Nuova strategia di regolazione della ricarica e scarica per veicoli elettrici: una svolta nella tecnologia V2G.
La rapida diffusione dei veicoli elettrici (VE) sta trasformando il panorama della mobilità sostenibile, ma pone anche serie sfide alla stabilità delle reti elettriche. A fine 2023, in Cina, il parco dei veicoli ad energia nuova ha superato i 20,41 milioni di unità, corrispondente al 6,07% del totale dei veicoli in circolazione, con i veicoli elettrici puri che rappresentano il 76,04% di questo numero. Tuttavia, la ricarica disordinata di un numero così elevato di VE causa aumenti del differenziale tra picchi e valli della domanda giornaliera, riduce il fattore di carico e compromette la sicurezza e l’affidabilità della rete. Una ricerca innovativa, pubblicata recentemente, presenta una strategia di ottimizzazione a due livelli che equilibra le esigenze della rete elettrica e dei consumatori, segnando un importante passo avanti nella tecnologia Vehicle-to-Grid (V2G), che consente ai VE di scambiare energia con la rete.
La ricerca affronta le limitazioni delle strategie attuali. Le tariffe orarie tradizionali, sebbene migliorino in parte gli effetti negativi della ricarica disordinata, tendono a creare nuovi picchi di domanda quando molti utenti si concentrano nelle stesse fasce orarie a prezzo basso. D’altra parte, le strategie di ottimizzazione multiobiettivo, che cercano di bilanciare i benefici per la rete e i risparmi per gli utenti, spesso falliscono perché i coefficienti di peso nella combinazione delle funzioni obiettivo sono difficili da determinare in modo ottimale, con il risultato che entrambe le parti non raggiungono gli obiettivi attesi. Inoltre, alcuni metodi utilizzano strumenti di risoluzione che non garantiscono sufficiente precisione quando si tratta di un numero elevato di VE.
Per superare questi problemi, il team di ricerca ha proposto una strategia di regolazione basata su un modello a due livelli, progettato per considerare appieno le esigenze sia della rete che degli utenti. Il primo livello si concentra sulla minimizzazione della varianza della carica giornaliera della rete, al fine di ridurre il differenziale tra picchi e valli e stabilizzare la curva di domanda. Il secondo livello, invece, si occupa di minimizzare i costi di ricarica per i proprietari dei VE e garantire che il livello di carica della batteria (SOC) soddisfi le loro esigenze di viaggio. Questi due livelli interagiscono tra loro: i risultati dell’ottimizzazione del secondo livello vengono retroazionati al primo, e il processo si ripete fino a raggiungere una soluzione finale ottimale.
Un altro elemento chiave della ricerca è l’uso di un algoritmo ibrido migliorato, che combina l’ottimizzazione per sciame di particelle (PSO) e il ricottimento simulato (SA). L’PSO è noto per la sua velocità nel convergere a soluzioni vicine all’ottimo, ma tende a rimanere bloccato in minimi locali. Il SA, invece, è efficace nel scappare da tali minimi, ma ha una velocità di convergenza più lenta. L’algoritmo PSO-SA migliorato integra i vantaggi di entrambi i metodi: inizia con l’PSO per ottenere rapidamente una soluzione approssimata, quindi utilizza il SA per perturbare e ottimizzare ulteriormente questa soluzione, evitando i minimi locali e cercando una soluzione globale migliore. Questo approccio ha dimostrato di essere più efficiente e preciso rispetto a ogni metodo utilizzato separatamente, specialmente quando si tratta di gestire la complessità della regolazione della ricarica e scarica di 1500 VE distribuiti in 96 intervalli di 15 minuti ogni giorno.
Per validare la strategia proposta, i ricercatori hanno condotto simulazioni utilizzando il software Matlab, basandosi su dati reali di una zona di Chongqing. I parametri utilizzati includono una capacità batterica di 35 kWh per ogni VE, un consumo medio di 20 kWh per 100 km, una potenza di ricarica di 7 kW e un’efficienza di ricarica del 90%. Le tariffe orarie per la ricarica e la scarica sono state basate sulle tariffe per i residenti di Chongqing, che prevedono: tariffe di picco (11:00-17:00 e 20:00-22:00) a 0,64 yuan/kWh, tariffe medie (8:00-11:00, 17:00-20:00 e 22:00-24:00) a 0,54 yuan/kWh e tariffe di valle (00:00-8:00) a 0,36 yuan/kWh. La metodologia di Monte Carlo è stata utilizzata per stimare le curve di carica totali per ogni periodo, basandosi sulle caratteristiche di viaggio dei VE, come la distanza giornaliera percorsa, l’ora di inizio e fine della ricarica e lo stato iniziale di carica della batteria.
