Novo Modelo de Preços para Postos de Veículos Elétricos
À medida que a adoção de veículos elétricos (VEs) acelera globalmente, a pressão sobre a infraestrutura urbana, particularmente a rede elétrica, intensificou-se. A integração dos sistemas de transporte e energia deixou de ser um conceito futurista para se tornar uma necessidade premente. Com as vendas de VEs apenas na China a subir de 1,37 milhões em 2020 para 6,89 milhões em 2022, a demanda por uma rede de carregamento robusta, inteligente e centrada no utilizador nunca foi tão grande. Um desafio crítico reside na interação dinâmica entre o comportamento do condutor e a estabilidade da rede. As abordagens tradicionais para definir os preços de carregamento muitas vezes tratam a demanda do utilizador como uma variável fixa e imutável, ignorando a realidade fundamental de que a decisão de um condutor de carregar — e onde carregar — é fortemente influenciada pelo custo, tempo e conveniência. Um novo estudo publicado numa revista líder de energia desafia esta visão estática, introduzindo uma estratégia de preços sofisticada que contabiliza dinamicamente o orçamento pessoal de viagem do condutor, criando um modelo mais realista e eficiente para gerir a ligação entre energia e transporte.
A investigação, conduzida por Longtao Xie, Shiwei Xie, Kaiyue Chen, Yachao Zhang e Zhidong Chen da Escola de Engenharia Elétrica e Automação da Universidade de Fuzhou, apresenta um enquadramento revolucionário para a precificação de postos de carregamento. O seu trabalho, publicado na revista Automation of Electric Power Systems, vai além dos modelos simplistas de oferta e procura, incorporando as restrições psicológicas e financeiras do utilizador individual. A inovação central é o conceito de “Orçamento de Custo de Viagem” (TCB, na sigla em inglês), um limiar quantificável que representa o custo máximo que um condutor está disposto a incorrer para uma determinada viagem. Este orçamento abrange não apenas o preço da eletricidade, mas também o valor do tempo gasto no trânsito e o custo de oportunidade da própria jornada. Quando o custo combinado de condução e carregamento excede este orçamento pessoal, o condutor tende a alterar o seu percurso, atrasar a sua viagem ou desistir dela completamente. Ao integrar esta realidade comportamental no algoritmo de precificação, o modelo alcança uma previsão mais precisa da demanda de carregamento, o que é essencial para prevenir a sobrecarga da rede e garantir um fornecimento de energia fiável.
A significância desta investigação estende-se muito para além da teoria académica. Ela aborda uma lacuna crítica na literatura existente e na prática da indústria. Estudos anteriores sobre redes de acoplamento energia-transporte frequentemente concentraram-se na otimização da eficiência da rede ou na maximização dos lucros dos operadores, tratando a demanda do utilizador como um fator exógeno e imutável. Esta omissão pode levar a estratégias de preços teoricamente ótimas, mas praticamente ineficazes. Por exemplo, um preço dinâmico elevado, definido para aliviar a congestão da rede, pode ser ignorado pelos condutores se empurrar o custo total da sua viagem para além do seu orçamento pessoal, tornando o sinal de preço inútil. O modelo da equipa da Universidade de Fuzhou corrige isto criando um ciclo de feedback: o preço influencia o comportamento do utilizador, e o comportamento previsto do utilizador, por sua vez, informa o preço ideal. Este sistema de ciclo fechado é um passo significativo em direção a uma infraestrutura de carregamento verdadeiramente responsiva e inteligente.
A metodologia por detrás desta nova estratégia de preços é simultaneamente complexa e elegante. Os investigadores construíram um problema de otimização de dupla camada que integra perfeitamente as restrições físicas da rede de distribuição elétrica com a economia comportamental da rede de transporte. Por um lado, modelaram a rede elétrica usando uma abordagem de Programação Cónica de Segunda Ordem (SOCP), uma técnica matemática poderosa que pode lidar eficientemente com as relações não lineares entre fluxo de energia, tensão e perdas de linha num sistema de distribuição radial. Este modelo garante que os preços de carregamento propostos não violam os limites críticos de segurança e estabilidade da rede, como a queda de tensão ou a capacidade da linha. Por outro lado, modelaram a rede de transporte usando o princípio do Equilíbrio do Utilizador, um conceito bem estabelecido na engenharia de tráfego. Este princípio afirma que, num estado de tráfego estável, nenhum condutor individual pode reduzir o seu custo de viagem alterando unilateralmente o seu percurso. A novidade reside em como ligaram estes dois domínios.
