Flotta di veicoli elettrici stabilizza rete elettrica
In un’era in cui le turbine eoliche danzano al ritmo del vento e i pannelli solari assorbono la luce del sole, la stabilità della rete elettrica è diventata una delle sfide più pressanti. Mentre le fonti rinnovabili sostituiscono le centrali elettriche tradizionali, il battito costante della rete, la sua frequenza, diventa sempre più vulnerabile alle fluttuazioni. Cambi repentini nella velocità del vento, nuvole che oscurano il sole o variazioni nella domanda dei consumatori possono far sì che la frequenza della rete oscilli, rischiando blackout e danni alle apparecchiature. Per decenni, i grandi generatori alimentati da combustibili fossili hanno fornito l’inerzia e la potenza reattiva necessarie per mantenere la rete in equilibrio. Ma con la spinta globale verso la decarbonizzazione, un nuovo protagonista sta assumendo questo ruolo cruciale: il veicolo elettrico (VE).
Oltre a essere un semplice mezzo di trasporto, il VE moderno sta emergendo come uno strumento fondamentale per la resilienza della rete. Con la sua grande batteria che funge da unità di accumulo energetico mobile, un VE può assorbire energia in eccesso quando la rete è sovraccarica o iniettare energia quando la fornitura è insufficiente. Questo flusso di energia bidirezionale, noto come Vehicle-to-Grid (V2G), trasforma milioni di veicoli parcheggiati in una vasta centrale elettrica distribuita. Tuttavia, sfruttare questo potenziale non è un compito semplice. I singoli VE sono piccoli, la loro disponibilità è imprevedibile e le loro batterie sono sensibili all’uso eccessivo. Il vero potere non risiede nei singoli veicoli, ma nell’azione collettiva di migliaia, ciò che i ricercatori chiamano un “sciame di VE” o “aggregatore”.
La sfida, quindi, è quella dell’orchestrazione. Come si coordina una flotta massiccia di VE, ognuno con le proprie esigenze di ricarica e lo stato di carica della batteria, per far sì che rispondano rapidamente e con precisione alle perturbazioni di frequenza nella rete? I metodi di controllo tradizionali, progettati per grandi generatori centralizzati, spesso risultano inadeguati quando applicati a un ambiente così dinamico e incerto. Possono essere troppo lenti, troppo rigidi o non tenere conto dei limiti fisici delle batterie. Questa lacuna ha innescato un’ondata di innovazione nella teoria del controllo, con ricercatori che sviluppano algoritmi sofisticati per sbloccare tutto il potenziale degli aggregatori di VE.
Uno studio innovativo pubblicato sul Journal of Power Supply da Wang Huinan e Wang Yujin del Centro di Servizio Marketing di State Grid Shanxi Electric Power Company offre una risposta convincente. La loro ricerca presenta un nuovo metodo di regolazione della frequenza che combina due potenti tecniche di controllo: l’osservatore di disturbo e il controllo predittivo basato su modello robusto (RMPC). Il loro approccio non è solo altamente efficace, ma anche resistente alle incertezze del mondo reale in una rete elettrica moderna.
Il cuore del loro metodo è il riconoscimento del caos intrinseco in un sistema ad alta penetrazione di energie rinnovabili. I cambiamenti nella domanda di carico, la produzione eolica fluttuante e la generazione fotovoltaica che diminuisce con la nuvolosità non sono semplici increspature; sono perturbazioni significative che possono destabilizzare la rete. Invece di tentare di prevedere ciascuna di queste variabili con una precisione impossibile, gli autori adottano un approccio diverso. Progettano un “osservatore di disturbo” che tratta tutti questi cambiamenti, insieme all’uscita di potenza dell’aggregatore di VE, come un singolo “disturbo combinato”. Questa semplificazione elegante riduce la complessità del modello del sistema, rendendolo molto più gestibile per il controllo in tempo reale.
L’osservatore di disturbo agisce come una sentinella vigile, monitorando costantemente la frequenza della rete e stimando l’impatto totale di tutte le forze esterne. Quando il carico aumenta, causando una diminuzione della frequenza, l’osservatore non ha bisogno di sapere se è stata una fabbrica ad accendersi o una caduta improvvisa nella potenza eolica. Calcola semplicemente lo squilibrio totale di potenza. Questo disturbo stimato viene quindi utilizzato per generare un “segnale di controllo di frequenza aggiuntivo” specificamente per lo sciame di VE. Questo segnale non è un comando primario, ma un segnale complementare, progettato per migliorare le prestazioni del sistema di controllo principale. È come dare ai VE un avviso anticipato e un obiettivo preciso, permettendo loro di reagire più velocemente e in modo più efficace di quanto potrebbero fare da soli.
