Planejamento Otimizado de Carregamento Rural e Energia Solar
Uma pesquisa inovadora publicada na revista Northeast Electric Power Technology apresentou um quadro abrangente para o planejamento de estações de carregamento de veículos elétricos (VE) e sistemas fotovoltaicos distribuídos em redes elétricas rurais. O estudo, liderado por ZHANG Hui do Instituto de Engenharia de Shenyang e da Companhia de Suprimento de Energia de Chengde da State Grid, em colaboração com WANG Cunxu e WANG Liang, oferece uma solução estratégica para um dos desafios mais prementes na transição energética da China: como expandir a infraestrutura de VE para áreas rurais mantendo a estabilidade da rede e a eficiência econômica.
À medida que a China avança em direção às suas ambiciosas metas de “duplo carbono”, com o objetivo de atingir o pico de emissões de carbono até 2030 e neutralidade de carbono até 2060, a eletrificação do transporte tornou-se uma prioridade nacional. Embora as áreas urbanas tenham experimentado uma rápida implantação de redes de carregamento de VE, as regiões rurais ficaram para trás. Essa disparidade não é apenas uma questão de conveniência; reflete desafios técnicos, econômicos e infraestruturais mais profundos. As redes elétricas rurais, tipicamente projetadas para baixa densidade e baixa carga para usos agrícolas e residenciais, não estão preparadas para lidar com o aumento repentino na demanda que uma ampla adoção de veículos elétricos poderia trazer. Além disso, a integração de fontes de energia renovável, como energia solar em telhados, adiciona outra camada de complexidade devido à sua natureza intermitente.
O estudo aborda diretamente esses desafios, propondo um modelo de otimização de dois níveis que considera simultaneamente viabilidade econômica e segurança da rede. No cerne do modelo está uma compreensão profunda do comportamento dos usuários rurais, um fator frequentemente negligenciado em abordagens tradicionais centradas em ambientes urbanos. Ao incorporar a teoria das cadeias de viagem — um método que mapeia a sequência e o momento dos deslocamentos diários — os pesquisadores conseguiram simular padrões de carregamento de VE realistas em ambientes rurais. Diferentemente dos habitantes das cidades, que geralmente viajam durante os horários de pico da manhã e da tarde, os residentes rurais tendem a viajar mais tarde pela manhã e retornar mais cedo à tarde, principalmente para fins como visitar familiares, frequentar mercados ou realizar atividades agrícolas. Esse comportamento de deslocamento distinto influencia significativamente quando e onde a demanda de carregamento ocorre.
Para capturar a aleatoriedade inerente e a variabilidade tanto no uso do VE quanto na geração solar, a equipe empregou simulações de Monte Carlo e amostragem por hipercubo latino. Essas técnicas estatísticas avançadas permitiram gerar uma ampla gama de cenários possíveis, garantindo que o modelo de planejamento seja robusto frente à incerteza. Para a energia solar, os pesquisadores utilizaram agrupamento k-means para identificar cinco padrões típicos de produção diária, cada um com sua própria probabilidade de ocorrência. Essa abordagem permite que os planejadores considerem diferentes condições climáticas e variações sazonais sem sobrecarregar excessivamente o modelo.
O cerne do estudo é seu modelo de programação bi-nível multiobjetivo. O nível superior do modelo foca na minimização do custo anual total para a sociedade, que inclui não apenas as despesas diretas de construção e manutenção das estações de carregamento, mas também os custos indiretos suportados pelos usuários e pela rede elétrica. Esses custos indiretos são frequentemente ignorados no planejamento tradicional, mas são críticos para uma avaliação holística. Por exemplo, o tempo que os usuários gastam viajando para e esperando nas estações de carregamento representa um encargo econômico real, especialmente em áreas de baixa densidade populacional onde as distâncias são maiores. Da mesma forma, a tensão que o carregamento de VE exerce sobre a rede — manifestada por maiores perdas de potência e flutuações de tensão — tem implicações financeiras que devem ser internalizadas no processo de planejamento.
