Strategia Intelligente per Ricarica VE in Ondata di Calore
Le ondate di calore estive, sempre più intense e prolungate, stanno mettendo a dura prova le città moderne, non solo per la salute pubblica ma anche per la stabilità delle reti elettriche. L’aumento delle temperature provoca un picco di domanda di energia per il raffreddamento degli edifici, creando una situazione di stress per il sistema. Questa tensione è aggravata dalla rapida diffusione dei veicoli elettrici (VE), la cui ricarica, se non gestita correttamente, può trasformare un problema di gestione in una crisi energetica. Una nuova ricerca, guidata da Han Linyang e Ye Chengjin dell’Università di Zhejiang, propone una soluzione innovativa che non mira a limitare l’uso dei veicoli, ma a trasformarli in un’asset preziosa per la rete elettrica attraverso una strategia di “ricarica in valle”.
Lo studio, pubblicato sulla prestigiosa rivista Automation of Electric Power Systems, affronta il problema da una prospettiva olistica, riconoscendo che la soluzione non risiede esclusivamente nell’ingegneria elettrica, ma anche nella comprensione del comportamento umano. I modelli tradizionali per prevedere il carico di ricarica dei VE si basano su assunzioni semplificate: gli utenti ricaricano quando la batteria è scarica, seguendo schemi di viaggio predefiniti. Tuttavia, questo approccio fallisce nel considerare un fattore cruciale: le persone non sono macchine. Le loro decisioni su quando e dove ricaricare sono profondamente influenzate da fattori esterni come il clima, il loro orario e, soprattutto, il loro comfort e comodità.
Il team dell’Università di Zhejiang compie un passo avanti incorporando la “Teoria del Comportamento Pianificato” nel suo modello. Questa teoria psicologica sostiene che l’intenzione di una persona a compiere un’azione, come ricaricare la sua auto, si basa su tre pilastri: l’atteggiamento verso l’azione, le norme sociali percepite e la percezione del controllo sull’azione stessa. Durante un’ondata di calore, questi pilastri cambiano drasticamente. L’incomodità del caldo rende i viaggi non essenziali meno attraenti, mentre la necessità di un veicolo fresco e climatizzato aumenta la dipendenza dall’auto. Questo cambiamento di comportamento, a sua volta, altera i modelli di traffico, influenzando direttamente quando e dove un veicolo è disponibile per la ricarica. Lo studio analizza dati di sondaggi sui viaggi insieme a registri meteorologici per quantificare come la volontà degli utenti varia in base alla temperatura, rivelando schemi chiari: nei giorni feriali, l’intensità media dei viaggi aumenta, poiché le persone dipendono maggiormente dai loro veicoli climatizzati per andare al lavoro, mentre nei giorni festivi, diminuisce, poiché si evitano uscite non necessarie. Questa comprensione granulare del comportamento umano è la base su cui è costruita l’intera simulazione.
Il secondo grande avanzamento dello studio riguarda il modo in cui calcola il consumo energetico del veicolo. I modelli convenzionali utilizzano spesso una metrica semplice di “kWh per chilometro”, aggiustando questo valore con un fattore di correzione per la temperatura. Questo approccio, secondo i ricercatori, è fondamentalmente difettoso perché ignora che una parte significativa del consumo della batteria in climi caldi non proviene dalla guida, ma dal funzionamento del sistema di aria condizionata e di raffreddamento. Questi sistemi consumano energia in base al tempo di funzionamento, non alla distanza percorsa. Un’auto ferma in un ingorgo a 40 °C con l’aria condizionata al massimo scaricherà la sua batteria molto più velocemente di un’auto che percorre la stessa distanza in una mattina fresca e serena.
Per superare questo limite, il team ha sviluppato un modello di calcolo dell’energia in tre componenti. La prima è il consumo per la propulsione, influenzato dalla velocità, dalla distanza e dalla congestione del traffico. La seconda è il consumo per il controllo climatico, che dipende direttamente dalla temperatura esterna e dalla durata del viaggio. La terza è il consumo per gli accessori a bassa tensione, come ventilatori e pompe, che aumenta anche in temperature elevate. Integrando la durata e la distanza del viaggio come input principali, questo modello offre un’immagine molto più precisa delle reali esigenze energetiche di un VE, specialmente nelle condizioni stressanti di un’ondata di calore. Le loro simulazioni hanno confermato che il consumo energetico del veicolo aumenta drasticamente durante il clima caldo, in particolare durante le ore di punta del traffico, quando sia la congestione che l’uso dell’aria condizionata sono alti, portando a un aumento significativo della frequenza e del volume di ricarica richiesti.
Con un modello realistico di dove vanno le persone e quanta energia usano, il pezzo finale del puzzle è comprendere come scelgono di ricaricare. I ricercatori abbandonano la regola semplificata di “ricaricare quando la batteria è bassa”. Invece, propongono un “modello di scelta razionale” in cui i conducenti sono visti come agenti economici che prendono decisioni complesse per minimizzare il loro costo totale di proprietà. Questo costo non è solo il prezzo dell’elettricità; include anche il costo del degrado della batteria dovuto a scariche profonde o sovraccariche, e ciò che chiamano “costo di fastidio”, una misura quantificabile dell’inconveniente di ricaricare in un luogo o momento specifico. Un conducente potrebbe preferire pagare una tariffa leggermente più alta per ricaricare in un punto vicino e sicuro a casa, piuttosto che uno più economico ma remoto e meno sicuro. Questa visione olistica del processo decisionale dell’utente consente al modello di prevedere non solo se un’auto si ricaricherà, ma anche quando e dove lo farà.
