La Dinamica dei Prezzi Riscalda la Competizione nella Ricarica EV in Cina
Nell’ecosistema dei veicoli elettrici, le infrastrutture di ricarica non sono più soltanto un servizio di utilità: stanno diventando un campo di battaglia. Mentre la Cina avanza a tutto gas nella corsa globale all’elettrico, la vera competizione non si svolge soltanto tra le case automobilistiche; si sta consumando silenziosamente presso le stazioni di ricarica, dove le strategie di prezzo ridisegnano in tempo reale le mappe del mercato. Un nuovo quadro di ricerca sviluppato da Luigi Yang e dai suoi colleghi del Istituto di Ricerche Economiche della Rete Statale dello Hunan rivela come la determinazione dinamica dei prezzi non influisca solo sui ricavi, ma modelli attivamente l’area di servizio di ogni stazione, trasformando la geografia statica in un panorama competitivo fluido e reattivo.
I risultati sfidano un’assunzione a lungo radicata nel settore: che la zona di attrazione di una stazione di ricarica sia definita esclusivamente dalla posizione e dalla capacità. In realtà, come dimostra questo studio, un singolo aggiustamento dei prezzi può spostare centinaia di potenziali clienti — e i confini invisibili tra operatori rivali — nel giro di pochi minuti. In distretti urbani densamente popolati come Furong, a Changsha, dove tre grandi stazioni si contendono il predominio, un calo del 10% dei prezzi nelle ore di morbida in una località può sottrarre immediatamente quote di mercato anche a concorrenti più grandi e meglio attrezzati. Le implicazioni sono profonde — non solo per i gestori delle stazioni, ma anche per i pianificatori della rete, i responsabili politici e la futura scalabilità dell’integrazione delle energie pulite.
Per capire perché questo è importante, si consideri la portata del boom della ricarica in Cina. Nel solo 2022, il paese ha aggiunto quasi 2,6 milioni di nuovi punti di ricarica — più dell’intera rete pubblica di Stati Uniti, Germania e Giappone messi insieme. I caricatori pubblici sono cresciuti di oltre il 91%, mentre le unità private (domestiche e lavorative) sono aumentate di un impressionante 225%. Questa crescita esplosiva ha creato un paradosso: l’infrastruttura è abbondante, ma l’utilizzo rimane disomogeneo. Alcune stazioni brulicano di traffico durante le ore di punta, mentre altre rimangono inattive, mettendo sotto sforzo la rete in un quartiere e sottoutilizzando la capacità a pochi chilometri di distanza.
Fino ad ora, la maggior parte dei tentativi di correggere questo squilibrio si è concentrata sull’hardware — costruire più caricatori, potenziare la capacità di rete o imporre unità DC più veloci. Ma il team di Luigi sostiene che il vero collo di bottiglia è l’economia comportamentale, non l’ingegneria. “Puoi installare un centinaio di caricatori da 150 kW”, afferma un coautore, “ma se tutti gli automobilisti si presentano tra le 18 e le 20, hai appena creato un punto di congestione — non una soluzione”. Il loro modello tratta la domanda di ricarica come un fluido, reattivo ai segnali di prezzo come l’acqua che scorre in discesa — deviando intorno agli ostacoli, accumulandosi dove la resistenza è minore.
Al centro del loro approccio c’è un adattamento innovativo del principio di “occupazione più forte” di Isard, originariamente sviluppato nella teoria della localizzazione per spiegare come le città e le industrie dominano le economie regionali. Applicato alla ricarica dei veicoli elettrici, postula una regola semplice: ogni chilometro quadrato di spazio urbano è rivendicato dalla stazione che offre il “campo di attrazione” più forte — una combinazione di caratteristiche fisiche (numero di caricatori veloci, capacità di connessione alla rete), qualità del servizio e, in modo cruciale, prezzo in tempo reale. A differenza dei modelli precedenti che presupponevano zone di servizio circolari e fisse — come le increspature provocate da un sasso lanciato in uno stagno — questo campo è asimmetrico, dinamico e altamente sensibile alla competizione.
Immaginatelo così: tre stazioni di ricarica — Stazione A, B e C — raggruppate in un distretto commerciale. La Stazione A ha più caricatori veloci e una posizione privilegiata, il che le conferisce un “pozzo di gravità” naturalmente più ampio. Ma quando la Stazione C abbassa la sua tariffa serale appena al di sotto della tariffa provinciale per le ore di morbida, il suo campo si intensifica temporaneamente. All’improvviso, gli automobilisti a cinque isolati di distanza — prima nell’orbita di A — ricalcolano la loro scelta. Il GPS reindirizza il loro percorso. Un flusso si sposta leggermente verso C. Il confine si sposta — non su una mappa, ma nel comportamento reale.
