Una Nuova Strategia di Ricarica per VE Migliora la Stabilità della Rete
La transizione verso la mobilità elettrica è in pieno svolgimento, e con l’aumento esponenziale del numero di veicoli elettrici (VE) sulle strade, il sistema elettrico si trova di fronte a una sfida senza precedenti. L’integrazione di milioni di batterie mobili nel reticolo di distribuzione non è solo una questione di capacità, ma di stabilità e qualità del servizio. Un problema tecnico specifico, noto come squilibrio trifase, sta emergendo come una delle minacce più serie per la sicurezza e l’efficienza delle reti di media tensione. Quando un gran numero di VE si collega alla rete, prevalentemente tramite connessioni monofase, e inizia a caricare simultaneamente, può creare un carico eccessivo su una singola fase del sistema trifase. Questo squilibrio provoca una serie di conseguenze negative: aumenta le perdite di energia, riduce la capacità effettiva dei trasformatori e dei cavi, causa il surriscaldamento degli apparecchiature e, nei casi più gravi, può portare a interruzioni di corrente e danni agli impianti. Il problema è ulteriormente complicato dall’integrazione di fonti di energia rinnovabile distribuite, come i pannelli solari domestici, che sono anch’essi spesso monofase e la cui produzione è variabile e difficile da prevedere.
La risposta tradizionale a questo problema è stata quella di imporre restrizioni ai consumatori, come orari di ricarica obbligatori o limitazioni di potenza. Tuttavia, questi approcci spesso entrano in conflitto con la libertà di scelta e le esigenze di mobilità degli utenti, portando a una bassa partecipazione. Un gruppo di ricercatori della Xi’an Jiao Tong University in Cina ha ora proposto una soluzione innovativa e dirompente che ribalta completamente il paradigma. Invece di vedere i veicoli elettrici come un problema da gestire, il team guidato da Huang Jing, Wang Xiuli, Shao Chengcheng, Tang Lun e Wang Yifei li trasforma in un’asset prezioso per il sistema. La loro strategia, pubblicata sulla rivista Power System Technology, introduce un meccanismo di incentivi economici che ricompensa i proprietari di VE per il loro contributo attivo alla stabilizzazione della rete elettrica. Questo approccio crea un circolo virtuoso in cui gli interessi dei consumatori e quelli del gestore della rete (DSO) sono perfettamente allineati.
Il fulcro della strategia è un “meccanismo di incentivo per l’equilibrio trifase”. L’idea è semplice ma potente: il gestore della rete, responsabile della stabilità del sistema, offre un pagamento finanziario agli aggregatori di veicoli elettrici. Gli aggregatori sono entità che gestiscono una flotta di VE, fungendo da intermediari tra il DSO e i singoli proprietari. Il pagamento non è arbitrario; è direttamente proporzionale al miglioramento dell’equilibrio trifase nel sistema. Più i VE contribuiscono a ridurre lo squilibrio di tensione tra le tre fasi, maggiore sarà la compensazione che ricevono. Questo crea un forte incentivo economico per i proprietari di VE a partecipare a un programma di ricarica intelligente. Non si tratta più solo di pagare per l’energia consumata, ma di guadagnare denaro per fornire un servizio di supporto alla rete. Per il proprietario di un VE, la ricarica diventa un’attività potenzialmente remunerativa, trasformando il veicolo da un semplice consumatore di energia in un attivo finanziario.
Per rendere questo meccanismo operativo, i ricercatori hanno sviluppato un modello di ottimizzazione sofisticato. L’obiettivo primario non è semplicemente minimizzare il costo dell’energia elettrica, ma massimizzare il beneficio netto per il proprietario del VE. Questo beneficio netto è definito come la differenza tra la compensazione ricevuta per il servizio di equilibrio e il costo totale dell’energia consumata. Questo modello garantisce che la strategia sia economicamente vantaggiosa per gli utenti, rendendola sostenibile a lungo termine. Il modello tiene conto di tutti i vincoli pratici: l’orario di connessione e disconnessione del veicolo, la capacità della batteria, la potenza massima di ricarica e, soprattutto, i limiti di sicurezza della rete elettrica, come i livelli di tensione massimi e minimi consentiti.
Un aspetto fondamentale e distintivo del lavoro è il suo approccio alla gestione dell’incertezza. Le previsioni sulla produzione di energia eolica e solare sono intrinsecamente imprecise. Una strategia di ricarica ottimizzata su una previsione errata potrebbe portare a violazioni della tensione e a rischi per la sicurezza della rete. Per affrontare questo rischio, il team di Xi’an Jiao Tong ha adottato la teoria dell’ottimizzazione robusta. A differenza dei modelli tradizionali che si basano su una singola previsione, l’ottimizzazione robusta progetta una soluzione che funzioni bene in un’ampia gamma di scenari possibili. Il modello definisce un “insieme di incertezza” che racchiude tutte le possibili variazioni della produzione di energia rinnovabile entro un margine ragionevole. L’obiettivo è trovare una strategia di ricarica che garantisca la sicurezza della rete (tensione entro i limiti) in ogni singolo scenario all’interno di questo insieme. Questo approccio è più conservativo e può portare a un costo di ricarica leggermente più alto, ma offre una garanzia di sicurezza molto superiore, essenziale per un sistema critico come la rete elettrica.
