servizi, cosiddetti ancillari(ancillary services), contribuendo a bilanciare gli squilibritra domanda e offerta di energia e ridurre, così, i costi disbilanciamento della rete (Luthander et al., 2015; Madlenere Specht, 2019). Le batterie in generale, ma in particolarequelle al litio o al piombo, sono state le più analizzate inletteratura. Rispetto ad altre tipologie (es. sodio-zolfo, flussoredox al vanadio), queste ultime sono infatti tra le più effi-cienti in termini sia di costi che di efficienza, soprattuttose utilizzate in progetti di piccola scala (Hoppmann et al.,2014; Cucchiella et al., 2016; Arik et al., 2017; Lai e McCulloch,2017). Sebbene siano caratterizzate da costi di investimentorelativamente bassi, le batterie al piombo hanno prestazionilimitate a causa di una bassa densità energetica e di unaridotta durata del ciclo di vita (Leadbetter e Swan, 2012). Lebatterie agli ioni di litio, al contrario, sono tecnologie piùrecenti, che nonostante presentino costi più elevati, hannomigliori prestazioni energetiche dovute ad una maggioredensità energetica e ad un ciclo di vita più lungo. Per questimotivi, le batterie agli ioni di litio si sono rilevate più adattead applicazioni in cui siano richiesti cicli di carico-scaricoquasi quotidiani, come ad esempio nel settore residenziale.Tuttavia, i costi di investimento sono ancora troppo elevatida consentirne una larga diffusione.Stante le evidenze di letteratura, per la scelta della dimen-sione ottimale di un impianto PV, conoscere la zona clima-tica, l’orientamento dell’impianto ed i profili di carico delconsumatore risulta fondamentale. Per questo motivo,Naumann et al. (2015), Cucchiella et al. (2016), Arik et al.(2017), Hassan et al. (2017), Uddin et al. (2017) e Schopferet al. (2018) hanno condotto diverse simulazioni e analisidi sensitività al fine di studiare come i parametri di incer-tezza relativi agli aspetti tecnici (es. le condizioni climatiche,l’irraggiamento solare, la curva di domanda di energia elet-trica) influenzino la profittabilità degli investimenti nelleFER e in batterie per l’accumulo di energia. Da queste analisiemerge come tali fattori influenzino fortemente le quotedi autoconsumo e, conseguentemente, la redditività del-l’investimento stesso. Secondo Cucchiella et al. (2016) è

necessario un aumento della quota di autoconsumo dialmeno il 31%-42% affinché un investimento in un impian-to PV accoppiato ad una batteria sia economicamenteconveniente. Le analisi di Schopfer et al. (2018) confer-mano questi risultati e sottolineano l’importanza di tenerein considerazione i profili di carico delle famiglie quandosi analizzano le opportunità di aumentare la quota di auto-consumo, al fine di ottimizzare le dimensioni dell’inve-stimento.

Per quanto riguarda la redditività degli investimenti in pic-coli impianti di produzione da FER accoppiati a sistemi distoccaggio, i risultati di alcuni studi di letteratura risultanocontroversi. Dopo aver studiato la dimensione ottimale diuna batteria associata ad un impianto PV di tipo residenzialeattraverso l’implementazione di un modello OP e di unaACB, Naumann et al. (2015), Cucchiella et al. (2016), Hassanet al. (2017) e Uddin et al. (2017) hanno sottolineato comegli elevati costi delle batterie rappresentino ancora un’im-portante barriera alla loro implementazione. Affinché gliinvestimenti risultino essere economicamente vantaggiosi,secondo Naumann et al. (2015), Hassan et al. (2017) e Schop-fer et al. (2018) i costi delle batterie, che attualmente varianotra i 1000 €/kWh e i 500 €/kWh, dovrebbero ridursi fino aessere pari a 450 €/kWh, 136 $/kWh e 250-500 €/kWh. Alcontrario, secondo Arik et al. (2017), Olaszi e Ladanyi (2017),Abbas et al. (2018) e Koskela et al. (2019) l’acquisto dellebatterie risulta già essere un investimento economicamenteinteressante per il settore residenziale, ma l’adozione dimisure di incentivazione (es. FIT, incentivi fiscali commi-surati ai costi di investimento) o di schemi di tariffazionereal-time, che riflettano cioè i costi di generazione dell’e-nergia elettrica, sono dei fattori chiave. Secondo Hoppmannet al. (2014), invece, tali incentivi sarebbero necessari solonel breve periodo, fino a quando i costi di investimentosaranno ancora relativamente elevati.

Inoltre, dall’analisi della letteratura emerge che gli agentipotrebbero decidere di adottare un sistema di stoccaggio,non solo per diminuire la quota di energia acquistata dallarete, ma anche per erogare una serie di servizi ancillari allarete, quali per esempio quelli relativi alla regolazione di fre-quenza o alla riserva di capacità, e sfruttare, così, lo spreadesistente tra il prezzo dell’energia all’ingrosso e il prezzo divendita finale (price arbitrage) al fine di incrementare ulte-riormente i propri benefici monetari netti. In tal senso, alcuniautori (Hoppmann et al., 2015; Arik et al., 2017; Hassan et al.,2017) suggeriscono che le future politiche di incentivazionedovrebbero puntare a promuovere schemi di tariffazionein grado di incrementare la redditività dei sistemi di accu-mulo, diminuendo il prezzo di vendita all’ingrosso e aumen-tando i prezzi di vendita finali o, in alternativa, favorendol’adozione di sistemi di prezzo real-time.

Secondo gran parte della letteratura analizzata, le misurefino ad ora promosse per incentivare gli investimenti nelleFER e nelle tecnologie SG risultano ancora oggi elementichiave per avere un investimento il cui VAN sia positivo. Irisparmi in termini di costi, che si possono ottenere attra-verso l’installazione di un sistema di accumulo associato

ad un impianto PV, non sono, infatti, ancora in grado dicontrobilanciare gli elevati costi di investimento e il VANdell’investimento è, pertanto, negativo.

Come accennato in precedenza, gli investimenti nelle FERe nelle SG sono caratterizzati da grande incertezza. Peraffrontare il problema dell’incertezza, analizzare diversetipologie di tariffazione e valutare scenari di investimentoalternativi, in letteratura sono state solitamente condottesimulazioni Monte Carlo, analisi di sensitività e analisi diregressione (Kienzle et al. 2011; Hoppmann et al., 2014;


Naumann et al., 2015; Cuchiella et al., 2016; Arik et al., 2017;Hassan et al., 2017; Uddin et al., 2017). In particolare, l’in-certezza che grava sui prezzi dell’energia elettrica è moltoelevata e, a sua volta, influenza in maniera significativa l’an-damento dei flussi di cassa, rendendo le decisioni di inve-stimento estremamente rischiose. Come evidenziato daLong et al. (2015), la capacità di aumentare la quota di auto-consumo può rappresentare uno strumento per diversifi-care e ridurre i rischi legati alle variazioni dei prezzi del-l’energia.

Tabella 1 - Quadro sinottico dei principali contributi analizzati

Segue Tabella 1 - Quadro sinottico dei principali contributi analizzati

Riferimenti Tecnologie FER e SG Metodo Incentivo Risultati principali

Kienzle et al.,2011

Nodo energeticocomposto da unimpianto di cogenera-zione di energia ter-mica ed elettrica e daun sistema di accumu-lo di calore; utilizzo dimeccanismi per lagestione delladomanda del tipoDemand-Side Mana-gement (DSM)

Modelli di ottimizzazio-ne (OP) per il dispaccia-mento dell’energia;simulazioni Monte Car-lo per il calcolo del prez-zo dell’energia; regoladel VAN per le valuta-zioni economiche

Sistema di tariffazio-ne real-time

Gli autori hanno proposto una meto-dologia in grado di studiare la flessi-bilità di diverse combinazioni diimpianto di cogenerazione, sistemadi accumulo e utilizzo del DSM e laloro capacità di ridurre i rischi di inve-stimento derivanti dalla volatilità deiprezzi dell’energia. Per migliorare l’accuratezza dell’ana-lisi, gli autori suggeriscono di consi-derare nel modello di valutazioneanche i costi relativi alle emissioni diCO2 e la relativa incertezza

Van de Ven etal., 2011

Sistema di accumulo(non meglio specifica-to)

Processo Markovianoper ottimizzare le opera-zioni e i cicli della batteriae minimizzare i costi alungo termine (approc-cio basato sull’attualizza-zione dei flussi di cassaattesi, DCF)