Non è teorico. Il caso di studio del Distretto di Furong ha tracciato gli spostamenti effettivi in 16.288 microzone. Quando è entrata in gioco la determinazione dinamica dei prezzi, la Stazione 1 (la più forte per metriche hardware) ha visto la sua quota di mercato nelle ore di punta diminuire — non perché ha perso capacità, ma perché le stazioni rivali hanno praticato prezzi più bassi proprio quando lo sforzo della rete era massimo. Al contrario, durante le pause di mezzogiorno, la Stazione 1 ha aumentato leggermente i prezzi e ha comunque mantenuto i clienti, grazie alla sua velocità e affidabilità superiori. Il risultato? Profili di carico più bilanciati, meno kilowatt rinnovabili limitati (specialmente da eccesso di produzione eolica e solare) e, in modo cruciale, margini netti più elevati complessivamente.
Quest’ultimo punto è fondamentale. La saggezza convenzionale sostiene che i tagli dei prezzi erodono il profitto. Ma il modello mostra che può essere vero il contrario se eseguito strategicamente. Abbassando i prezzi solo quando la generazione rinnovabile supera le previsioni — ad esempio, in un pomeriggio ventoso e soleggiato — gli operatori possono monetizzare elettroni che altrimenti andrebbero sprecati. Lo studio ha rilevato che le stazioni che partecipano a uno schema coordinato di determinazione dinamica dei prezzi hanno aumentato la loro redditività media giornaliera fino al 4,05% — non caricando di più, ma caricando in modo più intelligente. E lo hanno fatto aiutando la rete ad assorbire 1,3 megawatt in più di energia rinnovabile variabile durante i periodi di elevato errore di previsione.
Questa doppia vittoria — economica e operativa — è ciò che rende l’approccio così convincente per le utility e gli organismi di regolamentazione. I gestori di rete cinesi affrontano una sfida senza precedenti: integrare oltre 1.000 gigawatt di eolico e solare entro il 2030, in gran parte intermittenti. I veicoli elettrici, con la loro enorme capacità della batteria flessibile, sono considerati una pietra angolare della stabilizzazione della rete — se la loro ricarica può essere orchestrata. Le tariffe statiche per fasce orarie (ad esempio, economiche di notte, care alle 18) sono troppo rozze. Creano nuovi picchi — corse di mezzanotte — mentre tutti aspettano la finestra a tariffa ridotta. La determinazione dinamica dei prezzi a livello di stazione, tuttavia, consente una modellazione del carico a micro-livello: spingere sottogruppi di utenti in diversi quartieri a ricaricare ora o più tardi, in base all’offerta e alla domanda iperlocali.
Una delle intuizioni più significative dello studio è come la densità del mercato cambi le regole del gioco. In aree rade — ad esempio, una città di provincia con solo due stazioni — le variazioni di prezzo provocano pochi spostamenti. Gli automobilisti hanno poche alternative; la gamma di servizi rimane stabile. Ma in cluster densi come Furong, dove le stazioni spesso distano meno di un chilometro l’una dall’altra, piccole differenze di prezzo innescano grandi ridistribuzioni. Qui la competizione è feroce, i margini più sottili — ma anche più reattivi alla determinazione intelligente dei prezzi. “Non è una corsa al ribasso”, sottolinea Luigi. “È una corsa alla precisione”.
Questa precisione dipende da cicli di dati rapidi. Il sistema proposto aggiorna i prezzi ogni 15 minuti — 96 intervalli al giorno — utilizzando previsioni giornaliere della domanda di veicoli elettrici e della produzione rinnovabile, adeguandosi poi in tempo reale in base alle deviazioni effettive. Quando la generazione eolica in tempo reale supera dell’8% la previsione mattutina, ad esempio, l’algoritmo spinge le stazioni vicine ad abbassare i prezzi tra le 10 e le 12, invitando più veicoli elettrici a caricare e consumare il surplus. Quando le nuvole arrivano inaspettatamente, i prezzi salgono leggermente, scoraggiando delicatamente i rabbocchi non urgenti.
In modo cruciale, il modello non lascia gli operatori in balia dell’algoritmo. I vincoli garantiscono equità e fattibilità: nessuna stazione può praticare prezzi inferiori al suo costo operativo (acquisto di elettricità + manutenzione), e nessun automobilista affronta picchi improvvisi e punitivi. Vengono applicati limiti superiori e inferiori — ±10% rispetto al benchmark provinciale. Inoltre, il sistema tiene conto della “forza” della stazione. Non ci si aspetta che un piccolo hub con due caricatori assorba lo stesso spostamento di carico di una mega-stazione con 20 caricatori veloci. Il ruolo di ogni attore è calibrato in base alla sua capacità.
