Reti Flessibili, Picchi Intelligenti: Come la Coordinazione Fonte-Carico-Accumulo Guida la Transizione Energetica Cinese
Le pale eoliche ruotano costanti nell’aria fredda e sottile del nord della Cina, mentre i pannelli solari catturano i primi deboli raggi. Nella sala controllo di un centro di dispacciamento regionale, gli ingegneri monitorano una mappa della rete in tempo reale, con curve di carico che oscillano come un respiro. Quello che un tempo era un precario esercizio di bilanciamento – adattare la produzione variabile delle rinnovabili alla generazione inflessibile del carbone – sta cambiando. Non con fragore, ma con precisione algoritmica: le unità termiche operano a carico profondo senza supporto di olio; le batterie assorbono l’eccesso di eolico a mezzanotte; centinaia di veicoli elettrici caricano all’unisono nelle ore fuori picco, guidati non da timer, ma da segnali di prezzo calibrati al secondo.
Non è futurismo speculativo. È la realtà in divenire della trasformazione del sistema elettrico cinese, il cui cuore batte in un nuovo approccio allo smussamento dei picchi: coordinato, consapevole del mercato e profondamente adattativo. Uno studio recente dell’Università Elettrica della Cina del Nord, guidato dal Professor Zhang Jinliang e dal ricercatore Hu Zeping, offre più di un miglioramento incrementale. Fornisce un quadro di ottimizzazione completo che tratta la rete non come un insieme di asset isolati, ma come un organismo integrato – dove generazione (fonte), domanda (carico) e accumulo (storage) agiscono di concerto, ciascuno rispondendo a segnali economici sfumati e vincoli fisici. Il risultato? Un sistema non solo capace di assorbire alte quote di rinnovabili, ma economicamente incentivato a farlo.
Facciamo un passo indietro. Lo smussamento dei picchi – la pratica di ridurre la differenza tra i massimi e i minimi della domanda elettrica – è stata a lungo trattata come un problema ingegneristico di forza bruta. In Cina, dove il carbone domina ancora la fornitura di base, la soluzione tradizionale significava ridurre (o aumentare) le unità a fossile per adeguarsi alle oscillazioni della domanda. Ma quando la penetrazione di eolico e solare ha superato il 30% in province chiave, quel modello si è incrinato. Il vento spesso soffia più forte di notte, quando la domanda è più bassa. Il sole di mezzogiorno inonda la rete proprio quando i carichi industriali calano. Il disallineamento non è occasionale – è strutturale. Senza flessibilità, la risposta era semplice: limitazione. Nel 2022, alcune regioni hanno visto la limitazione eolica superare il 10%, quella solare quasi il 5%. Energia pulita – pagata, costruita, in funzione – deliberatamente spenta. Sprecata.
Gli ingegneri sapevano che l’accumulo e le risorse dal lato della domanda erano promettenti, ma i primi dispiegamenti erano frammentati. Le batterie restavano inattive, in attesa di comandi di dispacciamento. Le flotte di veicoli elettrici caricavano in modo imprevedibile, a volte peggiorando i picchi serali. Gli schemi di compensazione erano rozzi – tariffe fisse per la partecipazione, a prescindere da quando o quanta flessibilità fosse fornita. L’anello mancante? Un modello unificato che potesse simultaneamente modellare l’incertezza, la reattività ai prezzi e gli incentivi multiparte.
È qui che il lavoro di Zhang e Hu fa da apripista. Il loro modello inizia con il realismo: eolico e solare non variano in modo indipendente. La copertura nuvolosa e i modelli eolici sono correlati – spesso inversamente. Utilizzando la stima della densità del nucleo e le funzioni copula di Frank, il team ha generato scenari congiunti realistici della produzione eolico-solare, molto più accurati che trattarli come variabili casuali separate. Non è una nuance accademica. Sopravvalutare la correlazione può portare a una sotto-provisione delle riserve; sottovalutarla invita all’instabilità. Il loro metodo cattura l’alternanza naturale – i giorni nuvolosi spesso significano venti più forti, le giornate serene e calme significano dominio solare – producendo piani di dispacciamento resilienti alla volatilità del mondo reale.
