Nuovo modello calcola emissioni EV considerando abitudini di guida
La transizione verso la mobilità elettrica è un pilastro fondamentale nelle strategie globali per affrontare il cambiamento climatico. I veicoli elettrici (VE) offrono un vantaggio indiscutibile rispetto ai loro omologhi a combustione interna, riducendo significativamente le emissioni di anidride carbonica lungo il loro intero ciclo di vita, con studi che indicano una diminuzione media del 43,4%. Tuttavia, la quantificazione precisa del beneficio ambientale individuale di ogni VE rimane una sfida complessa. I metodi tradizionali di calcolo, spesso basati su cicli di prova standardizzati come il CLTC-P, tendono a semplificare eccessivamente la realtà. Questi modelli si affidano tipicamente a una formula diretta: l’energia consumata divisa per il consumo energetico ufficiale del veicolo ogni 100 chilometri. Questo approccio, sebbene pratico, risulta in una generalizzazione che non riflette con precisione l’impatto climatico reale di un veicolo in condizioni di utilizzo reali.
Questa semplificazione non riguarda solo la precisione scientifica, ma ha profonde implicazioni per il futuro dei programmi di “inclusione del carbonio”. Questi programmi di incentivi, progettati per ricompensare i consumatori per i loro comportamenti a basse emissioni di carbonio, come scegliere un VE invece di un veicolo a combustione, dipendono criticamente dall’accuratezza dei calcoli sottostanti. Se il calcolo è impreciso, esiste il rischio di sottoremunerare i conducenti efficienti o di sovraremunerare quelli inefficienti, il che potrebbe minare la credibilità e l’efficacia del sistema di incentivi. Un team di ricerca cinese ha ora presentato un metodo rivoluzionario che affronta direttamente questa lacuna, integrando in modo sistematico le abitudini individuali di guida nel calcolo della riduzione del carbonio.
Lo studio, guidato da Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi e Zhang Yanan, introduce un concetto innovativo: quello della “percorrenza equivalente”. A differenza dei modelli tradizionali che utilizzano la distanza percorsa come metrica principale per la riduzione delle emissioni, questo nuovo approccio definisce una “percorrenza equivalente” che riflette il consumo energetico reale del veicolo, tenendo conto delle abitudini specifiche del conducente. Questo concetto è cruciale perché smonta i flussi energetici all’interno di un VE, dalla presa elettrica alle ruote e ai sistemi ausiliari. I ricercatori sostengono che, sebbene i parametri statici del veicolo, come la capacità della batteria o la potenza del motore, siano importanti, non raccontano tutta la storia. I fattori dinamici controllati dal conducente hanno un’influenza significativa sul consumo energetico totale e, di conseguenza, sull’impronta di carbonio reale.
Il team di ricerca ha identificato tre fattori principali del comportamento del conducente che hanno un impatto misurabile sul consumo energetico: l’uso del sistema di climatizzazione, la modalità di guida selezionata e il carico del veicolo. La loro analisi rivela che questi fattori non sono semplici dettagli, ma possono alterare fondamentalmente il calcolo della riduzione delle emissioni di carbonio.
Il fattore di consumo energetico più significativo, oltre alla propulsione, è il sistema di climatizzazione. Sia per riscaldare l’abitacolo in inverno che per raffreddarlo in estate, l’energia necessaria per mantenere una temperatura interna confortevole è considerevole. Il modello sviluppato dai ricercatori dimostra che questo consumo energetico non è lineare, ma aumenta in modo esponenziale con la differenza di temperatura tra l’ambiente esterno e la temperatura desiderata dal conducente. Ciò significa che una piccola differenza di temperatura richiede uno sforzo energetico minore, mentre una differenza grande, ad esempio riscaldare da 0°C a 20°C, aumenta drasticamente il consumo. Un modello convenzionale che ignora l’uso della climatizzazione attribuirebbe erroneamente tutta l’energia consumata allo spostamento. Ciò porterebbe a una “percorrenza equivalente” sopravvalutata e, di conseguenza, a una riduzione del carbonio anch’essa sopravvalutata. Il nuovo modello corregge questo errore calcolando una “penalità energetica per la climatizzazione” e sottraendola dall’energia disponibile per la propulsione. Questo approccio fornisce un’immagine molto più realistica dell’autonomia reale e del vantaggio ambientale associato in condizioni reali.
