Comportamento di Ricarica Veicoli Elettrici Riconfigura Sistemi Energetici Industriali
La diffusione crescente dei veicoli elettrici sta trasformando non solo il settore dei trasporti, ma anche la gestione energetica dei parchi industriali. Uno studio innovativo esplora come ottimizzare il comportamento di ricarica e scarica dei vecolìcoli elettrici per migliorare l’efficienza energetica, ridurre i costi e aumentare la stabilità della rete. La ricerca, guidata da Federico Yemu, introduce un modello di pianificazione a due livelli che considera la volontà degli automobilisti di partecipare attivamente alla gestione energetica.
La proliferazione dei veicoli elettrici rappresenta una delle trasformazioni più significative nell’industria automobilistica degli ultimi decenni. I dati indicano che la Cina contava 13,1 milioni di veicoli elettrici su strada alla fine del 2022, supportati da 5,21 milioni di infrastrutture di ricarica. Le proiezioni suggeriscono che i numeri globali potrebbero raggiungere 220 milioni entro il 2030. Questa transizione verso l’elettrificazione, sebbene cruciale per la riduzione delle emissioni di carbonio, presenta nuove sfide per i sistemi energetici, specialmente in aree concentrate come i parchi industriali dove centinaia o migliaia di dipendenti potrebbero collegare i propri veicoli durante la giornata lavorativa.
La ricarica non controllata dei veicoli elettrici può portare a picchi significativi della domanda di elettricità, aggravando i problemi di carico di punta e aumentando lo stress sulla rete. Questo fenomeno, noto come “amplificazione del carico di punta”, può comportare costi energetici più elevati, un’affidabilità ridotta del sistema e la necessità di costosi aggiornamenti dell’infrastruttura. Per affrontare queste sfide, i ricercatori hanno esplorato modi per gestire la ricarica dei veicoli elettrici attraverso pianificazioni intelligenti, programmi di risposta alla domanda e tecnologie vehicle-to-grid (V2G) che consentono ai veicoli elettrici non solo di prelevare energia dalla rete ma anche di restituirla durante i periodi di alta domanda.
Lo studio di Federico Yemu e dei suoi colleghi offre un approccio sofisticato a questo problema sviluppando un modello completo che considera molteplici fattori che influenzano il comportamento del conducente. Al centro della loro metodologia c’è il concetto di “volontà di ricarica e scarica”, che riconosce come i proprietari di veicoli elettrici prendano decisioni basate su più del semplice bisogno immediato di alimentare i propri veicoli. Fattori come il prezzo dell’elettricità, lo stato di carica della batteria (SOC), il potenziale degrado della batteria a causa di cicli frequenti e gli incentivi finanziari per partecipare ai programmi V2G svolgono tutti un ruolo nel determinare se un conducente caricherà, scaricherà o non farà nulla in un dato momento.
Una delle innovazioni chiave di questa ricerca è l’uso di un meccanismo di prezzi dinamici in tempo reale che va oltre le tradizionali tariffe orarie. Mentre i convenzionali schemi di prezzi di punta e fuori punta dividono la giornata in ampi periodi con tariffe fisse, il modello di pricing dinamico proposto in questo studio adatta i prezzi dell’elettricità più frequentemente e in modo più reattivo in base alle condizioni effettive della rete. Nello specifico, il prezzo per il periodo successivo è determinato dal rapporto tra il carico attuale e il carico medio giornaliero, creando un ciclo di feedback che incoraggia lo spostamento del carico. Quando la domanda è alta rispetto alla media, i prezzi aumentano, scoraggiando la ricarica e incoraggiando la scarica. Al contrario, quando la domanda è bassa, i prezzi diminuiscono, incentivando l’attività di ricarica. Questo approccio mira a livellare le curve di carico e prevenire la formazione di nuovi picchi di ricarica che potrebbero minare i benefici della tariffazione basata sul tempo.
Tuttavia, i ricercatori riconoscono che i segnali di prezzo da soli sono insufficienti per ottenere risultati ottimali. Il degrado della batteria è una preoccupazione importante per i proprietari di veicoli elettrici, poiché ogni ciclo di carica-scarica contribuisce all’usura del pacco batteria, potenzialmente riducendone la durata e il valore di rivendita. Per affrontare questo problema, il modello incorpora un costo di compensazione della perdita della batteria che quantifica l’impatto finanziario del ciclaggio aggiuntivo dovuto alla partecipazione al V2G. Questo costo è considerato nel calcolo complessivo della volontà di ricarica e scarica, garantendo che i conducenti non siano penalizzati per contribuire alla stabilità della rete. Inoltre, il modello include un incentivo extra alla partecipazione, fissato al 30% del prezzo dell’elettricità, per incoraggiare ulteriormente l’adesione ai programmi V2G.
