Nuevo modelo calcula emisiones de EV considerando hábitos de conducción
La movilidad eléctrica se ha consolidado como un pilar fundamental en la lucha global contra el cambio climático. Los vehículos eléctricos (VE) ofrecen una ventaja clara sobre sus homólogos de combustión interna, reduciendo significativamente las emisiones de dióxido de carbono a lo largo de su ciclo de vida, con estudios que indican una disminución promedio del 43,4%. Sin embargo, la cuantificación precisa del beneficio ambiental individual de cada VE sigue siendo un desafío complejo. Los métodos tradicionales de cálculo, que a menudo se basan en ciclos de prueba estandarizados como el CLTC-P, tienden a simplificar en exceso la realidad. Estos modelos suelen depender de una fórmula directa: la energía consumida dividida por el consumo de energía oficial del vehículo por cada 100 kilómetros. Este enfoque, aunque práctico, resulta en una generalización que no refleja con exactitud el verdadero impacto climático de un vehículo en condiciones reales de uso.
Esta simplificación no solo afecta la precisión científica, sino que tiene profundas implicaciones para el futuro de los programas de «inclusión de carbono» o «carbono inclusivo». Estos programas de incentivos, diseñados para recompensar a los consumidores por sus comportamientos de bajo carbono, como optar por un VE en lugar de un vehículo de combustión, dependen críticamente de la exactitud de los cálculos subyacentes. Si el cálculo es inexacto, existe el riesgo de subrecompensar a los conductores eficientes o de sobrercompensar a los ineficientes, lo que podría socavar la credibilidad y la efectividad del sistema de incentivos. Un equipo de investigación de China ha presentado ahora un método revolucionario que aborda directamente esta brecha, incorporando de manera sistemática los hábitos individuales de conducción en el cálculo de la reducción de carbono.
El estudio, liderado por Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi y Zhang Yanan, introduce un concepto innovador: el de la «autonomía equivalente». A diferencia de los modelos tradicionales que utilizan la distancia recorrida como métrica principal para la reducción de emisiones, este nuevo enfoque define una «autonomía equivalente» que refleja el consumo energético real del vehículo, teniendo en cuenta los hábitos específicos del conductor. Este concepto es crucial porque descompone los flujos de energía dentro de un VE, desde el enchufe hasta las ruedas y los sistemas auxiliares. Los investigadores argumentan que, aunque los parámetros estáticos del vehículo, como la capacidad de la batería o la potencia del motor, son importantes, no cuentan toda la historia. Los factores dinámicos controlados por el conductor tienen una influencia significativa en el consumo energético total y, por lo tanto, en la huella de carbono real.
El equipo de investigación identificó tres factores principales del comportamiento del conductor que tienen un impacto medible en el consumo de energía: el uso del sistema de climatización, el modo de conducción seleccionado y la carga del vehículo. Su análisis revela que estos factores no son meros detalles, sino que pueden alterar fundamentalmente el cálculo de la reducción de emisiones de carbono.
El factor de consumo energético más significativo, además de la propulsión, es el sistema de climatización. Ya sea para calentar el habitáculo en invierno o para enfriarlo en verano, la energía necesaria para mantener una temperatura interior confortable es considerable. El modelo desarrollado por los investigadores demuestra que este consumo energético no es lineal, sino que aumenta de forma exponencial con la diferencia de temperatura entre el ambiente exterior y la temperatura deseada por el conductor. Esto significa que una pequeña diferencia de temperatura requiere un esfuerzo energético menor, mientras que una diferencia grande, por ejemplo, calentar de 0°C a 20°C, aumenta drásticamente el consumo. Un modelo convencional que ignora el uso de la climatización atribuiría erróneamente toda la energía consumida al desplazamiento. Esto llevaría a una «autonomía equivalente» sobrestimada y, por ende, a una reducción de carbono también sobrestimada. El nuevo modelo corrige este error al calcular una «penalización energética por climatización» y restarla de la energía disponible para la propulsión. Este enfoque proporciona una imagen mucho más realista de la autonomía real y de la ventaja ambiental asociada bajo condiciones del mundo real.
