Veículos Elétricos e Usinas a Carvão: Uma Nova Aliança para a Rede
A mobilidade elétrica está em pleno crescimento, mas seu impacto vai muito além de simplesmente substituir motores a combustão. Os veículos elétricos (VEs), com suas baterias de grande capacidade, estão se transformando de consumidores passivos de energia em ativos ativos e dinâmicos dentro do sistema elétrico moderno. À medida que a energia renovável, principalmente a eólica e solar, se torna dominante, a rede elétrica enfrenta um novo desafio: a instabilidade. A natureza intermitente dessas fontes limpas significa que a geração de eletricidade pode flutuar rapidamente, criando desvios na frequência da rede. Essa frequência, um parâmetro crítico mantido em 50 Hz na maioria dos sistemas, é o ritmo cardíaco do fornecimento de energia. Quando ele se desequilibra, mesmo por frações de segundo, pode danificar equipamentos sensíveis e, em casos extremos, desencadear apagões em larga escala. Tradicionalmente, a responsabilidade de corrigir esses desvios recai sobre as usinas térmicas, que ajustam sua produção para compensar as flutuações. No entanto, esse método tem um alto custo operacional e ambiental. Forçar uma usina a sair do seu ponto de operação mais eficiente aumenta o consumo de combustível, acelera o desgaste de seus equipamentos e, paradoxalmente, eleva suas emissões de carbono. Um avanço significativo nesse campo foi apresentado por pesquisadores da Yichang Key Laboratory of Intelligent Operation and Security Defense of Power System, na Universidade das Três Gargantas, em colaboração com a State Grid International Development Co., Ltd. Em um artigo publicado na prestigiada revista Power System Protection and Control, eles propõem uma estratégia de controle otimizado que transforma os veículos elétricos em aliados estratégicos das usinas térmicas, criando um sistema de regulação de frequência mais rápido, mais eficiente e, surpreendentemente, mais lucrativo para todos os envolvidos.
O cerne do problema é a crescente volatilidade introduzida pela alta penetração de energias renováveis. Enquanto uma usina a carvão ou a gás pode ajustar sua saída de energia de forma contínua e previsível, a geração eólica e solar é regida pelo clima. Uma rajada de vento pode gerar um excesso de energia, elevando a frequência da rede, enquanto uma nuvem pode causar um déficit súbito, fazendo-a cair. O sistema precisa de uma resposta rápida e precisa para contrabalançar essas perturbações. As usinas térmicas, embora poderosas, são sistemas mecânicos massivos e, portanto, lentos para reagir. Sua inércia as torna adequadas para lidar com mudanças de longo prazo, mas não para responder às flutuações de alta frequência que caracterizam a saída das fontes renováveis. Essa lacuna de resposta cria uma necessidade urgente de novas fontes de regulação de frequência que sejam mais ágeis. É aqui que o potencial transformador dos veículos elétricos entra em cena. Com mais de dez milhões de veículos elétricos puros nas estradas da China no final de 2022, a capacidade agregada de suas baterias representa uma reserva de energia móvel e distribuída de dimensões colossais. A tecnologia-chave para desbloquear esse potencial é o Vehicle-to-Grid (V2G). O V2G permite um fluxo de energia bidirecional entre o veículo e a rede. Quando um VE está conectado a um carregador V2G, não apenas pode carregar sua bateria, mas também pode devolver energia à rede. Um único veículo tem um impacto limitado, mas uma frota coordenada de milhares de veículos, gerenciada por um agregador inteligente, pode atuar como uma usina virtual de armazenamento. Essa usina virtual pode reagir em milissegundos, ajustando sua carga ou descarga para estabilizar a frequência, um tempo de resposta que nenhuma usina térmica pode igualar. A pesquisa liderada pelo professor Cheng Shan fornece um quadro operacional e econômico robusto para transformar essa visão futurista em uma realidade tangível e escalável.
