Microrede DC reduz custos de recarga de veículos elétricos em até 28%
A eletrificação da mobilidade urbana está em pleno vapor, impulsionada por metas globais de descarbonização e avanços tecnológicos constantes. No entanto, para muitos proprietários de veículos elétricos (VE), um obstáculo persistente permanece: o custo da energia elétrica, especialmente durante os horários de pico. A promessa de uma manutenção reduzida e de um consumo energético mais eficiente pode ser rapidamente comprometida por contas de luz elevadas, particularmente quando se trata de recarregar o veículo em casa. Neste cenário, uma pesquisa inovadora conduzida por cientistas do Centro de Serviços de Marketing da State Grid Zhejiang e do Laboratório Chave de Pequim de Otimização de Múltiplos Portadores Energéticos no Lado da Demanda e Técnica de Interação apresenta uma solução engenhosa. A estratégia de controle coordenado proposta para uma microrede em corrente contínua (CC) promete não apenas tornar a recarga domiciliar mais econômica, mas também transformar a residência em uma unidade energética inteligente, capaz de maximizar o uso de fontes renováveis e reduzir a dependência da rede elétrica convencional. Os resultados são impressionantes: uma redução nos custos diários de recarga de até 28,1% em comparação com métodos existentes e uma queda vertiginosa de 62,4% em relação aos custos cobrados nas estações de recarga públicas.
Esta descoberta não é o resultado de uma simples otimização tarifária, mas sim de uma abordagem sistemática e fisicamente fundamentada que enfrenta a complexidade do consumo energético moderno de forma holística. Os pesquisadores, liderados por Wang Chaoliang, projetaram um sistema que integra de forma inteligente três componentes-chave: um sistema fotovoltaico (FV), um sistema de armazenamento de energia (SAE) com baterias e a rede elétrica tradicional em corrente alternada (CA). O coração deste ecossistema é um barramento de corrente contínua compartilhado, uma arquitetura que elimina as ineficiências inerentes às múltiplas conversões entre CA e CC. O verdadeiro gênio, no entanto, reside no sofisticado algoritmo de controle que coordena em tempo real o fluxo de energia entre o sol, a bateria, a rede e o veículo. O objetivo é claro: utilizar ao máximo a energia solar gratuita, empregar a bateria como um amortecedor para armazenar energia excedente e fornecê-la quando o sol não estiver disponível, e recorrer à rede apenas como último recurso, seja para comprar energia a preços mais vantajosos ou para vender o excedente gerado.
A abordagem tradicional para a recarga domiciliar de VE costuma ser passiva e reativa. O usuário conecta o veículo e o sistema simplesmente extrai energia da rede, independentemente do preço atual da eletricidade ou da produção solar disponível. Outros sistemas domésticos utilizam painéis solares e baterias, mas seu controle é frequentemente baseado em regras simples, como carregar a bateria quando há excedente solar e descarregá-la quando a demanda é alta. Esses métodos não consideram plenamente as dinâmicas complexas entre a geração solar variável, os padrões de uso do veículo imprevisíveis e as tarifas elétricas que mudam ao longo do dia. A equipe de pesquisa identificou que, para uma verdadeira otimização, é necessária uma previsão precisa da demanda de recarga e uma estratégia de controle proativa e modular.
A base de sua estratégia é uma previsão precisa da carga de recarga diária. Para modelar a aleatoriedade inerente aos padrões de condução e aos horários de conexão, os pesquisadores utilizaram o algoritmo de Monte Carlo. Este poderoso método estatístico permite simular milhares de cenários possíveis com base em dados reais, como os da Pesquisa Nacional de Viagens Domésticas (NHTS) dos Estados Unidos. A distância percorrida diariamente por um VE segue uma distribuição log-normal, enquanto o horário em que um veículo é conectado ao carregador também segue um padrão probabilístico. Através desta simulação exaustiva, o sistema gera uma previsão altamente precisa da carga total agregada ao longo de um período de 24 horas. Esta previsão é a entrada fundamental que permite à microrede planejar suas operações de forma proativa, antecipando picos de demanda e maximizando o autoconsumo da energia solar, em vez de simplesmente reagir a mudanças repentinas.
A inteligência do sistema se manifesta na sua lógica de controle de múltiplos níveis, baseada em dois conceitos-chave: seis modos de operação distintos e quatro faixas de tensão. Esta estrutura em duas camadas garante não apenas uma eficiência energética máxima, mas também a estabilidade absoluta do barramento de corrente contínua, um requisito fundamental para o funcionamento seguro e confiável de toda a microrede.
