Nuova strategia DC taglia i costi di ricarica EV fino al 28%
L’era dell’elettrificazione della mobilità è caratterizzata da un paradosso crescente. Da un lato, la spinta verso veicoli elettrici (EV) è più forte che mai, guidata da obiettivi climatici globali e da una tecnologia in rapida evoluzione. Dall’altro, il costo dell’energia elettrica, specialmente durante le ore di punta, rimane un freno significativo per molti potenziali acquirenti. Il vantaggio di una manutenzione ridotta e di un consumo energetico inferiore può essere rapidamente eroso da bollette elettriche elevate, soprattutto quando si tratta di ricaricare un’auto da casa. In questo scenario, una ricerca pionieristica condotta da un team del Centro di Servizio Marketing di State Grid Zhejiang e del Laboratorio Chiave di Pechino per l’Ottimizzazione dei Portatori Energetici sul Lato della Domanda e la Tecnica di Interazione ha svelato una soluzione ingegneristica dirompente. La loro strategia di controllo coordinato per una microrete in corrente continua (DC) promette non solo di rendere la ricarica domestica più economica, ma di trasformare la casa in un’unità energetica intelligente, capace di massimizzare l’uso delle energie rinnovabili e ridurre la dipendenza dalla rete. I risultati sono impressionanti: una riduzione dei costi di ricarica giornalieri fino al 28,1% rispetto a metodi esistenti e un calo vertiginoso del 62,4% rispetto ai costi delle stazioni di ricarica pubbliche.
Questa scoperta non è frutto di una semplice ottimizzazione tariffaria, ma del frutto di un approccio sistematico e fisicamente fondato che affronta la complessità del consumo energetico moderno in modo olistico. I ricercatori, guidati da Wang Chaoliang, hanno progettato un sistema che integra in modo intelligente tre elementi chiave: un impianto fotovoltaico (PV), un sistema di accumulo energetico (ESS) a batteria e la rete elettrica tradizionale. Il cuore pulsante di questo ecosistema è un bus in corrente continua condiviso, un’architettura che elimina le inefficienze delle conversioni AC/DC multiple. Il vero genio, tuttavia, risiede nel sofisticato algoritmo di controllo che coordina in tempo reale il flusso di energia tra il sole, la batteria, la rete e l’auto. L’obiettivo è chiaro: utilizzare al massimo l’energia solare gratuita, impiegare la batteria come un ammortizzatore per immagazzinare l’energia in eccesso e fornirla quando il sole non c’è, e ricorrere alla rete solo come ultima risorsa, sia per acquistare energia a prezzi più vantaggiosi che per vendere l’energia in eccesso.
L’approccio tradizionale alla ricarica domestica degli EV è spesso passivo e reattivo. L’utente collega il veicolo e il sistema attinge energia dalla rete, indipendentemente dal prezzo corrente o dalla produzione solare disponibile. Altri sistemi domestici utilizzano pannelli solari e batterie, ma il loro controllo è spesso basato su regole semplici, come caricare la batteria quando c’è surplus solare e scaricarla quando la domanda è alta. Questi metodi non considerano appieno le dinamiche complesse tra la produzione solare variabile, i modelli di utilizzo del veicolo imprevedibili e le tariffe elettriche che cambiano nel corso della giornata. Il team di ricerca ha identificato che per una vera ottimizzazione è necessaria una previsione accurata della domanda di ricarica e una strategia di controllo proattiva e modulare.
La base della loro strategia è una previsione precisa del carico di ricarica giornaliero. Per modellare l’intrinseca casualità dei modelli di guida e degli orari di connessione, i ricercatori hanno impiegato l’algoritmo di Monte Carlo. Questo metodo statistico potente consente di simulare migliaia di scenari possibili basati su dati reali, come quelli della National Household Travel Survey (NHTS) statunitense. La distanza percorsa quotidianamente da un EV segue una distribuzione log-normale, mentre l’ora in cui un veicolo viene collegato al caricatore segue anch’essa un modello probabilistico. Attraverso questa simulazione esaustiva, il sistema genera una previsione altamente accurata del carico totale aggregato su un periodo di 24 ore. Questa previsione è l’input fondamentale che permette alla microrete di pianificare le sue operazioni in modo proattivo, anticipando i picchi di domanda e massimizzando l’autoconsumo dell’energia solare, anziché reagire semplicemente a cambiamenti improvvisi.
L’intelligenza del sistema si manifesta nella sua logica di controllo a più livelli, basata su due concetti chiave: sei modi di funzionamento distinti e quattro bande di tensione. Questa struttura a doppio strato garantisce non solo un’efficienza energetica massima, ma anche la stabilità assoluta del bus in corrente continua, un requisito fondamentale per il funzionamento sicuro e affidabile dell’intera microrete.
