Veículos Elétricos e Redes Inteligentes: Novo Modelo de Gestão Energética
A integração de veículos elétricos (VEs) nas redes elétricas tem se tornado um ponto central para pesquisadores e engenheiros na transição para um futuro mais sustentável. O rápido aumento na adoção de VEs apresenta tanto oportunidades quanto desafios para os sistemas energéticos, particularmente em parques industriais onde a concentração desses veículos pode impactar significativamente a rede elétrica local. Um estudo recente desenvolveu um modelo inovador de agendamento ótimo de duas camadas para sistemas de energia integrados de parques (PIES), que considera a disposição dos usuários de VEs para carregar e descarregar suas baterias.
Esta abordagem pioneira busca melhorar a eficiência e a viabilidade econômica dos PIES, reduzindo simultaneamente os custos operacionais tanto para o sistema quanto para os proprietários individuais de VEs. O trabalho surge como resposta aos desafios crescentes representados pelo número cada vez maior de veículos elétricos em parques industriais. Até 2022, a China possuía 13,1 milhões de VEs, com expectativa de atingir 220 milhões globalmente até 2030.
O aumento no uso de VEs tem levado a uma maior demanda de eletricidade, exacerbado as diferenças entre cargas de pico e vale, e elevado os custos econômicos, representando desafios significativos para o planejamento e operação dos PIES. Os métodos tradicionais de gestão desses sistemas frequentemente se mostram insuficientes por não considerarem adequadamente a natureza dinâmica dos comportamentos de carga e descarga dos VEs.
O cerne do modelo proposto reside no conceito de precificação dinâmica em tempo real, concebida para refletir melhor as flutuações na demanda e oferta de eletricidade. Diferente da tarifação convencional por horário de uso, que estabelece valores fixos para diferentes períodos do dia, a precificação dinâmica ajusta o custo da eletricidade com base nos níveis de carga atuais. Esta abordagem visa incentivar os proprietários de VEs a carregarem seus veículos durante horários de baixo consumo e a devolverem energia à rede durante períodos de pico, thus suavizando a curva de carga e reduzindo a tensão no sistema elétrico.
O mecanismo de precificação dinâmica baseia-se na relação entre a carga atual e a carga média diária, com o preço sendo ajustado de acordo com limites pré-definidos. Por exemplo, quando a carga está abaixo de 80% da média, o preço é reduzido, e quando excede 140%, o preço aumenta. Esta estratégia de precificação é personalizada para as condições específicas do parque industrial, considerando o número de VEs e a proporção da carga de carregamento de VEs em relação à carga total.
Para refinar ainda mais o modelo, os pesquisadores incorporaram o conceito de estado de carga da bateria (SOC) e os custos associados à degradação das baterias. As baterias dos VEs degradam-se com o tempo, e os ciclos frequentes de carga e descarga podem acelerar este processo. Para incentivar a participação dos proprietários nas operações vehicle-to-grid (V2G), o modelo inclui um mecanismo de compensação pela degradação da bateria.
Esta compensação é calculada com base no custo de aquisição da bateria, na quilometragem diária do VE, na profundidade de descarga (DOD) e no número de ciclos de descarga. Ao fornecer incentivos financeiros pela degradação da bateria, o modelo busca tornar a participação no V2G mais atraente para os proprietários de VEs, aumentando assim a flexibilidade geral dos PIES.
Além dos incentivos econômicos, o modelo também considera aspectos psicológicos e comportamentais dos usuários de VEs. Os pesquisadores desenvolveram um modelo de disposição para carga e descarga que considera fatores como o SOC atual, o preço dinâmico em tempo real e a disponibilidade de incentivos. Por exemplo, quando o SOC está abaixo de 30%, o VE é considerado como necessitando de carga, e quando está acima de 90%, o VE pode interromper o carregamento.
Durante o processo de descarga, o SOC é mantido em um mínimo de 20% para garantir que o VE esteja sempre pronto para uso. A disposição para carregar ou descarregar é determinada por um conjunto de regras que equilibram a necessidade de mobilidade do usuário com os benefícios econômicos da participação no programa V2G. Por instância, se o preço dinâmico em tempo real for menor que o preço padrão por horário de uso e o SOC estiver dentro de uma determinada faixa, o VE terá maior probabilidade de carregar. Por outro lado, se o preço for mais alto e o SOC for suficiente, o VE pode optar por devolver energia à rede.
O modelo de otimização de duas camadas é estruturado para otimizar o desempenho dos PIES tanto na perspectiva do sistema quanto do usuário. A camada externa do modelo concentra-se em minimizar o custo total dos PIES, que inclui o custo de compra de energia, os custos operacionais e de manutenção dos equipamentos, os custos de partida e parada, os custos de emissão de carbono e a receita da venda de eletricidade. A camada interna, por sua vez, visa minimizar os custos de carregamento para usuários individuais de VEs.