O nível inferior do modelo muda o foco da economia para o desempenho técnico. Seu objetivo é minimizar as perdas de potência ativa e os desvios de tensão na rede de distribuição. Esse objetivo duplo garante que a rede permaneça estável e eficiente mesmo com alta penetração de VE e geração solar flutuante. A inclusão da estabilidade de tensão como um critério chave é particularmente importante para redes rurais, que muitas vezes operam perto dos limites inferiores dos níveis de tensão aceitáveis. Aumentos repentinos de carga devido ao carregamento de VE podem empurrar esses sistemas para fora de conformidade, causando danos aos equipamentos e má qualidade de energia para os consumidores.
Para resolver esse problema complexo de otimização, os pesquisadores desenvolveram um algoritmo híbrido que combina os pontos fortes dos diagramas de Voronoi e um algoritmo de otimização por enxame de partículas (PSO) aprimorado. Diagramas de Voronoi, uma ferramenta geométrica que particiona o espaço em regiões com base na proximidade a um conjunto de pontos, são usados para definir as áreas de serviço de cada estação de carregamento. Isso garante que cada ponto de demanda seja atribuído à estação mais próxima disponível, criando uma distribuição espacial natural e eficiente. Enquanto isso, o algoritmo PSO aprimorado lida com a busca global pela solução ótima. Ao ajustar dinamicamente o peso de inércia e os coeficientes de aceleração, o algoritmo evita ficar preso em ótimos locais — uma armadilha comum em métodos PSO tradicionais — e converge mais rapidamente e de forma mais confiável para a melhor configuração possível.
A aplicação prática desse modelo foi demonstrada por meio de um estudo de caso em um distrito rural recém-desenvolvido, cobrindo aproximadamente 60 quilômetros quadrados. A área, atendida por um sistema de distribuição modificado de 33 nós, possui 49 nós na rede viária e uma mistura de uso residencial, agrícola e comercial do solo. Após executar extensas simulações, o modelo determinou que o número ótimo de estações de carregamento para esta região é cinco. Menos estações levariam a tempos excessivos de viagem para os usuários e congestionamento, enquanto mais estações aumentariam os custos de construção e operação além do ponto de retornos decrescentes.
O custo anual total para a sociedade sob essa configuração ótima foi calculado em 5,29 milhões de yuans. Esse valor se divide em vários componentes: 7,4 milhões de yuans para construção e manutenção (amortizados em 20 anos), 3,67 milhões de yuans para o tempo de viagem dos usuários, 1,05 milhões de yuans para penalidades por desvio de tensão e 3,88 milhões de yuans para perdas de energia na rede. Embora alguns desses custos individuais possam parecer altos, a ideia chave é que sua soma seja minimizada, refletindo um equilíbrio entre os interesses de diferentes partes interessadas. Por exemplo, adicionar uma sexta estação poderia reduzir o tempo de espera dos usuários, mas o custo adicional de construção e as perdas na rede superariam os benefícios, levando a um custo total mais alto.
A distribuição espacial das cinco estações revela um padrão claro de otimização das áreas de serviço. A maior área de serviço, colorida em vermelho nas figuras do estudo, cobre 22 pontos de demanda e requer 18 unidades de carregamento, refletindo a alta concentração de atividade nessa parte do distrito. Em contraste, a menor área, colorida em azul, atende apenas dois pontos de demanda e requer apenas sete unidades de carregamento. Essa abordagem granular, baseada em dados, garante que os recursos sejam alocados onde são mais necessários, evitando as ineficiências de uma estratégia de implantação uniforme.
Talvez a contribuição mais significativa do estudo esteja em seu tratamento da estabilidade da rede. Os pesquisadores descobriram que, sem uma otimização adequada de potência reativa, a integração de VE e painéis solares poderia levar a severas flutuações de tensão e perdas substanciais de energia. Na simulação deles, o sistema não otimizado experimentou uma perda máxima de potência ativa de 0,386 megawatts e uma perda total diária de 4,471 megawatt-horas. Após aplicar o algoritmo de otimização proposto, esses valores foram reduzidos para 0,271 megawatts e 2,849 megawatt-horas, respectivamente — uma redução de quase 37 por cento. Essa melhoria não apenas economiza energia, mas também prolonga a vida útil do equipamento da rede e melhora a qualidade do serviço para todos os clientes.