Sistema di tariffazioneTime-Of-Use (TOF)

Grazie all’utilizzo di schemi tariffariTOF legati al tempo di utilizzo dell’e-nergia elettrica, gli autori hanno dimo-strato che si possono ottenere deirisparmi sui costi dell’energia fino al40%. Batterie più grandi garantisconomaggiori risparmi, ma sono più costo-se

Hoppmann etal., 2014

Pannelli fotovoltaici insilicio cristallino,accoppiati con unabatteria al piombo

VAN e analisi di sensiti-vità per otto differentiscenari di variazioni diprezzo dell’energia elet-trica

Nessun incentivo Gli autori hanno valutato gli investi-menti in acquisto di batterie accop-piate ad impianti PV di tipo residen-ziale in Germania. Secondo le stime,tali investimenti sono convenienti giàa partire dal 2013. Gli incentivi riman-gono necessari solo a breve termine;nello scenario in cui i costi delle bat-terie si riducono, l’aumento della quo-ta di autoconsumo diventa il fattorechiave per garantire la redditività degliinvestimenti in FER

Lang et al., 2015 Impianti PV nel setto-re residenziale e com-merciale

Modelli OP per ottimiz-zare i flussi di energia;approccio basato sultasso interno di rendi-mento (TIR) per le valu-tazioni economiche

Nessun incentivo Gli autori hanno dimostrato che negliedifici, in cui è minore il disallinea-mento temporale tra la produzionefotovoltaica e la domanda di energia,si raggiungono quote di autoconsumopiù elevate. In molti stati dell’Europacentrale, la quota di autoconsumorelativo agli impianti fotovoltaici resi-denziali e il relativo risparmio sui costidi approvvigionamento dell’energia,rende l’investimento economicamen-te conveniente. Il TIR, così come le






quote di autoconsumo, risultano piùelevati per gli edifici di grandi dimen-sioni rispetto a quelli di piccoledimensioni

Naumann et al.,2015

Impianto PV accop-piato ad una batteriaal litio

Analisi dell’investimen-to tramite calcolo del-l’indice di redditività del capitale investito(Return On Investment)e del Levelized Cost ofElectricity (LCOE); simu-lazioni per valutare glieffetti delle variazionidel prezzo dell’energiae di diversi parametriche caratterizzano labatteria (es. durata, per-dita di efficienza)

Remunerazione del-l’energia prodotta dal-l’impianto PV immessain rete

I costi delle batterie devono scenderealmeno fino a 450 €/kWh per renderel’investimento economicamente van-taggioso. In tal senso, gli incentivirisultano fondamentali. Secondo gliautori la cosiddetta “battery-parity” sipotrebbe raggiungere nel 2018 inassenza di incentivi; per raggiungerela battery parity, i costi di investimentodevono, però, ridursi e le prestazionienergetiche della batteria migliorareulteriormente

Cucchiella et al.,2016


VAN e simulazioni suiparametri tecnici edeconomici dell’impianto(es. irraggiamento, dura-ta dell’impianto, quotadi autoconsumo, costidi investimento)

Nessun incentivo Secondo i risultati delle analisi, nel set-tore residenziale il punto di equilibrio(break-even point) per la redditivitàdegli investimenti nelle batterie è stret-tamente correlato alla capacità diaumentare la quota di autoconsumo.Tale quota deve essere almeno pari al31%, 35%, 38% e 42% per batterie da0,5, 1, 1,5 e 2 kWh per kW di potenzaPV installata, rispettivamente. Le bat-terie diventano vantaggiose quando lecurve di domanda e offerta consento-no un aumento significativo dell’auto-consumo. I sussidi risultano necessariaffinché gli investimenti vengano intra-presi

Arik, 2017 Impianto PV accop-piato ad una batteriaal litio

Calcolo del Life CycleCost (LCC) e del VAN;analisi di sensitività per determinare ladimensione ottimaledell’investimento, con-siderando la volatilitàdel prezzo dell’energiaed eventuali riduzionidei costi di investimen-to

Analisi comparativein presenza e in as-senza di incentivi (es.incentivi fiscali legatial costo d’investi-mento)

Secondo gli autori, quando vengonoerogati i sussidi, nell’arco di 10 anni ibenefici economici superano i costidi un impianto PV accoppiato o menoad una batteria. Grazie alla batteria, èpossibile raddoppiare la quota dienergia elettrica generata e auto-con-sumata (presupponendo che nonvenga immessa in rete) rispetto al casoin cui è presente il solo sistema PV.Quando si installa una batteria, i costidi investimento aumentano notevol-mente, ma nel lungo periodo la pos-sibilità di aumentare l’autoconsumoriduce i costi di utilizzo dell’impianto.Gli incentivi svolgono un ruolo impor-tante nel rendere profittevole l’inve-stimento

Hassan et al.,2017

Impianto PV accoppia-to ad una batteria (nonmeglio specificata)

Modello OP per mini-mizzare i costi; analisi disensitività per determi-

FIT Secondo gli autori, le batterie diven-tano economicamente vantaggiosequando il loro costo unitario si riduce





nare l’impatto di diffe-renti schemi tariffari;simulazioni per diffe-renti livelli irraggiamen-to

a 138 £/kWh. Le analisi rivelano chel’adozione di batterie sta diventanoun investimento interessante a causadella differenza tra il prezzo di venditafinale dell’energia e il prezzo applicatonelle tariffe FIT sia per gli impianti PVdi nuova installazione che per quelliesistenti

Lai e McCulloch,2017

Differenti tipologie disistemi di accumulo(es. batterie al litio, alsodio, allo zinco, alvanadio)

Analisi Costi-Benefici;calcolo di LCOE

Nessun incentivo Gli autori confrontano diverse tipo-logie di batterie e calcolano gli indiciLCOE e LCOD (Levelized Cost OfDelivery). I risultati rivelano che, stantei costi di investimento corrente, la bat-teria al vanadio presenta un LCOD piùbasso rispetto alla batteria agli ioni dilitio. Un altro importante risultato èche l’investimento in un sistema ibri-do PV accoppiato ad una batteria risul-ta più conveniente rispetto ad un inve-stimento sequenziale in un impiantoPV a cui viene successivamente accop-piata una batteria

Olaszi eLadanyi, 2017


Analisi multi-obiettivoper valutare la program-mazione dell’utilizzoottimale della batteria,minimizzando l’indiceLCOE e massimizzandoil TIR

Nessun incentivo Secondo le analisi effettuate, una pro-grammazione del ciclo di carico-sca-rico delle batterie che tenga in consi-derazione il prezzo dell’energia e ladomanda di energia del consumatoreè in grado di aumentare il TIR del31,3%, e portare ad un ulteriore rispar-mio in termini di costi pari all’8,5%

Uddin et al.,2017


ACB e analisi di sensiti-vità al variare delladimensione dell’impian-to, del prezzo dell’ener-gia e dell’invecchiamen-to delle batterie

FIT Secondo gli autori, per un impiantoPV di tipo residenziale nel Regno Uni-to l’adozione di una batteria non èeconomicamente conveniente. Dalleanalisi emerge la necessità di adottareun sistema di controllo e di gestioneche ottimizzi i flussi di energia in tem-po reale per aumentare la profittabilitàdell’investimento

Abbas et al.,2018

Diversi impianti diproduzione da FER(es. solare, eolico,ecc.), accoppiati asistemi di stoccaggio

Algoritmo genetico perminimizzare il LCC

Nessun incentivo Gli autori hanno analizzato la capacitàdei diversi impianti di ridurre le emis-sioni di CO2 in progetti di larga scala.I risultati suggeriscono un aumentodella produzione di energia rinnova-bile dal 13% al 39% in presenza disistema di stoccaggio, con un calo del-le emissioni di CO2 del 35,6%. Il ruolodei sistemi di stoccaggio si è rilevatodi grande importanza per migliorarei benefici dell’adozione delle FER

Schopfer et al.,2018


Modello OP per deter-minare la dimensioneottima dell’impianto,massimizzando il VAN;analisi di sensitività alvariare dei costi di inve-

Nessun incentivo Gli autori hanno dimostrato che, stan-te i costi di investimento correnti (PV:2000 €/kWp, batteria: 1000 €/kWh),anche in assenza di incentivi, per circail 40% delle famiglie l’investimento inun impianto PV risulterebbe econo-


