Metodo Rivoluzionario per Stazioni di Ricarica Ultrarapida
Il settore dell’auto elettrica è in piena rivoluzione, con veicoli sempre più performanti e autonomi che conquistano le strade di tutto il mondo. Tuttavia, il vero collo di bottiglia per la diffusione di massa di questa tecnologia non è più il veicolo stesso, ma l’infrastruttura che lo alimenta. L’ascesa delle stazioni di ricarica ultrarapida (UHPC), in grado di erogare potenze di 300 kW o superiori, promette di ridurre i tempi di ricarica a pochi minuti, rendendo l’auto elettrica un’alternativa concreta e conveniente all’auto a combustione. Questo salto tecnologico, tuttavia, presenta una sfida enorme per le reti elettriche esistenti. L’impatto di una richiesta di energia così massiccia e improvvisa può causare picchi di carico, cadute di tensione e costose necessità di potenziamento della rete. In questo scenario complesso, un nuovo studio pubblicato sulla prestigiosa rivista Power System Protection and Control da un team di ricercatori dell’Università delle Tre Gole di Cina offre una soluzione integrata e dirompente a questo problema.
Guidati da Cheng Shan, Wang Haojie, Xu Qiping, Ran Tao e Wang Can del College of Electrical Engineering and New Energy, lo studio intitolato “Metodo di localizzazione e determinazione della capacità in due fasi per impianti di ricarica multi-tipo con ricarica ultrarapida” propone un quadro di pianificazione che va ben oltre la semplice scelta del luogo per una stazione di ricarica. Il loro approccio in due fasi integra in modo innovativo la previsione del comportamento degli utenti, l’analisi del traffico in tempo reale e, soprattutto, l’uso strategico del sistema di accumulo energetico distribuito (DESS) per creare una rete di ricarica più resiliente, efficiente e sicura. Questo modello olistico, che considera il triplice asse “veicolo-stazione-rete”, rappresenta un balzo in avanti rispetto ai metodi tradizionali, spesso basati su assunzioni semplificate e incapaci di cogliere la complessità delle scelte umane e delle dinamiche del traffico.
La debolezza fondamentale di molti modelli di pianificazione precedenti, come sottolineano i ricercatori, è la loro incapacità di modellare in modo realistico la scelta dell’utente. La decisione di dove e quando ricaricare un veicolo elettrico non è casuale; è una scelta strategica influenzata da una miriade di fattori. La vicinanza è importante, ma non è l’unico criterio. Il prezzo per chilowattora, il tempo necessario per raggiungere la stazione, lo stato della batteria e, sempre di più, la potenza di ricarica disponibile, sono tutti elementi che pesano sulla decisione. Un conducente con la batteria quasi scarica e una sosta breve darà priorità a una stazione di ricarica ultrarapida, anche se più costosa. D’altro canto, un conducente che lascerà il veicolo parcheggiato per diverse ore al lavoro o in un centro commerciale potrebbe optare per una ricarica lenta ed economica, anche se deve camminare un po’ di più. I modelli tradizionali, che spesso presumono che ogni nodo della rete stradale abbia una stazione di ricarica, trascurano questa diversità di esigenze e possono portare a investimenti inefficienti.
L’innovazione del metodo in due fasi di Cheng e del suo team risiede nella sua capacità di modellare questa complessità umana. La prima fase del processo è una sofisticata previsione della distribuzione spaziotemporale della domanda di ricarica. Il modello non si limita ai dati storici; incorpora informazioni dinamiche in tempo reale. Utilizza dati sul traffico per simulare l’impatto della congestione sul consumo energetico del veicolo. Un’auto bloccata nel traffico consuma energia senza avanzare, riducendo la sua autonomia e aumentando la probabilità che abbia bisogno di ricaricare prima del previsto. Il modello tiene anche conto del tipo di strada (autostrada, strada principale, via secondaria) e della temperatura ambiente, poiché il freddo può aumentare significativamente il consumo di energia di un VE. Per simulare il comportamento dei conducenti, il modello impiega catene di Markov, uno strumento matematico che permette di prevedere la probabilità che un conducente si sposti da un punto a un altro della rete stradale, tenendo conto del traffico e dei suoi schemi di spostamento.
Questa analisi porta alla creazione di un modello di probabilità di scelta dell’utente, che è il cuore della prima fase. Il modello postula che i conducenti scelgano una stazione di ricarica in base a un “valore” che è una funzione della sua “attrattiva” e della “resistenza” per raggiungerla. L’attrattiva è definita principalmente dal prezzo della ricarica: una stazione più economica è più attraente. La resistenza è un calcolo composto dalla distanza e dal tempo di viaggio, che a sua volta è influenzato dalle condizioni del traffico. Questo approccio permette al modello di calcolare la probabilità che un conducente in un nodo specifico della rete scelga una stazione di ricarica rispetto a un’altra. Con queste informazioni, il modello può definire con precisione la “zona di servizio” di ogni potenziale stazione di ricarica, creando una mappa molto più realistica di come si distribuirà la domanda.
