Sistema Fotovoltaico Inteligente Aumenta Lucros em 28%
Uma estratégia revolucionária de gestão energética para sistemas integrados de energia fotovoltaica, armazenamento em baterias e carregamento de veículos elétricos demonstrou um notável aumento de 28% na receita diária sob condições operacionais reais. Desenvolvida por uma equipe de pesquisa do Laboratório do Lago Baima de Zhejiang e suas instituições afiliadas, a inovação centra-se numa arquitetura de barramento CC que melhora a eficiência, reduz a dependência da rede e otimiza os retornos económicos através do uso inteligente de tarifas elétricas horárias.
À medida que a transição global para a mobilidade elétrica acelera, a infraestrutura necessária para suportar a adoção generalizada de VEs enfrenta desafios crescentes. Apesar do rápido crescimento na posse de VEs, o desenvolvimento da infraestrutura de carregamento ficou para trás, criando um desequilíbrio crítico entre a procura de veículos e a disponibilidade de carregamento. Na China, a relação veículo-para-carregador situava-se em 2,7:1 em 2021, longe do benchmark de 1:1 definido nos planos nacionais de desenvolvimento anteriores. Esta lacuna destaca um problema sistémico: as estações de carregamento convencionais não só são limitadas pela capacidade da rede, especialmente em áreas urbanas mais antigas, mas também lutam com a rentabilidade devido à dependência de uma única fonte de receita – taxas de serviço de carregamento.
Para enfrentar estes desafios, os investigadores têm voltado cada vez mais para soluções integradas que combinam geração solar, armazenamento em baterias e carregamento de VEs num sistema de microrede unificado. Conhecidos como sistemas “PV-armazenamento-carregamento” ou “PV-BES-Carregador”, estes arranjos oferecem um ecossistema energético auto-sustentável capaz de reduzir a procura de pico da rede, baixar os custos operacionais e melhorar a resiliência energética. No entanto, a eficácia de tais sistemas depende da sofisticação das suas estratégias de gestão energética.
As abordagens tradicionais para a otimização energética nestes sistemas geralmente dependem de algoritmos avançados como algoritmos genéticos ou otimização por enxame de partículas. Embora eficazes em ambientes de simulação, estes métodos requerem previsões precisas tanto da geração solar como da procura de carregamento – duas variáveis intrinsecamente imprevisíveis em ambientes reais. Além disso, exigem significativo poder computacional, tornando-os impraticáveis para implementação em controladores embutidos de baixo custo, como microcontroladores comumente usados em hardware comercial de carregamento.
Em resposta, Guodong He, Changyong Fang, Ling Hong, Rongmin Wu, Peng Hou e Ding Wu do Laboratório do Lago Baima de Zhejiang, Zhejiang Energy Group R&D, e do Laboratório Chave de Utilização de Energia Solar e Tecnologia de Economia de Energia na Província de Zhejiang, introduziram uma nova estratégia de gestão energética em tempo real projetada especificamente para sistemas embutidos de baixos recursos. O seu trabalho, publicado na Energy Engineering, apresenta uma solução prática e escalável que maximiza os retornos económicos sem exigir modelos preditivos complexos ou computação de alto desempenho.
O cerne da inovação reside na arquitetura elétrica de barramento CC do sistema, uma partida da configuração mais comum de barramento CA usada em sistemas integrados convencionais. Em configurações tradicionais, a energia dos painéis solares deve primeiro ser convertida de CC para CA através de inversores antes de ser alimentada na rede ou usada para carregar baterias e VEs. Cada etapa de conversão incorre em perdas de eficiência, tipicamente variando de 3% a 8% por etapa. Em contraste, o sistema proposto opera num barramento CC, permitindo que matrizes fotovoltaicas, armazenamento em baterias e carregadores de VEs interajam diretamente através de conversores CC-CC, minimizando etapas de conversão de energia e preservando a eficiência do sistema.
