I Veicoli Elettrici Riplasmano le Reti Urbane di Energia e Mobilità
La mobilità elettrica non è più solo una questione di motori e batterie. È diventata un catalizzatore per una trasformazione profonda delle città, dove i sistemi di trasporto e di distribuzione dell’energia si stanno fondendo in un unico ecosistema interconnesso. L’ascesa inarrestabile dei veicoli elettrici (EV) sta costringendo pianificatori urbani, ingegneri elettrici e operatori di rete a ripensare le loro discipline in modo olistico. Un recente studio pubblicato sulla rivista Automation of Electric Power Systems offre una visione pionieristica di questo fenomeno, spostando il focus dal veicolo singolo al sistema complessivo. La ricerca, condotta da Sheng Yujie, Guo Qinglai, Xue Yixun, Wang Jiawei e Chang Xinyue delle prestigiose Tsinghua University e Shanxi Institute of Energy Internet, introduce un quadro concettuale innovativo, il sistema cibernetico-fisico-sociale (CPSS), per modellare e ottimizzare questa nuova frontiera.
Il cuore del lavoro risiede nell’idea che un veicolo elettrico non è un semplice carico per la rete elettrica, né un mero mezzo di trasporto. È un nodo mobile, un attore intelligente che possiede una flessibilità spaziale e temporale unica. A differenza di un’auto a combustione, un EV può caricare in diversi momenti della giornata e in vari luoghi: a casa, al lavoro, in un parcheggio o in un’area di servizio lungo l’autostrada. Questa capacità di spostare il suo consumo di energia nel tempo e nello spazio lo trasforma in un asset strategico, una flotta di batterie distribuite che può assorbire l’energia in eccesso prodotta da fonti rinnovabili durante le ore di bassa domanda e, in futuro, potenzialmente restituirla alla rete durante i picchi di consumo (Vehicle-to-Grid, V2G).
Tuttavia, sfruttare questo potenziale non è una semplice questione di tecnologia. È un problema di ingegneria sociale e di coordinamento complesso. La chiave, come sottolineano gli autori, risiede nel comportamento dell’utente. La decisione di quando e dove ricaricare non è meccanica; è il risultato di una complessa serie di calcoli personali, influenzati da fattori come il prezzo dell’energia, il tempo di attesa, la paura di rimanere a secco (la cosiddetta “range anxiety”), la comodità del luogo e le preferenze individuali. Un guidatore potrebbe scegliere una stazione di ricarica più lontana non per risparmiare soldi, ma per evitare una coda lunga o perché si fida di un marchio specifico. Questo comportamento sociale, apparentemente caotico, è ciò che rende il sistema così difficile da gestire, ma anche così ricco di opportunità.
Il Modello CPSS: Tre Strati per un Sistema Complesso
Per affrontare questa complessità, il team di ricerca propone un modello a tre strati che integra fisica, società e informazione.
Lo strato fisico rappresenta la base materiale del sistema: le reti stradali e quelle elettriche. In questo livello, il flusso del traffico e il flusso di elettricità si influenzano reciprocamente attraverso le infrastrutture di ricarica. Le strade e le stazioni di ricarica hanno capacità finite. Quando una stazione diventa un collo di bottiglia, non si creano solo code di veicoli, ma si può generare un sovraccarico locale nella rete elettrica. Lo studio esamina diversi modelli di assegnazione del traffico, dai più semplici e statici ai più complessi e dinamici. I modelli statici, sebbene utili per la pianificazione a lungo termine, assumono uno stato di equilibrio e non catturano le dinamiche in tempo reale. I modelli dinamici, pur essendo computazionalmente intensivi, sono essenziali per la gestione operativa, poiché possono simulare come si propagano i blocchi e come cambiano i modelli di ricarica durante il giorno. La conclusione è inequivocabile: per una pianificazione urbana efficace, è necessario modellare queste reti come un sistema accoppiato, dove un guasto o una congestione in una rete può avere effetti a cascata sull’altra.
Lo strato sociale è dove risiede la vera complessità. Qui, la ricerca sfida l’assunto tradizionale che i guidatori siano agenti completamente razionali che cercano sempre di minimizzare il proprio costo individuale. Nella realtà, le decisioni degli utenti sono permeate da una “razionalità limitata”. Le persone agiscono con informazioni incomplete, hanno pregiudizi cognitivi e danno priorità a valori diversi. Un guidatore potrebbe essere disposto a pagare di più per la certezza di trovare una presa libera, o potrebbe cambiare percorso per uno più lungo per evitare un’autostrada congestionata, anche se ciò significa un maggiore consumo di energia.
