Estratégia Inteligente Maximiza Lucro em Carga de VE
A crescente popularidade dos veículos elétricos (VE) nas grandes cidades chinesas trouxe consigo um novo desafio: a pressão que suas necessidades de carregamento exercem sobre as redes elétricas urbanas. Com milhões de veículos agora nas estradas, padrões de carregamento descoordenados ameaçam sobrecarregar as redes de distribuição locais, causando instabilidade de tensão, aumentando os custos operacionais e elevando as emissões de carbono durante os horários de pico. Diante desse cenário, pesquisadores da Universidade de Tecnologia Zhongyuan desenvolveram uma estratégia de otimização inovadora que não apenas aumenta a rentabilidade da infraestrutura de carregamento, mas também promove um ecossistema energético mais equilibrado e sustentável.
A solução, detalhada em um estudo recente publicado no periódico Power System Protection and Control, apresenta uma nova abordagem conhecida como estação integrada de carga, descarga e armazenamento (CDSIS, sigla em inglês). Ao contrário das estações de carregamento convencionais, que simplesmente consomem energia da rede, as instalações CDSIS são equipadas com sistemas avançados de armazenamento de energia, permitindo que consumam e também forneçam eletricidade. Essa capacidade bidirecional transforma essas estações de pontos de carga passivos em participantes ativos no gerenciamento da rede. Ao armazenar energia estrategicamente durante os horários de baixa demanda, quando a eletricidade é barata e abundante, e injetá-la de volta na rede durante os períodos de alta demanda, as unidades CDSIS conseguem “nivelar” efetivamente os picos de carga, reduzir a tensão sobre a infraestrutura e diminuir os custos totais do sistema.
A equipe de pesquisa, liderada pelo professor Zhu Yongsheng, elevou esse conceito ao integrá-lo com as dinâmicas urbanas do mundo real. Seu enfoque é baseado em um sofisticado modelo de interação “veículo-estrada-rede”, que reconhece que o comportamento de carregamento dos veículos elétricos não é aleatório, mas profundamente influenciado pelos padrões de mobilidade humana. Para capturar essa complexidade, a equipe empregou uma análise da matriz Origem-Destino (OD), um método amplamente utilizado no planejamento de transportes para estimar fluxos de viagem entre diferentes localidades. Ao analisar dados históricos de tráfego, foram capazes de construir um modelo de rede viária dinâmico que simula como os veículos elétricos se movem por uma cidade ao longo de um período de 24 horas.
Esse modelo leva em conta vários fatores que afetam o tempo de viagem, como o comprimento da estrada, a congestão do tráfego e os semáforos. Ao incorporar uma função de impedância viária que calcula o tempo de viagem com base no fluxo de tráfego em tempo real, os pesquisadores puderam prever não apenas quando é provável que os veículos elétricos se carreguem, mas também onde. Essa previsão espaço-temporal é um avanço fundamental, pois permite uma compreensão mais granular da demanda de carregamento. Em vez de tratar a cidade como uma única carga homogênea, o modelo identifica nós específicos—interseções ou bairros—onde a pressão de carregamento provavelmente aumentará. Esse nível de detalhe é essencial para empresas de energia e operadores de estações planejarem investimentos em infraestrutura e implementarem programas de gerenciamento de demanda direcionados.
O cerne do estudo reside na aplicação da teoria dos jogos para otimizar a interação entre o operador CDSIS e os usuários de veículos elétricos. Os pesquisadores adotaram uma estrutura de jogo de Stackelberg, um tipo de modelo de tomada de decisão hierárquico onde um jogador, o “líder”, faz o primeiro movimento, e os outros jogadores, os “seguidores”, respondem em consequência. Nesse caso, a CDSIS atua como líder, estabelecendo preços dinâmicos de eletricidade, enquanto os proprietários individuais de veículos elétricos são os seguidores, escolhendo quando e onde carregar com base nesses preços para minimizar seus próprios custos.