Para colmatar o fosso entre os modelos de energia e transporte, os investigadores empregaram um constructo matemático conhecido como Desigualdade Variacional (VI). Isto permitiu-lhes descrever o estado de equilíbrio complexo e não linear da rede de tráfego — onde os condutores estão constantemente a tomar decisões de minimização de custos — de uma forma que pudesse ser matematicamente acoplada com a otimização da rede elétrica. O problema global foi formulado como um “Problema de Otimização com Restrições de Desigualdade Variacional” (OPVIC), uma classe de problemas notoriamente difícil de resolver. Para enfrentar este desafio computacional, a equipa concebeu um “Algoritmo de Iteração Alternada” personalizado. Este algoritmo funciona resolvendo iterativamente os dois subproblemas — o equilíbrio de tráfego e a otimização da rede elétrica — enquanto passa informação atualizada entre eles. Em cada iteração, o algoritmo calcula primeiro o fluxo de tráfego e a demanda de carregamento com base no preço atual, depois usa essa demanda para resolver o despacho ideal de energia e o novo preço resultante. Este processo repete-se até o sistema convergir para uma solução estável onde o preço e o fluxo de tráfego são mutuamente consistentes. A elegância desta abordagem é a sua capacidade de encontrar um equilíbrio em todo o sistema sem exigir as suposições simplificadoras que frequentemente atormentam tais modelos complexos.
As implicações práticas desta investigação são profundas. Para os operadores da rede, este modelo oferece uma ferramenta muito mais precisa para prever a carga de carregamento. Ao compreender como as alterações de preços afetarão dinamicamente o comportamento do utilizador e os cancelamentos de viagens, os operadores podem tomar decisões mais informadas sobre quando e onde implantar recursos. Isto leva a uma rede mais estável e eficiente, reduzindo o risco de apagões e a necessidade de upgrades de infraestrutura dispendiosos. Para os operadores de postos de carregamento, o modelo fornece uma vantagem estratégica. Em vez de definir preços com base em modelos simples de custo mais margem ou na precificação da concorrência, eles podem agora otimizar tanto a rentabilidade como a quota de mercado, entendendo o ponto exato em que preços mais elevados desencorajarão os clientes. Isto poderia levar a preços mais competitivos e favoráveis ao consumidor, especialmente durante as horas de menor consumo.
As conclusões do estudo, validadas através de uma simulação de uma rede elétrica de 56 nós acoplada a uma rede de transporte de 28 nós, fornecem evidências convincentes da eficácia do modelo. Os resultados demonstraram que o algoritmo convergiu para uma solução estável dentro de um número razoável de iterações, provando a sua viabilidade computacional para aplicações do mundo real. Mais importante ainda, as simulações revelaram uma relação clara e intuitiva entre o orçamento de custo de viagem do utilizador e os preços de carregamento resultantes. Quando o modelo considerou um orçamento mais apertado (representado por um fator de correção, κ, mais baixo), a demanda geral de carregamento diminuiu. Isto, por sua vez, levou a preços de carregamento ótimos mais baixos. Esta é uma perceção crucial: ao reconhecer que os utilizadores têm limites orçamentais, o sistema pode operar de forma mais eficiente, exigindo menos infraestrutura de carregamento e preços mais baixos para servir a demanda reduzida. Em contraste, os modelos que ignoram o TCB assumem uma demanda mais alta e inflexível, o que pode levar à superestimação da infraestrutura necessária e a preços desnecessariamente elevados.