2.4 Smart Community

Alla luce della review preliminare sopra descritta, è statoesteso l’approfondimento di cui sopra anche all’analisi deicontributi in cui fossero trattati i temi di ricerca legati allecosiddette “comunità intelligenti” (Smart Communities) eai nuovi mercati elettrici di tipo locale. Visti i cambiamentigenerati dalla diffusione delle fonti rinnovabili nella gestio-ne e nel funzionamento del sistema elettrico nazionale enel ruolo dei consumatori all’interno della stessa rete,nuove strutture per i mercati elettrici in cui i prosumeracquistano maggior potere e consapevolezza (Sousa et al.,2019) sono state recentemente analizzate in letteratura. Intal senso risulta, infatti, necessaria una struttura di tipo bot-tom-up e non più top-down. Basato su un approccio col-laborativo, il cosiddetto consumer-centric electricity market(Sousa et al., 2019) permette ai prosumer di gestire i propriprofili di generazione e consumo e di scambiare parte del-l’energia prodotta nel mercato. La principale differenzarispetto alle altre piattaforme di coordinamento (es.demand-response programs) consiste nel fatto che i pro-sumerhanno la possibilità di offrire attivamente servizi chealtri utenti hanno la possibilità di acquistare (Parag e Sova-cool, 2016), influenzando il mercato attraverso le loro pre-ferenze in maniera dinamica.

In letteratura sono state proposte e analizzate principal-mente due strategie implementabili per lo sviluppo di unmercato elettrico consumer-centric: i cosiddetti VirtualPower Plants (VVP), ossia centrali elettriche virtuali, e le


reti basate su scambi di energia Peer-to-Peer (P2P). Nei VVPla produzione di energia dalle diverse FER all’interno delsistema è coordinata a livello di centrale virtuale, al fine diottimizzare il funzionamento dell’intero sistema, aumentarela sicurezza della rete ed offrire servizi ancillari (es. riservedi capacità, regolazione di frequenza) alla rete principaleattraverso l’adozione di sistemi di tariffazione real-time odi altre misure di incentivazione economica in grado diinfluenzare le scelte di consumo e di produzione dei pro-sumer. Viceversa, le reti P2P consentono ai prosumer discambiarsi parte dell’energia prodotta in maniera direttae di competere quindi con i tradizionali fornitori di beni eservizi (Morstyn et al., 2018; D’Alpaos e Andreolli, 2020).

In base alle già citate linee guida PRISMA e alla luce deicontributi relativi all’analisi degli aspetti economici delleSmart Communities, sono stati selezionati 7 articoli, il cuiquadro di sintesi è illustrato in Tabella 2.

I 7 articoli sono stati individuati sulla base del numero dicitazioni e in ragione della presenza di almeno una delleseguenti parole chiave: “Virtual Power Plant”, “Communi-ties”, “Local Energy Market” o “Peer-to-Peer”. Nonostantei documenti selezionati riguardino progetti di scala diffe-rente (es. comunità di piccola o larga scala, micro-reti com-poste sia da prosumer sia da consumatori puri) per qualivengono analizzati diversi modelli di mercato e schemi diincentivazione (es. presenza di incentivi, possibilità di par-tecipare direttamente al mercato day-ahead o intraday), lefonti energetiche considerate sono esclusivamente il solaree l’eolico, accoppiati ad un sistema di stoccaggio che, nella

Segue Tabella 1- Quadro sinottico dei principali contributi analizzati


stimento; implemen-tazione di algoritmimachine-learning pervalutare gli effetti di dif-ferenti profili di caricodell’utente finale

micamente conveniente. Tale percen-tuale si riduce tuttavia allo 0,1% instal-lando anche la batteria. Nello scenariopiù ottimistico sui costi di investimen-to (PV: 1000 €/kWp, batteria: 250€/kWh), la percentuale delle famiglieche ritrae un beneficio monetario net-to dall’investimento in un impiantoPV accoppiato a una batteria aumentala 99,9%. In questo caso, il dimensio-namento ottimale del sistema prevedel’installazione di un impianto PV dipotenza media installata pari a 4,4 kWpe di una batteria avente una capacitàdi 9,6 kWh. Batterie di piccole dimen-sioni risultano essere più conve-nienti

Koskela et al.,2019


Modello OP per deter-minare la dimensioneottimale del sistema,minimizzando il LCC;calcolo del TIR

Nessun incentivo Gli autori sottolineano l’importanzadi determinare la dimensione ottimaledell’impianto PV sulla base delladimensione del sistema di stoccaggio.Visto che la redditività delle batterieè fortemente legata ai prezzi dell’e-nergia elettrica, l’introduzione diincentivi potrebbe portare ad unaaccelerazione degli investimenti

la maggior parte dei casi, consiste in batterie. I modelli diottimizzazione (OP) risultano essere quelli più frequente-mente adottati per l’analisi del valore e del potenziale eco-nomico degli scambi P2P e dell’adozione di sistemi di accu-mulo da parte di una comunità energetica. Attraverso unaminimizzazione dei costi energetici (Nguyen et al., 2018)o una massimizzazione dell’auto-sufficienza (Gonzalez-Romera et al., 2019), i modelli OP consentono di ottimizzarela produzione da FER e gli scambi P2P all’interno della comu-nità, soggetta sia a vincoli tecnologici, quali la capacità diproduzione e di stoccaggio, sia a vincoli economici, qualiad esempi il prezzo dell’energia elettrica (Loßner et al.,2017; Long et al., 2018; Zepter et al., 2019). Per quanto riguar-da il caso di un singolo prosumer, vale la pena evidenziarecome l’adozione di un sistema di controllo, in grado di otti-mizzare il funzionamento dell’intero impianto, diventi unpasso fondamentale per incrementare i benefici economicidell’intera comunità (Long et al., 2018; Luth et al., 2018; Vander Stelt et al., 2018; Zepter et al., 2019). Come evidenziatoanche nella sezione precedente, i giudizi sulla convenienzadegli investimenti in batterie risultano controversi. PerLong et al. (2018) e Van der Stelt et al. (2018), i costi dellebatterie si confermano essere un’importante barriera, percui affinché il VAN dell’investimento risulti positivo, ènecessario che i costi diminuiscano. In questo senso, l’a-dozione di misure incentivanti può favorire l’accelerazionedegli investimenti stessi. Per quanto riguarda gli scambiP2P, poiché i costi di transazione sono significativamenteinferiori rispetto ai costi delle batterie, questi ultimi sonostati ritenuti da gran parte dei contributi come efficaci solu-zioni in grado di ridurre non solo i costi energetici, maanche eventuali perdite e congestioni della rete (Long etal., 2018).Dall’analisi della letteratura emerge come la struttura delmercato sia un fattore determinante per la reddittività deimercati VVP o degli scambi P2P, in quanto le differenze tra

i prezzi di vendita e di acquisto dell’energia possono favo-rire consumi e scambi locali (Long et al., 2018; Luth et al.,2018; Zepter et al., 2019). Lo schema tariffario proposto daZepter et al. (2019) consente ai prosumerdi vendere l’ener-gia prodotta da FER ad altri peers ad un prezzo maggiorerispetto a quello del mercato all’ingrosso e, allo stesso tem-po, consente ai consumatori di acquistare l’energia elettricaall’interno del mercato locale ad un prezzo inferiore rispettoa quello pagato per l’acquisto dalla rete nazionale. In talmodo è possibile ottenere rilevanti riduzioni (fino al 59%)dei costi energetici per i singoli utenti e aumentare l’auto-sufficienza della comunità intera, in quanto solo il 21,4%della domanda totale verrebbe acquistata dalla rete (Zepteret al., 2019). Luth et al. (2018), seguendo un approccio ana-logo a quello proposto da Zepter et al. (2019), hanno ana-lizzato come i prezzi P2P all’interno di un mercato elettricolocale possano favorire gli scambi tra i peers, suggerendoche tale prezzo debba coincidere con la disponibilità apagare dei prosumer per un’unità aggiuntiva di energiaelettrica nell’ipotesi che non siano possibili scambi localio sistemi di stoccaggio. Gli scambi P2P permettono di fattodi scambiare quote di energia elettrica all’interno dellacomunità energetica, riducendo in questo modo i costilegati alla distribuzione e al trasporto dell’energia nellarete.Come è già stato evidenziato, anche nel caso dei mercatielettrici locali la volatilità del prezzo dell’energia è unadelle fonti di incertezza più rilevanti che grava sulle deci-sioni di investimento. Poiché il valore degli investimentiin Smart Communities dipende strettamente dal prezzodell’energia, l’incertezza ad esso legata viene analizzata etrattata nella maggior parte dei contributi attraverso simu-lazioni o analisi di sensitività, nelle quali il prezzo vieneconsiderato come una variabile stocastica e stimato attra-verso un’analisi delle serie storiche (Luth et al., 2018; Nguyenet al., 2018; Zepter et al., 2018).


