Un nuovo modello di ricarica programmata migliora l’efficienza della rete elettrica
L’ascesa inarrestabile dei veicoli elettrici (EV) sta ridefinendo il panorama della mobilità, ma pone anche una sfida crescente alle reti elettriche esistenti. Con milioni di nuovi utenti che si connettono ogni anno, il modello tradizionale di ricarica, spesso casuale e concentrato negli orari di punta, rischia di sovraccaricare le infrastrutture di distribuzione, causando perdite energetiche, fluttuazioni di tensione e instabilità del sistema. Un team di ricercatori cinesi ha ora presentato una soluzione innovativa che promette non solo di mitigare questi problemi, ma di trasformare i veicoli elettrici in un asset strategico per una rete più efficiente, resiliente e sostenibile. Il loro approccio, basato su un modello di “ricarica e scarica programmata”, introduce un nuovo paradigma di gestione intelligente che potrebbe diventare la chiave per un’integrazione armoniosa tra elettromobilità e rete elettrica.
Guidati da Cao Hangtao dell’azienda Jiaxing Hengchuang Electric Power Equipment Co., Ltd., lo studio pubblicato sulla rivista Zhejiang Electric Power affronta uno dei principali ostacoli della transizione energetica: come gestire la domanda di ricarica di massa dei veicoli elettrici senza compromettere la sicurezza e la stabilità della rete. Le previsioni sono chiare. Secondo l’Associazione dell’Industria Automobilistica Cinese, le vendite di veicoli elettrici potrebbero crescere a un ritmo annuo superiore al 40% nei prossimi anni, con una quota di mercato che raggiungerebbe il 20-30%. Si stima che entro il 2040 la Cina potrebbe avere fino a 300 milioni di veicoli elettrici, rappresentando una capacità di accumulo mobile di 200 miliardi di kWh. Questa è un’opportunità immensa, ma anche un rischio concreto se non viene gestita in modo appropriato. La ricarica disordinata, specialmente alla fine della giornata quando i conducenti rientrano a casa, può creare picchi di domanda che stressano la rete, costringendo gli operatori a ricorrere a centrali elettriche di riserva costose e inquinanti, e aumentando le perdite di energia nei cavi di trasmissione.
Il concetto di Veicolo alla Rete (V2G) esiste da anni, promettendo che i veicoli non solo consumino energia, ma possano anche restituirla alla rete quando necessario. Tuttavia, la sua implementazione è stata limitata. Molte strategie V2G attuali si basano su segnali di mercato in tempo reale o sulle preferenze individuali degli utenti, introducendo un alto grado di casualità. La domanda aggregata di ricarica e scarica è imprevedibile, rendendo estremamente difficile la pianificazione e la gestione efficiente della rete da parte dei gestori del sistema. È qui che la ricerca di Cao Hangtao e del suo team fa la differenza. Propongono un modello proattivo, anziché reattivo, che trasforma l’incertezza in prevedibilità.
L’essenza della loro soluzione è un sistema di prenotazione. Invece di collegare il veicolo e ricaricare immediatamente, il proprietario di un EV prenoterebbe la sua sessione di ricarica o scarica in anticipo, tramite un’app o un portale web. Questo semplice atto cambia radicalmente la dinamica. Invece di una ricarica casuale, il sistema ottiene un profilo di domanda prevedibile. Il processo inizia con il centro di controllo della rete, che analizza la curva di carico prevista per il giorno successivo. Sulla base di questa previsione, il centro definisce i periodi di tariffa di punta (alta domanda) e tariffa di valle (bassa domanda) e comunica questi prezzi alle stazioni di ricarica. Il conducente, pianificando il suo viaggio, invia una richiesta di prenotazione alla stazione di ricarica più vicina, indicando la sua finestra temporale desiderata e se ha bisogno di ricaricare (tipicamente in ore di valle) o è disposto a scaricare (tipicamente in ore di punta).
La stazione di ricarica agisce come un aggregatore, raccogliendo tutte le richieste dei suoi utenti e inviando il profilo di domanda aggregato al centro di controllo. È in questo punto che entra in gioco l’ottimizzazione matematica di alto livello. Il centro di controllo esegue un modello sofisticato che ha un obiettivo chiaro: minimizzare le perdite totali di potenza attiva nella rete e mantenere i livelli di tensione entro limiti sicuri e stabili. Ciò che rende questo modello particolarmente avanzato è che non considera solo la potenza attiva (l’energia reale consumata o fornita), ma ottimizza anche in modo coordinato la potenza reattiva.
