Strategia intelligente per la ricarica dei veicoli elettrici
La mobilità elettrica ha superato da tempo la fase di nicchia per diventare un pilastro fondamentale della transizione energetica globale. Con milioni di nuovi veicoli elettrici (EV) che ogni anno raggiungono le strade di tutto il mondo, il settore automobilistico sta vivendo una delle sue trasformazioni più profonde. Tuttavia, questo successo porta con sé una sfida silenziosa ma crescente: l’impatto sulla rete elettrica. La ricarica disordinata, specialmente durante le ore serali di punta, rischia di sovraccaricare le infrastrutture esistenti, creando squilibri tra domanda e offerta di energia. Questo problema è particolarmente acuto nelle aree con una forte penetrazione di fonti rinnovabili, come il solare, la cui produzione è massima durante il giorno ma cala drasticamente al tramonto, proprio quando la domanda di energia – e di ricarica per i veicoli – raggiunge il suo picco.
Un gruppo di ricercatori della State Grid Zhejiang Electric Power Co., Ltd., con sede a Ningbo, in Cina, ha affrontato questa complessa sfida con un approccio innovativo e pragmatico. I loro risultati, pubblicati sulla rivista Power Demand Side Management, non solo offrono una soluzione tecnica elegante, ma rappresentano anche un cambiamento di paradigma nel modo in cui consideriamo i veicoli elettrici. Non più semplici consumatori di energia, ma potenziali asset di stoccaggio distribuito, in grado di stabilizzare la rete e rendere più efficiente l’utilizzo dell’energia rinnovabile. Il team, composto da Xia Shizhe, Wang Aoqun e Cai Menglu, ha sviluppato una strategia di controllo aggregato che mira a trasformare il comportamento di ricarica caotico in un servizio prezioso per il sistema energetico, il tutto minimizzando l’impatto sulla comodità e sulla soddisfazione degli utenti.
Il cuore del problema risiede nella cosiddetta “curva del papero”, un fenomeno che descrive l’ampia valle di domanda di energia durante il giorno, quando i pannelli solari producono al massimo, seguita da un ripido picco serale quando le persone tornano a casa. L’aggiunta massiccia di veicoli elettrici, che spesso vengono collegati alla corrente proprio in questo momento critico, esacerba drasticamente questo squilibrio. Senza una gestione intelligente, la rete potrebbe trovarsi costretta a far ricorso a fonti di energia fossile per colmare il divario, vanificando gli sforzi per la decarbonizzazione, oppure a investire miliardi in nuove infrastrutture di stoccaggio e potenziamento della rete. La ricerca di Ningbo dimostra che esiste un’alternativa più sostenibile e intelligente.
Il primo passo dei ricercatori è stato quello di quantificare il problema. Utilizzando il metodo di Monte Carlo, una potente tecnica di simulazione statistica, hanno modellato il comportamento di ricarica di una flotta di 5.250 veicoli elettrici – un mix di auto private, taxi e autobus pubblici – nell’area del Parco di Evoluzione a Zero Carbonio Lingfeng, a Ningbo. Questa simulazione non si è limitata a dati generici, ma ha incorporato parametri realistici come le abitudini di guida, le velocità medie, il consumo energetico per chilometro e, cosa cruciale, il fenomeno della “ansia da autonomia”. Questo termine descrive il comportamento comune dei proprietari di EV che iniziano a ricaricare quando la batteria scende tra il 15% e il 40% di carica, ben prima che sia vuota, per evitare di rimanere a piedi. Questa simulazione ha permesso di creare un modello estremamente accurato della domanda di ricarica disordinata.
I risultati della simulazione sono stati allarmanti. Quando la domanda di ricarica disordinata è stata sovrapposta al carico base della rete e alla produzione di energia rinnovabile, lo squilibrio tra fonte (produzione) e carico (consumo) è aumentato in modo significativo. Il valore massimo di questa differenza è balzato da 36,67 MW a 52,85 MW, mentre la differenza tra il picco massimo e il minimo (la variazione picco-valle) è aumentata da 65,04 MW a 88,37 MW. In sostanza, i veicoli elettrici, se lasciati a se stessi, non solo non aiutano a bilanciare la rete, ma la destabilizzano ulteriormente, creando nuovi picchi di domanda proprio quando la rete è più vulnerabile.
Di fronte a questo scenario, il team ha sviluppato una strategia di controllo sofisticata, basata su un concetto centrale: la gestione aggregata nei “periodi di sovrapposizione”. L’idea non è quella di controllare ogni singolo veicolo in ogni momento, ma di identificare i momenti critici in cui due fattori si sovrappongono: un’elevata domanda sulla rete e un alto potenziale di ricarica disordinata di veicoli elettrici. Questi sono i veri “punti di rottura” per la stabilità della rete. Intervenire solo in questi periodi specifici massimizza l’efficacia della gestione, riducendo al minimo l’inconveniente per la maggior parte degli utenti per la maggior parte del tempo.
Per identificare questi periodi critici, i ricercatori hanno impiegato un algoritmo di clustering avanzato, una versione migliorata del k-means++. Questo algoritmo analizza i dati di carico e li raggruppa in cluster basati su somiglianze. Invece di usare intervalli di tempo fissi, l’algoritmo determina in modo dinamico i periodi di “punta”, “piena”, “valle” e “picco estremo” in base al comportamento reale dei dati. La scelta del numero ottimale di cluster (k) è stata guidata dal coefficiente di siluetta, una misura statistica che valuta la qualità del raggruppamento. Il valore più alto del coefficiente è stato ottenuto con 5 cluster, che sono stati poi mappati sulla classificazione standard della rete.