Tabella 2 - Quadro sinottico dei principali contributi analizzati



Loßner et al.,2017

Unità di cogenerazio-ne; energia solare,eolica e idroelettrica;sistema di batterie edi accumulo termico

Modello di ottimizzazio-ne (OP) per stimare ibenefici economici diun VPP; analisi di scena-rio

FIT Dall’analisi dei risultati emerge cheil modello VPP genera maggiori pro-fitti rispetto ad un modello in cui leFER producano in maniera indipen-dente le une dalle altre. Nel 2030 iricavi ottenuti attraverso la creazionedi un VPP potrebbero incrementaredall’11% al 30%. Grazie alla loro fles-sibilità operativa nei confronti divariazioni del prezzo dell’energia odella domanda di capacità di riserva,i sistemi di accumulo, gli impianti abiometano e le unità di cogenerazio-ne potrebbero generare ulteriori esignificativi benefici netti se inseritiin un contesto VPP






Luth et al., 2018 Impianto PV accop-piato con una turbinaeolica di piccola tagliae due diverse tipolo-gie di batterie

Modello OP per ottimiz-zare gli scambi P2Pall’interno di una picco-la comunità energetica;analisi delle serie stori-che dei prezzi dell’ener-gia; NPV per determina-re la profittabilità dell’in-vestimento

Nessun incentivo Gli autori propongono un modelloOP per determinare il valore dello sto-rage nell’ambito di una comunitàenergetica e analizzarne la strutturadi mercato (mercato P2P). Sono stateprese in considerazione due diverseconfigurazioni per il sistema di accu-mulo: la prima in cui gli utenti finalipossiedono una propria batteria; laseconda, invece, in cui gli utenti con-dividono la stessa batteria. I risultatidimostrano che la possibilità di scam-bi P2P e l’utilizzo di sistemi di accu-mulo portano ad una riduzione deicosti energetici fino al 31% nella primaconfigurazione e fino al 24% nellaseconda. Oltre il 50% di questi bene-fici deriva da scambi P2P effettuati nel-la comunità

Gonzalez-Romera et al.,2019

Impianto PV accop-piato con un sistemadi accumulo

Processo di ottimizza-zione per individuare ilfunzionamento ottimaledella batteria attraversol’implementazione di un algoritmo geneticobasato su due differentiapprocci: minimizzazio-ne dei costi e minimiz-zazione degli squilibritra domanda e offerta dienergia

Nessun incentivo Il metodo proposto è stato implemen-tato al caso di una comunità compostada due prosumer. Come in Luth et al.(2018), gli autori hanno confrontato ilfunzionamento ottimale della una bat-teria in due diverse configurazioni:individuale e comunitaria. Dai risultatiemerge che l’utilizzo di batteria con-divisa tra i due utenti genera un mag-gior numero di scambi P2P all’internodella comunità e quindi maggioribenefici economici. Inoltre, l’imple-mentazione di un processo di ottimiz-zazione, basato sulla minimizzazionedegli squilibri tra domanda e produ-zione di energia, porta ad otteneremaggiori benefici economici, maggio-re efficienza energetica e minori per-dite nella distribuzione

Long et al., 2018 Impianto PV accop-piato con una batteria

Modello di controllo adue fasi per gestire gliscambi P2P all’interno diuna micro-rete (100utenti); simulazioni perbatterie di differentidimensioni e per diversilivelli di partecipazionenel mercato locale daparte degli utenti

FIT Secondo gli autori, lo sviluppo di unmercato P2P, rispetto ad un tradizio-nale mercato peer-to-grid, consentedi ridurre i costi energetici dellacomunità del 30%. I singoli prosumerpossono ottenere riduzioni in bollettafino al 12,4%. Dalle analisi emergecome gli scambi P2P abbiano unimpatto sull’aumento dell’autocon-sumo e dell’autosufficienza simile aquello ottenuto con l’utilizzo di bat-terie, ma necessitano di costi di inve-stimento decisamente inferiori. Stantei prezzi di mercato delle batterie, infat-ti, l’investimento non risulterebbeancora economicamente convenien-te. Per ottenere un VAN positivo, icosti dovrebbero ridursi almeno finoad 182 £/kWh




Nguyen et al.,2018

Impianto PV accop-piato con due specifi-che batterie

Modello OP di pro-grammazione lineare avariabili integrali (MixedInteger Linear Program-ming) per ottimizzare ledecisioni operative diuna comunità compostada 500 utenti, che ope-rano in un mercato loca-le P2P; analisi di sensiti-vità per differenti im-pianti PV, differenti sche-mi di incentivazione, dif-ferenti livelli di parteci-pazione al mercato daparte degli utenti

FIT Per i prosumer dotati di grandi impian-ti fotovoltaici accoppiati a batterie, irisultati mostrano che le riduzioni deicosti energetici possono raggiungereil 28%. Dalle analisi di sensitività emer-ge che, quando il livello di partecipa-zione è elevato, i risparmi si riduconoa causa dell’eccessiva quota di energiascambiata nel mercato P2P. Gli utentiche non hanno un impianto PV, masolo un sistema di accumulo ottengo-no risparmi inferiori rispetto a coloroche non sono dotati di nessun impian-to di produzione da FER

Van der Stelt etal., 2018

Impianto PV accop-piato con una batteria

Modello OP di pro-grammazione lineare avariabili integrali perminimizzare i costienergetici; calcolo diLCOE e Payback Periodper valutare la conve-nienza dell’investimen-to; analisi di sensitivitàper differenti costi diinvestimento

Schema di tariffazio-ne dinamica

Gli autori hanno confrontato i beneficieconomici generati da sistemi di accu-mulo individuali con quelli generatida sistemi di accumulo condivisi. Inentrambe le configurazioni, ai costidi investimento correnti al momentodell’analisi, le batterie non risultereb-bero economicamente vantaggiose.Le analisi di sensitività dimostranocome il costo di investimento sia unfattore fondamentale per la positivavalutazione della fattibilità economicadei sistemi di accumulo, sia individualiche comunitari. I risultati dei calcolidell’LCOE mostrano infatti, come nes-suna tipologia di batteria risulti pro-fittevole. I risparmi energetici ottenuti,pari a una riduzione del 22-30% deicosti annuali, e l’aumento della quotadi autoconsumo del 23-29% dell’au-toconsumo non sono in grado dibilanciare i costi di investimento

Zepter et al.,2019

Impianti PV ed eoliciaccoppiati a batterie

Modello di ottimizzazio-ne stocastica in due fasiper minimizzare i costienergetici dell’interacomunità (10 utenti);NPV per valutare la con-venienza dell’investi-mento

Non uno schema diincentivazione FIT ditipo statico (tariffaunica), ma un incenti-vo legato al prezzodell’energia nel mer-cato spot. La comunitàpuò partecipare sia almercato day-aheadsia al mercato intraday

L’obiettivo del lavoro è valutare se losviluppo di un mercato P2P possaincrementare i benefici economicidella comunità, quando quest’ultimaha la possibilità di partecipare al mer-cato day-ahead e intraday. Gli autorihanno inoltre studiato il problema dicome le batterie possano incremen-tare la flessibilità della domanda dienergia all’interno della comunità. Dairisultati emerge come gli scambi P2P,insieme all’utilizzo di sistemi di accu-mulo, siano in grado di ridurre i costienergetici del 60% e allo stesso tempodi aumentare i livelli di autosufficien-za. Dalle analisi emerge, infine, che icosti di investimento non sono tali dadeterminare un VAN dell’investimen-to negativo


