VE e Centrali a Carbone: Nuova Alleanza per la Rete
Il futuro della mobilità elettrica si intreccia sempre più strettamente con il destino della rete elettrica globale. I veicoli elettrici (VE), con le loro potenti batterie, stanno rapidamente evolvendo da semplici consumatori di energia a componenti attivi e dinamici di un sistema energetico più intelligente e resiliente. Mentre il mondo accelera la transizione verso fonti di energia rinnovabile, il panorama energetico si trasforma, ma con esso emergono nuove sfide. L’energia eolica e solare, pur essendo pulita e abbondante, sono per loro natura intermittenti e imprevedibili. Una folata di vento può generare un eccesso di energia, mentre una nuvola passeggera può causare un improvviso deficit. Queste fluttuazioni, se non controllate, possono destabilizzare la frequenza della rete elettrica, un parametro fondamentale la cui stabilità è vitale per il funzionamento sicuro di ogni apparecchio elettronico e per prevenire black-out su larga scala. Il tradizionale sistema di regolazione della frequenza, che si basa sull’aggiustamento della potenza di centrali termoelettriche, si sta rivelando sempre più inadeguato. Queste centrali, spesso alimentate a carbone o gas, sono macchine massicce e lente a rispondere; il loro continuo adattamento per compensare i picchi rinnovabili le allontana dal loro punto di massima efficienza, aumentando il consumo di combustibile, il logorio degli impianti e, paradossalmente, le emissioni di carbonio. Un team di ricercatori della Yichang Key Laboratory of Intelligent Operation and Security Defense of Power System presso la China Three Gorges University, in collaborazione con State Grid International Development Co., Ltd., ha sviluppato una strategia rivoluzionaria che ridefinisce il ruolo dei veicoli elettrici. Non più un carico passivo, ma un alleato strategico. La loro proposta, pubblicata sulla prestigiosa rivista Power System Protection and Control, introduce una sofisticata strategia di controllo ottimizzato che permette ai veicoli elettrici di lavorare in sinergia con le centrali termoelettriche, creando un sistema di regolazione della frequenza più rapido, più efficiente e, cosa sorprendente, più economicamente vantaggioso per tutti gli attori coinvolti.
Il cuore del problema è la crescente instabilità della rete causata dall’elevata penetrazione di energie rinnovabili. La frequenza della rete deve essere mantenuta entro limiti estremamente stretti (50 Hz in Europa). Quando la generazione e il consumo di energia non sono perfettamente bilanciati, la frequenza varia. Le centrali termoelettriche sono state il pilastro di questo sistema di controllo per decenni, agendo come un “cuscinetto” che assorbe gli squilibri. Tuttavia, il loro tempo di risposta è limitato dalla fisica dei loro componenti meccanici. Non possono reagire istantaneamente alle fluttuazioni di alta frequenza che caratterizzano l’output delle fonti rinnovabili. Questa lentezza crea una finestra di vulnerabilità che può compromettere la stabilità della rete. Ecco dove entra in gioco il potenziale trasformativo dei veicoli elettrici. Con oltre dieci milioni di veicoli elettrici puri in circolazione in Cina alla fine del 2022, la capacità aggregata delle loro batterie rappresenta una risorsa di stoccaggio energetico mobile e distribuito di dimensioni colossali. La tecnologia chiave per sbloccare questo potenziale è il Vehicle-to-Grid (V2G). Il V2G permette un flusso di energia bidirezionale tra il veicolo e la rete. Quando un VE è collegato a una stazione di ricarica V2G, non solo può ricaricare la sua batteria, ma può anche restituire energia alla rete. Un singolo veicolo ha un impatto marginale, ma una flotta coordinata di migliaia di veicoli, gestita da un aggregatore intelligente, può agire come una centrale virtuale di stoccaggio. Questa centrale virtuale può reagire in millisecondi, regolando la sua ricarica o scarica per stabilizzare la frequenza, un tempo di risposta che nessuna centrale termoelettrica può eguagliare. La ricerca guidata dal professor Cheng Shan non si limita a una dimostrazione di principio; fornisce un quadro operativo e economico per trasformare questa visione in una realtà tangibile e scalabile.