Questa sfumatura affronta un grave difetto nelle proposte precedenti — come il modello del punto di rottura, che traccia confini a linea retta tra le stazioni come se fossero equamente bilanciate. O il modello Wilson migliorato, che presuppone zone di servizio circolari che spesso si sovrappongono o lasciano lacune. L’approccio basato sul campo di Luigi, al contrario, riconosce l’asimmetria. Accetta che la Stazione A possa dominare il 70% di una zona — non solo per la vicinanza, ma perché offre ricariche più veloci, tempi di attesa inferiori o servizi migliori. Il prezzo diventa la manopola di regolazione che gli operatori possono girare per amplificare o attenuare temporaneamente quel dominio.
Gli osservatori del settore vedono questo come un potenziale punto di svolta. “Abbiamo trascorso un decennio ottimizzando l’hardware”, afferma un senior strategist di una principale rete di ricarica per veicoli elettrici. “Ora stiamo entrando nell’era del software — dove il vero valore non è nel caricatore, ma nell’intelligenza che c’è dietro”. Diversi programmi pilota stanno già testando concetti simili nel Guangdong e nello Zhejiang, sebbene nessuno integri ancora così esplicitamente le dinamiche della gamma di servizi.
Ma rimangono delle sfide. Innanzitutto, l’accesso ai dati è disomogeneo. Il modello presuppone una visibilità in tempo reale dei prezzi dei concorrenti e delle condizioni della rete — una condizione non ancora soddisfatta in molte regioni dove gli operatori custodiscono gelosamente i dati sui prezzi. Potrebbero essere necessarie API standardizzate e spinte normative per la trasparenza. In secondo luogo, la fiducia dei consumatori è fragile. Dopo anni di tariffe di servizio opache e costi “di comodità” nascosti, gli automobilisti diffidano dei prezzi in continua evoluzione. Spiegazioni chiare nelle app — “Prezzo basso ora: aiuta a utilizzare l’energia solare in eccesso!” — saranno essenziali.
Poi c’è la questione dell’equità. La determinazione dinamica dei prezzi potrebbe svantaggiare involontariamente gli automobilisti a basso reddito che non possono permettersi di aspettare gli sconti per le ore di morbida o possiedono veicoli elettrici più vecchi con ricarica più lenta? I ricercatori lo riconoscono e suggeriscono misure complementari: slot riservati a basso costo per i veicoli flessionali (taxi, furgoni per le consegne) durante le ore di alta domanda, o programmi fedeltà che smussano la volatilità dei tassi per gli utenti regolari.
Tuttavia, lo slancio è innegabile. Mentre la Cina passa dal costruire infrastrutture di ricarica all’ottimizzarle, la determinazione dei prezzi emergerà come la variabile di controllo critica. I giorni delle tariffe fisse, a livello provinciale, sono contati. Al loro posto, una nuova generazione di “motori tariffari intelligenti” — addestrati sulla competizione locale, le previsioni rinnovabili e il comportamento degli utenti — calibrerà autonomamente le tariffe per bilanciare profitto, stabilità della rete e soddisfazione del cliente.
Ciò che è notevole è come questo trasformi il ruolo dell’operatore. Non più solo proprietari di parcheggi-con-presa, diventano orchestratori di energia, partecipanti attivi alla transizione energetica pulita. Una stazione di ricarica a Changsha non vende semplicemente kilowattora; sta aiutando a prevenire l’aumento di produzione di una centrale a carbone durante una pausa solare, o consentendo a un parco eolico di funzionare a pieno regime invece di limitare le pale. La sua redditività e il suo impatto ambientale diventano due facce della stessa medaglia.
Guardando avanti, il quadro potrebbe estendersi ben oltre i veicoli elettrici. Gli stessi principi — determinazione dinamica dei prezzi, competizione basata sul campo, bilanciamento del carico in tempo reale — si applicano alle stazioni di scambio batterie, ai servizi V2G (vehicle-to-grid), persino ai distributori di idrogeno man mano che il mix dei trasporti a zero emissioni si diversifica. L’intuzione centrale rimane: in un’era di risorse distribuite e variabili, la flessibilità è la nuova capacità.
Per ora, il messaggio per i gestori delle stazioni è chiaro: il vostro bene più grande non è il vostro trasformatore o il numero di caricatori — è la vostra agilità nei prezzi. Nell’ad alto rischio della ricarica dei veicoli elettrici, la mappa non è più fissa. Viene ridisegnata ogni 15 minuti — e i vincitori saranno quelli che impareranno a navigare il terreno in continuo cambiamento.
Autore: Luigi Yang
Affiliazione: Istituto di Ricerche Economiche della Rete Statale dello Hunan
Rivista: Electric Power Construction
DOI: 10.12204/j.issn.1000-7229.2023.10.008