La seconda fase è dove la pianificazione si trasforma in uno strumento potente di ottimizzazione. Basandosi sulla distribuzione della domanda prevista dalla prima fase, questa fase ha come obiettivo principale la minimizzazione del costo totale annuo di investimento e funzionamento della rete di ricarica. Questa funzione obiettivo è multifaccettata, comprendendo il costo di costruzione e manutenzione delle stazioni, il costo di acquisizione dei terreni, il costo delle perdite nel sistema elettrico e il costo operativo del DESS. Il modello deve bilanciare questo obiettivo economico con una serie di vincoli critici per garantire la sicurezza e l’affidabilità del sistema.
Uno dei contributi più significativi dello studio è l’integrazione strategica del DESS. Le stazioni di ricarica ultrarapida sono come siluri di energia per la rete elettrica. Quando diversi veicoli si ricaricano contemporaneamente a 300 kW, la domanda può salire a livelli che mettono a rischio la stabilità della rete. Il DESS agisce come un ammortizzatore, assorbendo energia dalla rete durante i periodi di bassa domanda (ad esempio, durante la notte) e rilasciandola durante i picchi di ricarica. Questo ha un effetto duplice: in primo luogo, riduce drasticamente il picco di potenza che la stazione preleva direttamente dalla rete, alleviando la pressione su trasformatori e linee. In secondo luogo, livellando il profilo di carico, migliora la qualità della tensione in tutta la rete, evitando cadute di tensione che potrebbero danneggiare altri apparecchi. Nella simulazione dello studio, l’integrazione del DESS ha ridotto il carico di picco nei nodi chiave da 3 MW a 2,3 MW, una riduzione del 23%, dimostrando la sua efficacia come scudo per la rete.
La pianificazione considera anche tre tipi di caricabatterie: ultrarapido (300 kW), rapido (60 kW) e lento (7 kW). La scelta della combinazione ottimale è cruciale. La simulazione ha rivelato che una strategia basata esclusivamente su caricabatterie rapidi da 60 kW risultava in un costo totale del 24% più alto rispetto alla soluzione ottimale. Il motivo è chiaro: per soddisfare la stessa domanda di ricarica nello stesso periodo di tempo, sarebbe stato necessario un numero molto maggiore di caricabatterie da 60 kW, il che si traduce in un investimento maggiore in hardware e più spazio di terreno, aumentando i costi di costruzione e di acquisizione dei terreni. Al contrario, una flotta di stazioni composta esclusivamente da caricabatterie ultrarapidi sarebbe stata proibitivamente costosa e uno spreco di risorse per i conducenti che hanno solo bisogno di una ricarica lenta. Il modello trova l’equilibrio, determinando quanti caricabatterie di ogni tipo sono necessari in ogni posizione per soddisfare la diversità delle esigenze degli utenti nel modo più economico possibile.
Lo studio fornisce anche una preziosa intuizione sul numero ottimale di stazioni da costruire. I risultati della simulazione indicano che esiste un punto ottimale, in questo caso, cinque stazioni. Costruirne di meno (tre o quattro) costringeva i pianificatori a installare più caricabatterie in ogni posizione per gestire la domanda, aumentando i costi totali. Costruirne più di cinque aumentava anche i costi, poiché il beneficio marginale di una stazione aggiuntiva era superato dai costi fissi della sua costruzione e gestione. Inoltre, con più stazioni, molte di esse sarebbero rimaste sottoutilizzate per lunghi periodi, rappresentando un’inefficienza nell’uso delle risorse. Questa scoperta è vitale per i pianificatori urbani, che spesso si trovano sotto pressione per costruire più stazioni, senza considerare il rischio di sottoutilizzazione.
La validazione del modello è stata effettuata attraverso uno studio di caso che ha accoppiato una rete stradale urbana rappresentativa con la rete di distribuzione elettrica IEEE 33 nodi, uno standard ampiamente utilizzato nella ricerca sulle reti elettriche. I risultati sono stati conclusivi. Il metodo in due fasi non solo ha prodotto un piano di infrastruttura più economico, ma ha anche garantito la sicurezza della rete. Senza il DESS, la simulazione ha mostrato che la tensione in diversi nodi della rete sarebbe scesa al di sotto di 0,94 pu (per unità), un livello considerato inaccettabile e che potrebbe innescare problemi operativi. Con il DESS attivo, la tensione è rimasta entro i limiti di sicurezza, dimostrando che una pianificazione intelligente può consentire l’integrazione di massa della ricarica ultrarapida senza compromettere la stabilità del sistema elettrico.
Le implicazioni di questa ricerca sono profonde. Fornisce alle città, agli operatori di reti elettriche e agli investitori uno strumento di pianificazione all’avanguardia. Non si tratta più di indovinare dove costruire stazioni; si tratta di prendere decisioni basate sui dati, che considerano il comportamento dell’utente, la dinamica del traffico e la capacità della rete elettrica. Questo approccio riduce il rischio di investimento, massimizza il ritorno e, cosa più importante, accelera la transizione verso una mobilità sostenibile eliminando uno dei principali ostacoli: la mancanza di un’infrastruttura di ricarica affidabile ed efficiente. Il lavoro di Cheng Shan, Wang Haojie, Xu Qiping, Ran Tao e Wang Can non è solo un avanzamento tecnico; è una mappa per navigare il futuro della mobilità elettrica.
Cheng Shan, Wang Haojie, Xu Qiping, Ran Tao, Wang Can, College of Electrical Engineering and New Energy, China Three Gorges University, Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.240031