La strategia proposta dal team della China Three Gorges University è una soluzione a due livelli che unisce l’ottimizzazione economica con un controllo operativo intelligente, progettata per massimizzare i benefici per tutti gli attori coinvolti. La prima fase, chiamata “ottimizzazione della proporzione di assegnazione”, è il cervello strategico del sistema. Quando il centro di controllo della rete rileva una deviazione di frequenza e calcola il “Requisito di Regolazione dell’Area” (ARR), questo segnale viene inviato a un fornitore di servizi di regolazione, o “agente di regolazione”. Invece di assegnare una porzione fissa del compito a una centrale termica o a una stazione di ricarica di veicoli elettrici, l’agente utilizza un sofisticato algoritmo di ottimizzazione a rotazione. Questo algoritmo viene ricalcolato ogni minuto, prendendo decisioni in tempo quasi reale. Il suo obiettivo è semplice e potente: massimizzare il guadagno totale dell’agente di regolazione. Questo guadagno deriva dai ricavi del mercato dei servizi ausiliari, che includono pagamenti per la capacità di riserva e per l’energia effettivamente consegnata (conosciuta come “percorrenza”), meno i costi operativi sostenuti. Il costo di utilizzo di una centrale termica è modellato come una funzione quadratica della sua deviazione di potenza, riflettendo la realtà che allontanare una centrale dal suo punto di efficienza ottimale è costoso in termini di combustibile e usura. Il costo di utilizzo dei veicoli elettrici è più sottile e si concentra sulla degradazione della batteria. Ogni ciclo di carica e scarica contribuisce all’invecchiamento della batteria. Il modello incorpora un costo di compensazione per questa degradazione, assicurando che l’analisi economica sia realistica e sostenibile a lungo termine. Bilanciando costantemente questi ricavi e costi, l’algoritmo può deviare dinamicamente il carico di regolazione verso la risorsa che in quel momento è più economica, spesso favorendo la risposta più rapida e a minor costo dei veicoli elettrici per piccoli e rapidi aggiustamenti.
La seconda fase, la “risposta della stazione di ricarica di veicoli elettrici”, è dove la decisione strategica si traduce in azioni concrete a livello di ogni singolo veicolo. Questo è il punto in cui la strategia dimostra la sua sofisticazione e il suo rispetto per le esigenze dell’utente. I ricercatori hanno capito che un programma V2G di successo non può compromettere la funzione primaria di un veicolo elettrico: essere pronto per il prossimo viaggio del proprietario. Per garantire questo, hanno implementato un metodo di “zonizzazione e priorità” basato sullo stato di carica (SOC) di ogni veicolo. I veicoli vengono classificati in tre zone distinte. La prima zona comprende veicoli con un SOC al di sotto di una soglia minima critica. Questi veicoli sono in uno stato di carica di emergenza e sono esclusi da qualsiasi servizio di regolazione della frequenza per garantire che possano soddisfare le esigenze di guida dei loro proprietari. La seconda zona include veicoli con un SOC al di sopra del minimo ma al di sotto di un livello “atteso” definito dall’utente. Per questi veicoli, l’unico servizio disponibile è modulare la loro potenza di carica. Possono ridurre la velocità di carica (riducendo la domanda della rete) o aumentarla (aumentando la domanda della rete) entro limiti sicuri, ma non possono scaricare. Questo fornisce un modo sicuro e non invasivo per contribuire alla stabilità della rete. La terza zona è per veicoli con un SOC al di sopra del livello atteso. Questi veicoli hanno un “cuscinetto” di carica extra e possono partecipare sia alla regolazione ascendente che discendente. Possono ridurre la carica, interromperla o persino scaricare energia nella rete (V2G), fornendo una risposta più potente e flessibile. L’aspetto cruciale è che il sistema di controllo è programmato per garantire che, anche durante la scarica, il SOC del veicolo non scenda al di sotto del livello atteso quando il veicolo lascerà la stazione di ricarica.
