Strategia Avanzata per Aggregatori di Veicoli Elettrici
La mobilità elettrica sta vivendo una trasformazione epocale. I veicoli elettrici (VE), un tempo considerati semplici mezzi di trasporto, si stanno rapidamente evolvendo in risorse energetiche attive e dinamiche, capaci di influenzare profondamente la struttura e il funzionamento delle reti elettriche. Con oltre 18 milioni di unità circolanti in Cina alla fine del 2023, l’integrazione su larga scala di questa nuova forma di accumulo energetico mobile rappresenta sia una straordinaria opportunità che una complessa sfida. La ricarica non coordinata, specialmente durante le ore di punta, rischia di sovraccaricare la rete, aumentare i costi operativi e compromettere la stabilità del sistema elettrico.
Di fronte a questo scenario, emerge una soluzione innovativa sviluppata da un team di ricerca della Wuhan University of Technology. Guidati dalla professoressa associata Hou Hui e dalla ricercatrice He Ziyin, gli studiosi hanno concepito una strategia di offerta per il mercato del giorno precedente (day-ahead market) che trasforma gli aggregatori di veicoli elettrici (EVA) in attori intelligenti e profittevoli all’interno del mercato energetico. Pubblicata sulla prestigiosa rivista Journal of Global Energy Interconnection, la ricerca presenta un quadro sofisticato che unisce la modellizzazione del comportamento degli utenti, la valutazione del potenziale di risposta alla domanda e strategie di offerta orientate al profitto, con l’obiettivo di raggiungere un triplice risultato: stabilità della rete, efficienza economica e sviluppo sostenibile del mercato.
Il cuore dell’innovazione risiede nella sua capacità di riconoscere l’eterogeneità degli utenti di veicoli elettrici. Invece di trattare l’intera flotta come un carico uniforme, il team ha sviluppato una metodologia di clustering basata su modelli di guida e parcheggio reali. Analizzando fattori come l’orario di arrivo e di partenza, lo stato di carica (SOC) iniziale della batteria e la durata del parcheggio, i ricercatori hanno classificato gli utenti di VE in cinque gruppi distinti. Questa segmentazione è fondamentale per consentire agli aggregatori di prevedere con maggiore precisione quando e quanto energia ciascun gruppo può fornire o prelevare dalla rete.
Un cluster, ad esempio, è composto da utenti che parcheggiano durante la notte a casa, arrivando la sera e partendo la mattina. Questi veicoli hanno un tempo di permanenza molto lungo, rendendoli candidati ideali per una ricarica flessibile e persino per la possibilità di scaricare energia durante i periodi di alta domanda. Un altro cluster include i parcheggiatori diurni, come i lavoratori d’ufficio, che arrivano al mattino e partono nel pomeriggio. La loro finestra di disponibilità è più breve, ma comunque preziosa per la gestione del carico durante il giorno. Un terzo gruppo rappresenta gli operatori di flotte commerciali, i cui veicoli possono tornare più volte al giorno, offrendo opportunità frequenti, sebbene brevi, per la ricarica. Altri due cluster rappresentano utenti con orari irregolari e quelli che ricaricano in modo occasionale durante la giornata.
Modellando questi comportamenti, i ricercatori sono stati in grado di simulare come i singoli proprietari di veicoli prendono decisioni di ricarica basate su convenienza e costo. Il modello presuppone che gli utenti stipulino contratti con gli aggregatori, accettando di permettere una ricarica controllata in cambio di incentivi finanziari o tariffe elettriche più basse. Questo rapporto contrattuale è cruciale: trasforma un comportamento del consumatore imprevedibile in una risorsa gestibile e prevedibile.
Una volta definiti i cluster, il passo successivo è la valutazione del loro potenziale di risposta alla domanda. Questo concetto si riferisce alla quantità di energia che può essere spostata nel tempo senza compromettere le esigenze di mobilità dell’utente. Il team ha valutato questo potenziale considerando due vincoli chiave: la potenza massima di ricarica disponibile in ogni punto di ricarica e la finestra energetica consentita per ogni veicolo. Ad esempio, un’auto che arriva con un SOC del 30% e deve raggiungere l’80% prima della partenza ha un requisito energetico fisso. Tuttavia, entro questo intervallo, l’aggregatore può decidere quando e a che velocità caricare, a seconda delle condizioni di mercato.