La potenza reattiva, sebbene non venga consumata come energia utile, è cruciale per mantenere la stabilità della tensione nella rete. Consentendo alle stazioni di ricarica dei veicoli elettrici e alle fonti di generazione distribuita rinnovabile (RDG), come pannelli solari e turbine eoliche, di regolare anche la loro uscita di potenza reattiva, il sistema può correggere attivamente i cali o gli aumenti di tensione. I ricercatori trattano le stazioni di ricarica e gli inverter delle fonti rinnovabili come asset controllabili che possono fornire sia potenza attiva che reattiva. Le variabili di ottimizzazione includono la potenza attiva e reattiva di ogni stazione di ricarica EV, nonché la potenza reattiva dei sistemi fotovoltaici (PV) ed eolici (WT).
Risolvere un problema di ottimizzazione così complesso, non lineare e non convesso, è una sfida computazionale formidabile. Le equazioni che governano il flusso di potenza in una rete di distribuzione sono intrinsecamente quadratiche e difficili da risolvere. Per superare questo ostacolo, i ricercatori hanno impiegato una tecnica matematica avanzata nota come Relaxazione del Cono del Secondo Ordine (SOCR). Questo metodo trasforma il problema originale, intrattabile, in un problema di Programmazione del Cono del Secondo Ordine (SOCP), che è convesso e può essere risolto in modo efficiente e affidabile utilizzando potenti risolutori commerciali come Gurobi. Questa scelta metodologica è fondamentale, poiché garantisce che la soluzione trovata sia quella ottimale globale, evitando le trappole degli algoritmi euristici che potrebbero rimanere intrappolati in soluzioni subottimali.
Per validare il loro modello teorico, il team ha condotto un approfondito studio di simulazione utilizzando una versione modificata del sistema di prova standard IEEE 33 nodi, un modello ampiamente utilizzato nella ricerca sui sistemi elettrici. Per aumentare il realismo, il modello è stato arricchito con dati geografici reali di una regione di Hangzhou, in Cina. La rete è stata equipaggiata con tre stazioni di ricarica per veicoli elettrici posizionate in nodi strategici, due impianti di turbine eoliche e due fattorie solari fotovoltaiche. La simulazione ha ipotizzato 500 veicoli elettrici, ciascuno con una batteria da 50 kWh, che utilizzavano il sistema di prenotazione. I profili di carico e generazione rinnovabile giornalieri si basavano su dati di previsione reali per la regione.
I risultati della simulazione sono stati conclusivi. Lo studio ha confrontato tre diversi scenari. Il primo, uno scenario di riferimento, assumeva l’assenza di veicoli elettrici, energia eolica o solare, solo il carico “base” convenzionale di case e aziende. Il secondo scenario integrava veicoli elettrici, energia eolica e solare, ma li gestiva in modo più semplice, ottimizzando solo la potenza attiva dei veicoli elettrici e ignorando le capacità di potenza reattiva delle risorse di energia distribuita. Il terzo e ultimo scenario implementava il modello completo di “ricarica e scarica programmata” con l’ottimizzazione coordinata della potenza attiva e reattiva.
Le prestazioni sono state valutate tramite tre metriche chiave: la differenza giornaliera tra il carico di punta e quello di valle, le perdite totali giornaliere di potenza attiva (ζ) e la deviazione di tensione in tutto il sistema (Г). I risultati hanno dimostrato chiaramente la superiorità del modello proposto. Rispetto allo scenario di riferimento, il secondo scenario, che gestiva solo la potenza attiva dei veicoli elettrici, ha ridotto la differenza tra carico di punta e di valle del 40,60%, ha ridotto le perdite di potenza di un impressionante 85,19% e ha ridotto la deviazione di tensione del 70,74%. Questo da solo mostra il grande beneficio di gestire semplicemente gli orari di ricarica dei veicoli elettrici.