Os seis modos de operação representam os estados operacionais fundamentais do sistema, determinados pelo equilíbrio dinâmico entre a geração solar, o estado de carga (SOC) da bateria e a demanda de recarga. Cada modo define claramente qual componente está ativo e como o fluxo de energia é gerenciado. Por exemplo, no Modo I, o sistema fotovoltaico gera tanta energia que não apenas atende à demanda de recarga do VE, mas também carrega completamente a bateria. Neste ponto, a energia solar excedente é injetada na rede elétrica, gerando receita para o usuário por meio de tarifas de remuneração pela energia injetada. No Modo V, por outro lado, a radiação solar é fraca e a demanda de recarga é alta. A bateria descarrega-se em sua potência máxima, mas ainda não é suficiente para atender à demanda. O sistema então se conecta automaticamente à rede para adquirir a energia faltante, garantindo uma recarga ininterrupta. Os outros modos representam estados de transição, como o carregamento da bateria em tensão constante ou a descarga para apoiar a carga sem necessidade de conexão à rede.
A lógica para a troca entre esses modos é crucial para a eficiência geral. O sistema monitora continuamente a potência gerada pelo fotovoltaico e a potência exigida pelo VE. Se a potência solar exceder a demanda, a bateria recebe a instrução para carregar. Se a potência solar for inferior à demanda, a bateria recebe a instrução para descarregar. Em seguida, o sistema verifica o estado de carga (SOC) da bateria para determinar se os limites de segurança superiores ou inferiores foram atingidos e muda de modo se necessário. Isso cria um sistema dinâmico e autorregulável que prioriza o uso da energia solar gratuita, utiliza a bateria como um buffer para energia excedente e para apoiar picos de demanda, e recorre à rede elétrica apenas como última opção para comprar energia ou como destino para a energia excedente.
Além da distribuição de energia, a estabilidade da tensão do barramento é de importância primordial. Flutuações de tensão podem danificar equipamentos conectados e interromper o processo de recarga. Para evitá-lo, os pesquisadores dividiram a faixa de tensão permitida em quatro bandas: A, B, C e D. Em condições normais, a tensão é mantida próxima ao valor nominal de 750 V. Quando a tensão sobe para a banda B, um sinal de excesso de energia, o sistema fotovoltaico continua operando em potência máxima, enquanto a bateria muda para um modo de carregamento em tensão constante para absorver a energia excedente e trazer a tensão de volta para baixo. Se a tensão continuar subindo para a banda superior A, indicando que a bateria atingiu sua potência máxima de carregamento, o conversor do lado da rede assume o controle da tensão e estabiliza o sistema.
Analogamente, se a tensão cair para a banda C devido a uma alta demanda, a bateria descarrega-se em modo de descarga em tensão constante para sustentar a tensão do barramento. Se a tensão continuar caindo para a banda inferior D, indicando que a bateria atingiu sua taxa máxima de descarga, novamente o conversor do lado da rede assume o controle, injetando potência para restaurar a tensão. Esta estratégia hierárquica de regulação de tensão atua como uma rede de segurança robusta, garantindo que o sistema permaneça estável mesmo diante de mudanças repentinas na geração ou na carga.
Para melhorar ainda mais o desempenho do sistema fotovoltaico, os pesquisadores implementaram um algoritmo aprimorado para o Rastreamento do Ponto de Máxima Potência (MPPT). O MPPT é essencial para extrair a máxima potência possível dos painéis solares, que varia com a intensidade da luz solar e a temperatura. O método tradicional “perturbar e observar” utiliza um passo fixo para procurar o ponto de operação ótimo. Isso pode ser lento no início e causa oscilações na saída de potência em torno do ponto máximo, reduzindo a eficiência.
O algoritmo modificado da equipe utiliza um passo variável. Ele começa com um passo grande para se aproximar rapidamente do máximo, reduzindo drasticamente o tempo de busca inicial. À medida que se aproxima do máximo, o tamanho do passo é progressivamente reduzido, permitindo um bloqueio muito mais preciso e estável no ponto de máxima potência. As simulações demonstraram que essa melhoria aumentou a velocidade de rastreamento em 18,3% e reduziu as flutuações de potência em 35,4%, tornando o sistema mais responsivo às mudanças nas condições meteorológicas e mais eficiente em geral.
A viabilidade e eficácia dessa estratégia de controle coordenado foram rigorosamente testadas. A equipe primeiro construiu um modelo de simulação detalhado no MATLAB/Simulink, executando cenários de 24 horas para cinco tipos de condições climáticas: ensolarado, nublado, chuvoso, encoberto e nevado. Os resultados foram impressionantes. Em todos os casos, a tensão do barramento de corrente contínua permaneceu estável, com flutuações inferiores a 5%, e o sistema mudou sem problemas entre os seis modos de operação conforme previsto. Em um dia ensolarado, o sistema passou muito tempo no Modo II, vendendo energia solar excedente para a rede. Em um dia nevado, com os painéis cobertos de neve, o sistema dependeu fortemente da rede no Modo V, mas a lógica de controle funcionou perfeitamente.