3. DISCUSSIONE DEI RISULTATI E FUTURISVILUPPI

Dall’analisi di letteratura emerge che la maggior partedei contributi analizza la convenienza degli investimentinelle FER e nelle tecnologie SG attraverso l’utilizzo delletradizionali tecniche di capital budgeting, basate sull’a-nalisi dei flussi di cassa scontati (es. VAN, TIR, LCC). Irisultati evidenziano come l’utilizzo degli impianti foto-voltaici sia ancora oggi in crescita, a dimostrazione delfatto che tali impianti rappresentano un’efficace soluzioneal problema di riduzione dei costi energetici. Gli investi-menti nel fotovoltaico si sono dimostrati, infatti, econo-micamente vantaggiosi a causa della rapida riduzione deicosti di investimento. Al contrario, i sistemi di stoccaggionecessitano ancora di misure incentivanti o di ulterioririduzioni nei costi di investimento, per risultare altrettantovantaggiosi. Nella maggior parte dei contributi analizzati,gli investimenti in sistemi di accumulo generano un VANnegativo che porta gli investitori a decidere di non inve-stire.Tuttavia, è importante sottolineare che le tecniche dicapital budgeting sopra citate introducono alcune impor-tanti assunzioni sull’investimento quali ad esempio lareversibilità e una visione statica, secondo una cosiddettaprospettiva now-or-never: l’opportunità di investimentose non viene intrapresa immediatamente viene persa persempre. Tali approcci si sono spesso dimostrati non adattiper affrontare problemi di valutazione complessi, in cuigli investimenti sono caratterizzati da incertezza e irre-versibilità. Gli investimenti in FER sono caratterizzatiinfatti da elevati costi irrecuperabili (sunk cost), che lirendono parzialmente o completamente irreversibili, egenerano flussi di cassa stocastici. Ciononostante, taliinvestimenti sono caratterizzati da una grande flessibilitàoperativa nei confronti sia della dimensione degli impiantisia sul timing dell’investimento. La flessibilità garantiscela possibilità di rivedere e modificare le proprie decisionidi investimento sulla base dell’evoluzione delle di con-dizioni di mercato e delle variabili decisionali incerte(Kroniger e Madlener, 2014; Moon, 2014), e genera oppor-tunità di investimento future che possono essere inter-pretate come delle opzioni su asset sottostanti non finan-ziari, ma reali (D’Alpaos et al., 2006; D’Alpaos, 2012; D’Al-paos, 2017). Le tradizionali tecniche di capital budgetingsolitamente ignorano il valore delle flessibilità operativa,che diventano invece elemento di fondamentale impor-tanza nei processi valutativi quando i flussi di cassa futurisono aleatori e caratterizzati da un’elevata volatilità (Mar-tinez Ceseña et al., 2013; Bigerna et al., 2016).Gli investimenti nelle FER e nelle tecnologie SG generanodelle flessibilità che sono riconducibili a quelle generatein termini di opzioni reali (es. possibilità di posticipare,di espandere, di abbandonare l’investimento) e che, seesercitate in modo ottimale dai prosumer, possono faraumentare il valore dell’investimento. Sulla base dell’e-voluzione temporale della domanda di energia, dellacapacità produttiva delle FER o delle condizioni di mercato

(che comunemente rappresentano variabili incerte), iprosumer possono decidere di investire immediatamenteo posticipare l’investimento in maniera tale da poteracquisire maggiori informazioni sull’evoluzione del mer-cato. Inoltre, la possibilità di essere connessi ad una SGe scambiare energia all’interno di un mercato localeaggiunge un’ulteriore flessibilità ai prosumer, che, graziealla possibilità di gestire in maniera strategica e ottimalele proprie curve di consumo e generazione, possonoridurre i costi energetici e mettere in atto una strategiadi copertura dei rischi di investimento (Bertolini et al.,2018).

Le tradizionali metodologie di valutazione non sono ingrado di valutare adeguatamente tale flessibilità (Santoset al., 2014; D’Alpaos, 2017). In altre parole, il valore dellaflessibilità generata dalle SG, dai sistemi di accumulo dienergia, dai mercati P2P può essere rilevante e le analisibasate sul VAN possono sottostimare il valore dell’inve-stimento, trascurando la flessibilità e non cogliendo ladimensione strategica dell’investimento stesso.

Conseguentemente, gli investimenti in FER e SG possonodiventare economicamente convenienti se valutati attra-verso un approccio dinamico, quale l’approccio delleopzioni reali (Real Options Approach) in grado di coglierepienamente la dimensione strategica degli investimentie di trattare adeguatamente l’incertezza (Dixit e Pindyck,1994; Trigeorgis, 1996; Venetsanos et al., 2002; Schachtere Mancarella, 2016).

In particolare, quando l’incertezza sui prezzi dell’energiao sulle quantità di energia prodotta risulta elevata, il valorefinale dell’investimento può essere determinato come lasomma del VAN (statico) e di un insieme di valori di opzio-ne. Il cosiddetto Valore Attuale Netto Esteso (ExtendedNet Present Value) tiene in considerazione la flessibilitàoperativa e l’adattabilità strategica dei progetti di inve-stimento rispetto ad eventi futuri incerti, i cui esistipotrebbero risultare molto diversi dalle aspettative iniziali(Trigeorgis, 1996).

In sintesi, dall’analisi di letteratura proposta nel presentelavoro emerge che i tradizionali approcci valutativi nonsono in grado né di stimare il valore della flessibilità checaratterizza gli investimenti nelle FER e nelle tecnologieSG, né di affrontare ed analizzare adeguatamente i pro-blemi legati alla stima del rischio degli investimenti eall’individuazione di eventuali misure di copertura delrischio. In altre parole, in questo campo di applicazioneemerge una mancanza di contributi in cui sia utilizzatol’approccio fondato sulle opzioni reali (Real OptionApproach), più adatto a internalizzare il valore delladimensione strategica degli investimenti e della flessibilitàdecisionale ad attendere nuove informazioni che con-sentano di ridurre il cono dell’incertezza e, conseguen-temente, i rischi (Trigeorgis, 1996). Nell’ambito proposto,quindi, la teoria delle opzioni reali (Real Option Theory)rappresenta un efficace e prezioso strumento di valuta-zione in grado di stimare adeguatamente il valore dellaflessibilità e delle opzioni operative insite nei progetti e


di individuare la strategia di investimento ottimale in con-dizioni di rischio ed incertezza.

4. CONCLUSIONI

Il presente lavoro propone una revisione sistematica dellaletteratura sugli approcci valutativi applicati nell’ambitodegli investimenti nelle FER e nelle tecnologie SG.

Da un’analisi preliminare della letteratura e dalle successivemeta-analisi, è emerso che diversi modelli di supporto alledecisioni e metodologie di valutazione sono stati fino adoggi sviluppati per studiare le soluzioni di investimentoottimali nell’ambito dell’integrazione nel mercato energe-tico delle FER. Tra questi, i metodi più frequentementeimplementati sono il LCC e l’ACB, i quali seguono l’approc-cio, di tipo statico, dei flussi di cassa scontati. In una primafase, si è pertanto focalizzata la review sui contributi in cuialmeno uno dei due metodi di valutazione sopra citati (LCCe ACB) fosse stato implementato. Degli 85 lavori individuatiin seguito ad una prima fase di filtraggio, ne sono stati sele-zionati 14 per la fase di reporting. I risultati ottenuti sonostati evidenziati in una tabella sinottica, nella quale sonoriassunti gli aspetti metodologici e descrittivi rilevanti diciascun prodotto della ricerca.

Tuttavia, le risultanze dell’analisi preliminare relative aicambiamenti nella pianificazione e gestione della rete gene-rati dall’integrazione delle FER, hanno portato ad estenderela review anche ai contributi che analizzassero il ruolo deiprosumer all’interno della rete e, più in generale, investi-gassero le opportunità e le modalità di sviluppo dei mercatiVPP e P2P. Per questo motivo, sono stati selezionati per lafase di reporting altri 7 articoli, i cui risultati sono stati sin-tetizzati in un secondo quadro sinottico.