I ricercatori hanno inoltre incorporato nel modello il degrado della batteria e l’efficienza di ricarica, garantendo che le strategie proposte non vengano a spese della longevità del veicolo. Stabilendo limiti superiori e inferiori per lo stato di carica della batteria—tipicamente tra il 15% e il 90%—prevengono le scariche profonde e le sovraccariche, che possono accelerare il deterioramento della batteria. Questa attenzione al dettaglio tecnico aumenta la praticabilità dell’approccio, rendendolo più probabile che venga adottato da operatori del mondo reale.
Con il potenziale di risposta alla domanda quantificato, l’attenzione si sposta sulla partecipazione al mercato. Lo studio propone un modello di offerta per il mercato del giorno precedente in cui più aggregatori competono per offrire servizi di ricarica e scarica al gestore della rete. A differenza degli approcci tradizionali che danno priorità alla soddisfazione dell’utente o alla fattibilità tecnica, questo modello si concentra sulla redditività. L’obiettivo è massimizzare il profitto netto: la differenza tra i ricavi derivanti dalla vendita di elettricità agli utenti e il costo di acquisto della stessa dal mercato all’ingrosso.
Per raggiungere questo obiettivo, il modello tiene conto di diversi fattori critici. In primo luogo, considera l’incertezza dei prezzi dell’elettricità. I prezzi del mercato del giorno precedente non sono fissi; sono determinati da un processo di asta e possono fluttuare notevolmente in base all’offerta e alla domanda. Il modello utilizza dati storici per simulare diversi scenari di prezzo, consentendo agli aggregatori di proteggersi dalla volatilità. In secondo luogo, incorpora le penalità per gli squilibri. Se un aggregatore si impegna a fornire una certa quantità di energia ma non riesce a farlo—a causa di un comportamento imprevisto dell’utente o di errori di previsione—deve affrontare penalità finanziarie. Il modello include una soglia di tolleranza (impostata al 10% nello studio) oltre la quale si applicano le penalità, incoraggiando una previsione accurata e offerte conservative.
Un altro aspetto innovativo del modello è la sua risoluzione temporale. Mentre la maggior parte degli studi utilizza intervalli orari, questa ricerca divide ogni ora in quattro segmenti da 15 minuti, risultando in 96 intervalli di tempo al giorno. Questa granularità più fine permette una pianificazione più precisa e un migliore allineamento con le operazioni in tempo reale della rete. Consente inoltre agli aggregatori di sfruttare le differenze di prezzo a breve termine—acquistando a basso prezzo durante le ore di bassa domanda e vendendo a prezzo alto durante le ore di punta—una pratica nota come “livellamento dei picchi e riempimento delle valli”.
Il problema di ottimizzazione è risolto utilizzando Gurobi, un potente risolutore commerciale in grado di gestire complesse attività di programmazione lineare mista intera. Integrando questo strumento con MATLAB e YALMIP, i ricercatori hanno creato un framework computazionale robusto in grado di elaborare grandi set di dati e generare strategie di offerta ottimali in un tempo ragionevole.
Per validare il loro approccio, il team ha condotto uno studio di caso utilizzando dati reali di un distretto di Wuhan, nella provincia di Hubei. La simulazione ha coinvolto 3.000 veicoli elettrici e 5.000 consumatori residenziali, con due tipi di aggregatori: uno specializzato nella ricarica lenta (6,6 kW) e l’altro nella ricarica rapida (22 kW). I risultati sono stati convincenti. Con la strategia di offerta proposta, il profilo di carico generale ha mostrato una significativa riduzione della domanda di punta e un aumento del consumo durante le ore di bassa domanda. Questo appiattimento della curva di carico si traduce direttamente in una minore pressione sulla rete, minori perdite di trasmissione e il rinvio di investimenti in infrastrutture.
Inoltre, l’analisi economica ha rivelato profitti sostanziali per entrambi gli aggregatori. L’aggregatore di ricarica lenta (EVA1) ha ottenuto un profitto netto di oltre 11.600 yuan al giorno, mentre l’aggregatore di ricarica rapida (EVA2) ha guadagnato quasi 7.350 yuan. Queste cifre dimostrano che la risposta alla domanda non è solo un beneficio tecnico o ambientale; è anche un modello di business sostenibile.