Il secondo fattore cruciale è la “modalità di guida” scelta dal conducente. I veicoli elettrici moderni offrono solitamente diverse modalità, come “Eco”, “Normale” e “Sportiva”. Ognuna di queste modalità ha una logica di controllo diversa per il motore e il sistema di recupero dell’energia (frenata rigenerativa). Il team di ricerca è riuscito a dimostrare che la scelta della modalità ha un effetto diretto e quantificabile sull’efficienza energetica. In modalità “Eco”, la potenza di accelerazione massima è limitata e il sistema di recupero dell’energia funziona in modo aggressivo, recuperando l’energia cinetica durante la frenata e restituendola alla batteria. Ciò può aumentare significativamente l’autonomia effettiva del veicolo. Al contrario, la modalità “Sportiva” priorizza la potenza e l’accelerazione massime, spesso a scapito dell’efficienza energetica, riducendo o disattivando il recupero dell’energia. I ricercatori hanno sviluppato un “coefficiente di influenza della modalità di guida” che quantifica questi diversi profili di consumo. Questo coefficiente viene incorporato nel calcolo della percorrenza equivalente. I dati mostrano che un veicolo elettrico guidato in modalità Eco può avere una percorrenza equivalente calcolata fino al 17% maggiore rispetto allo stesso veicolo in modalità Sportiva in condizioni identiche. Questa differenza si traduce direttamente in una riduzione del carbonio calcolata più alta, sottolineando il potere del comportamento del conducente nell’influenzare il beneficio ambientale.
Il terzo fattore, il carico del veicolo, sebbene abbia un impatto minore rispetto alla climatizzazione o alla modalità di guida, rimane rilevante. Un veicolo più pesante richiede più energia per accelerare e superare la resistenza al rotolamento. Il modello incorpora un “fattore di carico” per tenere conto di questo effetto. Sebbene l’impatto sia minore a velocità costante in autostrada, diventa significativo negli ambienti urbani con frequenti accelerazioni e frenate. L’inclusione di questo fattore garantisce che il costo energetico aggiuntivo per il trasporto di passeggeri o carico aggiuntivo sia riflesso nell’impronta di carbonio finale.
Integrando questi tre fattori—climatizzazione, modalità di guida e carico—i ricercatori hanno costruito un modello integrale di “conversione della percorrenza equivalente”. Questo modello sostituisce la formula semplice e imprecisa con un’equazione molto più sofisticata e realistica che riflette i costi energetici reali delle decisioni del conducente. La percorrenza equivalente risultante diventa quindi la base per il calcolo della riduzione reale del carbonio.
Il calcolo della riduzione del carbonio in sé segue una metodologia robusta. Confronta le emissioni di un veicolo a combustione interna ipotetico (la “linea di base”) che avrebbe percorso la stessa distanza reale, con le emissioni generate dall’elettricità utilizzata per caricare il VE. Le emissioni del veicolo di riferimento sono determinate in base al suo consumo di carburante ufficiale e ai fattori di emissione di CO2 per benzina o diesel. Le emissioni del VE sono calcolate moltiplicando l’energia di carica reale per l’intensità di carbonio della rete elettrica locale. La differenza tra queste due cifre è la riduzione netta di carbonio ottenuta scegliendo il VE. Il progresso chiave è che la distanza utilizzata in questo calcolo non è più un numero semplice e statico, ma la “percorrenza equivalente” aggiustata dinamicamente derivata dal comportamento di guida.
Per validare il loro modello, il team di ricerca ha condotto un’analisi esaustiva utilizzando dati di guida reali e a lungo termine di diversi utenti di un popolare modello di VE nazionale. Questi dati hanno coperto diverse stagioni dell’anno, condizioni di guida e profili di conducenti. I risultati sono stati schiaccianti. Rispetto ai modelli convenzionali, il nuovo metodo ha dimostrato un miglioramento drammatico nella precisione. L’accuratezza del calcolo della riduzione del carbonio è aumentata dall’82,47% a un impressionante 96,33%. Ciò significa che il modello è molto migliore nel prevedere il beneficio ambientale reale di un viaggio in VE. In termini pratici, per i veicoli studiati, il nuovo modello ha tenuto conto in media di 18,83 grammi aggiuntivi di riduzione di CO2 per chilometro che il modello precedente ha trascurato. Questa cifra può sembrare piccola, ma aggregata a milioni di veicoli e miliardi di chilometri, rappresenta una correzione massiccia nel modo in cui valutiamo e incentiviamo la mobilità elettrica.