Dall’analisi di questi ultimi contributi è emerso che l’ado-zione di batterie per l’accumulo di energia, nonché la crea-zione di mercati VPP, all’interno dei quale siano consentitiscambi P2P, sono riconosciute in letteratura come soluzioniefficaci, che consentono, da un lato, di aumentare il livellodi autosufficienza dei prosumer e il consumo e i costi diapprovvigionamento dell’energia e, dall’altro, di ridurre iproblemi di congestione della rete e i relativi costi di gestio-ne. In tal senso, i modelli OP, in combinazione con il calcolodel LCC e l’ACB, sono stati ampiamente utilizzati in lette-ratura per l’individuazione delle configurazioni dell’im-pianto costo-ottimali e per una programmazione più effi-ciente del sistema. L’integrazione di sistemi di accumuloe di impianti di produzione da FER comporta generalmentealti costi di investimento tali da far risultare convenientel’investimento solo in presenza di incentivi. Un aggiorna-mento del quadro normativo, così come l’implementazione

di schemi di incentivazione o di schemi tariffari “dinamici”,potrebbero contribuire ad aumentare in maniera signifi-cativa il valore degli investimenti, che subirebbero cosìun’accelerazione, favorendo l’eliminazione delle barrieree la penetrazione delle FER e delle tecnologie SG nei mer-cati. L’incertezza, che caratterizza la maggior parte dellevariabili decisionali in gioco (es. la produzione di energia,la curva di domanda, i costi di investimento, il prezzo del-l’energia) è risultata essere un fattore chiave per la correttaindividuazione della strategia e delle tempistiche di inve-stimento ottimali.I risultati delle analisi rivelano altresì un modesto interesseda parte della letteratura sia per lo studio delle flessibilitàoperative insite nei progetti di produzione di energia daFER e di implementazione di tecnologie SG, sia per la stimadei benefici economici ad essa correlati. Tali investimentivengono generalmente valutati secondo la regola delVAN, che ipotizza che l’investimento sia reversibile e chel’opportunità di investimento se non colta in un precisoistante, sia persa per sempre secondo una prospettiva deltipo now-or-never. Tuttavia, l’incertezza che caratterizzai progetti di cui sopra, può creare valore, qualora gli inve-stitori abbiano l’opportunità di rivedere la propria strategiadi investimento sulla base delle nuove informazioni chepossono essere acquisite, al trascorrere del tempo, sul-l’evoluzione del mercato. Le opzioni strategiche e ope-rative (es. l’option to defer, l’option to expand, l’optionto switch) insite negli investimenti in sistemi di accumuloo nelle tecnologie SG possono avere un valore, che puòdi fatto far aumentare in maniera significativa la profitta-bilità dell’investimento e che viene completamente igno-rato dalle tradizionali tecniche di capital budgeting. Unpossibile gap esistente in letteratura da colmare in futuroriguarda, quindi, la valutazione degli investimenti in chiavestrategica e dinamica, nonché della flessibilità operativache li caratterizza e che può, ad esempio, essere legataalla possibilità di decidere le dimensioni e il timing ottimalidell’investimento. Approcci valutativi quali quello delleopzioni reali, capace di stimare adeguatamente il valoredella flessibilità e che trova i propri fondamenti nella teoriadelle opzioni finanziarie, hanno dimostrato essere efficacimetodologie di valutazione in grado di affrontare e trattarein maniera corretta i rischi e le incertezze legate all’anda-mento dei prezzi dell’energia. Sulla base dei risultati pre-sentati in questo lavoro, risulta evidente che l’incertezzae, quindi, il rischio che contraddistinguono gli investimentiin FER e SG portano la maggior parte degli investitori pri-vati (es. singole famiglie) a non investire nelle fonti rin-novabili e rappresentano, così, una delle maggiori barrieread una più ampia penetrazione delle FER all’interno delmercato elettrico.


* Chiara D’Alpaos, Dipartimento Ingegneria Civile Edile ed Ambientale (ICEA), Università di Padova. e-mail: [email protected].

** Francesca Andreolli, Dipartimento Ingegneria Civile Edile ed Ambientale (ICEA), Università di Padova. e-mail:[email protected].


Bibliografia

ABASTANTE F., LAMI I. M., LOMBARDI P., TONIOLO J., District ener-gy choices: More than a monetary problem. A SDSSapproach to define urban energy scenarios, Valori e Valu-tazioni 22, 2019, pp. 109-120.ARABKOOHSAR A., MACHADO L., FARZANEH-GORD M., KOURY R.N. N., Thermo-economic analysis and sizing of a PV plantequipped with a compressed air energy storage system,Renewable Energy 83, 2015, pp. 491-509.ABBAS F., HABIB S., FENG D., YAN Z., Optimizing GenerationCapacities Incorporating Renewable Energy with StorageSystems Using Genetic Algorithms, Electronics 7 (7), 2018,p. 100.ABHINAV R., PINDORIYA N. M., Opportunities and key chal-lenges for wind energy trading with high penetration inIndian power market, Energy for Sustainable Development47, 2018, pp. 53-61.ALAMA M. R., ST-HILAIREA M., KUNZ T., Peer-to-peer energytrading among smart homes, Applied Energy 238, 2019, pp.1434-1443.ANDONI M., ROBU V., FLYNN D., ABRAM S., GEACH D., JENKINS

D., MCCALLUM P., PEACOCK A., Blockchain technology in theenergy sector: a systematic review of challenges and oppor-tunities, Renewable and Sustainable Energy Reviews 100,2019, pp. 143-174.ARIK A. D., Residential Battery Systems and the Best Timeto Invest A case study of Hawaii, Working Papers 2017-9,University of Hawaii Economic Research Organization.ARSALIS A., ALEXANDROU A. N., GEORGHIOU G. E., Thermoeco-nomic modeling of a completely autonomous, zero-emis-sion photovoltaic system with hydrogen storage for resi-dential applications, Renewable Energy 126, 2018, pp. 354-369.BAKERA T. E., EPINEY A. S., RABITI C., SHITTU E., Optimal sizingof flexible nuclear hybrid energy system components con-sidering wind volatility, Applied Energy 212, 2018, pp. 498-508.BAKKE I., FLETEN S., HAGFORS L. I., HAGSPIEL V., NORHEIM B., Inve-stment in electric energy storage under uncertainty: a realoptions approach, Computational Management Science13 (3), 2016, pp. 483-500.BERTOLINI M., D’ALPAOS C., MORETTO M., Do Smart Grids boostinvestments in domestic PV plants? Evidence from the Italianelectricity market, Energy 149, 2018, pp. 890-902.BIGERNA S., BOLLINO C. A., POLINORI P., Renewable Energy andMarket Power in the Italian Electricity Market, The EnergyJournal 37, 2016, pp. 123-144.BROWN C. R., Economic theories of the entrepreneur: A syste-matic review of the literature, School of Management, Cran-field University, 2007, pp. 1-84.BURGER S. P., LUKE M.,Business models for distributed energyresources: A review and empirical analysis, Energy Policy109, 2017, pp. 230-248.COMMISSIONE DELLA COMUNITÀ� EUROPEA, A Roadmap for mov-

ing to a competitive low carbon economy in 2050, Com-munication from the Commission, Brussels, Belgium, 2011.CUCCHIELLA F., D’ADAMO I., GASTALDI M., Photovoltaic energysystems with battery storage for residential areas: an eco-nomic analysis, Journal of Cleaner Production 131, 2016,pp. 460-474.D’ALPAOS C., DOSI C., MORETTO M., Concession Length andInvestment Timing Flexibility, Water Resources Research,42, W02404, 2006, doi:10.1029/2005WR004021.D’ALPAOS C., The Value of Flexibility to Switch betweenWater Supply Sources, Applied Mathematical Sciences6(125-128), 2012, pp. 6381-6401.D’ALPAOS C., Methodological approaches to the valuationof investments in biogas production plants: Incentives vs.Market prices in Italy, Valori e Valutazioni 19, 2017, pp. 53-64.D’ALPAOS C., BRAGOLUSI P.,Buildings energy retrofit valuationapproaches: state of the art and future perspectives, Valorie Valutazioni 20, 2018, pp. 79-94. D’ALPAOS C., ANDREOLLI F., Renewable energy communities:the challenge for new policy and regulatory frameworksdesign, In Bevilacqua C., Calabrò F., Della Spina L. (a curadi): New Metropolitan Perspectives - Knowledge Dynamics,Innovation-driven Policies Towards the Territories’ Attrac-tiveness, Proceedings in Smart Innovation, System andTechnologies (2190-3018), Springer, Vol. 2, 2020.DE FILIPPO A., LOMBARDI M., MILANO M., BORGHETTI A., RobustOptimization for Virtual Power Plants, Conference Procee-dings of the XVIth International Conference of the ItalianAssociation for Artificial Intelligence, Bari, Italy, November14-17, 2017.DELL’ANNA F., VERGERIO G., CORGNATI S., MONDINI G., A newprice list for retrofit intervention evaluation on somearchetypical buildings, Valori e Valutazioni 22, 2019, pp. 3-17.DIXIT A., PINDYCK R. S., Investment under Uncertainty, Prin-ceton University Press, Cambridge, MA, 1994.DOMI�NGUEZ-NAVARRO J. A., BAYOD-RU� JULA A. A., YUSTA-LOYO

J. M., BERNAL-AGUSTI�N J. L., DUFO-LO� PEZ R., ARTAL-SEVIL S., CORO-NADO-MENDOZA A., Local electrical market based on a mul-ti-agent system, IEEE 14th International Conference onNetworking, Sensing and Control (ICNSC), Calabria, Italy,May 16-18, 2017. DOWLING A. W., ZHENG T., ZAVALA V. M., Economic assessmentof concentrated solar power technologies: A review,Renewable and Sustainable Energy Reviews 72, 2017,pp.1019-1032.ELTAWIL M. A., ZHAO Z.,Grid-connected photovoltaic powersystems: Technical and potential problems - A review,Renewable and Sustainable Energy Reviews 14, 2010, pp.112-129.EMMANUEL M., RAYUDU R., Evolution of dispatchable photo-voltaic system integration with the electric power networkfor smart grid applications: A review, Renewable and Sustai-nable Energy Reviews 67, 2017, pp. 207-224.