A estratégia proposta pela equipe da Universidade das Três Gargantas é uma solução de dois níveis que combina otimização econômica com controle operacional inteligente, projetada para maximizar os benefícios para todos os participantes. A primeira etapa, chamada de “otimização da proporção de alocação”, é o cérebro estratégico do sistema. Quando o centro de controle da rede detecta um desvio de frequência e calcula o “Requisito de Regulação da Área” (ARR), este sinal é enviado a um fornecedor de serviços de regulação, ou “agente de regulação”. Em vez de atribuir uma porção fixa da tarefa a uma usina térmica ou a uma estação de carregamento de veículos elétricos, o agente utiliza um sofisticado algoritmo de otimização em rolo. Este algoritmo é recalculado a cada minuto, tomando decisões em tempo quase real. Seu objetivo é simples e poderoso: maximizar o lucro total do agente de regulação. Esse lucro vem da receita do mercado de serviços auxiliares, que inclui pagamentos pela capacidade de reserva e pela energia realmente entregada (conhecida como “quilometragem”), menos os custos operacionais incorridos. O custo de utilizar uma usina térmica é modelado como uma função quadrática de seu desvio de potência, refletindo a realidade de que afastar uma usina do seu ponto de eficiência ótimo é caro em termos de combustível e desgaste. O custo de utilizar veículos elétricos é mais sutil e foca na degradação da bateria. Cada ciclo de carga e descarga contribui para o envelhecimento da bateria. O modelo incorpora um custo de compensação por essa degradação, garantindo que a análise econômica seja realista e sustentável a longo prazo. Ao equilibrar constantemente essas receitas e custos, o algoritmo pode desviar dinamicamente a carga de regulação para o recurso que for mais econômico naquele momento, o que muitas vezes favorece a resposta mais rápida e de menor custo dos veículos elétricos para ajustes rápidos e pequenos.
A segunda etapa, a “resposta da estação de carregamento de veículos elétricos”, é onde a decisão estratégica se traduz em ações concretas no nível de cada veículo individual. É aqui que a estratégia demonstra sua sofisticação e seu respeito pelas necessidades do usuário. Os pesquisadores entenderam que um programa de V2G bem-sucedido não pode comprometer a função primária de um veículo elétrico: estar pronto para a próxima viagem do proprietário. Para garantir isso, eles implementaram um método de “zoneamento e priorização” baseado no estado de carga (SOC) de cada veículo. Os veículos são classificados em três zonas distintas. A primeira zona compreende veículos com um SOC abaixo de um limite mínimo crítico. Esses veículos estão em um estado de carga de emergência e são excluídos de qualquer serviço de regulação de frequência para garantir que possam atender às necessidades de condução de seus proprietários. A segunda zona inclui veículos com um SOC acima do mínimo, mas abaixo de um nível “esperado” definido pelo usuário. Para esses veículos, o único serviço disponível é modular sua potência de carga. Eles podem reduzir sua velocidade de carga (reduzindo a demanda da rede) ou aumentá-la (aumentando a demanda da rede) dentro de limites seguros, mas não podem descarregar. Isso fornece uma maneira segura e não intrusiva de contribuir para a estabilidade da rede. A terceira zona é para veículos com um SOC acima do nível esperado. Esses veículos têm uma “reserva” de carga extra e podem participar tanto da regulação ascendente quanto da descendente. Podem reduzir sua carga, parar de carregar ou até mesmo descarregar energia de volta para a rede (V2G), fornecendo uma resposta mais poderosa e flexível. O aspecto crucial é que o sistema de controle é programado para garantir que, mesmo ao descarregar, o SOC do veículo não caia abaixo do nível esperado quando o veículo sair da estação de carregamento.
