Comportamento de Recarga de Veículos Elétricos Remodela Sistemas Energéticos de Parques Industriais
À medida que os veículos elétricos se tornam cada vez mais comuns nas ruas e estradas das cidades, o seu impacto estende-se para além do setor dos transportes. Um novo estudo publicado na Electric Power Engineering Technology explora como o comportamento de carga e descarga de veículos elétricos em parques industriais pode ser otimizado para melhorar a eficiência energética, reduzir custos e aumentar a estabilidade da rede. A investigação, liderada por Feng Yemu da Escola de Engenharia de Energia Elétrica do Instituto de Tecnologia de Nanjing, introduz um novo modelo de programação de otimização de duas camadas que tem em conta a disposição dos condutores para carregar e descarregar os seus veículos.
A proliferação de veículos elétricos é uma das transformações mais significativas na indústria automóvel nas últimas décadas. De acordo com os dados citados no estudo, a China tinha 13,1 milhões de veículos elétricos nas suas estradas até ao final de 2022, apoiados por 5,21 milhões de unidades de infraestruturas de carregamento. As projeções sugerem que o número global de veículos elétricos poderá atingir os 220 milhões até 2030. Embora esta mudança para a eletrificação seja crucial para reduzir as emissões de carbono e combater as alterações climáticas, também apresenta novos desafios para os sistemas de energia, particularmente em áreas concentradas como parques industriais, onde centenas ou milhares de funcionários podem ligar os seus veículos durante o dia de trabalho.
A carga não controlada de veículos elétricos pode levar a picos significativos na procura de eletricidade, exacerbando os problemas de carga de pico e aumentando a pressão sobre a rede. Este fenómeno, conhecido como “amplificação da carga de pico”, pode resultar em custos energéticos mais elevados, redução da fiabilidade do sistema e a necessidade de atualizações dispendiosas das infraestruturas. Para enfrentar estes desafios, os investigadores têm explorado formas de gerir a carga de veículos elétricos através de programação inteligente, programas de resposta à procura e tecnologias vehicle-to-grid (V2G) que permitem que os veículos elétricos não só retirem energia da rede, mas também a devolvam durante períodos de elevada procura.
O estudo de Feng Yemu e colegas oferece uma abordagem sofisticada a este problema, desenvolvendo um modelo abrangente que considera múltiplos fatores que influenciam o comportamento do condutor. No centro da sua metodologia está o conceito de “disposição para carregar e descarregar”, que reconhece que os proprietários de veículos elétricos tomam decisões com base em mais do que a necessidade imediata de alimentar os seus veículos. Fatores como o preço da eletricidade, o estado de carga da bateria (SOC), a potencial degradação da bateria devido a ciclos frequentes e os incentivos financeiros para participar em programas V2G desempenham todos um papel na determinação de se um condutor irá carregar, descarregar ou não fazer nada num determinado momento.
Uma das principais inovações desta investigação é a utilização de um mecanismo de preços dinâmicos em tempo real que vai além das tarifas tradicionais de tempo de utilização. Enquanto os esquemas de preços convencionais de pico e fora de pico dividem o dia em períodos amplos com taxas fixas, o modelo de preços dinâmicos proposto neste estudo ajusta os preços da eletricidade com mais frequência e de forma mais responsiva, com base nas condições reais da rede. Especificamente, o preço para o próximo período de tempo é determinado pela relação entre a carga atual e a carga média diária, criando um ciclo de feedback que incentiva a transferência de carga. Quando a procura é elevada em relação à média, os preços aumentam, desencorajando a carga e incentivando a descarga. Inversamente, quando a procura é baixa, os preços diminuem, incentivando a atividade de carregamento. Esta abordagem visa suavizar as curvas de carga e prevenir a formação de novos picos de carregamento que possam prejudicar os benefícios da precificação baseada no tempo.
No entanto, os investigadores reconhecem que os sinais de preços por si só são insuficientes para alcançar resultados ótimos. A degradação da bateria é uma grande preocupação para os proprietários de veículos elétricos, uma vez que cada ciclo de carga-descarga contribui para o desgaste do pack de baterias, potencialmente reduzindo a sua vida útil e valor de revenda. Para resolver isto, o modelo incorpora um custo de compensação por perda de bateria que quantifica o impacto financeiro de ciclos adicionais devido à participação no V2G. Este custo é considerado no cálculo global da disposição para carregar e descarregar, garantindo que os condutores não são penalizados por contribuírem para a estabilidade da rede. Adicionalmente, o modelo inclui um incentivo extra de participação, fixado em 30% do preço da eletricidade, para encorajar ainda mais o envolvimento em programas V2G.