La vera innovazione è nell’analisi della sovrapposizione. Il team ha eseguito il clustering separatamente sulla curva di ricarica disordinata e sulla curva di differenza fonte-carico. Confrontando i risultati, hanno identificato i periodi in cui un cluster di alta ricarica coincide con un cluster di alto squilibrio. Questi sono i periodi di sovrapposizione, i momenti in cui un intervento mirato avrebbe il massimo impatto. Per esempio, un periodo di sovrapposizione potrebbe essere dalle 17:30 alle 19:15, quando la produzione solare è in calo, la domanda domestica è in aumento e molti automobilisti rientrano dal lavoro e collegano i loro veicoli.
La strategia di controllo si concentra esclusivamente su questi periodi di sovrapposizione ed è basata su due pilastri: incentivi basati sul prezzo e tecnologia Vehicle-to-Grid (V2G). Durante i periodi di sovrapposizione in valle, quando c’è un eccesso di produzione rinnovabile, il sistema offre tariffe elettriche ridotte. Questo incentivo economico incoraggia i proprietari di EV a ricaricare i loro veicoli quando l’energia è abbondante, pulita e a buon mercato, trasformando le batterie dei veicoli in un enorme serbatoio di stoccaggio distribuito. È un win-win: il consumatore risparmia e la rete beneficia dello stoccaggio dell’energia in eccesso.
Nei periodi di sovrapposizione di punta, dove la pressione sulla rete è massima, la strategia diventa più attiva. Oltre ad aumentare il prezzo dell’elettricità per scoraggiare la ricarica massiccia, promuove attivamente la partecipazione alla tecnologia V2G. I proprietari di veicoli sono incentivati a consentire che le loro batterie scarichino energia di ritorno nella rete, trasformando così il loro veicolo parcheggiato in una piccola centrale elettrica virtuale. Questa capacità di scarica bidirezionale è la chiave per fornire supporto alla rete proprio quando ne ha più bisogno, contribuendo a livellare i picchi di domanda.
Un aspetto fondamentale del design di questa strategia è la sua attenzione alla soddisfazione dell’utente. I ricercatori comprendono che nessun sistema, per quanto tecnicamente perfetto, può avere successo se gli utenti lo percepiscono come una limitazione alla loro libertà. Pertanto, il controllo è volontario e basato su incentivi, non su imposizioni. Gli utenti possono sempre scegliere di non partecipare, e coloro che si impegnano nella V2G ricevono un compenso per il servizio fornito e per qualsiasi usura aggiuntiva della batteria. I periodi di intervento sono limitati e ben definiti, e l’utente mantiene il controllo finale sul proprio veicolo. Questa filosofia di “minimo impatto” è essenziale per garantire un’adozione su larga scala.
I risultati della simulazione con la strategia di controllo implementata sono stati straordinari. Dopo l’applicazione della gestione aggregata, la differenza massima fonte-carico è scesa da 52,85 MW a 27,66 MW, una riduzione del 47,6%. La variazione picco-valle si è contratta del 41,8%, e la varianza totale del carico si è ridotta del 38,5%. Il risultato più significativo è che, dopo la gestione, tutti gli indicatori di squilibrio erano migliori rispetto ai valori originali della rete prima dell’introduzione dei veicoli elettrici. In altre parole, quando gestiti in modo intelligente, i veicoli elettrici non sono più un problema, ma diventano un vantaggio netto, migliorando attivamente la stabilità e l’efficienza del sistema energetico.
Le implicazioni di questo studio vanno ben oltre Ningbo. Mentre le città di tutto il mondo si impegnano in ambiziosi piani di decarbonizzazione, l’integrazione della mobilità e dell’energia diventa una priorità strategica. Questa ricerca dimostra che l’intelligenza artificiale e l’analisi dei dati possono fornire gli strumenti necessari per navigare questa complessità. L’algoritmo k-means++ agisce come un cervello centrale, analizzando i dati in tempo reale per identificare i punti di stress e coordinare la risposta di migliaia di veicoli in modo silenzioso ed efficiente.
Il successo di questa visione dipende da una collaborazione tra più attori. Le aziende elettriche devono implementare sistemi di prezzi dinamici e piattaforme di gestione aggregata. I produttori automobilistici devono dotare i loro veicoli di tecnologia V2G standard e di facile utilizzo. I governi devono creare quadri normativi che facilitino la partecipazione dei consumatori e garantiscano l’equità. La fiducia dell’utente è fondamentale; i proprietari di veicoli elettrici devono sentirsi sicuri che la loro partecipazione non danneggerà le loro batterie e che saranno compensati in modo giusto per i servizi che forniscono alla rete.
Questa ricerca è un faro per il futuro dell’energia. Mostra che la transizione non riguarda solo il cambiamento del tipo di energia che usiamo, ma la ridefinizione completa del sistema. In questo nuovo paradigma, il consumatore non è un semplice ricevitore di energia, ma un “prosumer”, un produttore e consumatore attivo. I veicoli elettrici, con le loro batterie, sono i primi e più numerosi esempi di questo cambiamento. Il lavoro di Xia Shizhe, Wang Aoqun e Cai Menglu non risolve solo un problema tecnico; ridefinisce il ruolo dell’automobile nella società energetica del XXI secolo, trasformandolo da un onere in un alleato essenziale.
Xia Shizhe, Wang Aoqun, Cai Menglu, State Grid Zhejiang Electric Power Co., Ltd., Power Demand Side Management, DOI: 10.3969/j.issn.1009-1831.2024.04.010