Ma l’incertezza è solo metà della battaglia. L’ostacolo più grande è il comportamento. Perché un proprietario di una centrale a carbone accetterebbe di funzionare al 35% della capacità – entrando nella costosa zona di “accensione dell’olio” – a meno che non sia adeguatamente ricompensato? Perché una fabbrica sposterebbe la sua linea di produzione, o un proprietario di un veicolo elettrico collegherebbe la presa alle 2 del mattino, senza un chiaro vantaggio finanziario?
Entra l’architettura dei prezzi del modello – un motore di incentivi a tre strati.
Primo, per le unità termiche: la compensazione non è piatta. È scalata, allineata allo stress operativo reale. Al 45-50% di carico? Ricompensa modesta. Scende al 40-45%? Maggiore. Spinta sotto il 35% – dove la fatica dei metalli e il consumo di olio schizzano? Il pagamento aumenta significativamente. Crucialmente, non è altruismo sovvenzionato. Il costo è condiviso da quelli che non forniscono flessibilità: parchi eolici, stazioni solari e unità a carbone convenzionali che funzionano ancora a pieno carico. L’onere si sposta dal fornitore flessibile al beneficiario inflessibile – un segnale di mercato vecchio come l’offerta e la domanda, ora applicato ai servizi di rete.
Secondo, per l’accumulo e i veicoli elettrici: i prezzi riflettono il costo marginale, non sussidi fissi. Poiché batterie e veicoli elettrici non subiscono stress termico, la loro compensazione è più bassa – ma è dinamica. Quando il carico netto precipita (alte rinnovabili, bassa domanda), la ricarica è premiata. Quando si profilano i picchi serali, la scarica guadagna tariffe premium. E criticalmente, solo la potenza di ricarica riceve la compensazione per lo smussamento dei picchi – la scarica viene regolata tramite i prezzi del mercato dell’energia. Ciò previene il doppio compenso e assicura che i pagamenti si allineino al valore reale della rete: riempire i vuoti, non solo spostare energia.
Terzo – e forse più innovativo – è il meccanismo di risposta alla domanda scalata per gli utenti finali. I classici programmi di DR offrono un $/kW piatto per la riduzione del carico. Ma il comportamento umano (e industriale) non è lineare. Un piccolo incentivo potrebbe ritardare uno scaldabagno; uno più grande potrebbe spostare la produzione di un intero turno. Il modello di Zhang e Hu introduce una compensazione a livelli: più profonda è la risposta, più alto è il premio marginale. Primi 10 MW ridotti? $X/MW. Successivi 10 MW? $X × 1.2. Oltre? $X × 1.5. Questo rispecchia l’economia reale: il “frutto a portata di mano” della flessibilità è economico; tagli più profondi richiedono più sforzo, investimento o cambiamento di processo – meritando rendimenti più alti.
La prova è nel dispacciamento.
I ricercatori hanno testato il loro modello su un sistema IEEE a 30 bus modificato – scalato per rappresentare una rete regionale cinese: cinque unità a carbone, 200 veicoli elettrici, 400 MW eolici, 150 MW solari e una batteria da 50 MW/100 MWh. Hanno eseguito cinque scenari, ciascuno aggiungendo un livello di sofisticazione:
- Linea di base: Eolico, solare, carbone – nessuna coordinazione. Risultato? 21,7% di limitazione eolica, 5,9% di perdita solare. Costo totale: 3,44 milioni di ¥/giorno.
- +Solo veicoli elettrici: La ricarica intelligente riduce leggermente la limitazione – ma senza prezzi, la partecipazione è disordinata. Risparmi: marginali.
- +Picco profondo del carbone: Ora le unità a carbone scendono in profondità. La limitazione eolica scende a 0,08% – virtualmente eliminata. Il costo totale cala del 22%. Ma le unità a carbone bruciano olio di notte, erodendo i margini.
- +Batteria: L’accumulo assorbe l’eolico di mezzanotte, si scarica alle 19. Le unità a carbone evitano completamente l’accensione dell’olio. Il costo del sistema scende di altri 0,2 milioni di ¥ e le fluttuazioni del carico netto si smussano visibilmente.
- +Risposta alla domanda scalata: Le fabbriche spostano i carichi; le case pre-riscaldano prima dei picchi di prezzo. La curva di carico si appiattisce ulteriormente. Costo finale: 2,6367 milioni di ¥/giorno – 23,4% in meno rispetto alla linea di base, con zero limitazione.