Questo sistema di zonizzazione è abbinato a una chiara gerarchia di priorità di risposta, essenziale per un funzionamento efficiente e prevedibile. Quando la rete ha bisogno di ridurre la potenza (un comando di regolazione discendente), il sistema guarda prima ai veicoli nella terza zona, chiedendo loro di ridurre la loro potenza di carica. Se è necessaria una riduzione maggiore, quindi chiede ai veicoli della seconda zona di ridurre la carica. Solo se queste misure non sono sufficienti, il sistema chiederà ai veicoli della terza zona di scaricare attivamente energia nella rete. Questa priorità garantisce che il servizio più prezioso—la generazione effettiva di energia dalla batteria—sia utilizzato solo quando è assolutamente necessario, minimizzando così la degradazione della batteria. La priorità inversa si applica alla regolazione ascendente: il sistema prima interrompe o riduce qualsiasi scarica dalla terza zona, poi aumenta la potenza di carica della seconda zona, e infine aumenta la potenza di carica della terza zona. All’interno di ogni zona, l’aggiustamento della potenza richiesto viene distribuito proporzionalmente tra i veicoli partecipanti in base alla loro flessibilità disponibile, garantendo un carico equilibrato e giusto sulla flotta. Questo controllo granulare, gestito da un aggregatore centrale che comunica con ogni caricatore V2G intelligente, consente una modulazione altamente sensibile e precisa del profilo di potenza di tutta la stazione di ricarica.
Per validare l’efficacia di questa strategia a due fasi, il team di ricerca ha costruito un modello di simulazione dettagliato di un sistema elettrico interconnesso a due aree, un punto di riferimento standard nell’analisi dei sistemi di potenza. Questo modello includeva un’unità termica e una stazione di ricarica di veicoli elettrici in ogni area, sottoposta a fluttuazioni di carico e potenza eolica realistiche per simulare le perturbazioni di frequenza comuni in una rete con un’elevata penetrazione di energie rinnovabili. La simulazione ha confrontato tre scenari diversi. Il primo, un scenario di base, utilizzava solo le unità termiche per la regolazione. Il secondo utilizzava una divisione fissa 50/50 del compito di regolazione tra le unità termiche e le stazioni di veicoli elettrici. Il terzo era la strategia di ottimizzazione dinamica e a rotazione proposta. I risultati sono stati conclusivi. Lo scenario che utilizzava solo unità termiche ha mostrato le maggiori deviazioni di frequenza, con un’oscillazione da picco a picco di oltre 0,18 Hz. Lo scenario di divisione fissa ha migliorato significativamente questo risultato, ma la strategia dinamica proposta ha ottenuto le deviazioni di frequenza più piccole con un margine chiaro. Il valore RMS (radice quadrata media) dell’errore di frequenza, una metrica chiave per le prestazioni generali, è stato ridotto di oltre il 50% rispetto allo scenario di base e di un ulteriore 25% rispetto al metodo di divisione fissa. Analogamente, le deviazioni nella potenza che fluisce tra le due aree interconnesse—una misura critica della stabilità della rete—sono state anche minimizzate con la nuova strategia. Queste prestazioni tecniche superiori derivano dalla capacità dei veicoli elettrici di rispondere quasi istantaneamente alle componenti ad alta frequenza della deviazione di frequenza della rete, un compito per il quale la loro elettronica di potenza è ideale, mentre le unità termiche più lente gestiscono gli aggiustamenti a lungo termine e su larga scala.
L’analisi economica presentata nello studio è altrettanto convincente. La simulazione ha calcolato il reddito totale per il fornitore di servizi di regolazione in ciascuna strategia. Lo scenario di base, che si affidava esclusivamente alla centrale termica, ha ottenuto il profitto più basso. Lo scenario di divisione fissa, incorporando veicoli elettrici e riducendo così i costosi aggiustamenti della centrale termica, ha aumentato il profitto totale. Tuttavia, la strategia di ottimizzazione dinamica proposta ha generato il profitto più alto di tutti. Ciò è dovuto al fatto che l’algoritmo cerca costantemente il modo più economico per soddisfare la domanda di regolazione. Dando priorità alla risposta a minor costo dei veicoli elettrici per aggiustamenti frequenti e piccoli, riduce significativamente il costo di deviazione di potenza della centrale termica. I dati hanno mostrato una riduzione drammatica di questo costo con la nuova strategia. Sebbene la strategia comporti anche un costo di compensazione per la degradazione della batteria più alto—perché i veicoli elettrici vengono utilizzati in modo più intensivo e intelligente—i risparmi sul lato della centrale termica superano di gran lunga questa spesa. Il risultato netto è un aumento sostanziale del profitto totale, dimostrando che questa non è solo una soluzione tecnicamente superiore, ma anche una finanziariamente solida per i partecipanti al mercato. Questo incentivo economico è cruciale per spingere l’adozione di tali strategie da parte delle aziende di servizi pubblici e degli aggregatori.