Ao alinhar os objetivos do sistema e dos usuários, o modelo busca criar uma situação vantajosa para todas as partes, onde os PIES operam com maior eficiência e os proprietários de VEs beneficiam-se de custos de carregamento reduzidos. Para resolver o problema de otimização de duas camadas, os pesquisadores empregaram as condições de Karush-Kuhn-Tucker (KKT), um conjunto de condições necessárias para que uma solução em programação não linear seja ótima.
As condições KKT permitem que o problema da camada interna seja transformado em um conjunto de restrições para a camada externa, convertendo efetivamente o modelo de duas camadas em um modelo de camada única que pode ser resolvido com maior eficiência. Esta abordagem garante que a solução seja estável e computacionalmente viável, tornando-a adequada para aplicações do mundo real.
A eficácia do modelo proposto foi avaliada através de uma série de simulações que compararam o desempenho dos PIES em três cenários diferentes: carregamento não coordenado, modelo tradicional de disposição para carga e descarga, e o modelo melhorado com precificação dinâmica em tempo real e compensação por degradação da bateria.
No cenário de carregamento não coordenado, os VEs eram carregados imediatamente após a chegada ao parque, levando a um aumento significativo na carga de pico durante as primeiras horas do dia. Isto resultou em custos de eletricidade mais elevados e maior estresse na rede. Em contraste, o modelo tradicional de disposição para carga e descarga, que considerava apenas o preço dinâmico em tempo real e o SOC, mostrou uma redução na carga de pico, mas os benefícios foram limitados devido à falta de incentivos econômicos para a degradação da bateria.
O modelo melhorado, no entanto, demonstrou uma melhoria mais significativa no desempenho dos PIES. Ao incorporar a precificação dinâmica em tempo real e a compensação por degradação da bateria, o modelo foi capaz de transferir uma parcela substancial da carga de carregamento para horários de menor consumo, reduzindo assim a carga de pico e os custos associados. Adicionalmente, o modelo incentivou mais VEs a participarem nas operações V2G, o que ajudou a estabilizar a rede durante os períodos de pico.
As simulações mostraram que o modelo melhorado reduziu o custo total dos PIES em 4,03% em comparação com o modelo tradicional, e os custos de carregamento para os usuários de VEs foram reduzidos em 15,02%. Estes resultados destacam o potencial do modelo proposto para melhorar a sustentabilidade econômica e ambiental dos PIES.
Uma das principais conclusões do estudo é a importância de alinhar os incentivos econômicos com as capacidades técnicas dos PIES. O mecanismo de precificação dinâmica em tempo real, combinado com a compensação por degradação da bateria, cria um poderoso incentivo para que os proprietários de VEs participem do programa V2G. Isto, por sua vez, permite que os PIES gerem melhor seus recursos e reduzam sua dependência de fontes de energia externas.
O modelo também demonstra o potencial do V2G para desempenhar um papel crucial em programas de resposta à demanda, onde os VEs podem ser usados para fornecer serviços auxiliares como regulação de frequência e balanceamento de carga. Ao aproveitar a flexibilidade dos VEs, os PIES podem melhorar sua eficiência e confiabilidade geral, contribuindo também para o objetivo mais amplo de reduzir as emissões de carbono.
Esta pesquisa representa um avanço significativo no campo dos sistemas de energia integrados. O trabalho não apenas fornece uma solução prática para os desafios representados pelo número crescente de VEs em parques industriais, mas também destaca a importância de considerar o comportamento do usuário e os incentivos econômicos no design de tecnologias de redes inteligentes.
As implicações desta pesquisa estendem-se além do contexto imediato dos parques industriais. Os princípios de precificação dinâmica em tempo real e compensação por degradação de bateria podem ser aplicados a uma ampla variedade de ambientes, desde bairros residenciais até distritos comerciais. Ao criar um sistema energético mais flexível e responsivo, estas tecnologias podem ajudar a reduzir o custo geral da eletricidade, melhorar a confiabilidade da rede e promover a adoção de fontes de energia renovável.
Além disso, o sucesso do programa V2G neste estudo sugere que iniciativas semelhantes poderiam ser implementadas em maior escala, potencialmente transformando a maneira como pensamos sobre a relação entre transporte e energia. O modelo de agendamento ótimo de duas camadas para PIES oferece uma solução promissora para os desafios da integração de VEs na rede elétrica.
Ao combinar precificação dinâmica em tempo real, compensação por degradação de bateria e uma compreensão abrangente do comportamento do usuário, o modelo não apenas melhora a eficiência e a viabilidade econômica dos PIES, mas também abre caminho para um futuro energético mais sustentável e resiliente. À medida que o mundo continua a enfrentar as complexidades da transição energética, os insights e inovações apresentados neste estudo desempenharão, sem dúvida, um papel crucial na moldagem das políticas e tecnologias que definirão o caminho a seguir.
Feng Yemu, Lyu Ganyun, Shi Mingming, Zhu Zhiying, Wang Haoyu, Chen Guangyu, School of Electric Power Engineering, Nanjing Institute of Technology; Electric Power Engineering Technology; DOI: 10.12158/j.2096-3203.2024.02.015