Strategia di Offerta per Aggregatori di Veicoli Elettrici
Il panorama automobilistico globale è in rapida evoluzione, e al centro di questa trasformazione c’è il veicolo elettrico (VE). Oltre a rappresentare un balzo in avanti per la mobilità sostenibile, i milioni di VE in circolazione stanno emergendo come una delle risorse di stoccaggio energetico distribuito più significative del nostro tempo. Un nuovo studio, guidato dalla professoressa Hou Hui dell’Università di Tecnologia di Wuhan, svela un approccio rivoluzionario per sfruttare questo potenziale, proponendo una strategia di offerta per il mercato del giorno prima (day-ahead market) specificamente progettata per gli aggregatori di veicoli elettrici. La ricerca, pubblicata sulla prestigiosa rivista Journal of Global Energy Interconnection, non solo mira a stabilizzare la rete elettrica, ma traccia anche un percorso verso un modello di business sostenibile e redditizio per questo nuovo attore del mercato energetico.
Con oltre 18 milioni di veicoli elettrici registrati in Cina alla fine del 2023, la sfida non è più solo quella di fornire energia, ma di gestire questa massa critica di batterie mobili in modo intelligente. Il caricamento incontrollato di questi veicoli, specialmente durante le ore di punta, può creare picchi di domanda che mettono a dura prova la stabilità della rete, aumentando i costi operativi e il rischio di blackout. È qui che entra in gioco il concetto di “aggregatore”. Un aggregatore di veicoli elettrici funge da intermediario tra migliaia di proprietari di VE e il mercato elettrico. Il suo compito è coordinare i comportamenti di carica e scarica di una flotta di veicoli, trasformandoli da un potenziale problema in una soluzione dinamica per la rete.
La strategia proposta da Hou Hui, insieme ai colleghi He Ziyin e altri, va oltre le semplici soluzioni di caricamento intelligente. Introduce un modello sofisticato che quantifica con precisione il “potenziale di risposta alla domanda” (demand response potential) di un aggregatore. Questo concetto è fondamentale: si riferisce alla capacità di un aggregatore di modificare intenzionalmente il suo profilo di consumo energetico in risposta ai segnali del mercato, come i prezzi dell’elettricità. Immaginatelo come un’enorme batteria virtuale, in grado di assorbire energia quando è abbondante e a basso costo (ad esempio, durante la notte o quando il sole splende forte), e di rilasciarla di nuovo sulla rete quando la domanda è alta e i prezzi salgono, contribuendo così a “ridurre i picchi e riempire i vuoti” (peak reduction and valley filling), un obiettivo chiave per la gestione della rete moderna.
Il cuore della ricerca risiede in un approccio in due fasi, progettato per massimizzare l’efficacia e la redditività. La prima fase è la classificazione e la modellizzazione del comportamento degli utenti. Gli autori riconoscono che non tutti i proprietari di VE hanno gli stessi schemi di utilizzo. Alcuni ricaricano principalmente a casa durante la notte, altri usano stazioni di ricarica rapida durante il giorno, e altri ancora hanno orari più irregolari. Per affrontare questa complessità, il modello propone di raggruppare gli utenti in cluster basati su caratteristiche chiave come l’ora di arrivo al punto di ricarica, l’ora di partenza e lo stato di carica (SOC) della batteria al momento della connessione. Questa segmentazione, alimentata da dati storici, permette all’aggregatore di fare previsioni molto più accurate su quando e per quanto tempo ogni veicolo sarà disponibile per essere caricato o scaricato in modo programmato.
All’interno di ogni cluster, il modello simula le scelte di carica e scarica degli utenti, considerando fattori come la convenienza personale, il costo dell’elettricità e l’urgenza di dover utilizzare il veicolo. Questo approccio non tratta gli utenti come entità omogenee, ma incorpora un elemento di scelta casuale e di preferenza individuale, rendendo le previsioni molto più realistiche. Questa comprensione dettagliata del comportamento è fondamentale per calcolare con precisione il vero potenziale di risposta alla domanda dell’aggregatore. Una volta che questo potenziale è stato valutato, combinando i limiti di potenza massima della rete con l’intervallo di energia disponibile nelle batterie, il sistema passa alla seconda fase: la formulazione della strategia di offerta.
Questa fase è dove la teoria si trasforma in azione pratica. L’obiettivo principale dell’aggregatore è massimizzare il suo profitto netto nel mercato del giorno prima. Il modello di offerta calcola questo profitto come la differenza tra i ricavi ottenuti dai clienti per il servizio di ricarica e i costi sostenuti per l’acquisto di elettricità sul mercato all’ingrosso. Tuttavia, il mercato non è privo di rischi. Se il consumo reale dell’aggregatore si discosta significativamente dall’offerta presentata il giorno prima, potrebbero essere applicate penalità economiche. Per gestire questa incertezza, il modello utilizza un approccio basato su scenari. Considera non una singola previsione, ma una serie di scenari possibili per i prezzi dell’elettricità e per la disponibilità reale dei veicoli, ciascuno ponderato in base alla sua probabilità di verificarsi. Questo metodo probabilistico consente all’aggregatore di prendere decisioni più robuste e resilienti, minimizzando il rischio di perdite finanziarie.