L’integrazione di questi vari fattori in un unico quadro consente una simulazione più realistica del comportamento del conducente. Ad esempio, un proprietario di un veicolo elettrico che arriva al lavoro con una batteria SOC al 40% potrebbe essere disposto a caricare se il prezzo è basso e non sono previsti viaggi immediati, ma non disposto a scaricare anche a un prezzo elevato se il livello della batteria è già al di sotto di una soglia confortevole. Allo stesso modo, un proprietario con una batteria quasi piena potrebbe essere più aperto alla scarica durante le ore di punta, specialmente se l’incentivo finanziario è attraente e il risarcimento per l’usura della batteria è adeguato.
Per rendere operativo questo complesso insieme di interazioni, i ricercatori impiegano una struttura di ottimizzazione a due strati. Lo strato esterno rappresenta la prospettiva del sistema energetico integrato del parco (PIES), che cerca di minimizzare il suo costo operativo totale. Ciò include le spese relative all’acquisto di elettricità, gas naturale ed energia termica da fonti esterne, nonché i costi di gestione e manutenzione di apparecchiature di generazione e accumulo in loco. Lo strato interno rappresenta il singolo utente del veicolo elettrico, il cui obiettivo è minimizzare i propri costi di ricarica personale. Questi due obiettivi non sono sempre allineati, poiché azioni che avvantaggiano il sistema (come la scarica durante le ore di punta) possono comportare un costo per l’individuo (in termini di usura della batteria o inconvenienti).
La genialità dell’approccio a due strati risiede nella sua capacità di riconciliare questi interessi contrastanti attraverso una tecnica matematica nota come condizioni di Karush-Kuhn-Tucker (KKT). Trasformando il problema di ottimizzazione interno (la minimizzazione dei costi dell’utente) in un insieme di vincoli per il problema esterno (la minimizzazione dei costi del sistema), i ricercatori possono risolvere l’intero sistema come un unico modello unificato. Ciò non solo semplifica il processo computazionale ma garantisce anche che la soluzione sia stabile e converga verso un punto ottimale in cui gli obiettivi sia del sistema che dell’utente sono soddisfatti il più possibile.
Per convalidare il loro modello, il team ha condotto una serie di simulazioni confrontando tre diversi scenari. Il primo scenario rappresenta un caso base di ricarica non coordinata, in cui i veicoli elettrici iniziano a caricare immediatamente all’arrivo nel parco e continuano fino a quando non sono completamente carichi, indipendentemente dal prezzo o dalle condizioni del sistema. Il secondo scenario utilizza un modello tradizionale di volontà di ricarica e scarica che considera solo prezzo e SOC, senza tener conto del risarcimento per la perdita della batteria o di incentivi aggiuntivi. Il terzo e ultimo scenario implementa il modello proposto completo con tutti i suoi componenti.
I risultati di queste simulazioni sono sorprendenti. Nello scenario di ricarica non coordinata, il carico dei veicoli elettrici raggiunge il picco di 12,9 MW tra le 7:00 e le 11:00, coincidendo con l’arrivo mattutino dei dipendenti e aumentando significativamente il carico elettrico totale sul sistema. Ciò crea un carico sostanziale sulla rete e costringe il PIES a fare maggiore affidamento su costosi acquisti di elettricità nel periodo di punta o sulla generazione in loco.
Al contrario, il modello tradizionale di volontà riduce il picco di ricarica mattutino del 73%, spostando gran parte del carico alle ore fuori punta quando l’elettricità è più economica e abbondante. Inoltre, consente ad alcuni veicoli elettrici di scaricare durante i periodi di punta, fornendo fino a 2,7 MW di potenza alla rete e contribuendo ad alleviare la pressione dell’offerta. Tuttavia, i risultati più impressionanti provengono dal modello proposto completo. Incorporando il risarcimento per la perdita della batteria e gli incentivi alla partecipazione, il modello raggiunge una flessibilità di carico ancora maggiore riducendo al contempo i costi sia per il sistema che per i singoli utenti.