Este sistema de zoneamento é combinado com uma clara hierarquia de prioridades de resposta, essencial para uma operação eficiente e previsível. Quando a rede precisa reduzir a potência (um comando de regulação descendente), o sistema primeiro olha para os veículos na terceira zona, pedindo-lhes que reduzam sua potência de carga. Se for necessária uma redução maior, então pede aos veículos da segunda zona que reduzam sua carga. Somente se essas medidas não forem suficientes, o sistema solicitará aos veículos da terceira zona que descarreguem ativamente energia para a rede. Essa prioridade garante que o serviço mais valioso — a geração real de energia da bateria — seja usado apenas quando absolutamente necessário, minimizando assim a degradação da bateria. A prioridade inversa se aplica à regulação ascendente: o sistema primeiro para ou reduz qualquer descarga da terceira zona, depois aumenta a potência de carga da segunda zona e, finalmente, aumenta a potência de carga da terceira zona. Dentro de cada zona, o ajuste de potência exigido é distribuído proporcionalmente entre os veículos participantes com base em sua flexibilidade disponível, garantindo uma carga equilibrada e justa na frota. Esse controle granular, gerenciado por um agregador central que se comunica com cada carregador V2G inteligente, permite uma modulação altamente sensível e precisa do perfil de potência de toda a estação de carregamento.
Para validar a eficácia dessa estratégia de dois estágios, a equipe de pesquisa construiu um modelo de simulação detalhado de um sistema elétrico interconectado de duas áreas, um ponto de referência padrão na análise de sistemas de potência. Este modelo incluía uma unidade térmica e uma estação de carregamento de veículos elétricos em cada área, submetida a flutuações de carga e potência eólica realistas para simular as perturbações de frequência comuns em uma rede com alta penetração de energias renováveis. A simulação comparou três cenários diferentes. O primeiro, um cenário de linha de base, utilizava apenas as unidades térmicas para regulação. O segundo utilizava uma divisão fixa de 50/50 da tarefa de regulação entre as unidades térmicas e as estações de veículos elétricos. O terceiro era a estratégia de otimização dinâmica e em rolo proposta. Os resultados foram conclusivos. O cenário que utilizava apenas unidades térmicas mostrou os maiores desvios de frequência, com uma oscilação de pico a pico de mais de 0,18 Hz. O cenário de divisão fixa melhorou isso significativamente, mas a estratégia dinâmica proposta alcançou os menores desvios de frequência por uma margem clara. O valor RMS (raiz quadrada média) do erro de frequência, uma métrica-chave para o desempenho geral, foi reduzido em mais de 50% em comparação com a linha de base e em um adicional de 25% em comparação com o método de divisão fixa. Da mesma forma, os desvios na potência que flui entre as duas áreas interconectadas — uma medida crítica da estabilidade da rede — também foram minimizados com a nova estratégia. Esse desempenho técnico superior deriva da capacidade dos veículos elétricos de responder quase instantaneamente aos componentes de alta frequência do desvio de frequência da rede, uma tarefa para a qual sua eletrônica de potência é ideal, enquanto as unidades térmicas mais lentas lidam com ajustes de longo prazo e de maior escala.
A análise econômica apresentada no estudo é igualmente convincente. A simulação calculou a receita total para o fornecedor de serviços de regulação sob cada estratégia. O cenário de linha de base, confiando exclusivamente na usina térmica, obteve o menor lucro. O cenário de divisão fixa, ao incorporar veículos elétricos e, assim, reduzir os custosos ajustes da usina térmica, aumentou o lucro total. No entanto, a estratégia de otimização dinâmica proposta gerou o maior lucro de todos. Isso se deve ao fato de que o algoritmo busca continuamente a forma mais econômica de atender à demanda de regulação. Ao priorizar a resposta de menor custo dos veículos elétricos para ajustes frequentes e pequenos, reduz significativamente o custo de desvio de potência da usina térmica. Os dados mostraram uma redução dramática neste custo com a nova estratégia. Embora a estratégia também incorra em um custo de compensação por degradação da bateria mais alto — porque os veículos elétricos são usados de forma mais intensiva e inteligente — as economias no lado da usina térmica superam em muito essa despesa. O resultado líquido é um aumento substancial no lucro total, demonstrando que esta não é apenas uma solução tecnicamente superior, mas também uma financeiramente sólida para os participantes do mercado. Esse incentivo econômico é crucial para impulsionar a adoção de tais estratégias por empresas de serviços públicos e agregadores.