A análise de sensibilidade conduzida pelos investigadores sublinha ainda mais o valor prático do modelo. Eles descobriram que o preço de carregamento é altamente sensível ao “fator de correção” (κ), que reflete a disposição geral do utilizador para viajar. Uma pequena alteração em κ levou a uma alteração significativa no preço final, destacando a importância de estimar com precisão o comportamento do utilizador. Por outro lado, o preço foi menos sensível ao “parâmetro de capacidade do caminho virtual”, que está relacionado com a rapidez com que o orçamento percebido do utilizador aumenta à medida que mais pessoas optam por não viajar. Isto sugere que, para um planeamento inicial, os operadores podem concentrar-se em compreender a propensão geral para viajar da sua base de clientes, uma vez que isto tem o impacto mais significativo na precificação. Este tipo de perceção granular é inestimável para desenvolver estratégias de marketing direcionadas e programas de resposta à demanda.
A investigação também oferece uma nova perspetiva sobre a equidade da infraestrutura de carregamento. Ao modelar explicitamente as restrições financeiras dos utilizadores, o estudo reconhece que a transição para a mobilidade elétrica não é uniforme. Condutores com rendimentos mais baixos ou horários menos flexíveis podem ter orçamentos de viagem mais apertados, tornando-os mais sensíveis às flutuações de preços. Uma estratégia de preços que ignore esta realidade corre o risco de criar um sistema de dois níveis onde apenas os condutores mais abastados podem pagar um carregamento conveniente. O modelo TCB, pela sua conceção, incorpora este fator socioeconómico, potencialmente levando a políticas e estruturas de preços mais inclusivas e equitativas. Por exemplo, o modelo poderia ser usado para identificar locais e horários onde o carregamento subsidiado possa ser mais eficaz para incentivar a adoção entre condutores conscientes do orçamento.
O trabalho de Xie e seus colegas representa um salto significativo no campo dos sistemas de energia integrados. Ele move a conversa de um foco puramente técnico no fluxo de energia para uma visão mais holística que coloca o utilizador humano no centro. Esta abordagem centrada no ser humano é essencial para a implantação bem-sucedida de qualquer nova tecnologia. Não importa quão avançada seja a rede ou quão eficiente seja o posto de carregamento, o sistema falhará se não estiver alinhado com a forma como as pessoas realmente se comportam. Ao capturar o complexo processo de tomada de decisão do condutor individual, este modelo fornece uma ponte muito necessária entre a engenharia e a ciência comportamental.
Olhando para o futuro, os investigadores delinearam um caminho claro para trabalhos futuros, que é estender este modelo estático para um enquadramento dinâmico e variável no tempo. Os padrões de viagem e carregamento do mundo real não são constantes; eles flutuam drasticamente ao longo do dia, com os trajetos matinais e noturnos a criarem picos distintos de demanda. O próximo passo lógico é incorporar estas dinâmicas temporais, permitindo que o modelo gere sinais de preços em tempo real que possam gerir proativamente a congestão tanto na estrada como na rede. Isto poderia permitir um futuro onde o seu VE receba uma notificação a sugerir um horário de carregamento ligeiramente mais barato dentro de 30 minutos, ajudando a suavizar a demanda e a manter todo o sistema a funcionar sem problemas. A base lançada por esta investigação é crítica para construir esse futuro.
Em conclusão, o artigo de Longtao Xie, Shiwei Xie, Kaiyue Chen, Yachao Zhang e Zhidong Chen da Universidade de Fuzhou apresenta uma abordagem transformadora para a precificação de postos de carregamento de VEs. Ao introduzir o conceito de Orçamento de Custo de Viagem e usar ferramentas matemáticas avançadas para integrar o comportamento do utilizador com as restrições da rede, eles criaram um modelo que não é apenas mais preciso, mas também mais prático e equitativo. O seu trabalho demonstra que a chave para um futuro de transporte elétrico sustentável e eficiente reside não apenas em melhores baterias ou carregadores mais rápidos, mas em sistemas mais inteligentes e centrados no ser humano que compreendem e respondem às necessidades das pessoas que os utilizam. À medida que as cidades em todo o mundo lutam com os desafios da eletrificação, esta investigação fornece um plano vital para construir uma rede de carregamento tão inteligente quanto os veículos que serve.
Longtao Xie, Shiwei Xie, Kaiyue Chen, Yachao Zhang, Zhidong Chen, Escola de Engenharia Elétrica e Automação, Universidade de Fuzhou. Automation of Electric Power Systems. DOI: 10.7500/AEPS20230628010