A integração destes vários fatores num único quadro permite uma simulação mais realista do comportamento do condutor. Por exemplo, um proprietário de um veículo elétrico que chega ao trabalho com uma bateria SOC de 40% pode estar disposto a carregar se o preço for baixo e não estiver planeada uma viagem imediata, mas indisposto a descarregar mesmo a um preço elevado se o nível da bateria já estiver abaixo de um limiar confortável. Da mesma forma, um proprietário com uma bateria quase cheia pode estar mais aberto a descarregar durante as horas de pico, especialmente se o incentivo financeiro for atrativo e a compensação pelo desgaste da bateria for adequada.
Para operacionalizar este complexo conjunto de interações, os investigadores empregam uma estrutura de otimização de duas camadas. A camada exterior representa a perspetiva do sistema de energia integrado do parque (PIES), que procura minimizar o seu custo operacional total. Isto inclui despesas relacionadas com a compra de eletricidade, gás natural e energia térmica de fontes externas, bem como os custos de operação e manutenção de equipamento de geração e armazenamento no local. A camada interior representa o utilizador individual do veículo elétrico, cujo objetivo é minimizar os seus custos pessoais de carregamento. Estes dois objetivos nem sempre estão alinhados, uma vez que ações que beneficiam o sistema (como a descarga durante as horas de pico) podem ter um custo para o indivíduo (em termos de desgaste da bateria ou inconveniência).
A genialidade da abordagem de duas camadas reside na sua capacidade de reconciliar estes interesses concorrentes através de uma técnica matemática conhecida como condições de Karush-Kuhn-Tucker (KKT). Ao transformar o problema de otimização interior (minimização de custos do utilizador) num conjunto de restrições para o problema exterior (minimização de custos do sistema), os investigadores podem resolver todo o sistema como um único modelo unificado. Isto não só simplifica o processo computacional, como também garante que a solução é estável e converge para um ponto ótimo onde tanto os objetivos do sistema como do utilizador são satisfeitos tanto quanto possível.
Para validar o seu modelo, a equipa realizou uma série de simulações comparando três cenários diferentes. O primeiro cenário representa um caso de base de carregamento não coordenado, onde os veículos elétricos começam a carregar imediatamente após a chegada ao parque e continuam até estarem totalmente carregados, independentemente do preço ou das condições do sistema. O segundo cenário utiliza um modelo tradicional de disposição para carregar e descarregar que considera apenas o preço e o SOC, sem ter em conta a compensação por perda de bateria ou incentivos adicionais. O terceiro e último cenário implementa o modelo completo proposto com todos os seus componentes.
Os resultados destas simulações são impressionantes. No cenário de carregamento não coordenado, a carga de veículos elétricos atinge um pico de 12,9 MW entre as 7:00 e as 11:00, coincidindo com a chegada matinal dos funcionários e aumentando significativamente a carga elétrica total no sistema. Isto cria um fardo substancial na rede e força o PIES a depender mais heavily de compras de eletricidade dispendiosas em períodos de pico ou de geração no local.
Em contraste, o modelo tradicional de disposição reduz o pico de carregamento matinal em 73%, transferindo grande parte da carga para as horas fora de pico, quando a eletricidade é mais barata e abundante. Além disso, permite que alguns veículos elétricos descarreguem durante os períodos de pico, fornecendo até 2,7 MW de energia de volta à rede e ajudando a aliviar a pressão da oferta. No entanto, os resultados mais impressionantes vêm do modelo completo proposto. Ao incorporar a compensação por perda de bateria e incentivos à participação, o modelo alcança uma flexibilidade de carga ainda maior, ao mesmo tempo que reduz os custos tanto para o sistema como para os utilizadores individuais.
