Ottimizzazione congiunta per veicoli elettrici e fotovoltaico rurale
Uno studio innovativo pubblicato sulla rivista Northeast Electric Power Technology ha introdotto un quadro di pianificazione completo per le stazioni di ricarica dei veicoli elettrici (EV) e i sistemi fotovoltaici distribuiti nelle reti elettriche rurali. La ricerca, guidata da ZHANG Hui dell’Istituto di Ingegneria di Shenyang e della State Grid Chengde Power Supply Company, in collaborazione con WANG Cunxu e WANG Liang, offre una soluzione strategica a una delle sfide più pressanti nella transizione energetica della Cina: come espandere l’infrastruttura di ricarica per i veicoli elettrici nelle aree rurali mantenendo la stabilità della rete e l’efficienza economica.
Mentre la Cina spinge avanti con i suoi ambiziosi obiettivi “doppio carbonio”, mirando a raggiungere il picco delle emissioni di carbonio entro il 2030 e la neutralità del carbonio entro il 2060, l’elettrificazione dei trasporti è diventata una priorità nazionale. Sebbene le aree urbane abbiano assistito a un rapido dispiegamento delle reti di ricarica per veicoli elettrici, le regioni rurali sono rimaste indietro. Questa disparità non è solo una questione di convenienza; riflette sfide tecniche, economiche e infrastrutturali più profonde. Le reti elettriche rurali, tipicamente progettate per una bassa densità e un carico ridotto per usi agricoli e residenziali, non sono adatte a gestire l’aumento improvviso della domanda che un’ampia adozione di veicoli elettrici potrebbe portare. Inoltre, l’integrazione di fonti di energia rinnovabile come il solare sui tetti aggiunge un ulteriore livello di complessità a causa della loro natura intermittente.
Lo studio affronta direttamente queste sfide proponendo un modello di ottimizzazione a due livelli che considera simultaneamente la fattibilità economica e la sicurezza della rete. Al centro del modello c’è una profonda comprensione del comportamento degli utenti rurali, un fattore spesso trascurato negli approcci tradizionali centrati sulle città. Incorporando la teoria delle catene di viaggio, un metodo che mappa la sequenza e il momento dei viaggi quotidiani, i ricercatori sono stati in grado di simulare modelli di ricarica realistici per i veicoli elettrici in contesti rurali. A differenza degli abitanti delle città che spesso viaggiano durante le ore di punta mattutine e serali, i residenti rurali tendono a viaggiare più tardi al mattino e a tornare prima nel pomeriggio, principalmente per scopi come visitare la famiglia, partecipare ai mercati o svolgere attività agricole. Questo comportamento di viaggio distintivo influenza significativamente quando e dove si verifica la domanda di ricarica.
Per catturare la casualità e la variabilità intrinseca sia nell’uso dei veicoli elettrici che nella generazione solare, il team ha impiegato simulazioni Monte Carlo e campionamento a ipercubo latino. Queste tecniche statistiche avanzate hanno permesso di generare un’ampia gamma di possibili scenari, assicurando che il modello di pianificazione sia robusto di fronte all’incertezza. Per l’energia solare, i ricercatori hanno utilizzato il clustering k-means per identificare cinque tipici modelli di produzione giornaliera, ognuno con la propria probabilità di occorrenza. Questo approccio consente ai pianificatori di considerare diverse condizioni meteorologiche e variazioni stagionali senza complicare eccessivamente il modello.
Il cuore dello studio è il suo modello di programmazione bi-livello multi-obiettivo. Il livello superiore del modello si concentra sulla minimizzazione del costo annuale totale per la società, che include non solo le spese dirette per la costruzione e la manutenzione delle stazioni di ricarica, ma anche i costi indiretti sostenuti dagli utenti e dalla rete elettrica. Questi costi indiretti sono spesso ignorati nella pianificazione tradizionale ma sono fondamentali per una valutazione olistica. Ad esempio, il tempo che gli utenti impiegano per raggiungere e attendere alle stazioni di ricarica rappresenta un vero onere economico, specialmente in aree scarsamente popolate dove le distanze sono maggiori. Allo stesso modo, lo stress che la ricarica dei veicoli elettrici esercita sulla rete, manifestato da maggiori perdite di potenza e fluttuazioni di tensione, ha implicazioni finanziarie che devono essere interne al processo di pianificazione.