El segundo factor crucial es el «modo de conducción» elegido por el conductor. Los vehículos eléctricos modernos suelen ofrecer varios modos, como «Eco», «Normal» y «Deportivo». Cada uno de estos modos tiene una lógica de control diferente para el motor y el sistema de recuperación de energía (frenado regenerativo). El equipo de investigación pudo demostrar que la elección del modo tiene un efecto directo y cuantificable en la eficiencia energética. En el modo «Eco», la potencia de aceleración máxima se limita y el sistema de recuperación de energía funciona de forma agresiva, recuperando la energía cinética durante el frenado y devolviéndola a la batería. Esto puede aumentar significativamente la autonomía efectiva del vehículo. Por el contrario, el modo «Deportivo» prioriza la potencia y la aceleración máximas, a menudo a expensas de la eficiencia energética, al reducir o desactivar la recuperación de energía. Los investigadores desarrollaron un «coeficiente de influencia del modo de conducción» que cuantifica estos diferentes perfiles de consumo. Este coeficiente se incorpora al cálculo de la autonomía equivalente. Los datos muestran que un vehículo eléctrico conducido en modo Eco puede tener una autonomía equivalente calculada hasta un 17% mayor que el mismo vehículo en modo Deportivo bajo condiciones idénticas. Esta diferencia se traduce directamente en una reducción de carbono calculada más alta, subrayando el poder del comportamiento del conductor para influir en el beneficio ambiental.
El tercer factor, la carga del vehículo, aunque tiene un impacto menor que la climatización o el modo de conducción, sigue siendo relevante. Un vehículo más pesado requiere más energía para acelerar y superar la resistencia a la rodadura. El modelo incorpora un «factor de carga» para tener en cuenta este efecto. Aunque el impacto es menor a velocidad constante en carretera, se vuelve significativo en entornos urbanos con frecuentes aceleraciones y frenadas. La inclusión de este factor asegura que el costo energético adicional de transportar pasajeros o carga adicional se refleje en la huella de carbono final.
Al integrar estos tres factores—climatización, modo de conducción y carga—los investigadores han construido un modelo integral de «conversión de autonomía equivalente». Este modelo reemplaza la fórmula simple e imprecisa con una ecuación mucho más sofisticada y realista que refleja los costos energéticos reales de las decisiones del conductor. La autonomía equivalente resultante se convierte entonces en la base para el cálculo de la reducción real de carbono.
El cálculo de la reducción de carbono en sí sigue una metodología robusta. Compara las emisiones de un vehículo de combustión interna hipotético (la «línea de base») que habría recorrido la misma distancia real, con las emisiones generadas por la electricidad utilizada para cargar el VE. Las emisiones del vehículo de referencia se determinan a partir de su consumo de combustible oficial y los factores de emisión de CO2 para gasolina o diésel. Las emisiones del VE se calculan multiplicando la energía de carga real por la intensidad de carbono de la red eléctrica local. La diferencia entre estas dos cifras es la reducción neta de carbono lograda al optar por el VE. El avance clave es que la distancia utilizada en este cálculo ya no es un número simple y estático, sino la «autonomía equivalente» ajustada dinámicamente que se deriva del comportamiento de conducción.
Para validar su modelo, el equipo de investigación realizó un análisis exhaustivo utilizando datos de conducción reales y a largo plazo de varios usuarios de un popular modelo de VE nacional. Estos datos abarcaron diferentes estaciones del año, condiciones de conducción y perfiles de conductores. Los resultados fueron contundentes. En comparación con los modelos convencionales, el nuevo método demostró una mejora dramática en la precisión. La exactitud del cálculo de la reducción de carbono aumentó de un 82,47% a un impresionante 96,33%. Esto significa que el modelo es mucho mejor para predecir el beneficio ambiental real de un viaje en VE. En términos prácticos, para los vehículos estudiados, el nuevo modelo tuvo en cuenta un promedio de 18,83 gramos adicionales de reducción de CO2 por kilómetro que el modelo anterior pasó por alto. Esta cifra puede parecer pequeña, pero agregada a millones de vehículos y miles de millones de kilómetros, representa una corrección masiva en la forma en que valoramos e incentivamos la movilidad eléctrica.