Ma una stima, per quanto buona, è comunque soggetta a errori. Il mondo reale è pieno di sorprese: ritardi nella comunicazione, imprecisioni nei sensori e cambiamenti inaspettati nella disponibilità dei VE. È qui che entra in gioco il secondo pilastro del loro metodo, il controllo predittivo basato su modello robusto (RMPC). Il controllo predittivo basato su modello (MPC) è una tecnica ben consolidata nell’automazione industriale. Funziona prevedendo il comportamento futuro di un sistema su un orizzonte temporale breve e quindi calcolando le azioni di controllo ottimali per raggiungere un risultato desiderato, come minimizzare la deviazione di frequenza. Lo fa rispettando i vincoli fisici, come la potenza massima di carica e scarica delle batterie dei VE o la necessità di mantenere lo stato di carica (SoC) della batteria entro un intervallo sicuro.
L’MPC standard, tuttavia, assume un modello perfetto del sistema. In un mondo di informazioni perfette e senza ritardi, sarebbe ideale. Ma nella realtà, queste assunzioni vengono meno. È qui che l’MPC “robusto”, specificamente la variante “Tube-MPC” utilizzata in questo studio, brilla. Il concetto è insieme ingegnoso e pratico. Divide il compito di controllo in due controller paralleli: un MPC “nominale” e un MPC “aggiuntivo”.
L’MPC nominale opera su un modello semplificato e idealizzato del sistema, uno senza perturbazioni o incertezze. Calcola una traiettoria di controllo “nominale”, un percorso perfetto che il sistema dovrebbe seguire se tutto fosse prevedibile. Questa traiettoria viene calcolata sotto “vincoli rafforzati”, il che significa che ai VE viene chiesto di operare entro un intervallo di potenza e SoC leggermente più piccolo rispetto ai loro limiti fisici. Questo crea una zona tampone, un margine di sicurezza.
L’MPC aggiuntivo, nel frattempo, si occupa di gestire il mondo reale, caotico. Utilizza le misurazioni reali e rumorose della rete, inclusa la perturbazione stimata dall’osservatore, per calcolare un segnale correttivo. Questo segnale non detta tutta l’azione di controllo; invece, aggiusta la traiettoria nominale. La bellezza del concetto del “tubo” è che si garantisce che lo stato del sistema reale rimanga all’interno di un “tubo” intorno alla traiettoria nominale, purché le perturbazioni siano limitate. I vincoli rafforzati del controller nominale assicurano che, anche con queste deviazioni, il sistema reale non violi mai i suoi limiti fisici. È un modo potente per garantire sicurezza e stabilità di fronte all’incertezza.
La sinergia tra l’osservatore di disturbo e il Tube-MPC è ciò che rende questo metodo così efficace. L’osservatore fornisce una stima rapida e precisa della perturbazione, dando al sistema di controllo un vantaggio. Il Tube-MPC poi utilizza queste informazioni per generare un segnale di controllo che è sia ottimale che robusto. Il risultato è uno sciame di VE che può rispondere alle deviazioni di frequenza con una rapidità e una precisione notevoli, minimizzando l’errore di frequenza con l’azione di controllo più piccola necessaria. Questa efficienza è cruciale, poiché riduce l’usura delle batterie dei VE, una preoccupazione chiave sia per i proprietari che per gli operatori della flotta.
I ricercatori hanno messo alla prova il loro metodo in una serie di simulazioni dettagliate. Hanno modellato una rete elettrica “isolata”, uno scenario particolarmente impegnativo perché non può contare sul supporto di una rete più grande e interconnessa. Questa rete includeva un generatore convenzionale, un parco eolico, un impianto fotovoltaico (PV) e due aggregatori di VE, che rappresentavano collettivamente 3.500 veicoli. La simulazione ha introdotto uscite di potenza reali e fluttuanti dalle fonti eolica e solare, insieme a cambiamenti repentini nella domanda di carico.
I risultati sono stati impressionanti. In uno scenario in cui il carico è aumentato di 10 MW, un sistema senza supporto di VE ha visto la sua frequenza scendere di un significativo 0,16 Hz, un livello che potrebbe innescare blackout di protezione in una rete reale. Quando i VE sono stati utilizzati con un controller MPC tradizionale, la deviazione di frequenza è stata ridotta, ma comunque sostanziale. Al contrario, il metodo proposto, che combina l’osservatore di disturbo e il Tube-MPC, ha riportato la frequenza al suo valore nominale con un minimo overshoot e un tempo di assestamento molto più rapido. La risposta di frequenza era quasi altrettanto liscia che in un sistema perfettamente prevedibile, dimostrando l’eccezionale capacità del controller di respingere le perturbazioni.