I sei modi di funzionamento rappresentano gli stati operativi fondamentali del sistema, determinati dall’equilibrio dinamico tra la produzione solare, lo stato di carica (SOC) della batteria e la domanda di ricarica. Ogni modo definisce chiaramente quale componente è attivo e come viene gestito il flusso di energia. Ad esempio, nel Modo I, l’impianto fotovoltaico genera così tanta energia che non solo soddisfa il fabbisogno di ricarica dell’EV, ma carica anche completamente la batteria. A questo punto, l’energia solare in eccesso viene immessa nella rete elettrica, generando un ricavo per l’utente attraverso le tariffe di immissione. Nel Modo V, invece, la radiazione solare è debole e la domanda di ricarica è elevata. La batteria si scarica alla sua massima potenza, ma non è sufficiente a coprire la domanda. Il sistema si collega quindi automaticamente alla rete per acquistare l’energia mancante, garantendo una ricarica ininterrotta. Gli altri modi rappresentano stati di transizione, come il caricamento della batteria a tensione costante o lo scaricamento per supportare il carico senza bisogno di collegamento alla rete.
La logica per il passaggio tra questi modi è cruciale per l’efficienza complessiva. Il sistema monitora continuamente la potenza prodotta dal fotovoltaico e la potenza richiesta dall’EV. Se la potenza solare supera la domanda, la batteria viene istruita a caricarsi. Se la potenza solare è inferiore alla domanda, la batteria viene istruita a scaricarsi. Successivamente, il sistema verifica lo stato di carica (SOC) della batteria per determinare se sono stati raggiunti i limiti di sicurezza superiore o inferiore, e cambia modo se necessario. Questo crea un sistema dinamico e autorregolante che priorizza l’uso dell’energia solare gratuita, utilizza la batteria come un buffer per l’energia in eccesso e per supportare i picchi di domanda, e ricorre alla rete elettrica solo come ultima opzione per acquistare energia o come destinazione per l’energia in eccesso.
Oltre alla distribuzione dell’energia, la stabilità della tensione del bus è di importanza primaria. Le fluttuazioni di tensione possono danneggiare gli apparecchi collegati e interrompere il processo di ricarica. Per prevenirlo, i ricercatori hanno suddiviso la gamma di tensione consentita in quattro bande: A, B, C e D. In condizioni normali, la tensione viene mantenuta vicino al valore nominale di 750 V. Quando la tensione sale nella banda B, un segnale di eccesso di energia, l’impianto fotovoltaico continua a funzionare alla massima potenza, mentre la batteria passa a un modo di carica a tensione costante per assorbire l’energia in eccesso e riportare la tensione verso il basso. Se la tensione continua a salire nella banda superiore A, indicando che la batteria ha raggiunto la sua massima potenza di carica, il convertitore lato rete prende il controllo della tensione e stabilizza il sistema.
Analogamente, se la tensione scende nella banda C a causa di un’elevata domanda, la batteria si scarica in modalità di scarica a tensione costante per sostenere la tensione del bus. Se la tensione continua a scendere nella banda inferiore D, indicando che la batteria ha raggiunto la sua massima velocità di scarica, nuovamente il convertitore lato rete prende il controllo, iniettando potenza per ripristinare la tensione. Questa strategia di regolazione della tensione gerarchica funziona come una rete di sicurezza robusta, assicurando che il sistema rimanga stabile anche in caso di cambiamenti improvvisi nella generazione o nel carico.
Per migliorare ulteriormente le prestazioni del sistema fotovoltaico, i ricercatori hanno implementato un algoritmo migliorato per il Tracciamento del Punto di Massima Potenza (MPPT). Il MPPT è essenziale per estrarre la massima potenza possibile dai pannelli solari, che varia con l’intensità della luce solare e la temperatura. Il metodo tradizionale “perturba e osserva” utilizza un passo fisso per cercare il punto di funzionamento ottimale. Questo può essere lento all’inizio e causa oscillazioni nell’output di potenza intorno al punto massimo, riducendo l’efficienza.
L’algoritmo modificato del team utilizza un passo variabile. Inizia con un passo grande per avvicinarsi rapidamente al massimo, riducendo drasticamente il tempo di ricerca iniziale. Man mano che si avvicina al massimo, la dimensione del passo viene progressivamente ridotta, consentendo un blocco molto più preciso e stabile sul punto di massima potenza. Le simulazioni hanno dimostrato che questo miglioramento ha aumentato la velocità di tracciamento del 18,3% e ridotto le fluttuazioni di potenza del 35,4%, rendendo il sistema più reattivo ai cambiamenti delle condizioni meteorologiche e più efficiente in generale.
La fattibilità ed efficacia di questa strategia di controllo coordinato sono state rigorosamente testate. Il team ha prima costruito un modello di simulazione dettagliato in MATLAB/Simulink, eseguendo scenari di 24 ore per cinque tipi di condizioni meteorologiche: sereno, nuvoloso, piovoso, grigio e nevoso. I risultati sono stati impressionanti. In tutti i casi, la tensione del bus in corrente continua è rimasta stabile, con fluttuazioni inferiori al 5%, e il sistema ha commutato senza problemi tra i sei modi di funzionamento come previsto. In una giornata serena, il sistema ha trascorso molto tempo nel Modo II, vendendo energia solare in eccesso alla rete. In una giornata nevosa, con i pannelli coperti di neve, il sistema ha fatto un forte affidamento sulla rete nel Modo V, ma la logica di controllo ha funzionato perfettamente.