L’ottimizzazione del problema, che consiste nel massimizzare il profitto netto atteso rispettando una serie di vincoli tecnici e operativi, è risolta utilizzando il potente solutore Gurobi. I vincoli sono essenziali per garantire la fattibilità del piano. Includono il limite di potenza totale che la rete locale può sostenere, la capacità delle batterie dei veicoli (per evitare sovraccarichi o scariche profonde), e il requisito fondamentale che ogni veicolo deve raggiungere uno stato di carica minimo prima di essere staccato, garantendo così la mobilità del proprietario. Il modello tiene conto anche dell’efficienza del processo di carica e della capacità di stoccaggio totale della flotta.
Per dimostrare l’efficacia della loro proposta, il team di ricerca ha condotto uno studio di caso basato su dati reali di una zona di Wuhan, nella provincia di Hubei, in Cina. La simulazione ha coinvolto 3.000 veicoli elettrici gestiti da due tipi diversi di aggregatori: uno specializzato in ricarica lenta (EVA1) e uno in ricarica rapida (EVA2). I risultati sono stati impressionanti. La strategia di offerta proposta ha raggiunto il suo obiettivo principale di “ridurre i picchi e riempire i vuoti”. Il carico disordinato dei veicoli, che normalmente genera picchi di domanda durante il tardo pomeriggio e la sera, è stato notevolmente livellato. La ricarica è stata spostata in modo intelligente verso le ore notturne, quando la domanda di elettricità è bassa e i prezzi sono più economici.
L’analisi economica ha rivelato che la strategia non è solo tecnicamente valida, ma anche commercialmente attraente. L’aggregatore di ricarica lenta (EVA1), che può sfruttare meglio le tariffe notturne basse, ha ottenuto un profitto netto di oltre 11.600 yuan. L’aggregatore di ricarica rapida (EVA2), che serve utenti con esigenze più urgenti durante le ore di punta, ha ottenuto un profitto di circa 7.300 yuan. Queste cifre dimostrano che il modello di business dell’aggregatore può essere redditizio, specialmente quando è supportato da una strategia di offerta intelligente che sfrutta le differenze di prezzo tra le diverse fasce orarie.
Un risultato interessante è stato la differenza nelle strategie di offerta tra i due aggregatori. EVA1, focalizzato sull’efficienza economica, ha presentato offerte più aggressive durante le ore di valle, acquistando grandi quantità di energia a prezzi bassi. EVA2, d’altra parte, si è concentrato maggiormente sulle ore di punta, riflettendo il suo modello di business basato sulla convenienza e sul servizio rapido, il che gli ha permesso di ottenere un margine di profitto diverso. Questo risultato illustra come diversi modelli di business possano coesistere e prosperare nello stesso mercato energetico, creando una concorrenza sana.
La rilevanza di questa ricerca va ben oltre i confini della Cina. In tutto il mondo, i paesi che stanno elettrificando le loro flotte di trasporto affrontano sfide simili di integrazione della rete. La strategia presentata da Hou Hui e dai suoi colleghi offre un quadro replicabile per gestire queste risorse distribuite in modo efficiente. Facilita l’integrazione delle energie rinnovabili, come l’energia solare ed eolica, la cui generazione è intermittente. I veicoli elettrici possono agire come un ammortizzatore, immagazzinando l’eccesso di energia solare durante il giorno e restituendola alla rete la sera, riducendo così la necessità di centrali elettriche di riserva basate su combustibili fossili.
Lo studio mette anche in evidenza il ruolo evolutivo degli aggregatori. Non sono più semplici fornitori di infrastrutture di ricarica, ma stanno diventando partecipanti attivi del mercato energetico. Agendo come intermediari tra milioni di utenti individuali e il sistema elettrico, hanno il potere di coordinare azioni su larga scala che beneficiano tutti: i consumatori, che possono pagare tariffe più basse; gli operatori della rete, che godono di una maggiore stabilità; e l’ambiente, riducendo le emissioni di carbonio.
Il modello è anche realistico nel considerare un mercato con più agenti. A differenza degli studi che assumono un unico aggregatore dominante, questa ricerca modella la competizione tra diversi partecipanti. Questo è cruciale per un mercato futuro sano, dove l’innovazione e la differenziazione dei servizi spingeranno lo sviluppo del settore.
Ovviamente, ci sono barriere per l’implementazione generalizzata di questo modello. La soglia di ingresso nel mercato è alta, richiedendo investimenti significativi in tecnologia, dati e operazioni. La fiducia del consumatore è un altro fattore chiave. I proprietari di veicoli devono essere disposti a cedere un certo controllo sul momento di ricarica dei loro veicoli in cambio di benefici economici. Gli autori suggeriscono che il successo dipenderà da piattaforme di aggregazione che offrano un valore chiaro all’utente, come tariffe ridotte, garanzie di disponibilità di ricarica o programmi di fedeltà, creando così uno scenario di beneficio reciproco.
In sintesi, la ricerca di Hou Hui, He Ziyin e dei loro collaboratori rappresenta un progresso significativo nell’integrazione della mobilità elettrica con i sistemi energetici del futuro. Fornendo un modello matematico rigoroso e validato con dati del mondo reale, hanno gettato le basi per un nuovo modello di business che trasforma le sfide dell’elettrificazione di massa in opportunità per un sistema energetico più intelligente, efficiente e sostenibile. Il loro lavoro non si limita a contribuire alla conoscenza accademica, ma offre una strada pratica per le aziende e le autorità di regolamentazione per sbloccare il vero potenziale dei veicoli elettrici come pilastri della rete elettrica intelligente.
Hou Hui, He Ziyin et al., Journal of Global Energy Interconnection, DOI: 10.19705/j.cnki.issn2096-5125.2024.02.011