Essa estratégia de fixação de preços não é arbitrária. O modelo é projetado para alcançar uma otimização multiobjetivo, equilibrando o lucro do operador CDSIS com a economia de custos para os usuários de veículos elétricos. A receita da CDSIS provém de quatro fontes: vender energia armazenada de volta à rede a preços de pico, cobrar dos usuários de veículos elétricos, comprar energia do mercado de dia anterior e comprar do mercado em tempo real. O objetivo é maximizar o lucro líquido, o que significa comprar barato, vender caro e gerenciar eficientemente seus ativos de armazenamento. Para o usuário do veículo elétrico, o objetivo é simples: minimizar o custo total de carregamento, que inclui tanto o preço por quilowatt-hora quanto quaisquer custos relacionados ao tempo associados à espera.
A genialidade da abordagem de Stackelberg é que ela cria um equilíbrio estável. A CDSIS não pode simplesmente estabelecer preços exorbitantes durante os horários de pico, pois isso desencorajaria os usuários de carregar, reduzindo sua receita. Por outro lado, se definir preços muito baixos, poderia atrair uma enxurrada de usuários, mas à custa de sua própria rentabilidade. O modelo calcula o ponto de preço ótimo onde a CDSIS maximiza seu lucro, sabendo que os usuários de veículos elétricos racionais responderão deslocando seu comportamento de carregamento para os momentos mais econômicos. Isso geralmente significa carregar tarde da noite ou durante o meio do dia, quando a geração solar é alta e a demanda é baixa.
Para tornar esse modelo prático, os pesquisadores tiveram que lidar com as não linearidades inerentes a um sistema desse tipo. A interação entre preço e demanda é inerentemente complexa; uma pequena mudança no preço pode causar uma grande mudança não proporcional no comportamento do usuário. Para resolver isso, a equipe utilizou as condições de Karush-Kuhn-Tucker (KKT) e a teoria da dualidade para transformar o problema de otimização de dois níveis em um único programa linear inteiro misto (MILP). Essa reformulação matemática é crucial, pois permite que o problema seja resolvido de forma eficiente usando solucionadores comerciais padrão como o CPLEX, tornando a estratégia viável para implementação no mundo real.
Os resultados do estudo são convincentes. Em uma simulação baseada em uma área urbana real na China, modelada usando o sistema de distribuição IEEE de 33 nós e uma rede viária de 31 nós, a estratégia proposta demonstrou benefícios significativos. Os resultados mostraram que a CDSIS poderia alcançar um lucro diário de 4.823 yuans, uma melhoria substancial em relação a uma estação de carregamento tradicional, que, sem capacidades de armazenamento, poderia alcançar apenas um lucro de 3.191 yuans nas mesmas condições. Esse aumento de 51% na rentabilidade destaca o valor imenso do armazenamento de energia integrado.
Para os usuários de veículos elétricos, os benefícios são igualmente tangíveis. Ao responder aos sinais de preço otimizados, os usuários conseguiram reduzir significativamente seus custos de carregamento. O modelo conseguiu deslocar com sucesso a demanda de carregamento de dois períodos de pico principais: das 8h-9h e das 18h-19h. Durante o pico matinal, a estratégia conseguiu transferir 427 kWh de demanda, economizando 245 yuans para os usuários. À noite, o impacto foi ainda maior, com 1.123 kWh transferidos e 645 yuans economizados. Esse “nivelamento de picos” não beneficia apenas os usuários e o operador da estação, mas também fornece um serviço valioso a toda a rede elétrica, reduzindo a necessidade de usinas de pico, que são frequentemente caras e intensivas em carbono.
A pesquisa também aprofundou a sensibilidade do sistema a parâmetros-chave. Uma descoberta crítica foi o impacto do limite de preço mínimo. O modelo exige que o preço médio diário cobrado aos usuários permaneça constante, uma restrição provavelmente imposta por razões regulatórias ou de equidade de mercado. O estudo descobriu que definir um preço mínimo muito baixo (por exemplo, 50% da taxa do mercado de dia anterior) permitia que a CDSIS maximizasse seu lucro criando uma maior diferença entre preços baixos e altos. No entanto, isso tinha um custo: os usuários enfrentavam preços mais altos durante os períodos de pico de carregamento, aumentando seus custos totais. À medida que o preço mínimo aumentava, tanto o lucro da CDSIS quanto os custos dos usuários diminuíam. O resultado mais equilibrado, uma verdadeira “vitória-vitória”, foi alcançado quando o preço mínimo foi definido em um nível moderado, garantindo que os benefícios do sistema fossem compartilhados de forma justa.