Il livello inferiore del modello sposta l’attenzione dall’economia alla prestazione tecnica. Il suo obiettivo è minimizzare le perdite di potenza attiva e le deviazioni di tensione nella rete di distribuzione. Questo doppio obiettivo garantisce che la rete rimanga stabile ed efficiente anche con un’elevata penetrazione di veicoli elettrici e una produzione solare fluttuante. L’inclusione della stabilità della tensione come criterio chiave è particolarmente importante per le reti rurali, che spesso operano vicino ai limiti inferiori dei livelli di tensione accettabili. Aumenti improvvisi del carico dalla ricarica dei veicoli elettrici possono spingere questi sistemi fuori conformità, causando danni alle apparecchiature e una scarsa qualità dell’energia per i consumatori.
Per risolvere questo complesso problema di ottimizzazione, i ricercatori hanno sviluppato un algoritmo ibrido che combina i punti di forza dei diagrammi di Voronoi e di una versione migliorata dell’algoritmo di ottimizzazione per sciami di particelle (PSO). I diagrammi di Voronoi, uno strumento geometrico che suddivide lo spazio in regioni in base alla prossimità a un insieme di punti, vengono utilizzati per definire le aree di servizio di ogni stazione di ricarica. Questo assicura che ogni punto di domanda sia assegnato alla stazione più vicina disponibile, creando una distribuzione spaziale naturale ed efficiente. Nel frattempo, l’algoritmo PSO migliorato gestisce la ricerca globale della soluzione ottimale. Aggiustando dinamicamente il peso d’inerzia e i coefficienti di accelerazione, l’algoritmo evita di rimanere intrappolato in ottimi locali, una trappola comune nei metodi PSO tradizionali, e converge più rapidamente e in modo più affidabile alla migliore configurazione possibile.
L’applicazione pratica di questo modello è stata dimostrata attraverso uno studio di caso in un distretto rurale appena sviluppato che copre circa 60 chilometri quadrati. L’area, servita da un sistema di distribuzione modificato a 33 nodi, presenta 49 nodi della rete stradale e una miscela di uso residenziale, agricolo e commerciale del suolo. Dopo aver eseguito estese simulazioni, il modello ha determinato che il numero ottimale di stazioni di ricarica per questa regione è cinque. Un numero inferiore di stazioni porterebbe a tempi di viaggio eccessivi per gli utenti e congestione, mentre un numero maggiore aumenterebbe i costi di costruzione e funzionamento oltre il punto di rendimenti decrescenti.
Il costo annuale totale per la società con questa configurazione ottimale è stato calcolato in 5,29 milioni di yuan. Questa cifra si suddivide in diversi componenti: 7,4 milioni di yuan per costruzione e manutenzione (ammortizzati su 20 anni), 3,67 milioni di yuan per il tempo di viaggio degli utenti, 1,05 milioni di yuan per le penalità di deviazione di tensione e 3,88 milioni di yuan per le perdite di potenza nella rete. Sebbene alcuni di questi costi individuali possano sembrare elevati, l’idea chiave è che la loro somma sia minimizzata, riflettendo un compromesso equilibrato tra gli interessi di diverse parti interessate. Ad esempio, aggiungere una sesta stazione potrebbe ridurre il tempo di attesa degli utenti, ma il costo aggiuntivo di costruzione e le perdite nella rete supererebbero i benefici, portando a un costo totale più elevato.
La disposizione spaziale delle cinque stazioni rivela un chiaro modello di ottimizzazione delle aree di servizio. La zona di servizio più grande, colorata di rosso nelle figure dello studio, copre 22 punti di domanda e richiede 18 unità di ricarica, riflettendo l’alta concentrazione di attività in quella parte del distretto. Al contrario, la zona più piccola, colorata di blu, serve solo due punti di domanda e richiede solo sette unità di ricarica. Questo approccio granulare e basato sui dati assicura che le risorse siano allocate dove sono più necessarie, evitando le inefficienze di una strategia di distribuzione uniforme.
Forse il contributo più significativo dello studio risiede nel suo trattamento della stabilità della rete. I ricercatori hanno scoperto che, senza un’adeguata ottimizzazione della potenza reattiva, l’integrazione di veicoli elettrici e pannelli solari potrebbe portare a severe fluttuazioni di tensione e sostanziali perdite di potenza. Nella loro simulazione, il sistema non ottimizzato ha sperimentato una perdita massima di potenza attiva di 0,386 megawatt e una perdita totale giornaliera di 4,471 megawatt-ora. Dopo aver applicato l’algoritmo di ottimizzazione proposto, queste cifre sono state ridotte a 0,271 megawatt e 2,849 megawatt-ora, rispettivamente, una riduzione di quasi il 37 percento. Questo miglioramento non solo risparmia energia, ma prolunga anche la vita degli apparecchi della rete e migliora la qualità del servizio per tutti i clienti.