A estabilidade de tensão mostrou ganhos semelhantes. Antes da otimização, a tensão no nó 18 caiu abaixo de 0,93 por unidade, saindo da faixa aceitável de 0,93 a 1,05 por unidade. Após a otimização, a tensão subiu para 0,95 por unidade, eliminando o risco de condições de sub-tensão. O desvio total de tensão em toda a rede foi reduzido em mais de 40 por cento, de 36,638 para 21,739 por unidade-horas. Esses resultados demonstram que, com o planejamento e as estratégias de controle certas, as redes rurais podem acomodar altos níveis de recursos energéticos distribuídos sem comprometer a confiabilidade.
O sucesso do algoritmo PSO aprimorado também foi evidente em seu comportamento de convergência. Diferentemente do PSO padrão, que rapidamente estagnou em uma solução subótima, a versão aprimorada continuou refinando sua busca durante todo o processo de iteração. Essa capacidade de escapar de ótimos locais e explorar o espaço de soluções de forma mais completa é crucial para resolver problemas do mundo real com muitas variáveis e restrições. A combinação com diagramas de Voronoi ainda mais aprimorou o desempenho do algoritmo, fornecendo uma maneira estruturada de explorar diferentes configurações espaciais.
Esta pesquisa tem implicações importantes para formuladores de políticas, empresas de serviços públicos e fabricantes de automóveis. Para governos, fornece uma metodologia cientificamente sólida para alocar fundos públicos à infraestrutura de carregamento rural. Em vez de confiar em cotas arbitrárias ou considerações políticas, os planejadores agora podem usar modelos baseados em dados para identificar os locais e capacidades mais econômicos para novas estações. Para as empresas de energia, o estudo oferece um roteiro para atualizar redes rurais para lidar com cargas futuras, não apenas de VE, mas também de outras formas de geração distribuída. E para os fabricantes de automóveis, indica que o mercado de VE está se expandindo além das cidades, criando novas oportunidades em regiões negligenciadas.
O estudo também destaca a importância da colaboração interdisciplinar para enfrentar desafios energéticos complexos. A equipe reuniu especializações em engenharia de sistemas de energia, modelagem de transporte e otimização computacional para criar uma solução holística. Essa abordagem integradora é cada vez mais necessária à medida que os limites entre diferentes setores — eletricidade, transporte e tecnologia da informação — se desfazem na era das redes inteligentes e veículos conectados.
Olhando para o futuro, os pesquisadores sugerem várias direções para trabalhos futuros. Uma é incorporar mecanismos de resposta à demanda, permitindo que o carregamento de VE seja deslocado para momentos em que a geração solar é alta e a carga da rede é baixa. Outra é considerar sistemas de armazenamento de bateria nas estações de carregamento, que poderiam suavizar ainda mais os fluxos de energia e fornecer energia de backup durante interrupções. Além disso, o modelo poderia ser expandido para incluir outros tipos de recursos energéticos distribuídos, como turbinas eólicas ou geradores de biomassa, tornando-o aplicável a uma gama mais ampla de ambientes rurais.
Em conclusão, o estudo de ZHANG Hui, WANG Cunxu e WANG Liang representa um passo significativo para frente no planejamento da infraestrutura rural de VE. Ao combinar modelagem comportamental, simulação estocástica e técnicas avançadas de otimização, eles desenvolveram uma ferramenta prática e eficaz para equilibrar objetivos econômicos e técnicos. Seu trabalho não apenas avança a literatura acadêmica, mas também fornece insights acionáveis para profissionais que trabalham para construir um futuro energético mais sustentável e equitativo. À medida que a China continua sua jornada rumo à neutralidade de carbono, estudos como este desempenharão um papel vital em garantir que nenhuma comunidade seja deixada para trás na revolução da energia limpa.
ZHANG Hui, WANG Cunxu, WANG Liang, Northeast Electric Power Technology, DOI: 10.19759/j.nep.2024.07.002