De acordo com as conclusões do estudo, o custo operacional total do PIES diminui 11,48% ao passar do carregamento não coordenado para o modelo tradicional de disposição, e mais 4,03% ao adotar o modelo completo proposto. Da mesma forma, o custo médio de carregamento para os utilizadores de veículos elétricos cai 19,16% no modelo tradicional e mais 15,02% no modelo melhorado. Estas poupanças são alcançadas através de uma combinação de compras reduzidas de energia durante os períodos de pico, aumento da utilização de fontes de energia renovável como a eólica e a solar, e uma operação mais eficiente dos ativos de geração e armazenamento no local.
As implicações desta investigação estendem-se muito para além dos confins de um único parque industrial. À medida que a adoção de veículos elétricos continua a crescer, os princípios e metodologias desenvolvidos neste estudo poderiam ser aplicados a uma vasta gama de contextos, incluindo complexos comerciais, comunidades residenciais e redes públicas de carregamento. O sucesso de tais aplicações dependerá de vários fatores, incluindo a disponibilidade de infraestruturas inteligentes de carregamento, a disposição das utilities e operadores de rede para implementar esquemas de preços dinâmicos, e o desenvolvimento de quadros regulamentares que apoiem iniciativas V2G e outras de resposta à procura.
Do ponto de vista tecnológico, a implantação generalizada destas estratégias de otimização exigirá redes de comunicação robustas, infraestruturas de medição avançadas e plataformas de software sofisticadas capazes de processar vastas quantidades de dados em tempo real. Os fabricantes de veículos, fornecedores de equipamentos de carregamento e empresas de serviços energéticos terão de colaborar estreitamente para garantir interoperabilidade e segurança. Além disso, a educação e o envolvimento do consumidor serão críticos, uma vez que a eficácia de qualquer programa de resposta à procura depende, em última análise, da participação e cooperação dos proprietários individuais de veículos elétricos.
O estudo também salienta a importância de considerar o elemento humano no design do sistema energético. As abordagens de engenharia tradicionais focam-se frequentemente na eficiência técnica e minimização de custos, por vezes à custa da experiência e satisfação do utilizador. Ao modelar explicitamente a disposição para carregar e descarregar, esta investigação reconhece que as pessoas não são recetores passivos de serviços energéticos, mas participantes ativos no ecossistema energético. As suas decisões, moldadas por fatores económicos, sociais e psicológicos, têm um impacto profundo no desempenho do sistema.
Esta perspetiva centrada no humano alinha-se com tendências mais amplas no desenvolvimento sustentável e planeamento de cidades inteligentes, que enfatizam a necessidade de soluções inclusivas, equitativas e amigáveis para o utilizador. Também sublinha o valor da investigação interdisciplinar, combinando conhecimentos de engenharia elétrica, economia, ciência comportamental e ciência da computação para abordar problemas complexos do mundo real.
Olhando para o futuro, os investigadores sugerem várias vias para trabalhos futuros. Estas incluem expandir o modelo para dar conta de incertezas na geração de energia renovável e previsão de carga, incorporar representações mais detalhadas do envelhecimento e saúde da bateria, e explorar o potencial para o comércio peer-to-peer de energia entre proprietários de veículos elétricos e outros prosumidores. Adicionalmente, há uma necessidade de validação empírica do modelo através de testes de campo e projetos piloto que possam fornecer dados do mundo real sobre o comportamento do condutor e desempenho do sistema.
Em conclusão, a investigação de Feng Yemu e da sua equipa representa um passo significativo em frente na integração de veículos elétricos nos sistemas energéticos modernos. Ao desenvolver um modelo abrangente que equilibra os interesses tanto dos operadores do sistema como dos utilizadores individuais, demonstraram um caminho prático para uma gestão energética mais eficiente, resiliente e sustentável. À medida que o mundo continua a sua transição para um futuro de baixo carbono, estudos como este desempenharão um papel vital em garantir que os benefícios da eletrificação sejam realizados não apenas em termos de impacto ambiental, mas também em termos de valor económico e bem-estar social.
Feng Yemu, Lyu Ganyun, Shi Mingming, Zhu Zhiying, Wang Haoyu, Chen Guangyu, Escola de Engenharia de Energia Elétrica, Instituto de Tecnologia de Nanjing, Electric Power Engineering Technology, DOI: 10.12158/j.2096-3203.2024.02.015