La stabilità della tensione ha mostrato guadagni simili. Prima dell’ottimizzazione, la tensione al nodo 18 scendeva al di sotto di 0,93 per unità, uscendo dal range accettabile di 0,93 a 1,05 per unità. Dopo l’ottimizzazione, la tensione è aumentata a 0,95 per unità, eliminando il rischio di condizioni di sottotensione. La deviazione totale di tensione in tutta la rete è stata ridotta di oltre il 40 percento, da 36,638 a 21,739 per unità-ore. Questi risultati dimostrano che, con la pianificazione e le strategie di controllo giuste, le reti rurali possono ospitare alti livelli di risorse energetiche distribuite senza compromettere l’affidabilità.
Il successo dell’algoritmo PSO migliorato è stato evidente anche nel suo comportamento di convergenza. A differenza del PSO standard, che si è rapidamente stabilizzato in una soluzione subottimale, la versione migliorata ha continuato a raffinare la sua ricerca durante tutto il processo di iterazione. Questa capacità di sfuggire agli ottimi locali ed esplorare lo spazio delle soluzioni in modo più approfondito è cruciale per risolvere problemi reali con molte variabili e vincoli. La combinazione con i diagrammi di Voronoi ha ulteriormente migliorato le prestazioni dell’algoritmo fornendo un modo strutturato per esplorare diverse configurazioni spaziali.
Questa ricerca ha importanti implicazioni per i responsabili politici, le società elettriche e i produttori di automobili. Per i governi, fornisce una metodologia scientificamente solida per allocare fondi pubblici all’infrastruttura di ricarica rurale. Invece di affidarsi a quote arbitrarie o considerazioni politiche, i pianificatori possono ora utilizzare modelli basati sui dati per identificare le posizioni e le capacità più economiche per nuove stazioni. Per le utility, lo studio offre una strada da seguire per aggiornare le reti rurali per gestire carichi futuri, non solo di veicoli elettrici ma anche di altre forme di generazione distribuita. E per i produttori di automobili, segnala che il mercato dei veicoli elettrici si sta espandendo oltre le città, creando nuove opportunità in regioni trascurate.
Lo studio sottolinea anche l’importanza della collaborazione interdisciplinare nell’affrontare sfide energetiche complesse. Il team ha riunito competenze in ingegneria dei sistemi elettrici, modellazione dei trasporti e ottimizzazione computazionale per creare una soluzione olistica. Questo approccio integrativo è sempre più necessario man mano che i confini tra diversi settori—elettricità, trasporti e tecnologia dell’informazione—si confondono nell’era delle reti intelligenti e dei veicoli connessi.
Guardando al futuro, i ricercatori suggeriscono diverse strade per lavori futuri. Una è incorporare meccanismi di risposta alla domanda, permettendo alla ricarica dei veicoli elettrici di essere spostata in momenti in cui la generazione solare è alta e il carico della rete è basso. Un’altra è considerare sistemi di accumulo batterie alle stazioni di ricarica, che potrebbero ulteriormente livellare i flussi di potenza e fornire energia di riserva durante i blackout. Inoltre, il modello potrebbe essere esteso per includere altri tipi di risorse energetiche distribuite, come turbine eoliche o generatori a biomassa, rendendolo applicabile a una gamma più ampia di ambienti rurali.
In conclusione, lo studio di ZHANG Hui, WANG Cunxu e WANG Liang rappresenta un passo significativo avanti nella pianificazione dell’infrastruttura rurale per i veicoli elettrici. Combinando modellazione del comportamento, simulazione stocastica e tecniche avanzate di ottimizzazione, hanno sviluppato uno strumento pratico ed efficace per bilanciare obiettivi economici e tecnici. Il loro lavoro non solo avanza la letteratura accademica, ma fornisce anche informazioni azionabili per i professionisti che lavorano per costruire un futuro energetico più sostenibile ed equo. Mentre la Cina continua il suo viaggio verso la neutralità del carbonio, studi come questo svolgeranno un ruolo vitale nel garantire che nessuna comunità sia lasciata indietro nella rivoluzione dell’energia pulita.
ZHANG Hui, WANG Cunxu, WANG Liang, Northeast Electric Power Technology, DOI: 10.19759/j.nep.2024.07.002