EUROPEAN COMMISSION TASK FORCE FOR SMART GRIDS, Evaluationof Smart Grid projects within the Smart Grid Task ForceExpert Group 4 (EG4), Publications Office of the EuropeanUnion, Luxemburg, 2013.

EUROPEAN PARLIAMENT,Directive 2007/77/EC on Electricity Pro-duction from Renewable Energy Sources, Official Journalof the European Union, Brussels, Belgium, 2007.

EUROPEAN PARLIAMENT,Directive 2009/31/EC on the geologicalstorage of carbon dioxide and amending Council Directive85/337/EEC, European Parliament and Council Directives2000/60/EC, 2001/80/EC, 2004/35/EC, 2006/12/EC, 2008/1/ECand Regulation (EC) No 1013/2006, Official Journal of theEuropean Union, Brussels, Belgium, 2009.

EUROPEAN PARLIAMENT,Directive 2009/28/EC on the promotionof the use of energy from renewable sources and amendingand subsequently repealing Directives 2001/77/EC and2003/30/EC, Official Journal of the European Union, Brussels,Belgium, 2009.

EUROPEAN UNION (2012). Energy roadmap 2050.

https://ec.europa.eu/energy/sites/ener/files/documents/2012_energy_roadmap_2050_en_0.pdf last accessed on Novem-ber 30 2019.

EUROPEAN UNION (2014). 2030 Climate and Energy Framework.

https://ec.europa.eu/clima/policies/strategies/2030_en lastaccessed on November 30 2019.

EUROSTAT, Share of renewable energy in the EU up to 17.5%in 2017, Brussels, Belgium, 2019.

FERRUZZI G., CERVONE G., DELLE MONACHE L., GRADITI G., JACO-BONE F., Bidding strategy of a microgrid in the deregulatedelectricity market, Proceedings of the 1st International ACMSIGSPATIAL Workshop on Smart Cities and Urban Analytics,Bellevue, WA, USA, November 03-06, 2015.

FREGONARA E., CARBONARO C., PASQUARELLA O., LCC Analysisto evaluate the economic sustainability of technologicalscenarios on the district scale, Valori e Valutazioni 21, 2018,pp. 59-73.

FURUKAKOI M., HOWLADER H. O. R., SHIGENOBU R., SENJYU T.,Multi-Objective Optimal Operation for TransmissionSystems Considering Voltage Stability, International Journalof Emerging Electric Power Systems 18 (1), 2016, pp. 2194-5756.

GABBRIELLI R., ZAMMORI F., Potential for Cogeneration ThroughSolar Energy in the Tissue Industry: Technical and EconomicAspects, Journal of Solar Energy Engineering 134, 2012.

GLASZIOU P., IRWIG L., BAIN C., COLDITZ G., Systematic Reviewsin Health Care: A Practical Guide, Cambridge UniversityPress, New York, 2001.

GONZA� LEZ-ROMERA E., RUIZ-CORTE�S M., MILANE�S-MONTERO M.I., BARRERO-GONZA� LEZ F., ROMERO-CADAVAL E., LOPES R. A., MAR-TINS J.,Advantages of Minimizing Energy Exchange Insteadof Energy Cost in Prosumer Microgrids, Energies 12 (4), 2019,p. 719.

GROVER-SILVA E., HELENO M., MASHAYEKH S., CARDOSO G., GIRARD

R., KARINIOTAKI G., A stochastic optimal power flow for sche-

duling flexible resources in microgrids operation, AppliedEnergy 229, 2018, pp. 201-208.

GRUNEWALDA P., COCKERILLA T., CONTESTABILE M., PEARSON P.,The role of large scale storage in a GB low carbon energyfuture: Issues and policy challenges, Energy Policy 39, 2011,pp. 4807-4815.

HASSAN A. S., CIPCIGAN L., JENKINS N.,Optimal battery storageoperation for PV systems with tariff incentives, AppliedEnergy 203, 2017, pp. 422-441.

HOPPMANN J., VOLLAND J., SCHMIDT T.S., HOFFMANN V. H., TheEconomic Viability of Battery Storage for Residential SolarPhotovoltaic Systems - A Review and a Simulation Model,Renewable and Sustainable Energy Reviews 39, 2014, pp.1101-1118.

HUDSONA R., HEILSCHER G., PV Grid Integration - System Mana-gement Issues and Utility Concerns, Energy Procedia 25,2012, pp. 82-92.

INTERNATIONAL ENERGY AGENCY, Medium-Term RenewableEnergy Market Report: Market Analysis and Forecasts to2021, 2016.

IOANNOU A., ANGUS A., BRENNAN F., Risk-based methods forsustainable energy system planning: A review, Renewableand Sustainable Energy Reviews 74, 2017, pp. 602-615.

JAIN A., VU T., MEHTA R., MITTAL S. K., Optimizing the Costand Performance of Parabolic Trough Solar Plants with Ther-mal Energy Storage in India, Environmental Progress &Sustainable Energy 32 (3), 2013.

JUNG T.Y., KIM D., MOON J., LIM S., A Scenario Analysis ofSolar Photovoltaic Grid Parity in the Maldives: The Case ofMalahini Resort, Sustainability 10(11), 2018, p. 4045.

KIENZLE F., AHCIN P., ANDERSSON G., Valuing Investments inMulti-Energy Conversion, Storage, and Demand-Side Mana-gement Systems Under Uncertainty, IEEE Transactions OnSustainable Energy 2 (2), 2011.

KOLOKOTSA D., The role of smart grids in the building sector,Energy and Buildings 116, 2016, pp. 703-708.

KOSKELA J., RAUTIAINEN A., JA� RVENTAUSTA P., Using electricalenergy storage in residential buildings - Sizing of battery Tand photovoltaic panels based on electricity cost optimi-zation, Applied Energy 239, 2019, pp. 1175-1189.

KRONIGER D., MADLENER R., Hydrogen storage for wind parks:A real options evaluation for an optimal investment in moreflexibility, Applied Energy 136, 2014, pp. 931-946.

LAI L. S., MCCULLOCH M. D., Levelized cost of electricity forsolar photovoltaic and electrical energy storage, AppliedEnergy 190, 2017, pp. 191-203.

LANG T., AMMANN D., GIROD B., Profitability in absence ofsubsidies: A techno-economic analysis of rooftop photo-voltaic self-consumption in residential and commercialbuildings, Renewable Energy 87, 2016, pp. 77-87.

LEADBETTER J., SWAN L. G., Selection of battery technology tosupport grid-integrated renewable electricity, Journal ofPower Sources 216, 2012, pp. 376-386.

LIBERATI A., ALTMAN D. G., TETZLAFF J., MULROV C., GOTZSCHE P.