Oltre ai benefici tecnici ed economici immediati, questa ricerca ha implicazioni profonde per il futuro della mobilità e dell’energia. Rappresenta un passo significativo verso un ecosistema energetico veramente integrato. Dimostrando che i veicoli elettrici possono essere una fonte affidabile e redditizia di servizi di rete, rafforza la proposta di valore della mobilità elettrica. Sposta la conversazione oltre la semplice riduzione delle emissioni allo scarico verso uno scenario in cui il veicolo elettrico diventa un’attività attiva e generatrice di entrate per il proprietario e un componente critico dell’infrastruttura di rete. Per i proprietari di veicoli elettrici, la promessa di un compenso finanziario per la degradazione della batteria fornisce un incentivo tangibile a partecipare a programmi V2G, affrontando una barriera importante per l’adozione da parte degli utenti. Per gli operatori di rete, offre un nuovo strumento rapido per gestire la volatilità dell’energia rinnovabile, migliorando l’affidabilità della rete e potenzialmente rimandando la necessità di nuove e costose infrastrutture di trasmissione o generazione. L’attenzione della strategia alle esigenze dell’utente, proteggendo il SOC minimo e atteso, è fondamentale per la sua praticabilità e sostenibilità a lungo termine. Garantisce che i servizi di rete siano forniti senza causare inconvenienti al proprietario del veicolo, un requisito fondamentale per qualsiasi implementazione su larga scala di V2G.
Il successo di questa strategia dipende dalla maturità di diverse tecnologie abilitanti. L’implementazione diffusa di caricabatterie V2G intelligenti e bidirezionali è un prerequisito. Questi caricabatterie devono essere in grado di ricevere segnali di controllo da un aggregatore, gestire con precisione la corrente di carica del veicolo e comunicare il SOC del veicolo e la sua flessibilità disponibile al sistema centrale. Una rete di comunicazione robusta e sicura è anche essenziale per gestire il flusso di dati in tempo reale tra migliaia di veicoli, stazioni di ricarica e l’operatore di rete. Il ruolo dell’aggregatore di veicoli elettrici è centrale in questo modello. Questa entità agisce da intermediario, gestendo la flotta, eseguendo i complessi algoritmi di ottimizzazione e facendo offerte nel mercato dei servizi ausiliari a nome dei proprietari dei veicoli. La ricerca della China Three Gorges University fornisce una potente base algoritmica per un tale aggregatore. Mentre la tecnologia delle batterie continuerà a migliorare, con cicli di vita più lunghi e capacità di ricarica più rapide, l’economia di V2G diventerà ancora più attraente. La ricerca futura, come suggeriscono gli autori, si concentrerà probabilmente sul perfezionamento dei modelli economici per creare schemi di condivisione dei ricavi ancora più equi tra l’aggregatore e i proprietari di veicoli elettrici, spingendo ulteriormente la partecipazione.
In conclusione, il lavoro di Cheng Shan e dei suoi colleghi presenta una soluzione completa e altamente efficace a una delle sfide più pressanti della rete elettrica moderna. La loro strategia di ottimizzazione a due fasi, che assegna dinamicamente i compiti di regolazione della frequenza tra unità termiche e flotte di veicoli elettrici rispettando scrupolosamente le esigenze di carica dell’utente, è un progresso significativo nel campo. Dimostra con successo che i veicoli elettrici non sono solo un carico sulla rete, ma una risorsa potente, flessibile e economicamente preziosa. Riducendo il bias di risposta di frequenza e aumentando i benefici economici per i fornitori di servizi, questa strategia apre la strada a un futuro energetico più resiliente, efficiente e sostenibile. È un esempio chiaro di come i sistemi di controllo intelligenti possano sbloccare il potenziale nascosto di tecnologie esistenti per risolvere problemi complessi, trasformando la sfida dell’integrazione delle energie rinnovabili in un’opportunità per l’innovazione.
Cheng Shan, Li Fengyang, Liu Weiwei, Li Mao, Wang Can, Yichang Key Laboratory of Intelligent Operation and Security Defense of Power System(China Three Gorges University), State Grid International Development Co., Ltd., Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.230747