Per modellare questo comportamento, gli autori promuovono l’uso di teorie della scienza comportamentale, come la teoria del prospetto cumulativo. Questa teoria spiega che le persone sentono le perdite (come rimanere senza batteria) molto più intensamente delle vincite (come risparmiare sulla bolletta dell’elettricità). Questo insight è cruciale: una strategia di prezzo che non tenga conto di questa paura della perdita sarà inefficace. Lo studio sottolinea l’importanza dei dati empirici, come i registri di telemetria dei veicoli, le cronologie di ricarica e i dati di navigazione, per calibrare questi modelli e renderli più precisi e prevedibili.
Lo strato informazionale agisce come il sistema nervoso del CPSS. È il canale attraverso il quale scorre l’informazione che guida le decisioni. Le app di navigazione, i segnali di prezzo dell’operatore di rete, gli avvisi sul traffico e i suggerimenti di ricarica sono tutti elementi di questo strato. Questo strato collega diversi attori: i guidatori stessi, gli operatori di stazioni di ricarica, le società di servizi pubblici, le autorità del traffico e le aziende tecnologiche. Ognuno di loro ha obiettivi diversi. Gli operatori di ricarica cercano di massimizzare l’utilizzo e i ricavi. Le società di servizi pubblici cercano stabilità nella rete e costi di generazione bassi. Le autorità del traffico vogliono ridurre la congestione. I guidatori vogliono minimizzare i loro costi e massimizzare il loro comfort.
Questo ambiente multi-agente crea una dinamica strategica che può essere analizzata attraverso la teoria dei giochi. Lo studio esamina architetture di prezzo come il gioco di Nash-Stackelberg-Nash, dove le autorità energetiche e del traffico agiscono come leader che stabiliscono i prezzi (come tariffe per la congestione o prezzi dell’elettricità in tempo reale), e gli utenti di EV rispondono come follower. Un’importante scoperta è che l’asimmetria informativa—dove un attore ha dati che gli altri non hanno—può ridurre drasticamente l’efficienza del sistema. Ad esempio, un operatore di ricarica potrebbe non avere dati in tempo reale sul carico della rete elettrica, portando a decisioni di prezzo subottimali. Al contrario, un’app di navigazione potrebbe non avere accesso alle informazioni sulla disponibilità di ricarica, risultando in raccomandazioni inutili. Lo studio sostiene un maggiore scambio di dati e interoperabilità, sebbene riconosca le sfide relative alla privacy e alla sicurezza informatica, e suggerisce tecnologie come l’apprendimento federato come una soluzione.
Dalla Teoria alla Pratica: Sfide e Soluzioni
Sebbene le basi teoriche dell’accoppiamento energia-traffico siano ben consolidate, la sua implementazione pratica rimane una sfida. Una delle maggiori barriere è la frammentazione istituzionale. Nella maggior parte delle città, i sistemi energetici e di trasporto sono gestiti da agenzie separate con diversi obiettivi, quadri normativi e orari operativi. Questa divisione rende difficile la pianificazione e la coordinazione integrate.
Lo studio sottolinea la necessità di una governance unificata. I pianificatori urbani devono considerare la posizione delle stazioni di ricarica rapida non solo in termini di flusso del traffico, ma anche in relazione alla capacità della rete elettrica e alla disponibilità di energia rinnovabile. Allo stesso modo, le società di servizi pubblici devono incorporare i modelli di mobilità nei loro modelli di previsione del carico.
La Cina ha assunto una posizione proattiva in questo settore. Nel dicembre 2023, la Commissione Nazionale per la Riforma e lo Sviluppo ha emesso linee guida che richiedono una maggiore integrazione tra i veicoli a nuova energia e la rete elettrica. La politica mira a stabilire cinque città dimostrative e oltre 50 progetti pilota di ricarica bidirezionale entro la fine del 2025. Queste iniziative mirano a testare tecnologie V2G, dove gli EV possono immettere elettricità di nuovo nella rete durante i periodi di alta domanda.
Gli autori sottolineano che, sebbene il V2G abbia un grande potenziale, la sua adozione di massa affronta ostacoli tecnici, economici e comportamentali. Dal punto di vista tecnico, la carica e la scarica frequenti possono accelerare il degrado della batteria, il che preoccupa i proprietari dei veicoli. Economicamente, i ricavi generati dai servizi di rete potrebbero non compensare sempre il costo dell’usura della batteria. Dal punto di vista comportamentale, i guidatori potrebbero essere riluttanti a consentire a un terzo di controllare la programmazione della ricarica del loro veicolo.