Nesta arquitetura, o sistema de armazenamento de energia em baterias (BESS) está diretamente conectado ao barramento CC, onde desempenha um papel duplo: estabilizar a tensão do barramento e servir como um buffer de energia que permite a troca de energia perfeita entre a rede, painéis solares e veículos elétricos. Este design permite que o sistema encaminhe dinamicamente a energia ao longo dos caminhos mais eficientes, evitando conversões desnecessárias e reduzindo as perdas energéticas globais.
Um dos insights-chave da pesquisa é a identificação de caminhos ótimos de fluxo de energia com base na eficiência de conversão. A equipa mapeou dez possíveis rotas de fluxo de energia dentro do sistema e calculou as suas respectivas eficiências de ponta a ponta. Caminhos envolvendo menos etapas de conversão – como rede-veículo direto ou solar-veículo – naturalmente exibiram eficiências mais altas, enquanto rotas passando tanto pela bateria como por múltiplos conversores sofreram perdas maiores. Por exemplo, entregar energia diretamente da rede para o carregador de VE alcançou 95,2% de eficiência, enquanto encaminhar energia da rede para a bateria e depois para o veículo reduziu a eficiência para 88,7%.
Munidos deste entendimento, os investigadores formularam uma estrutura de tomada de decisão em tempo real que prioriza os caminhos energéticos mais eficientes enquanto se alinha com objetivos económicos. O objetivo principal é minimizar o custo líquido de energia, definido como a diferença entre a eletricidade comprada da rede e a receita gerada pelos serviços de carregamento, considerando tarifas horárias (TOU). Em regiões como Zhejiang, onde os preços da eletricidade variam significativamente entre horas de pico, intermediárias e fora de pico, o uso estratégico do armazenamento pode gerar economias substanciais.
A estratégia opera num princípio simples mas poderoso: maximizar o autoconsumo de energia solar, carregar a bateria durante períodos de baixo custo fora de pico e descarregar durante períodos de alto preço de pico ou pico crítico. Esta abordagem não só reduz a dependência de energia cara da rede durante a procura de pico, mas também ajuda a achatar as curvas de carga, contribuindo para a estabilidade da rede.
Crucialmente, a estratégia é projetada para ser computacionalmente leve. Em vez de resolver problemas complexos de otimização em tempo real, baseia-se em regras predefinidas e medições em tempo real da produção solar e procura de carregamento de veículos. A única variável de controlo ativa é a potência de carregamento ou descarregamento da bateria, que é ajustada com base no período TOU atual e no estado de carga (SoC) da bateria. Esta lógica baseada em regras pode ser facilmente implementada num microcontrolador, tornando-a ideal para implantação em massa em estações de carregamento comerciais.
Para validar a estratégia, a equipa realizou um estudo de caso usando uma estação de carregamento inteligente instalada num parque de escritórios comercial no leste da China. O sistema contava com uma matriz fotovoltaica de 20 kW, uma bateria de fosfato de ferro e lítio (LFP) de 51,2 kWh e um carregador rápido CC de 60 kW capaz de servir múltiplos veículos ao longo do dia. A química LFP foi selecionada pela sua excelente vida útil, estabilidade térmica e perfil de segurança – atributos críticos para um sistema que deve sofrer ciclos frequentes de carga-descarga num ambiente comercial.
A simulação assumiu um dia de céu claro com padrões típicos de irradiância solar na região, resultando numa geração fotovoltaica diária total de 135 kWh. Três eventos de carregamento foram modelados para refletir padrões de uso não pendulares: uma sessão de 30 minutos às 9:00, uma sessão de uma hora às 12:30 e outra sessão de 30 minutos às 19:30 – horários em que utilizadores comerciais podem carregar durante pausas de almoço ou após o trabalho. Cada sessão consumiu energia à taxa máxima de 60 kW, totalizando 120 kWh de energia entregue aos veículos.
Num cenário de base sem otimização de bateria – onde o sistema simplesmente usava energia solar quando disponível e recorria à rede caso contrário – a receita líquida foi calculada com base numa taxa de serviço de 0,5 yuan por kWh além do custo elétrico TOU. Neste caso, o rendimento total dos serviços de carregamento foi de 161,6 yuan, com 60 yuan representando lucro puro após contabilizar os custos de eletricidade.