Per testare la validità della loro teoria, i ricercatori hanno condotto una serie di simulazioni dettagliate utilizzando una rete di distribuzione di prova standard, la rete IEEE 13-node, modificata per includere sei aggregatori di VE e sei gruppi di turbine eoliche. Hanno confrontato quattro scenari distinti. Lo scenario 1 rappresentava una ricarica disordinata, senza alcun controllo: i VE si ricaricavano al massimo della potenza appena collegati. I risultati sono stati prevedibili e preoccupanti: uno squilibrio trifase estremo con un indice di squilibrio massimo del 5,64%, ben al di sopra del limite raccomandato del 3%. Lo scenario 2 ottimizzava la ricarica esclusivamente per ridurre il costo dell’elettricità, ignorando completamente lo squilibrio di rete. Sorprendentemente, questo ha aggravato il problema, portando a uno squilibrio del 7,01%, poiché tutti i VE si sono concentrati nella stessa finestra di tariffa bassa, creando un picco di carico monofase.
Lo scenario 3 ha implementato il modello di ottimizzazione deterministica con il meccanismo di incentivo. I risultati sono stati trasformativi: l’indice di squilibrio massimo è sceso al 2,93%, ben al di sotto del limite di sicurezza. Questo ha dimostrato in modo inequivocabile che l’incentivo economico ha guidato con successo i VE a modificare il loro comportamento di ricarica per aiutare a bilanciare la rete. Lo scenario 4 ha utilizzato il modello di ottimizzazione robusta per affrontare l’incertezza della produzione eolica. Ha raggiunto un indice di squilibrio del 2,95%, una differenza minima ma significativa in termini di affidabilità. La vera prova del nove è arrivata con l’analisi di contingenza. Quando sono stati simulati 1000 scenari casuali di produzione eolica reale, il modello deterministico ha violato i limiti di tensione nel 74,6% dei casi. Al contrario, il modello robusto ha mantenuto la sicurezza del sistema nel 100% degli scenari, una dimostrazione schiacciante della sua superiorità in condizioni di incertezza.
Dal punto di vista economico, la strategia ha ottenuto risultati altrettanto impressionanti. Nello scenario di ricarica disordinata, il costo totale per tutti i proprietari di VE era di 414,26 €. L’ottimizzazione per il costo minimo lo ha ridotto a 375,20 €. Tuttavia, gli scenari con incentivo hanno superato questo risultato: lo scenario deterministico ha ridotto il costo netto a 367,82 €, e lo scenario robusto a 368,69 €. Anche se il costo diretto dell’elettricità era più alto, la compensazione ricevuta per il servizio di equilibrio ha portato a un costo totale più basso. Questo risultato è cruciale perché dimostra che il meccanismo di incentivo crea un vero “win-win”: la rete ottiene stabilità, e i conducenti risparmiano denaro.
Lo studio ha anche esplorato la sensibilità del sistema al coefficiente di compensazione (κ). Aumentando κ, i VE erano disposti a sostenere costi di ricarica più elevati per guadagnare una compensazione maggiore, il che riduceva ulteriormente lo squilibrio. Tuttavia, è stato trovato un punto di rendimenti decrescenti. Oltre un certo valore di κ, lo squilibrio non diminuiva ulteriormente, indicando che i VE avevano raggiunto il loro massimo potenziale per fornire questo servizio. Questa informazione è preziosa per i gestori della rete, poiché permette di fissare un livello di incentivo ottimale che massimizza la stabilità senza pagare eccessivamente.
La praticabilità del modello è stata confermata analizzando la precisione del modello di flusso di potenza linearizzato utilizzato nell’ottimizzazione. Risolvere il modello di flusso di potenza completo e non lineare per una grande rete è computazionalmente impossibile. Il modello linearizzato, che è molto più veloce, ha mostrato un errore inferiore allo 0,6% rispetto al modello esatto, validando il suo uso per applicazioni in tempo reale.
Le implicazioni di questa ricerca sono profonde. Fornisce un percorso chiaro per l’integrazione di massa dei veicoli elettrici senza compromettere la stabilità della rete. Allineando gli incentivi economici con le esigenze tecniche del sistema, promuove una partecipazione attiva e volontaria degli utenti. Questa strategia è particolarmente rilevante per le aree con un’alta penetrazione di energia solare residenziale e veicoli elettrici, dove il rischio di squilibrio è più elevato. Inoltre, getta le basi per il futuro della tecnologia V2G (Vehicle-to-Grid), dove i veicoli non si limiteranno a regolare la loro ricarica, ma potranno anche restituire energia alla rete per servizi ancora più avanzati. È un passo cruciale verso una rete elettrica più resiliente, efficiente e democratica.
Huang Jing, Wang Xiuli, Shao Chengcheng, Tang Lun, Wang Yifei, Xi’an Jiao Tong University, Power System Technology, DOI: 10.13335/j.1000-3673.pst.2023.1447