Ottimizzazione del Percorso per Veicoli Elettrici in Caso di Guasti alla Rete
La rapida crescita del mercato dei veicoli elettrici (VE) sta ridefinendo il paesaggio urbano, promettendo una mobilità più pulita ed efficiente. Tuttavia, questo progresso porta con sé una nuova vulnerabilità: l’interdipendenza tra la rete elettrica e la rete stradale. Quando un guasto colpisce la rete di distribuzione elettrica—sia per cause naturali, malfunzionamenti tecnici o attacchi informatici—le conseguenze si propagano rapidamente. Le stazioni di ricarica si spengono, i veicoli rimangono a secco di energia e le strade possono trasformarsi in labirinti di veicoli immobili, causando ingorghi, ritardi economici e rischi per la sicurezza. In questo scenario, una nuova ricerca condotta da Xiao Wen e Wang Yang dell’Università del Jiangsu offre una soluzione innovativa e integrata che potrebbe cambiare il modo in cui le città intelligenti affrontano le emergenze.
Pubblicato sulla rivista Computer Development & Applications, lo studio introduce un modello di ottimizzazione del percorso che non si limita a guidare il conducente verso la stazione di ricarica più vicina, ma lo fa in modo intelligente e resiliente, tenendo conto dello stato reale e dinamico della rete elettrica. A differenza dei sistemi di navigazione tradizionali, che operano sotto l’assunto di una rete elettrica stabile, questo approccio riconosce che durante un guasto, non tutte le stazioni di ricarica sono ugualmente affidabili. Il modello, sviluppato dai ricercatori della Scuola di Ingegneria Elettrica e dell’Informazione dell’Università del Jiangsu, è un sistema a due livelli che affronta il problema alla radice: prima stabilizza la rete elettrica, poi ottimizza il percorso del veicolo.
Il cuore del sistema è un approccio bifasico. La prima fase si concentra sulla rete elettrica stessa. Quando viene rilevato un guasto, il sistema inizia un processo di riconfigurazione della rete. Questo processo è simile a un intervento di emergenza: interruttori strategici vengono aperti e chiusi per isolare la sezione danneggiata e ripristinare l’alimentazione alle aree non colpite. L’obiettivo principale è massimizzare la stabilità della tensione ai nodi della rete, un indicatore fondamentale della salute del sistema. Una tensione troppo bassa non solo può danneggiare gli apparecchi, ma rende anche impossibile un ricarica efficiente e sicura per i veicoli elettrici.
Per risolvere questo complesso problema di ottimizzazione, i ricercatori hanno impiegato una versione migliorata dell’algoritmo di ricerca dell’armonia (Improved Harmony Search Algorithm). Questo algoritmo, ispirato al processo di improvvisazione di un musicista, è noto per la sua capacità di esplorare ampi spazi di soluzioni. I ricercatori hanno apportato tre significative innovazioni per superare i limiti delle versioni precedenti, che spesso convergevano verso soluzioni subottimali. Innanzitutto, hanno introdotto un nuovo metodo per aggiornare la “memoria dell’armonia”, migliorando la capacità dell’algoritmo di bilanciare l’esplorazione di nuove soluzioni con lo sfruttamento di quelle già trovate. In secondo luogo, hanno implementato parametri dinamici adattivi che regolano automaticamente l’intensità della ricerca, permettendo una convergenza più rapida ed efficiente. Infine, hanno integrato un meccanismo di rilevamento della maturazione precoce, che evita che l’algoritmo si stabilizzi in una soluzione locale prima di aver trovato quella globale ottimale. Questa sofisticata strumento computazionale è ciò che consente alla rete elettrica di “ripararsi” autonomamente dopo un guasto.
Una volta che la rete elettrica è stata riconfigurata e stabilizzata, il sistema passa alla seconda fase: l’ottimizzazione del percorso per i veicoli elettrici. È qui che il modello dimostra il suo vero valore per l’utente finale. Non tutte le stazioni di ricarica sono uguali durante una crisi. Il modello stabilisce un criterio di affidabilità rigoroso: solo le stazioni i cui nodi di rete hanno una tensione superiore a 0,96 p.u. (per unità) sono considerate idonee per la ricarica. Questo valore limite non è arbitrario; si basa su principi di ingegneria elettrica che indicano che una tensione inferiore può compromettere la qualità della ricarica, prolungare i tempi di ricarica o addirittura danneggiare la batteria del veicolo. Sebbene ciò significhi che alcune stazioni possano essere temporaneamente fuori servizio, garantisce che i servizi disponibili siano di alta qualità e affidabilità.