Quell’ultima cifra non riguarda solo il denaro. Riguarda la fattibilità. Su larga scala, tali risparmi rendono le reti ad alta penetrazione rinnovabile non solo ambientalmente desiderabili, ma economicamente inevitabili.
Ma i numeri raccontano solo parte della storia. Osservate i segnali di prezzo che il modello genera. Il prezzo offerto dall’Unità Termica 1 rimane moderato durante il giorno (40-60% di carico). Ma alle 22, con il calo della domanda e il picco del vento, scende al 33% di carico – entrando nell’accensione dell’olio. Il suo prezzo offerto schizza – non avidamente, ma riflessivamente: l’olio costa; il metallo si degrada. Nel frattempo, il prezzo della batteria è zero tutto il giorno – fino alle 23, quando inizia a caricarsi (guadagnando compensazione), poi salta alle 18 quando si scarica nel picco serale. I veicoli elettrici rispecchiano questo: silenziosi per la maggior parte delle ore, poi attivi durante le valli di prezzo. Non è un controllo dall’alto. È una coordinazione emergente – asset che votano con gli elettroni, guidati da un’economia trasparente.
Criticalmente, il modello applica vincoli di redditività. Nessun partecipante perde money. I parchi eolici pagano una piccola tariffa per i servizi di flessibilità, sì – ma il loro ricavo netto aumenta perché zero megawattora vengono sprecati. Le centrali a carbone guadagnano meno per MWh, ma funzionano più ore ed evitano costi di avviamento. Gli operatori di accumulo guadagnano ricavi ancillari senza cannibalizzare i margini energetici. I proprietari di veicoli elettrici ricevano micro-pagamenti che compensano i costi di ricarica – e estendono la vita della batteria evitando la ricarica alle tariffe di picco. Tutti vincono perché il sistema vince.
Tuttavia, permangono dubbi sulla scalabilità. Come funziona attraverso i confini provinciali, dove la proprietà della rete e le regole dei prezzi si frammentano? Il modello può gestire milioni di veicoli elettrici distribuiti, non solo 200? E cosa succede quando eolico e solare calano simultaneamente – un evento “dunkelflaute”?
Zhang e Hu riconoscono queste frontiere. Il loro quadro è progettato per la pianificazione del giorno prima – essenziale, ma non sufficiente per la volatilità in tempo reale. Il prossimo passo, accennato nella loro conclusione, è accoppiarlo con strati di controllo intragiornaliero e di generazione automatica (AGC). Anche vitale: l’adozione normativa. I mercati dei servizi ausiliari della Cina si stanno evolvendo, ma le regole di compensazione rimangono inconsistenti. Un lancio nazionale di prezzi scalati, riflettenti i costi – supportato da una condivisione trasparente dei costi – è un lavoro politico, non solo ingegneristico.
Eppure la direzione è chiara. La flessibilità non è più un centro di costo – è un flusso di valore. E gli asset un tempo visti come passivi (un veicolo elettrico parcheggiato, il refrigeratore inattivo di una fabbrica, un inverter solare sul tetto) stanno diventando partner attivi della rete. Come mi ha detto off-record un operatore di rete nella Mongolia Interna: “Una volta supplicavamo le unità di ridurre. Ora, con i giusti segnali, chiedono di scendere più in profondità – la compensazione copre il loro rischio. È un cambiamento culturale.”
Questa è la rivoluzione silenziosa in corso. Non con megaprogetti, ma con incentivi marginali. Non attraverso mandati, ma attraverso mercati che finalmente vedono la flessibilità – e la pagano equamente.
Tornando nella sala controllo, l’ingegnere regola un cursore. Un gruppo di veicoli elettrici inizia a caricare – non a causa di un comando, ma perché il segnale di prezzo è entrato in zona verde. Sullo schermo, la curva del carico netto si smussa, quasi impercettibilmente. Un’altra turbina rimane online. Un altro chilowattora di vento trova una casa.
Nessun fragore. Solo elettroni, economia ed equilibrio – finalmente, in armonia.
Autori: Zhang Jinliang, Hu Zeping
Affiliazione: Scuola di Economia e Management, Università Elettrica della Cina del Nord, Pechino 102206, Cina
Rivista: Power System Protection and Control
DOI: 10.12158/j.2096-3203.2024.04.002