Secondo i risultati dello studio, il costo operativo totale del PIES diminuisce dell’11,48% passando dalla ricarica non coordinata al modello tradizionale di volontà, e di un ulteriore 4,03% adottando il modello proposto completo. Allo stesso modo, il costo medio di ricarica per gli utenti di veicoli elettrici scende del 19,16% nel modello tradizionale e di un ulteriore 15,02% nel modello potenziato. Questi risparmi sono ottenuti attraverso una combinazione di acquisti energetici ridotti durante i periodi di punta, un aumento dell’utilizzo di fonti di energia rinnovabile come eolico e solare e un funzionamento più efficiente delle attività di generazione e accumulo in loco.
Le implicazioni di questa ricerca si estendono ben oltre i confini di un singolo parco industriale. Con l’adozione continua dei veicoli elettrici, i principi e le metodologie sviluppati in questo studio potrebbero essere applicati a un’ampia gamma di ambienti, inclusi complessi commerciali, comunità residenziali e reti di ricarica pubbliche. Il successo di tali applicazioni dipenderà da diversi fattori, tra cui la disponibilità di infrastrutture di ricarica intelligenti, la disponibilità di utility e operatori di rete a implementare schemi di prezzi dinamici e lo sviluppo di quadri normativi che supportino il V2G e altre iniziative di risposta alla domanda.
Dal punto di vista tecnologico, la diffusione su larga scala di queste strategie di ottimizzazione richiederà reti di comunicazione robuste, infrastrutture di misurazione avanzate e piattaforme software sofisticate in grado di elaborare grandi quantità di dati in tempo reale. I produttori di veicoli, i fornitori di apparecchiature di ricarica e le società di servizi energetici dovranno collaborare strettamente per garantire interoperabilità e sicurezza. Inoltre, l’educazione e il coinvolgimento dei consumatori saranno fondamentali, poiché l’efficacia di qualsiasi programma di risposta alla domanda dipende in ultima analisi dalla partecipazione e dalla cooperazione dei singoli proprietari di veicoli elettrici.
Lo studio evidenzia anche l’importanza di considerare l’elemento umano nella progettazione del sistema energetico. Gli approcci ingegneristici tradizionali spesso si concentrano sull’efficienza tecnica e la minimizzazione dei costi, a volte a scapito dell’esperienza e della soddisfazione dell’utente. Modellando esplicitamente la volontà di ricarica e scarica, questa ricerca riconosce che le persone non sono destinatari passivi dei servizi energetici ma partecipanti attivi nell’ecosistema energetico. Le loro decisioni, plasmate da fattori economici, sociali e psicologici, hanno un impatto profondo sulle prestazioni del sistema.
Questa prospettiva incentrata sull’uomo si allinea con le tendenze più ampie dello sviluppo sostenibile e della pianificazione delle smart city, che enfatizzano la necessità di soluzioni inclusive, eque e user-friendly. Sottolinea inoltre il valore della ricerca interdisciplinare, combinando intuizioni dall’ingegneria elettrica, dall’economia, dalle scienze comportamentali e dall’informatica per affrontare complessi problemi del mondo reale.
Guardando avanti, i ricercatori suggeriscono diverse direzioni per il lavoro futuro. Queste includono l’espansione del modello per tenere conto delle incertezze nella generazione di energia rinnovabile e nella previsione del carico, l’incorporazione di rappresentazioni più dettagliate dell’invecchiamento e della salute della batteria e l’esplorazione del potenziale per il trading di energia peer-to-peer tra proprietari di veicoli elettrici e altri prosumer. Inoltre, c’è la necessità di una convalida empirica del modello attraverso prove sul campo e progetti pilota che possano fornire dati reali sul comportamento del conducente e sulle prestazioni del sistema.
In conclusione, la ricerca di Federico Yemu e del suo team rappresenta un significativo passo avanti nell’integrazione dei veicoli elettrici nei moderni sistemi energetici. Sviluppando un modello completo che bilancia gli interessi sia degli operatori di sistema che dei singoli utenti, hanno dimostrato un percorso pratico verso una gestione energetica più efficiente, resiliente e sostenibile. Mentre il mondo continua la sua transizione verso un futuro a basse emissioni di carbonio, studi come questo giocheranno un ruolo vitale nell’assicurare che i benefici dell’elettrificazione siano realizzati non solo in termini di impatto ambientale, ma anche in termini di valore economico e benessere sociale.
Federico Yemu, Luciano Ganyun, Massimo Mingming, Giovanni Zhiying, Alessandro Haoyu, Paolo Guangyu, Scuola di Ingegneria Elettrica, Istituto di Tecnologia di Nanjing, Tecnologia di Ingegneria Elettrica, DOI: 10.12158/j.2096-3203.2024.02.015