Con una mappa aggiornata delle stazioni di ricarica operative, il sistema calcola il percorso ottimale per ogni veicolo elettrico. Questo calcolo non è una semplice ricerca della distanza più breve. È un problema di programmazione mista intera con obiettivi e vincoli multipli. La funzione obiettivo combina due fattori principali: la minimizzazione della distanza percorsa e la minimizzazione del costo di ricarica. Gli utenti o i gestori di flotte possono regolare il peso di ciascun fattore (w1 per la distanza, w2 per il costo) in base alle loro priorità. Un conducente che dà priorità alla velocità può enfatizzare la distanza, mentre un altro che cerca il risparmio può dare priorità al costo.
Ciò che eleva questo sistema al di sopra dei semplici pianificatori di percorso è la sua capacità di modellare la realtà con un alto grado di precisione. Incorpora esplicitamente il tempo di attesa alle stazioni di ricarica, evitando lo scenario comune in cui più veicoli vengono indirizzati alla stessa stazione, creando code interminabili. Il modello considera il tempo necessario per ricaricare la batteria di ogni veicolo, che dipende dal suo stato di carica all’arrivo e dalla potenza della stazione. Inoltre, assicura che non vengano assegnati più veicoli allo stesso caricatore contemporaneamente senza tener conto del tempo di servizio. Questa capacità di gestione del flusso di ricarica è cruciale per prevenire la congestione e garantire un’esperienza utente fluida.
La validità di questo modello è stata testata attraverso uno studio di caso basato su una rete semplificata della città di Shiyan. La simulazione ha coinvolto una rete di 27 incroci e 82 segmenti stradali, collegata a una rete di distribuzione elettrica di 33 nodi con cinque stazioni di ricarica. I ricercatori hanno simulato un guasto ai nodi 22 e 23 della rete elettrica. L’algoritmo di ricerca dell’armonia migliorato è riuscito a riconfigurare con successo la rete, isolando il guasto e mantenendo la tensione al di sopra della soglia critica in quattro delle cinque stazioni di ricarica. La stazione nel nodo 29, la cui tensione è scesa a 0,958 p.u., è stata esclusa dal servizio.
Sono stati simulati sei veicoli elettrici con diversi punti di partenza e destinazione, tutti con la necessità di ricaricare durante il percorso. I percorsi generati dal nuovo modello sono stati confrontati con quelli di un algoritmo di riferimento, l’algoritmo di ricerca batterica (Bacterial Foraging Optimization, BFO), noto per la sua efficacia nei problemi di ottimizzazione. I risultati sono stati conclusivi. Il nuovo modello non solo ha generato percorsi più brevi, ma ha anche ottenuto significativi risparmi di costo. Ad esempio, il veicolo numero 1 ha ridotto il suo costo di ricarica del 48%, mentre il veicolo numero 6 ha ottenuto una riduzione del 53%. In media, la metà dei veicoli ha sperimentato una riduzione dei costi vicina al 50%.
Inoltre, il modello ottimizzato ha ridotto drasticamente i tempi di attesa. Mentre l’algoritmo BFO ha concentrato il traffico su alcune stazioni, causando lunghe code, il nuovo modello ha distribuito efficacemente il carico tra le stazioni disponibili. Questa funzione di bilanciamento del carico non solo ha migliorato l’efficienza individuale di ogni viaggio, ma ha anche aumentato la resilienza del sistema nel suo complesso, evitando punti di congestione critici.
Il vero merito di questo lavoro risiede nella sua prospettiva olistica. Xiao Wen e Wang Yang hanno superato i silos tradizionali tra le discipline di ingegneria elettrica e ingegneria dei trasporti. Hanno dimostrato che la stabilità di un sistema dipende intrinsecamente dalla stabilità dell’altro. Il loro modello integra decisioni di controllo della rete con decisioni di pianificazione del traffico, creando un sistema di risposta alle emergenze che è maggiore della somma delle sue parti. Questa integrazione è la chiave per spezzare il ciclo dei guasti a catena.