Las implicaciones de esta investigación van mucho más allá del ámbito académico. Su aplicación principal está en el floreciente campo de los programas de «inclusión de carbono». Estos programas de incentivos buscan involucrar a los individuos en la lucha contra el cambio climático al cuantificar y recompensar sus acciones de bajo carbono, ya sea utilizando el transporte público, andando en bicicleta o conduciendo un VE. Para que estos programas sean creíbles, dignos de confianza y efectivos, el cálculo subyacente de la reducción de carbono debe ser lo más preciso posible. Un modelo inexacto conlleva dos problemas importantes: puede subrecompensar a los conductores eficientes, desalentando su comportamiento positivo, o puede sobrercompensar a los conductores ineficientes, creando un incentivo perverso. El modelo desarrollado por Liu Ziqian y sus colegas proporciona una base científica rigurosa para estos programas. Asegura que los créditos de carbono emitidos reflejen fielmente el servicio ambiental prestado, fomentando una mayor confianza y participación pública.
El estudio reforzó aún más su argumento al probar la aplicabilidad del modelo en diferentes marcas de vehículos. Los investigadores aplicaron su marco a datos de dos otros VE nacionales y un modelo internacional. Los resultados mostraron que el modelo funcionó consistentemente bien en los tres casos, con niveles de precisión similares y las mismas tendencias cualitativas en respuesta a diferentes hábitos de conducción. Esta validación cruzada entre marcas es crucial, ya que demuestra que el modelo no es una solución única para un automóvil específico, sino una herramienta generalizable que se puede adaptar a una amplia gama de VE, lo que lo hace extremadamente valioso para programas de inclusión de carbono a gran escala y de ámbito nacional.
La investigación también ofrece una explicación clara para algunos de los patrones observados en los datos. Por ejemplo, el modelo explica por qué la diferencia entre la autonomía calculada y la real es menor en trayectos muy cortos. En viajes breves, la energía utilizada para los sistemas auxiliares (como encender la electrónica del vehículo) representa una proporción mayor del consumo total de energía, lo que puede hacer que el coche parezca menos eficiente de lo que predice el modelo. Además, el modelo capta elegantemente los efectos contrapuestos de diferentes hábitos de conducción. Mientras que una conducción agresiva y un uso intensivo de la climatización aumentan el consumo energético, el uso del modo Eco y una fuerte recuperación de energía pueden disminuirlo. El efecto neto en la reducción de carbono de un individuo es la suma de estos factores opuestos, que el modelo está especialmente equipado para calcular.
En conclusión, esta investigación representa un avance significativo en la ciencia de la contabilidad de carbono para vehículos eléctricos. Al desplazar el enfoque del vehículo como una máquina estática al sistema conductor-vehículo como una entidad dinámica, los autores han creado una herramienta que no solo es más precisa, sino también más equitativa. Reconoce que el impacto ambiental de conducir un VE es una responsabilidad compartida entre la tecnología y el usuario. A medida que los gobiernos y las empresas privadas buscan escalar los programas de inclusión de carbono para impulsar un cambio de comportamiento masivo, el trabajo de Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi y Zhang Yanan de la Universidad del Sudeste y de State Grid Jiangsu Electric Power Co., Ltd. proporciona una metodología esencial y basada en evidencia. Asegura que la transición verde no solo esté impulsada por electrones, sino que también se mida y recompense con precisión, allanando el camino para un sistema de incentivos ambientales más efectivo y digno de confianza.
Liu Ziqian, Huang Li, Lu Xiaoquan, Liu Jingyi, Zhang Yanan, School of Electrical Engineering, Southeast University; Marketing Service Center, State Grid Jiangsu Electric Power Co., Ltd.; State Grid Jiangsu Electric Power Co., Ltd., Power Demand Side Management, DOI: 10.3969/j.issn.1009-1831.2024.02.010