I risultati delle simulazioni hanno dimostrato che la strategia a due livelli supera chiaramente le altre approche. Per quanto riguarda la rete elettrica, il differenziale tra picchi e valli della curva di domanda è stato ridotto del 48,24% rispetto alle tariffe orarie e del 28% rispetto alla strategia multiobiettivo. La varianza della carica giornaliera, che misura la volatilità della domanda, è stata ridotta del 51,6% rispetto alle tariffe orarie e del 19,75% rispetto alla strategia multiobiettivo, indicando una curva di carica molto più stabile. Inoltre, a differenza delle tariffe orarie, che causano nuovi picchi di domanda (ad esempio tra le 10:15 e le 3:00 del mattino), la strategia a due livelli evita questo problema, garantendo una distribuzione più uniforme della domanda nel tempo.
Dal punto di vista degli utenti, i vantaggi sono altrettanto significativi. I costi medi di ricarica per VE sono passati da 12,01 yuan con la ricarica disordinata a 9,97 yuan con la strategia multiobiettivo, e a 9,05 yuan con la strategia a due livelli, con un risparmio del 24,63% rispetto alla ricarica disordinata e del 9,18% rispetto alla strategia multiobiettivo. Questo risparmio considerevole non solo avvantaggia gli utenti individuali, ma aumenta anche la loro volontà di partecipare ai programmi V2G, fondamentale per l’adozione su larga scala di tali strategie. Inoltre, la strategia tiene conto del costo di degrado delle batterie dovuto ai cicli di ricarica e scarica, integrando questo fattore nei calcoli per garantire che i risparmi non siano compromessi da costi aggiuntivi legati alla diminuzione della durata delle batterie.
L’algoritmo ibrido PSO-SA migliorato ha giocato un ruolo cruciale nel successo della strategia. Nella comparazione con l’PSO standard e il SA, l’algoritmo ibrido ha dimostrato una maggiore efficienza e precisione: converge più velocemente del SA e raggiunge soluzioni migliori rispetto all’PSO, evitando i minimi locali. Questo è particolarmente importante quando si tratta di gestire un numero elevato di VE e di garantire che l’ottimizzazione sia both rapida and accurata.
La struttura di controllo della regolazione dei VE adottata nella ricerca include tre livelli: il livello di regolazione della rete di distribuzione, il livello di gestione della stazione di ricarica (livello di controllo) e il livello utente. Questi livelli comunicano tra loro in tempo reale attraverso una rete di comunicazione affidabile, permettendo una coordinazione efficace. Il centro di regolazione della rete di distribuzione elabora piani di regolazione ottimali, le stazioni di ricarica trasmettono informazioni sui veicoli da regolare e ricevono i piani di regolazione, e i dispositivi di ricarica intelligenti eseguono le operazioni di ricarica e scarica secondo le indicazioni ricevute.
In sintesi, la strategia di regolazione a due livelli proposta rappresenta una soluzione efficace per integrare un numero elevato di VE nella rete elettrica, migliorando la stabilità e l’efficienza della rete riducendo contemporaneamente i costi per gli utenti. Con l’aumento continuo del parco dei VE, questo tipo di innovazioni sarà fondamentale per garantire che la transizione alla mobilità elettrica sia sostenibile e vantaggiosa per tutti i soggetti coinvolti.
Questa ricerca è stata condotta da Ma Yongxiang, Wang Xixin, Yan Qunmin, Kong Zhizhan e Dan Wenguo, rispettivamenteaffiliati alla Facoltà di Ingegneria Elettrica dell’Università di Tecnologia di Shaanxi (Hanzhong), alla Società Elettrica della Provincia di Shaanxi (Xian) e all’Ufficio Elettrico di Ulanqab (Inner Mongolia). Il lavoro è stato pubblicato sulla rivista “Journal of Chongqing University of Technology (Natural Science)” nel volume 38, numero 2 del 2024, con DOI: 10.3969/j.issn.1674-8425(z).2024.02.029.