Dal punto di vista tecnico, l’uso dell’algoritmo di ricerca dell’armonia rappresenta una scelta astuta. La sua natura stocastica e la sua capacità di sfuggire ai massimi locali lo rendono ideale per il problema combinatorio della riconfigurazione della rete, dove il numero di configurazioni possibili è astronomico. I miglioramenti introdotti dai ricercatori—parametri adattivi, rilevamento della maturazione precoce—lo trasformano in uno strumento potente e robusto.
La seconda fase, l’ottimizzazione del percorso, utilizza il metodo della somma pesata lineare per combinare obiettivi multipli in una singola funzione di costo. Questa formulazione come problema di programmazione mista intera, con variabili binarie per le decisioni di percorso e variabili continue per i tempi di ricarica, consente una soluzione efficiente con i moderni risolutori. Ciò trasforma un problema complesso in uno risolvibile in tempo reale.
Oltre al suo contributo tecnico, questa ricerca solleva importanti implicazioni per il futuro delle città. Man mano che le flotte di veicoli elettrici crescono, le città devono investire non solo in più stazioni di ricarica, ma anche nella resilienza della rete elettrica che le alimenta. Un sistema di ricarica statico è vulnerabile. La soluzione sta in sistemi intelligenti, adattivi e autonomi come quello qui presentato, in grado di mantenere il servizio anche in condizioni avverse.
I ricercatori riconoscono i limiti attuali. Il modello presuppone una conoscenza perfetta dello stato della rete e dei veicoli, cosa che potrebbe non essere realistica in tutti gli scenari. Semplifica anche il comportamento del conducente, non considerando preferenze soggettive come il marchio della stazione di ricarica o la disponibilità a pagare di più per una ricarica più rapida. Future ricerche potrebbero integrare dati in tempo reale provenienti dalla telemetria dei veicoli, dai contatori intelligenti e dai sensori del traffico per creare un sistema ancora più dinamico.
Un altro fronte promettente è l’integrazione con fonti di energia rinnovabile e sistemi di accumulo. In un futuro con un’alta penetrazione di energia solare e batterie, le strategie di riconfigurazione potrebbero dare priorità a percorsi che si allineano con la generazione locale, riducendo ulteriormente il carico sulla rete principale. Inoltre, i veicoli con capacità V2G (Vehicle-to-Grid) potrebbero svolgere un ruolo attivo nella stabilizzazione della rete durante un’emergenza, trasformandosi da consumatori passivi a risorse di supporto.
Le implicazioni sono vaste. I pianificatori urbani, i servizi di emergenza e i responsabili politici possono trarre beneficio da strumenti che rafforzino le infrastrutture urbane. In una crisi, la capacità di mantenere il flusso del traffico, anche con risorse limitate, può essere vitale per l’evacuazione, la consegna di forniture e la sicurezza pubblica.
I benefici economici sono tangibili. Riducendo deviazioni e consumi di energia inutili, il sistema ottimizzato fa risparmiare denaro agli utenti, prolunga la vita delle batterie e riduce l’usura delle strade. Riduce anche i costi indiretti della congestione. Per le aziende di flotte, ciò si traduce in una maggiore redditività e affidabilità del servizio.
Dal punto di vista ambientale, il modello supporta gli obiettivi di sostenibilità. Garantendo che i conducenti di VE possano sempre trovare una stazione funzionante, rafforza la fiducia nella mobilità elettrica e ne promuove l’adozione. Allo stesso tempo, migliorando l’efficienza della rete durante i guasti, riduce la necessità di generazione di backup basata su combustibili fossili.
In conclusione, il lavoro di Xiao Wen e Wang Yang è un esempio distintivo di come la scienza possa affrontare problemi urbani complessi con soluzioni pratiche e ad alto impatto. Hanno creato un framework che non solo risolve un problema immediato, ma stabilisce anche un nuovo standard per la progettazione di infrastrutture integrate. Man mano che le minacce alle nostre reti diventano più frequenti, innovazioni come questa saranno fondamentali per costruire città che non siano solo intelligenti, ma anche veramente resilienti.
Xiao Wen, Wang Yang, Scuola di Ingegneria Elettrica e dell’Informazione, Università del Jiangsu. Pubblicato su Computer Development & Applications, DOI: 10.3969/j.issn.1000-386x.2024.07.008