Outro parâmetro-chave é o tamanho do sistema de armazenamento de energia da CDSIS. A simulação mostrou que aumentar a capacidade de armazenamento de 4.000 kWh para 10.000 kWh levou a um aumento dramático no lucro, de 4.170 yuans para 7.302 yuans. Isso ocorre porque uma bateria maior permite que a estação armazene mais energia quando os preços são baixos e venda mais quando os preços são altos. No entanto, os retornos começaram a diminuir além de 10.000 kWh. Uma vez que o armazenamento era grande o suficiente para capturar todas as oportunidades de arbitragem apresentadas pelo ciclo diário de preços e pela demanda de carregamento dos veículos elétricos, adicionar mais capacidade não fornecia nenhum benefício adicional. Essa percepção é crucial para investidores, pois sugere que existe um tamanho ótimo e economicamente viável para esses sistemas, evitando assim investimentos excessivos em baterias superdimensionadas e subutilizadas.
As implicações dessa pesquisa vão muito além de uma única cidade ou um único tipo de estação de carregamento. Ela apresenta um plano para uma nova geração de infraestrutura de carregamento inteligente e compatível com a rede. À medida que a China e outras nações avançam para uma eletrificação mais profunda de seus setores de transporte, a integração de armazenamento e controle inteligente será essencial. Esse modelo poderia ser escalonado para gerenciar frotas de estações de carregamento em toda uma área metropolitana, criando uma usina de energia virtual capaz de fornecer uma variedade de serviços à rede, desde regulação de frequência até backup de emergência.
Além disso, o quadro “veículo-estrada-rede” é altamente adaptável. Poderia ser integrado a outras fontes de dados, como previsões meteorológicas em tempo real para prever a geração solar, ou com plataformas de compartilhamento de viagens para prever melhor a disponibilidade de veículos. O conceito central de usar sinais econômicos para orientar o comportamento do usuário é uma ferramenta poderosa para gerenciar sistemas complexos e descentralizados. Ele respeita a autonomia do usuário—os motoristas são livres para tomar suas próprias decisões—enquanto suavemente orienta o resultado coletivo em direção a um equilíbrio mais eficiente e sustentável.
O trabalho de Zhu Yongsheng e seus colegas da Universidade de Tecnologia Zhongyuan representa um passo significativo adiante no campo da rede inteligente e integração de veículos elétricos. Vai além dos modelos teóricos para fornecer uma solução prática e computacionalmente viável que aborda os desafios do mundo real do gerenciamento energético urbano. Ao combinar a modelagem avançada da mobilidade humana com uma sofisticada otimização baseada na teoria dos jogos, eles criaram uma estratégia que não é apenas tecnicamente sólida, mas também economicamente viável. Essa pesquisa fornece um argumento convincente para que formuladores de políticas e empresas de energia invistam em infraestrutura de carregamento de nova geração que não seja apenas um lugar para se conectar, mas um nó ativo e inteligente em uma rede energética mais inteligente e resiliente.
O sucesso dessa estratégia depende da colaboração. Requer que operadores de estações de carregamento adotem novos modelos de negócios, que empresas de energia forneçam os sinais de mercado necessários e que motoristas de veículos elétricos estejam dispostos a mudar seus hábitos de carregamento por benefícios financeiros. O estudo mostra que, quando essas partes estão alinhadas por meio de uma estrutura de incentivos bem projetada, o resultado pode ser um sistema que é mais eficiente, mais rentável e, em última instância, mais sustentável para todos os envolvidos. À medida que o mundo avança em direção a um futuro com zero emissões de carbono, soluções inovadoras e multissetoriais como essa serão fundamentais para desbloquear todo o potencial da mobilidade elétrica.
Zhu Yongsheng, Chang Wen, Wu Dongya, Wang Geng, Peng Sheng, Zhang Shibo, College of Electronic and Information Engineering, Zhongyuan University of Technology, Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.231253