Para ir além da simulação e validar a estratégia em um contexto real, os pesquisadores conduziram experimentos de hardware em loop (HIL) utilizando um simulador em tempo real Yuankuan MT6020. Esta plataforma avançada permite que o hardware de controle físico interaja com um modelo virtual do sistema elétrico, fornecendo um ambiente de teste altamente preciso. Os experimentos focaram nos momentos críticos em que o sistema muda de modo, como quando o sol aparece depois de uma nuvem ou quando um novo VE começa a carregar.
Os resultados do HIL confirmaram as descobertas da simulação. Durante uma transição do Modo IV para o Modo V, quando o sistema se conecta à rede para atender a um aumento repentino na demanda, a tensão do barramento de corrente contínua experimentou uma queda temporária de 7,53%, mas se recuperou para seu valor nominal em 0,25 segundos. Todas as outras transições mostraram uma resistência semelhante, com desvios de tensão corrigidos rapidamente. Isso demonstra que a estratégia de controle não é apenas um conceito teórico, mas uma solução prática e robusta capaz de lidar com as dinâmicas rápidas de um sistema elétrico real.
A parte final e mais crucial do estudo foi a análise econômica. Os pesquisadores calcularam o custo diário de recarga nos cinco cenários climáticos, levando em conta os custos de capital dos sistemas fotovoltaicos e das baterias, sua vida útil esperada (20 anos para o fotovoltaico, 5 anos para a bateria) e as tarifas elétricas locais em Zhejiang, China. Essas tarifas incluem uma tarifa de pico de 0,588 yuan/kWh das 8:00 às 22:00 e uma tarifa noturna mais baixa de 0,288 yuan/kWh para o resto do dia.
Os resultados foram comparados com dois pontos de referência: o método proposto em um estudo de 2018 de Li Lina et al. e o algoritmo de otimização Whale Optimization de um artigo de 2019 de Diab et al. A nova estratégia superou ambas em todos os cenários. Em um dia chuvoso, reduziu os custos em 27,89% em comparação com o método de Li e em 26,03% em comparação com a Otimização Whale. Mesmo em um dia ensolarado, onde as diferenças eram menores, ainda obteve uma melhoria de 0,34%. O resultado mais significativo é que, em comparação com o custo de recarga em uma estação de recarga pública típica, que segue uma estrutura tarifária diferente e geralmente mais alta, as economias foram enormes, chegando a 62,4%. Isso significa que, para muitos proprietários de VE, investir em um sistema inteligente de energia solar mais armazenamento poderia se pagar em poucos anos e, em seguida, fornecer uma recarga praticamente gratuita durante toda a vida útil do veículo.
Esta pesquisa representa um salto significativo no campo da gestão inteligente de energia. Vai além dos simples controles baseados em regras ou dos algoritmos de otimização computacionalmente intensivos que exigem longos tempos de cálculo. Em vez disso, oferece uma estratégia de coordenação em tempo real, baseada em modelos físicos, que é altamente eficaz e prática de implementar. Ao gerenciar inteligentemente o fluxo de energia entre o sol, a bateria, a rede e o carro, transforma o VE de um simples consumidor de eletricidade em um participante ativo em um ecossistema energético mais inteligente, resiliente e econômico.
As implicações deste trabalho são amplas. Para os consumidores individuais, oferece um caminho claro para reduzir drasticamente seus custos de transporte. Para as concessionárias de energia, a adoção generalizada de tais sistemas poderia ajudar a nivelar a curva de demanda, reduzindo a pressão sobre a rede durante os horários de pico. Para os formuladores de políticas, fornece uma ferramenta poderosa para alcançar as metas de redução de emissões de carbono ao maximizar o uso de energias renováveis e minimizar o consumo de combustíveis fósseis.
Embora o estudo tenha sido conduzido em um contexto chinês, os princípios são universalmente aplicáveis. Enquanto o mundo continua sua transição para a mobilidade elétrica, estratégias como esta serão essenciais para tornar os VE não apenas uma escolha ecologicamente correta, mas também uma escolha financeiramente inteligente. O trabalho de Wang Chaoliang, Xiao Tao, Chen Songsong, Zhang Hongzhi e Chen Ke, publicado na Electric Drive (DOI: 10.19457/j.1001-2095.dqcd25241), é um exemplo do poder da inovação de engenharia para resolver problemas do mundo real e impulsionar um progresso sustentável.