C, IOANNIDIS J. P. A., CLARKE M., DEVEREAUX P. J., KLEIJNEN J.,MOHER D., Prisma Statement per il reporting di revisionisistematiche e meta-analisi degli studi che valutano gli inter-venti sanitari: spiegazione ed elaborazione, Evidenze, 7 (6),2015.LIU N., CHENG M., YU X., ZHONG J., LEI J., Energy-Sharing Pro-vider for PV Prosumer Clusters: A Hybrid Approach UsingStochastic Programming and Stackelberg Game, IEEE Tran-sactions On Industrial Electronics 65 (8), 2018, pp. 6740-6750.LONGC., WU J., ZHOUY., JENKINSN., Peer-to-peer energy sharingthrough a two-stage aggregated battery control T in a com-munity Microgrid, Applied Energy 226, 2018, pp. 261-276. LONG C., ZHOU Y., WU J., A game theoretic approach for peerto peer energy trading, Energy Procedia 159, 2019, pp. 454-459.LOSSNER M., BO� TTGER D., BRUCKNER T., Economic assessmentof virtual power plants in the German energy market - Ascenario-based and model-supported analysis, Energy Eco-nomics 62, 2017, pp. 125-138.LU� TH A., ZEPTER J. M., DEL GRANADO P. C., EGGING R., Local elec-tricity market designs for peer-to-peer trading: The role ofbattery flexibility, Applied Energy 229, 2018, pp. 1233-1243.LUTHANDER R., WIDE�N J., NILSSON D., PALM J., Photovoltaic self-consumption in buildings: A review, Applied Energy 142,2015, pp. 80-94.MADLENER R., SPECHT J. M., Business Opportunities and theRegulatory Framework, Issues in Environmental Scienceand Technology, 2018.MARCHI B., ZANONI S., PASETTI M.,A techno- economic analysisof Li-ion battery energy storage systems in support of PVdistributed generation, XXI Summer School “FrancescoTurco” - Industrial Systems Engineering, 2016.MARIAUD A., ACHA S., EKINS-DAUKES N., SHAH N., MARKIDES C.N., Integrated optimization of photovoltaic and battery sto-rage systems for UK commercial buildings, Applied Energy199, 2017, pp. 466-478.MARTINEZ-CESENA E.A., MUTALE J., RIVAS-DAVALOS F., Realoptions theory applied to electricity generation projects: Areview, Renewable and Sustainable Energy Reviews 19, 2013,pp. 573-581.MATTHEY F., KAMIJOH T., TAKEDA K., ANDO S., NOMURA T., SHIBATA

T., HONZAWA A.,Cost-benefit analysis tool and control stra-tegy selection for lithium-ion battery energy storage system,2015 IEEE Power & Energy Society General Meeting, Denver,CO, USA, July 26-30, 2015.MORETTI M., DJOMO S. N., AZADI H., MAY K., DE VOS K., VAN

PASSEL S., WITTERS N.,A systematic review of environmentaland economic impacts of smart grids,Renewable and Sustai-nable Energy Reviews 68, 2017, pp. 888-898.MORSTYN T., FARRELL N., DARBY S. J., MCCULLOCH M. D., Usingpeer-to-peer energy-trading platforms to incentivize pro-sumers to form federated power plants, Nature Energy 3,2018, pp. 94-101.NAUMANN M., KARL R. C., TRUONG C.N., JOSSEN A., HESSE H. C.,

Lithium-ion battery cost analysis in PV-household applica-tion, Energy Procedia 73, 2015, pp. 37-47.

NGUYEN S., PENG W., SOKOLOWSKI P., ALAHAKOON D., YU X.,Optimizing rooftop photovoltaic distributed generationwith battery storage for peer-to-peer energy trading, AppliedEnergy 228, 2018, pp. 2567-2580.

OLASZI B. D., LADANYI J., Comparison of different dischargestrategies of grid-connected residential PV systems withenergy storage in perspective of optimal battery energy sto-rage system sizing, Renewable and Sustainable EnergyReviews 75, 2017, pp. 710-718.

PARAG Y., SOVACOOL B. K., Electricity market design for theprosumer era, Nature Energy 1, 2016.

RUHLANDT R. W. S., The governance of smart cities: A syste-matic literature review, Cities 81, 2018, pp. 1-23.

SABOORI H., HEMMATI R., GHIASI S. M. S., DEHGHAN S., Energystorage planning in electric power distribution networks –A state-of-the-art review, Renewable and Sustainable EnergyReviews 79, 2017, pp. 1108-1121.

SADATI S. M. S., JAHANI E., TAYLAN O., BAKER D. K., Sizing ofPhotovoltaic-Wind-Battery Hybrid System for a Mediterra-nean Island Community Based on Estimated and MeasuredMeteorological Data, Journal of Solar Energy Engineering140, 2018.

SANTOS L., SOARES I., MENDES C., FERREIRA P., Real Options ver-sus Traditional Methods to assess Renewable EnergyProjects, Renewable Energy 68, 2014, pp. 588-594.

SCHACHTER J. A., MANCARELLA P., A critical review of RealOptions thinking for valuing investment flexibility in SmartGrids and low carbon energy systems, Renewable andSustainable Energy Reviews 56, 2016, pp. 261-271.

SCHOPFERA S., TIEFENBECK V., STAAKE T., Economic assessmentof photovoltaic battery systems based on household loadprofiles, Applied Energy 223, 2018, pp. 229-248.

SOUSA T., SOARES T., PINSON P., MORET F., BAROCHE T., SORIN

E., Peer-to-peer and community-based markets: A com-prehensive review, Renewable and Sustainable EnergyReviews 104, 2019, pp. 367-378.

SPISTO A., VITIELLO S., Spatial and temporal power shiftingfrom flexible sources. An economic and environmentalassessment, 14th International Conference on the EuropeanEnergy Market (EEM), 2017.

TELARETTI E., IPPOLITO M., DUSONCHET L., A Simple OperatingStrategy of Small-Scale Battery Energy Storages for EnergyArbitrage under Dynamic Pricing Tariffs, Energies 9 (1), 2016.

TEZERA T., YAMAN R., YAMAN G., Evaluation of approaches usedfor optimization of stand-alone hybrid renewable energysystems, Renewable and Sustainable Energy Reviews 73,2017, pp. 840-853.

TRIGEORGIS L., Real Options-Managerial Flexibility and Stra-tegy in Resource Allocation, The MIT Press, Cambridge,MA, 1996.

UDDINA K., GOUGH R., RADCLIFFE J., MARCO J., JENNINGS P., Tech-no-economic analysis of the viability of residential photo-


voltaic systems using lithium-ion batteries for energy storagein the United Kingdom, Applied Energy 206, 2017, pp. 12-21.

VAN DER STELT S., ALSKAIF T., VAN SARK W., Techno-economicanalysis of household and community energy storage forresidential prosumers with smart appliances, Applied Energy209, 2018, pp. 266-276.

VENETSANOS K., ANGELOPOULOU P., TSOUTSOS T., Renewableenergy sources project appraisal under uncertainty: thecase of wind energy exploitation within a changing energymarket environment, Energy Policy 30, 2002, pp. 293-307.

VYTELINGUM P., RAMCHURN S. D., VOICE T. D., ROGERS A., JENNINGS

N. R., Trading Agents for the Smart Electricity Grid, Procee-dings of 9th International Conference on AutonomousAgents and Multiagent Systems (AAMAS 2010), Toronto,Canada, May 10-14, 2010, pp. 897-904.

WANG Z., NEGASH A., KIRSCHEN D. S., Optimal scheduling ofenergy storage under forecast uncertainties, IET Generation,Transmission & Distribution 11 (17), 2017, pp. 4220-4226.

XIA S., CHAN K. W., LUO X., BU S., DING Z., ZHOU B., Optimalsizing of energy storage system and its cost-benefit analysisfor power grid planning with intermittent wind generation,Renewable Energy 122, 2018, pp. 472-486.XIU X., LI B., Study on Energy Storage System InvestmentDecision Based on Real Option Theory, International Con-ference on Sustainable Power Generation and Supply(SUPERGEN 2012), Hangzhou, China, September 8-9, 2012.XU Z., GUAN X., JIA Q. S., WU J., WANG D., CHEN S.,PerformanceAnalysis and Comparison on Energy Storage Devices forSmart Building Energy Management, IEEE Transactions onSmart Grid 3 (4), 2012, pp. 2136-2147.ZEPTER J. M., LU� TH, DEL GRANADO P. C., EGGING R., Prosumerintegration in wholesale electricity markets: Synergies ofpeer-to-peer trade and residential storage, Energy & Buil-dings 184, 2019, pp. 163-176.ZHENG Y., JENKINS B. M., KORNBLUTH K., TRÆHOLT C., Optimi-zation under uncertainty of a biomass-integrated renewableenergy microgrid with energy storage, Renewable Energy123, 2018, pp. 204-217.