Per andare oltre la simulazione e validare la strategia in un contesto reale, i ricercatori hanno condotto esperimenti hardware-in-the-loop (HIL) utilizzando un simulatore in tempo reale Yuankuan MT6020. Questa piattaforma avanzata consente all’hardware di controllo fisico di interagire con un modello virtuale del sistema elettrico, fornendo un ambiente di test altamente accurato. Gli esperimenti si sono concentrati sui momenti critici in cui il sistema cambia modo, come quando il sole esce dopo una nuvola o quando un nuovo EV inizia a caricare.
I risultati HIL hanno confermato le scoperte della simulazione. Durante una transizione dal Modo IV al Modo V, quando il sistema si collega alla rete per soddisfare un improvviso aumento della domanda, la tensione del bus in corrente continua ha sperimentato un calo temporaneo del 7,53% ma si è ripristinata al suo valore nominale entro 0,25 secondi. Tutte le altre transizioni hanno mostrato una resistenza simile, con le deviazioni di tensione corrette rapidamente. Questo dimostra che la strategia di controllo non è solo un concetto teorico, ma una soluzione pratica e robusta in grado di gestire le dinamiche rapide di un sistema elettrico reale.
La parte finale e più cruciale dello studio è stata l’analisi economica. I ricercatori hanno calcolato il costo giornaliero di ricarica nei cinque scenari meteorologici, tenendo conto dei costi di capitale degli impianti fotovoltaici e delle batterie, della loro vita utile prevista (20 anni per il fotovoltaico, 5 anni per la batteria) e delle tariffe elettriche locali a Zhejiang, in Cina. Queste tariffe includono una tariffa di punta di 0,588 yuan/kWh dalle 8:00 alle 22:00 e una tariffa notturna più bassa di 0,288 yuan/kWh per il resto della giornata.
I risultati sono stati confrontati con due punti di riferimento: il metodo proposto in uno studio del 2018 di Li Lina et al. e l’algoritmo di ottimizzazione Whale Optimization di un articolo del 2019 di Diab et al. La nuova strategia ha superato entrambe in ogni scenario. In una giornata piovosa, ha ridotto i costi del 27,89% rispetto al metodo di Li e del 26,03% rispetto all’Ottimizzazione Whale. Anche in una giornata serena, dove le differenze erano più piccole, ha ancora ottenuto un miglioramento dello 0,34%. Il risultato più significativo è che, rispetto al costo di ricarica in una tipica stazione di ricarica pubblica, che segue una struttura tariffaria diversa e spesso più alta, i risparmi sono stati enormi, fino al 62,4%. Questo significa che per molti proprietari di EV, investire in un sistema intelligente di solare più accumulo potrebbe ripagarsi in pochi anni e poi fornire una ricarica quasi gratuita per tutta la vita del veicolo.
Questa ricerca rappresenta un balzo in avanti significativo nel campo della gestione intelligente dell’energia. Va oltre i semplici controlli basati su regole o gli algoritmi di ottimizzazione computazionalmente intensivi che richiedono lunghi tempi di calcolo. Offre invece una strategia di coordinamento in tempo reale, basata su modelli fisici, che è altamente efficace e pratica da implementare. Gestendo intelligentemente il flusso di energia tra il sole, la batteria, la rete e l’auto, trasforma l’EV da semplice consumatore di elettricità in un partecipante attivo in un ecosistema energetico più intelligente, resiliente ed economico.
Le implicazioni di questo lavoro sono ampie. Per i singoli consumatori, offre un percorso chiaro per ridurre drasticamente i costi di trasporto. Per le utility, l’adozione diffusa di tali sistemi potrebbe aiutare ad appiattire la curva della domanda, riducendo la pressione sulla rete durante le ore di punta. Per i responsabili politici, fornisce uno strumento potente per raggiungere gli obiettivi di riduzione delle emissioni di carbonio massimizzando l’uso delle energie rinnovabili e minimizzando il consumo di combustibili fossili.
Sebbene lo studio sia stato condotto in un contesto cinese, i principi sono universalmente applicabili. Mentre il mondo continua la sua transizione verso la mobilità elettrica, strategie come questa saranno essenziali per rendere gli EV non solo una scelta ecologicamente corretta, ma anche una scelta finanziariamente intelligente. Il lavoro di Wang Chaoliang, Xiao Tao, Chen Songsong, Zhang Hongzhi e Chen Ke, pubblicato su Electric Drive (DOI: 10.19457/j.1001-2095.dqcd25241), è un esempio del potere dell’innovazione ingegneristica nel risolvere problemi del mondo reale e guidare un progresso sostenibile.