Le implicazioni di questa ricerca vanno ben oltre il mondo accademico. La sua applicazione principale risiede nel fiorente campo dei programmi di “inclusione del carbonio”. Questi programmi di incentivi mirano a coinvolgere gli individui nella lotta contro il cambiamento climatico quantificando e ricompensando le loro azioni a basse emissioni di carbonio, che si tratti di utilizzare i trasporti pubblici, andare in bicicletta o guidare un VE. Affinché questi programmi siano credibili, affidabili ed efficaci, il calcolo sottostante della riduzione del carbonio deve essere il più accurato possibile. Un modello impreciso comporta due problemi importanti: può sottoremunerare i conducenti efficienti, scoraggiando il loro comportamento positivo, o può sovraremunerare i conducenti inefficienti, creando un incentivo perverso. Il modello sviluppato da Liu Ziqian e dai suoi colleghi fornisce una base scientifica rigorosa per questi programmi. Garantisce che i crediti di carbonio emessi riflettano fedelmente il servizio ambientale reso, promuovendo una maggiore fiducia e partecipazione pubblica.
Lo studio ha ulteriormente rafforzato il suo argomento testando l’applicabilità del modello su diverse marche di veicoli. I ricercatori hanno applicato il loro quadro a dati di altri due VE nazionali e un modello internazionale. I risultati hanno mostrato che il modello ha funzionato in modo coerente bene in tutti e tre i casi, con livelli di precisione simili e le stesse tendenze qualitative in risposta a diverse abitudini di guida. Questa validazione incrociata tra marche è cruciale, poiché dimostra che il modello non è una soluzione unica per un’auto specifica, ma uno strumento generalizzabile che può essere adattato a un’ampia gamma di VE, rendendolo estremamente prezioso per programmi di inclusione del carbonio su larga scala e di portata nazionale.
La ricerca offre anche una spiegazione chiara per alcuni dei modelli osservati nei dati. Ad esempio, il modello spiega perché la differenza tra la percorrenza calcolata e quella reale è minore in percorsi molto brevi. In viaggi brevi, l’energia utilizzata per i sistemi ausiliari (come accendere l’elettronica del veicolo) rappresenta una proporzione maggiore del consumo energetico totale, il che può far apparire l’auto meno efficiente di quanto preveda il modello. Inoltre, il modello coglie elegantemente gli effetti contrastanti di diverse abitudini di guida. Mentre una guida aggressiva e un uso intensivo della climatizzazione aumentano il consumo energetico, l’uso della modalità Eco e un forte recupero di energia possono ridurlo. L’effetto netto sulla riduzione del carbonio di un individuo è la somma di questi fattori opposti, che il modello è particolarmente attrezzato per calcolare.
In conclusione, questa ricerca rappresenta un progresso significativo nella scienza della contabilità del carbonio per i veicoli elettrici. Spostando l’attenzione dal veicolo come macchina statica al sistema conducente-veicolo come entità dinamica, gli autori hanno creato uno strumento che non è solo più preciso, ma anche più equo. Riconosce che l’impatto ambientale della guida di un VE è una responsabilità condivisa tra la tecnologia e l’utente. Mentre i governi e le aziende private cercano di ampliare i programmi di inclusione del carbonio per spingere un cambiamento di comportamento di massa, il lavoro di Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi e Zhang Yanan dell’Università del Sudest e della State Grid Jiangsu Electric Power Co., Ltd. fornisce una metodologia essenziale e basata su evidenze. Garantisce che la transizione verde non sia solo alimentata da elettroni, ma anche misurata e ricompensata con precisione, aprendo la strada a un sistema di incentivi ambientali più efficace e affidabile.
Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi, Zhang Yanan, School of Electrical Engineering, Southeast University; Marketing Service Center, State Grid Jiangsu Electric Power Co., Ltd.; State Grid Jiangsu Electric Power Co., Ltd., Power Demand Side Management, DOI: 10.3969/j.issn.1009-1831.2024.02.010