Tuttavia, il modello completo (Scenario 3) ha ottenuto miglioramenti ancora maggiori. Rispetto allo Scenario 2, ha ottenuto una riduzione aggiuntiva del 57,00% delle perdite di potenza e una riduzione aggiuntiva del 6,86% della deviazione di tensione. Ciò si traduce in una riduzione totale delle perdite di potenza di oltre il 94% rispetto allo scenario di riferimento. I veicoli elettrici “programmati” hanno effettivamente eseguito un’operazione di “riempimento delle valli e appiattimento dei picchi”. Durante le ore di valle (8:00-15:00), i veicoli elettrici hanno caricato le loro batterie, assorbendo l’energia in eccesso e contribuendo a stabilizzare la tensione. Durante le ore di punta (17:00-23:00), i veicoli elettrici hanno scaricato energia nella rete, riducendo il carico sull’alimentazione principale e prevenendo cali di tensione. La visualizzazione della curva di carico equivalente del sistema ha mostrato un profilo molto più piatto e gestibile dopo l’integrazione dei veicoli elettrici programmati.
L’impatto sulla stabilità della tensione è stato particolarmente notevole. Nello scenario di riferimento, i livelli di tensione in tutta la rete, specialmente alle estremità dei cavi, erano spesso al limite inferiore della gamma accettabile (0,95 p.u.), indicando un sistema sotto stress. Il secondo scenario ha migliorato questa situazione, ma alcuni nodi operavano ancora vicino ai limiti superiore (1,05 p.u.) o inferiore. Al contrario, il terzo scenario, guidato dal modello di ottimizzazione completo, ha mantenuto la tensione in quasi tutti i 33 nodi sorprendentemente vicina all’ideale di 1,00 p.u., con una distribuzione molto uniforme. Questo livello di controllo della tensione è cruciale per il funzionamento affidabile di apparecchiature elettroniche sensibili e per prevenire danni all’infrastruttura della rete.
Questa ricerca presenta un piano convincente per il futuro dell’integrazione dei veicoli elettrici. Va oltre la nozione semplificata dei veicoli elettrici come semplice carico aggiuntivo e li posiziona invece come risorse intelligenti e flessibili della rete. Il modello di “ricarica e scarica programmata” offre un quadro pratico per raggiungere questo obiettivo. Fornisce ai proprietari di veicoli elettrici la prevedibilità e il controllo che desiderano, sapendo quando e quanto verrà caricata la loro auto, mentre allo stesso tempo fornisce un valore immenso alla rete. Per le società di servizi pubblici, ciò significa costi operativi ridotti a causa di minori perdite di energia, investimenti differiti in nuove infrastrutture e una rete più stabile e affidabile. Per la società, significa una transizione più fluida e sostenibile verso la mobilità elettrica.
Anche se il modello mostra una grande promessa, i ricercatori sono i primi ad ammettere le sue limitazioni. La loro simulazione ha assunto informazioni perfette e il rispetto degli impegni da parte dei proprietari di veicoli elettrici, il che potrebbe non rispecchiare il comportamento del mondo reale, dove gli utenti potrebbero cambiare i loro piani o “mancare” alle loro prenotazioni. Il modello ha anche semplificato il processo decisionale dell’utente, concentrandosi solo sulla vicinanza a una stazione di ricarica e non tenendo conto delle condizioni del traffico o dei cambiamenti di orario personale. Inoltre, lo studio non ha incorporato vincoli rigidi sulla capacità fisica di componenti specifici della rete, che sarebbero essenziali per l’implementazione nel mondo reale.
Nonostante queste limitazioni, il lavoro rappresenta un progresso significativo. Fornisce una soluzione robusta, matematicamente solida ed efficace dimostrata per un problema critico. Mentre l’adozione di veicoli elettrici continua la sua crescita esponenziale, la necessità di sistemi di gestione intelligenti e coordinati come quello proposto da Cao Hangtao e dal suo team diventerà non solo vantaggiosa, ma essenziale. La loro ricerca offre un percorso chiaro verso un futuro in cui milioni di veicoli elettrici non sono una minaccia per la rete, ma un pilastro di un sistema energetico più intelligente, più resiliente e più efficiente.
Cao Hangtao, Zhang Yong, Jiang Ning, Lü Bin, Jiaxing Hengchuang Electric Power Equipment Co., Ltd., Zhejiang Electric Power, DOI: 10.19585/j.zjdl.202405005