Le simulazioni hanno anche rivelato l’interazione dinamica tra il generatore e lo sciame di VE. Quando si è verificato un cambiamento di carico, i VE hanno reagito quasi istantaneamente, regolando la loro potenza di carica o scarica in pochi secondi. Questa risposta rapida ha fornito la linea di difesa cruciale, impedendo alla frequenza di discostarsi troppo. Il generatore convenzionale, più lento, ha poi aumentato o diminuito la sua potenza per fornire supporto sostenuto, assumendo infine la maggior parte della regolazione. Questa divisione del lavoro è fondamentale per un funzionamento efficiente della rete, sfruttando la velocità delle batterie e la capacità dei generatori tradizionali.
Un aspetto critico di qualsiasi sistema di controllo del mondo reale è il ritardo di comunicazione. In una rete intelligente, i segnali di controllo devono viaggiare da un centro di dispatch centrale all’aggregatore di VE e poi ai singoli veicoli. Questo viaggio richiede tempo, e se il ritardo è troppo lungo, il segnale di controllo può arrivare troppo tardi, peggiorando potenzialmente il problema di frequenza invece di risolverlo. Gli autori hanno condotto un’analisi di stabilità approfondita per determinare il “margine di ritardo temporale”, il ritardo massimo consentito prima che il sistema diventi instabile. La loro analisi ha mostrato che il metodo di controllo proposto poteva tollerare un ritardo di fino a 0,452 secondi, un margine significativo e pratico per le reti di comunicazione moderne. Questa scoperta sottolinea la robustezza del loro design e la sua idoneità per il deployment in sistemi di energia reali.
Per ulteriore validazione del loro approccio, i ricercatori lo hanno confrontato con diverse altre strategie di controllo, tra cui il controllo proporzionale-integrale (PI) fuzzy e un regolatore lineare quadrato (LQR). La logica fuzzy è un metodo popolare per gestire sistemi complessi e non lineari, mentre l’LQR è una tecnica classica di controllo ottimale. In ogni test, il metodo proposto ha superato queste alternative, ottenendo una deviazione di frequenza più piccola e un errore quadratico medio (RMS) più basso. Queste prestazioni superiori sono una testimonianza del potere di combinare la stima delle perturbazioni con il controllo predittivo robusto.
Oltre alle prestazioni grezze, lo studio ha anche considerato i vincoli operativi pratici. La strategia di controllo garantisce che lo stato di carica (SoC) della batteria dei VE rimanga entro limiti sicuri, tipicamente tra il 10% e il 90%, prevenendo scariche profonde che potrebbero danneggiare la batteria. Rispetta anche i limiti fisici di potenza di carica e scarica dei veicoli. L’algoritmo è progettato per essere computazionalmente efficiente, con un tempo di calcolo che è competitivo con altri metodi di controllo avanzati, rendendolo fattibile per l’implementazione in tempo reale.
Le implicazioni di questa ricerca sono profonde. Fornisce un percorso chiaro e tecnicamente solido per integrare grandi quantità di VE nei servizi di regolazione della frequenza della rete. Man mano che il numero di VE sulle strade continua a crescere esponenzialmente, la loro capacità di batteria collettiva presto gareggerà con quella dello stoccaggio su scala di rete. Questa ricerca mostra come sfruttare questo potenziale in modo sicuro ed efficiente. Va oltre l’idea dei VE come carichi passivi o semplici unità di stoccaggio e li posiziona come partecipanti attivi e intelligenti nella gestione della rete.
Per le aziende elettriche e gli operatori di rete, questo metodo offre un potente nuovo strumento per mantenere la stabilità in un’era di alta penetrazione di energie rinnovabili. Può ridurre la necessità di costose e inquinanti centrali di picco, abbassare i costi complessivi del sistema e aumentare la resilienza della rete di fronte alle perturbazioni. Per i proprietari di VE, apre la porta a nuovi flussi di reddito attraverso la partecipazione ai mercati dei servizi ausiliari, dove possono essere compensati per i servizi di rete forniti dai loro veicoli. Questo crea un circolo virtuoso: più VE portano a una rete più stabile, che a sua volta rende la rete più attraente per ancora più VE.
Il lavoro di Wang Huinan e Wang Yujin rappresenta un passo significativo avanti nel campo del controllo delle reti intelligenti. È un esempio emblematico di come la teoria avanzata del controllo possa essere applicata per risolvere sfide energetiche del mondo reale. Combinando abilmente i punti di forza dell’osservatore di disturbo e del controllo predittivo basato su modello robusto, hanno creato un metodo che non è solo elegantemente teorico, ma dimostrabilmente efficace in simulazione. Sebbene il deployment nel mondo reale richiederà ulteriori test e integrazione con l’infrastruttura di rete esistente, le fondamenta sono state gettate. La visione di un futuro in cui milioni di veicoli elettrici lavorano in armonia silenziosa per mantenere accesa la luce non è più solo un sogno; è una realtà che si avvicina rapidamente.
Wang Huinan, Wang Yujin, Journal of Power Supply, DOI: 10.13234/j.issn.2095-2805.2024.5.220