Questo livello di dettaglio è cruciale per gli operatori della rete, che hanno bisogno di conoscere non solo il carico totale, ma anche la sua posizione precisa nella rete. Con questo strumento di simulazione altamente preciso, i ricercatori sono passati alla loro proposta centrale: una “strategia di orientamento spaziale”. La loro soluzione è un meccanismo elegante e basato sul mercato che chiamano “sconti per la ricarica in valle”. Il concetto è semplice in linea di principio, ma sofisticato nella sua esecuzione. Ogni giorno, l’operatore della rete di distribuzione utilizzerebbe il suo modello di simulazione per prevedere il profilo di carico del giorno successivo. Analizzando i prezzi marginali dei nodi—il costo di fornire un’unità aggiuntiva di energia in ogni punto della rete—potrebbe identificare momenti e luoghi specifici in cui c’è un eccesso di elettricità, spesso durante il pomeriggio quando la generazione solare è alta ma la domanda generale è più bassa.
L’operatore offrirebbe quindi uno sconto sul prezzo di ricarica in questi nodi e momenti di “valle”. Queste informazioni verrebbero comunicate ai conducenti con anticipo, forse attraverso un’app dedicata o il sistema di navigazione del veicolo. Di fronte a un incentivo finanziario, i conducenti sarebbero incoraggiati a modificare i loro piani di ricarica. Un conducente che normalmente ricarica a casa di notte potrebbe optare per ricaricare al suo posto di lavoro durante il pomeriggio, o cercare un punto di ricarica pubblico scontato mentre torna a casa. Questo non è un ordine; è un incoraggiamento, sfruttando la razionalità economica del conducente per ottenere un beneficio a livello di sistema.
Il genio di questa strategia sta nel fatto che risolve più problemi contemporaneamente. Riduce il carico di picco sulla rete spostando la domanda fuori dalle ore critiche del pomeriggio, riducendo così il rischio di blackout e la necessità di centrali elettriche “di punta” costose e inquinanti. Aumenta l’utilizzo dell’energia rinnovabile creando domanda durante i periodi di alta generazione solare. E soprattutto, lo fa senza disturbare gli utenti; anzi, fa risparmiare loro denaro. I risultati della simulazione dello studio sono convincenti. Quando applicata a una città modello durante uno scenario di “caldo estremo”, l’implementazione di sconti per la ricarica in valle ha ridotto la differenza tra il picco e la valle del carico di un notevole 38,1% e ha ridotto la necessità di razionamento di emergenza del carico del 75,7%. I costi di funzionamento della rete sono diminuiti, portando a un aumento netto dei ricavi del sistema. Per i conducenti, il costo totale di proprietà del veicolo—la somma delle tariffe di ricarica, dell’usura della batteria e dell’inconveniente—è diminuito del 5,57%, un risparmio significativo per una grande flotta di veicoli.
Questa ricerca rappresenta un progresso significativo nel campo dell’integrazione veicolo-rete. Va oltre i silos tecnici dell’ingegneria elettrica e dei modelli di trasporto per creare un approccio veramente integrato e centrato sull’essere umano. Riconoscendo che i conducenti sono attori razionali con esigenze e preferenze complesse, la strategia trasforma i veicoli elettrici da un carico passivo e imprevedibile in una risorsa attiva, reattiva e preziosa per la stabilità della rete. Offre un piano per un futuro in cui il sistema energetico non sia solo intelligente, ma anche empatico, lavorando in armonia con le persone a cui serve.
Le implicazioni di questo lavoro vanno ben oltre la sfida immediata delle ondate di calore. Gli stessi principi potrebbero essere applicati per gestire la ricarica durante altri eventi meteorologici estremi, per integrare livelli più elevati di energia eolica e solare, o per ottimizzare l’uso dello stoccaggio energetico locale. Fornisce uno strumento potente per i pianificatori urbani e le compagnie elettriche mentre navigano la complessa transizione verso un sistema di trasporto sostenibile ed elettrificato. Mentre il numero di veicoli elettrici sulle strade continua a crescere esponenzialmente, strategie come questa saranno essenziali per garantire che la promessa del trasporto pulito non venga a costare una rete elettrica fragile e instabile. Il lavoro di Han Linyang, Ye Chengjin, Zhu Chao, Gao Qiang e Yu Haiyue dimostra che con la giusta combinazione di modellazione avanzata e comprensione del comportamento, possiamo costruire un sistema energetico che non sia solo robusto ed efficiente, ma anche giusto e facile da usare.
Han Linyang, Ye Chengjin, Zhu Chao, Gao Qiang, Yu Haiyue, Università di Zhejiang. Automation of Electric Power Systems. DOI: 10.7500/AEPS20230731005