È interessante notare che lo studio ha scoperto che i caricabatterie lenti hanno svolto un ruolo più dominante nello spostamento del carico, principalmente perché i loro utenti tendono a parcheggiare per periodi più lunghi e sono più sensibili ai segnali di prezzo. I caricabatterie rapidi, sebbene essenziali per la comodità, vengono utilizzati maggiormente durante le ore di punta, limitando la loro flessibilità. Di conseguenza, l’aggregatore di ricarica lenta ha presentato offerte più basse durante le ore di punta e offerte più alte durante le ore di bassa domanda, incentivando efficacemente gli utenti a caricare quando era più vantaggioso per la rete.
Questo meccanismo di incentivo basato sul prezzo è un’innovazione chiave. Invece di affidarsi esclusivamente al controllo diretto o a orari rigidi, il modello utilizza segnali di mercato per influenzare il comportamento dell’utente. Quando i prezzi dell’elettricità sono bassi, gli utenti sono incentivati a caricare; quando i prezzi sono alti, sono disincentivati. Questo crea un sistema autorregolamentato che allinea gli interessi individuali con gli obiettivi collettivi.
Le implicazioni di questa ricerca vanno oltre i confini della Cina. Man mano che i paesi di tutto il mondo intensificano i loro sforzi per una decarbonizzazione più profonda, il ruolo dei veicoli elettrici nei sistemi energetici continuerà solo a crescere. In Europa, ad esempio, il pacchetto “Fit for 55” dell’Unione Europea include disposizioni per l’integrazione del veicolo alla rete (V2G). Negli Stati Uniti, l’amministrazione Biden ha stabilito un obiettivo del 50% di vendite di veicoli elettrici entro il 2030, accompagnato da ingenti investimenti in infrastrutture di ricarica. In entrambe le regioni, gli aggregatori svolgeranno un ruolo fondamentale nella gestione dell’afflusso di veicoli elettrici.
Tuttavia, rimangono diverse sfide. Una è l’accesso al mercato. In molte giurisdizioni, gli aggregatori di veicoli elettrici non sono ancora riconosciuti come partecipanti formali al mercato, il che limita la loro capacità di offrire sul mercato all’ingrosso o fornire servizi ausiliari. I quadri normativi devono evolversi per accogliere questi nuovi attori. Un’altra sfida è la fiducia degli utenti. Perché il modello funzioni, gli utenti devono essere disposti a cedere un certo controllo sul processo di ricarica. Contratti trasparenti, una compensazione equa e prestazioni affidabili sono essenziali per costruire tale fiducia.
La prontezza tecnologica è anche un fattore. Sebbene lo studio presuma un alto livello di connettività e controllo, non tutti i veicoli elettrici e le stazioni di ricarica sono dotati dei necessari sistemi di comunicazione e controllo. Standard come ISO 15118 e OpenADR stanno aiutando a colmare questa lacuna, ma la diffusione su larga scala richiederà tempo.
Nonostante questi ostacoli, la traiettoria è chiara: i veicoli elettrici stanno diventando partecipanti attivi nell’ecosistema energetico. Il lavoro di Hou Hui, He Ziyin e dei loro colleghi fornisce un piano d’azione su come questa transizione possa essere gestita in modo da beneficiare tutti—le utility, gli aggregatori, i consumatori e l’ambiente.
Lo studio apre anche la strada a future ricerche. Gli autori suggeriscono di esplorare strategie di offerta in tempo reale, la partecipazione a più mercati (come la combinazione di mercati energetici e di riserva) e modelli più sfumati delle preferenze degli utenti. Sottolineano anche l’importanza dell’aggregazione basata su piattaforma, dove più aggregatori competono su un mercato digitale condiviso, stimolando innovazione ed efficienza.
In conclusione, l’integrazione dei veicoli elettrici nella rete elettrica non è più una questione di “se”, ma di “come”. Questa ricerca dimostra che, con le giuste strategie, gli aggregatori di veicoli elettrici possono diventare potenti strumenti per l’ottimizzazione della rete, trasformando un potenziale onere in un prezioso bene. Mentre la transizione energetica si accelera, innovazioni come questa saranno essenziali per costruire un sistema elettrico più intelligente, pulito e resiliente.
Hou Hui, He Ziyin et al., Journal of Global Energy Interconnection, DOI: 10.19705/j.cnki.issn2096-5125.2024.02.011