Flessibilità e risparmio grazie ai cluster EV
L’industria automobilistica e quella energetica sono sempre più intrecciate, e un nuovo studio pubblicato sulla rivista Distribution & Energy dimostra come i veicoli elettrici (EV) stiano evolvendo da semplici mezzi di trasporto a risorse attive e strategiche per la gestione intelligente dell’energia. La ricerca, guidata da Yang Kang di State Grid Jiangsu Electric Power Co., Ltd., in collaborazione con esperti di Nanjing Nari Group Corporation e Nanjing University of Posts and Telecommunications, presenta un innovativo modello di ottimizzazione su più scale temporali che sfrutta i cluster di veicoli elettrici per aumentare la flessibilità operativa e migliorare l’economicità delle microreti elettriche.
L’obiettivo di una transizione energetica sostenibile ha portato a un’adozione massiccia di fonti rinnovabili come il solare e l’eolico. Tuttavia, la natura intermittente di queste energie pone sfide significative alla stabilità delle reti elettriche. Le microreti, sistemi elettrici locali in grado di operare in modo autonomo o in connessione con la rete principale, sono emerse come una soluzione promettente per gestire questa variabilità. Il problema, tuttavia, è che i sistemi di stoccaggio energetico tradizionali, come le batterie stazionarie, sono spesso costosi e limitati in termini di capacità. Il team di ricerca di Yang Kang ha affrontato questa sfida con una visione trasformativa: trasformare i milioni di veicoli elettrici parcheggiati in una gigantesca batteria virtuale distribuita.
Il cuore della ricerca è il concetto di Vehicle-to-Grid (V2G), ovvero il veicolo alla rete. Invece di vedere gli EV solo come consumatori di energia, il modello proposto li considera come unità di stoccaggio energetico distribuito che possono non solo caricarsi, ma anche restituire energia alla rete quando necessario. Questo approccio è particolarmente potente quando si considerano i veicoli non singolarmente, ma aggregati in “cluster”, come gruppi di auto parcheggiate in una stazione di ricarica. Questa aggregazione è fondamentale perché smussa l’imprevedibilità dei singoli comportamenti degli utenti, creando una risorsa collettiva e gestibile per la microrete.
Il modello sviluppato dai ricercatori cinesi si basa su un approccio di ottimizzazione su due scale temporali distinte: la pianificazione del giorno precedente (day-ahead scheduling) e l’ottimizzazione in tempo reale (intra-day optimization). La prima fase, la pianificazione del giorno precedente, avviene circa 24 ore prima. In questo stadio, il sistema analizza le previsioni di produzione di energia eolica e solare, insieme ai prezzi dell’elettricità che variano a seconda dell’orario del giorno – i cosiddetti tariffari orari. Sulla base di questi dati, il modello ottimizza il funzionamento di tutte le componenti controllabili della microrete. Ciò include i cicli di carica e scarica delle batterie stazionarie, la gestione intelligente dei carichi flessibili (ad esempio, lo spostamento del funzionamento di macchinari industriali in orari tariffari più vantaggiosi) e la potenza dei generatori diesel di riserva. L’obiettivo primario di questa prima fase è la minimizzazione dei costi operativi totali della microrete per il giorno successivo.
Tuttavia, questa pianificazione anticipata è solo una previsione. La realtà spesso è diversa: una nuvola improvvisa può ridurre drasticamente la produzione di energia solare, o un aumento inaspettato del consumo energetico può far schizzare la domanda. Per affrontare queste incertezze, entra in gioco la seconda fase del modello: l’ottimizzazione “intra-giorno”. Questa fase in tempo reale aggiusta continuamente il piano iniziale alle condizioni operative attuali. È proprio qui che i cluster di veicoli elettrici svolgono il loro ruolo decisivo.
In questa fase dinamica, i cluster di EV vengono attivamente integrati nella gestione energetica della microrete. Il sistema analizza in tempo reale quali veicoli sono collegati, quale livello di carica (State of Charge, SOC) hanno le loro batterie, quando i proprietari prevedono di ripartire e quanto sono disposti a partecipare al programma V2G. I ricercatori hanno sviluppato un modello probabilistico che calcola il tasso di risposta medio dei proprietari di veicoli elettrici in una determinata area. Questo permette al sistema di stimare con alta precisione la potenza di scarica effettivamente disponibile dai cluster.
Ad esempio, se un’improvvisa diminuzione dell’energia eolica provoca una carenza di elettricità nella microrete, il sistema può attivare immediatamente i veicoli elettrici disponibili per immettere energia nella rete. Questo compensa il deficit e impedisce che costosi e inquinanti generatori diesel debbano essere messi in funzione. Al contrario, quando un’intensa luce solare provoca una produzione in eccesso, il sistema può istruire i cluster di EV a caricare le loro batterie, evitando lo spreco di energia rinnovabile (curtailment) e aumentando l’efficienza complessiva del sistema. Questa capacità di reagire in pochi secondi alle fluttuazioni aumenta significativamente la flessibilità e la robustezza dell’intero sistema.
Un meccanismo di incentivo centrale per la partecipazione degli utenti è l’utilizzo dei tariffari orari. Il modello tiene conto dei prezzi reali dell’elettricità, che cambiano nel corso della giornata. Durante le ore di valle e piatte, quando l’elettricità è abbondante e a buon mercato, i veicoli sono incentivati a caricare. Durante le ore di punta, quando i prezzi sono elevati, i proprietari vengono ricompensati per permettere ai loro veicoli di immettere energia nella rete. Questo approccio basato sui prezzi allinea il comportamento individuale degli utenti con gli obiettivi generali della microrete – minimizzazione dei costi e stabilità della rete. È uno scenario classico di vittoria per tutti: i proprietari di veicoli riducono i loro costi di ricarica o addirittura guadagnano denaro, mentre la microrete funziona in modo più efficiente ed economico.