Além dos benefícios técnicos e econômicos imediatos, esta pesquisa tem profundas implicações para o futuro da mobilidade e da energia. Representa um passo significativo em direção a um ecossistema energético verdadeiramente integrado. Ao demonstrar que os veículos elétricos podem ser uma fonte confiável e rentável de serviços de rede, ela fortalece a proposta de valor da mobilidade elétrica. Move a conversa além da simples redução de emissões do escapamento para um cenário em que o veículo elétrico se torna um ativo ativo e gerador de receita para seu proprietário e um componente crítico da infraestrutura da rede. Para os proprietários de veículos elétricos, a promessa de uma compensação financeira pela degradação da bateria fornece um incentivo tangível para participar de programas V2G, abordando uma grande barreira para a adoção pelos usuários. Para os operadores da rede, oferece uma nova ferramenta rápida para gerenciar a volatilidade da energia renovável, melhorando a confiabilidade da rede e potencialmente adiando a necessidade de nova e cara infraestrutura de transmissão ou geração. O foco da estratégia nas necessidades do usuário, protegendo o SOC mínimo e esperado, é fundamental para sua praticidade e sustentabilidade a longo prazo. Garante que os serviços de rede sejam fornecidos sem causar inconvenientes ao proprietário do veículo, um requisito fundamental para qualquer implantação em larga escala de V2G.
O sucesso dessa estratégia depende da maturidade de várias tecnologias habilitadoras. A implementação generalizada de carregadores V2G inteligentes e bidirecionais é um pré-requisito. Esses carregadores devem ser capazes de receber sinais de controle de um agregador, gerenciar com precisão a corrente de carga do veículo e comunicar o SOC do veículo e sua flexibilidade disponível de volta ao sistema central. Uma rede de comunicação robusta e segura também é essencial para lidar com o fluxo de dados em tempo real entre milhares de veículos, estações de carregamento e o operador da rede. O papel do agregador de veículos elétricos é central neste modelo. Esta entidade atua como intermediária, gerenciando a frota, executando os complexos algoritmos de otimização e licitando no mercado de serviços auxiliares em nome dos proprietários dos veículos. A pesquisa da Universidade das Três Gargantas fornece uma base algorítmica poderosa para tal agregador. À medida que a tecnologia de baterias continuar a melhorar, com vidas mais longas e capacidades de carga mais rápidas, a economia de V2G se tornará ainda mais atraente. A pesquisa futura, como sugerem os autores, provavelmente se concentrará em refinar os modelos econômicos para criar esquemas de compartilhamento de receita ainda mais justos entre o agregador e os proprietários de veículos elétricos, impulsionando ainda mais a participação.
Em conclusão, o trabalho de Cheng Shan e seus colegas apresenta uma solução abrangente e altamente eficaz para um dos desafios mais prementes da rede elétrica moderna. Sua estratégia de otimização de dois estágios, que atribui dinamicamente tarefas de regulação de frequência entre unidades térmicas e frotas de veículos elétricos enquanto respeita escrupulosamente as necessidades de carga do usuário, é um avanço significativo no campo. Demonstra com sucesso que os veículos elétricos não são apenas uma carga na rede, mas um recurso poderoso, flexível e economicamente valioso. Ao reduzir o viés de resposta de frequência e aumentar os benefícios econômicos para os fornecedores de serviços, esta estratégia abre caminho para um futuro energético mais resiliente, eficiente e sustentável. É um exemplo claro de como sistemas de controle inteligentes podem desbloquear o potencial oculto de tecnologias existentes para resolver problemas complexos, transformando o desafio da integração de energias renováveis em uma oportunidade para a inovação.
Cheng Shan, Li Fengyang, Liu Weiwei, Li Mao, Wang Can, Yichang Key Laboratory of Intelligent Operation and Security Defense of Power System(China Three Gorges University), State Grid International Development Co., Ltd., Power System Protection and Control, DOI: 10.19783/j.cnki.pspc.230747