Per affrontare questi problemi, lo studio suggerisce un approccio graduale. Le flotte ad alto utilizzo—come taxi, veicoli di ride-hailing e camion per le consegne—potrebbero essere prioritarie per i programmi V2G a causa dei loro modelli di utilizzo prevedibili e della gestione centralizzata. Per i proprietari di EV privati, forme meno intrusive di risposta alla domanda, come incentivi basati sull’orario di ricarica, potrebbero essere più accettabili.
Un’altra tendenza emergente è l’integrazione della tecnologia di ricarica wireless nell’infrastruttura stradale. Ciò potrebbe consentire la ricarica dinamica mentre i veicoli sono in movimento, eliminando l’ansia per l’autonomia e riducendo la necessità di batterie di grandi dimensioni. Lo studio fa riferimento a ricerche che esplorano la fissazione dei prezzi combinata di elettricità e uso della strada negli scenari di ricarica wireless, suggerendo che tali sistemi potrebbero portare a soluzioni di mobilità più efficienti ed eque.
Resilienza e Risposta alle Emergenze
Oltre alle operazioni quotidiane, l’accoppiamento delle reti di energia e trasporto ha importanti implicazioni per la resilienza ai disastri. Disastri naturali come uragani, terremoti o incendi boschivi possono interrompere sia il rifornimento di energia che le rotte di trasporto. In tali scenari, gli EV possono svolgere un doppio ruolo: come fonti mobili di energia per la risposta alle emergenze e come asset flessibili che possono essere deviati per evitare infrastrutture danneggiate.
Lo studio esamina diversi modelli per il ripristino coordinato delle emergenze, in cui i sistemi di energia e trasporto vengono ottimizzati congiuntamente per ripristinare i servizi critici. Ad esempio, i generatori di emergenza mobili possono essere posizionati in anticipo in base agli impatti previsti del disastro, mentre gli EV possono essere indirizzati a stazioni di ricarica alternative se alcune sono fuori servizio.
Gli autori avvertono anche dei rischi a cascata—dove un guasto in un sistema ne innesca altri in un altro. Un blackout in una stazione di ricarica importante potrebbe causare congestione del traffico mentre gli EV in panne bloccano le strade. Al contrario, la chiusura di una strada potrebbe impedire ai team di riparazione di raggiungere una sottostazione danneggiata. Per mitigare questi rischi, lo studio sostiene l’adozione di framework di valutazione del rischio che simulino guasti interdipendenti e valutino l’efficacia dei piani di contingenza.
Prospettive Future
Guardando al futuro, i ricercatori identificano diverse aree chiave per la ricerca futura. Una di queste è lo sviluppo di framework di ottimizzazione gerarchici multiscala che possano gestire la complessità computazionale del sistema integrato energia-traffico. Accoppiare direttamente modelli ad alta risoluzione di entrambe le reti è spesso inviabile a causa del gran numero di variabili coinvolte. Invece, gli autori suggeriscono l’uso di tecniche di aggregazione—come centrali elettriche virtuali o fornitori di servizi di mobilità—come intermediari che semplifichino l’interfaccia tra la rete e i singoli EV.
Un’altra direzione promettente è l’uso dell’intelligenza artificiale e dell’apprendimento automatico per migliorare la precisione delle previsioni e la velocità del processo decisionale. L’apprendimento per rinforzo, in particolare, mostra un potenziale per ottimizzare le strategie di prezzo e percorso dinamico in tempo reale. Tuttavia, gli autori mettono in guardia contro una dipendenza eccessiva da modelli a scatola nera che mancano di interpretabilità. Sistemi di IA trasparenti ed esplicabili saranno essenziali per guadagnare la fiducia del pubblico e l’approvazione normativa.
Infine, lo studio sottolinea l’importanza di un design inclusivo ed equo. Mentre gli EV e la ricarica intelligente diventano più prevalenti, esiste il rischio di creare nuove forme di disuguaglianza energetica. Le comunità a basso reddito o le aree rurali potrebbero rimanere indietro se la distribuzione delle infrastrutture non è pianificata con cura. Le politiche devono garantire che i benefici dell’elettrificazione siano condivisi ampiamente in tutta la società.
Sheng Yujie, Guo Qinglai, Xue Yixun, Wang Jiawei, Chang Xinyue, Tsinghua University and Shanxi Institute of Energy Internet, Automation of Electric Power Systems, DOI: 10.7500/AEPS20230731006