Quando a estratégia de gestão energética proposta foi aplicada, a bateria seguiu um padrão de “duas cargas, duas descargas” alinhado com a estrutura tarifária TOU de Zhejiang. Durante o período noturno fora de pico (22h-8h), a bateria foi carregada lentamente a 4,1 kW para evitar stress térmico e prolongar a vida útil. Na janela de fora de pico do meio-dia (11h-13h), absorveu excesso de energia solar e energia da rede para repor 40% da sua capacidade. Depois, durante os períodos de pico da tarde e noite, a bateria descarregou estrategicamente: primeiro a 6,83 kW das 8h-11h, e depois a uma taxa mais alta de 20,48 kW durante a janela de pico crítico das 19h-21h.
Este despacho otimizado permitiu que o sistema evitasse a compra de eletricidade cara da rede durante as horas de pico. Mesmo quando o carregador de VE demandava 60 kW, o fornecimento da rede nunca excedeu 50 kW, graças à contribuição combinada da energia solar e da bateria. O resultado foi uma melhoria dramática na economia: a receita diária total aumentou para 204,5 yuan, representando um ganho de 28% sobre o cenário de base.
Para além do desempenho financeiro, a estratégia demonstrou várias vantagens operacionais. A bateria operou dentro de uma janela de 10% a 90% SoC, evitando ciclagem profunda que acelera a degradação. As taxas de carga e descarga mantiveram-se baixas – atingindo um pico de 0,4C (aproximadamente 20,5 kW para uma bateria de 51,2 kWh) – melhorando ainda mais a longevidade. O sistema também reduziu a procura de pico da rede, o que poderia traduzir-se em custos de demanda mais baixos para operadores comerciais e reduzir a tensão nas redes de distribuição locais.
As implicações desta pesquisa estendem-se para além de estações de carregamento individuais. À medida que cidades e utilities procuram integrar mais recursos energéticos distribuídos, soluções como esta oferecem um modelo para infraestrutura descentralizada, resiliente e economicamente viável. Ao contrário de atualizações centralizadas da rede, que são dispendiosas e demoradas, carregadores habilitados para microredes inteligentes podem ser implantados incrementalmente, escalando com a procura.
Além disso, a compatibilidade da estratégia com hardware de baixo custo torna-a acessível a uma ampla gama de partes interessadas, desde pequenas empresas a operadores municipais. Ao eliminar a necessidade de otimização baseada em nuvem ou modelos de aprendizagem automática, o sistema mantém-se funcional mesmo em áreas com conectividade limitada, garantindo confiabilidade e tempo de atividade.
O sucesso desta abordagem também sublinha uma mudança mais ampla na filosofia de gestão energética – de sistemas preditivos e pesados em modelos para lógica adaptativa baseada em regras que responde a condições em tempo real. Num mundo onde a incerteza é a norma, simplicidade e robustez frequentemente superam a complexidade.
À medida que a adoção de VEs continua a subir, a integração de geração renovável e armazenamento tornar-se-á não apenas uma opção, mas uma necessidade. Sistemas que podem equilibrar inteligentemente a oferta e procura, reduzir custos e melhorar a sustentabilidade desempenharão um papel pivotal na moldagem do futuro dos transportes.
O trabalho de He, Fang, Hong, Wu, Hou e Wu oferece um exemplo convincente de como a engenhosidade da engenharia, fundamentada em restrições práticas, pode entregar benefícios tangíveis. A sua estratégia de gestão energética prova que mesmo sem IA avançada ou análise de big data, melhorias significativas na eficiência e rentabilidade são alcançáveis – pavimentando o caminho para uma infraestrutura de carregamento mais inteligente e sustentável na China e além.
Guodong He, Changyong Fang, Ling Hong, Rongmin Wu, Peng Hou, Ding Wu, Zhejiang Baima Lake Laboratory, Zhejiang Energy Group R&D, Key Laboratory of Solar Energy Utilization & Energy Saving Technology, Energy Engineering, DOI: 10.16189/j.nygc.2024.01.013