Per dimostrare l’efficacia del loro modello, i ricercatori hanno condotto uno studio di caso approfondito basato su dati operativi reali di una microrete urbana del 2023. La rete modello comprendeva impianti eolici e solari, generatori diesel, batterie stazionarie e quattro stazioni di ricarica per veicoli elettrici con un totale di 1.000 veicoli. I veicoli sono stati suddivisi in tre categorie: ricarica rapida (per brevi soste), ricarica lenta (per soste medie) e ricarica notturna (per la notte). Utilizzando la simulazione Monte Carlo, i ricercatori hanno analizzato 1.000 eventi di carica e scarica per valutare il potenziale gestibile dei cluster.
I risultati sono stati impressionanti. Rispetto a uno scenario senza partecipazione di veicoli elettrici, la microrete con cluster di EV integrati ha mostrato un’appiattimento del carico molto migliore, una riduzione significativa del picco di domanda e una quota più elevata di autoconsumo di energia rinnovabile. Il vantaggio economico è stato particolarmente evidente: i costi operativi totali della microrete sono diminuiti di circa il 7,7% rispetto a uno scenario con partecipazione di EV ma senza l’ottimizzazione su più scale. Rispetto a un funzionamento completamente non programmato (“no scheduling”), il risparmio ha raggiunto quasi il 13%. Questa riduzione dei costi è stata ottenuta grazie a minori acquisti di energia costosa durante i picchi dalla rete principale, minori ore di funzionamento dei generatori diesel e entrate aggiuntive dalla vendita di energia in eccesso alla rete principale.
Un fattore chiave per il successo di tali sistemi è l’accettazione da parte degli utenti finali. I ricercatori sottolineano fortemente che l’utilizzo della batteria del veicolo per il V2G non deve mai avvenire a scapito della mobilità del proprietario. Il modello tiene quindi in considerazione con cura gli orari individuali e le esigenze di mobilità. Un veicolo che deve partire alle 8 del mattino non verrà mai scaricato in modo tale da non avere la capacità necessaria per il viaggio di andata al lavoro. Questo approccio centrato sull’utente, che garantisce la sicurezza e l’affidabilità del veicolo, è fondamentale per guadagnare la fiducia degli utenti e favorire una partecipazione a lungo termine.
Lo studio sottolinea anche l’importanza della decisione basata sui dati nei moderni sistemi energetici. Utilizzando tecnologie di previsione avanzate come la decomposizione modale empirica (EMD), l’analisi delle componenti principali (PCA) e le reti neurali a lungo termine (LSTM), i ricercatori hanno ottenuto un’elevata precisione nella previsione della produzione di energia eolica e solare. Più accurate sono queste previsioni, più efficiente può essere la pianificazione anticipata, che costituisce la base per un’ottimizzazione in tempo reale di successo.
Dal punto di vista politico, i risultati evidenziano la necessità di creare quadri normativi che supportino l’integrazione V2G. Molti mercati elettrici e tariffe attuali non sono progettati per flussi di energia bidirezionali da risorse distribuite. Stabilire modelli di compensazione equi che ricompensino adeguatamente i proprietari di veicoli per i servizi di rete forniti – come la regolazione della frequenza, il supporto di tensione e l’appiattimento dei picchi – creerebbe incentivi più forti per la partecipazione. Inoltre, standardizzazione dei protocolli di comunicazione e rigorosi standard di sicurezza informatica saranno essenziali per garantire l’interoperabilità e proteggere i dati degli utenti.
Le implicazioni di questo lavoro vanno ben oltre i confini di una singola microrete. Con l’aumento rapido del parco di veicoli elettrici, la capacità di stoccaggio collettiva dei veicoli parcheggiati potrebbe svolgere un ruolo trasformativo nelle reti elettriche nazionali e regionali. Nelle aree urbane con un’alta penetrazione di EV, la gestione coordinata di milioni di veicoli potrebbe aiutare a bilanciare l’offerta e la domanda a livello di distribuzione, riducendo la necessità di centrali elettriche di punta centralizzate e migliorando l’efficienza complessiva della rete. In zone rurali o remote, le microreti integrate con EV potrebbero fornire un’energia affidabile e a basse emissioni di carbonio dove la connessione alla rete principale è difficile o costosa.
In conclusione, il lavoro di Yang Kang e del suo team rappresenta un passo significativo verso l’integrazione dei veicoli elettrici nei moderni sistemi energetici. Il loro quadro di ottimizzazione su più scale non solo dimostra la fattibilità tecnica ed economica, ma offre anche una strada praticabile per sfruttare appieno il potenziale dei veicoli elettrici come risorse attive di rete. Mostra che i veicoli elettrici non dovrebbero più essere visti solo come consumatori di elettricità, ma come parte integrante di un sistema energetico intelligente, flessibile e sostenibile del futuro.
Distribution & Energy, DOI: 10.16513/j.2096-2185.DE.2409303. Yang Kang, State Grid Jiangsu Electric Power Co., Ltd.; Shi Lushan, Grid Safety and Stability Control Technology Branch Company of Nanjing Nari Group Corporation; Zhou Hang, State Grid Jiangsu Electric Power Co., Ltd.; Wang Zhaoyang, Nanjing University of Posts and Telecommunications; Wang Bolun, State Grid Jiangsu Electric Power Co., Ltd.; Zhou Xia, Nanjing University of Posts and Telecommunications; Tang Hao, Grid Safety and Stability Control Technology Branch Company of Nanjing Nari Group Corporation.