Estrategia de Carga de Vehículos Eléctricos Mejora la Estabilidad de la Red
La revolución de la movilidad eléctrica está en pleno auge, y con ella, el desafío de integrar millones de vehículos eléctricos (VE) en las redes eléctricas existentes se ha convertido en una prioridad crítica para los ingenieros y planificadores energéticos. A medida que los conductores enchufan sus automóviles cada noche, la demanda concentrada de energía puede crear tensiones significativas en el sistema, particularmente en lo que respecta al equilibrio de la red. Un problema técnico específico, conocido como desequilibrio trifásico, ha surgido como una de las mayores amenazas para la estabilidad de las redes de distribución de media tensión. Este fenómeno ocurre cuando una carga excesiva se concentra en una sola fase de la red trifásica, lo que provoca pérdidas de energía, sobrecalentamiento de transformadores y, en casos extremos, apagones. Tradicionalmente, este problema se ha abordado mediante la imposición de horarios de carga rígidos o la limitación directa de la potencia, soluciones que a menudo entran en conflicto con la comodidad y la libertad del usuario.
Un equipo de investigadores de la Universidad Jiaotong de Xi’an en China ha propuesto una solución innovadora y elegante que no solo aborda este problema técnico, sino que también alinea los intereses del sistema eléctrico con los de los propietarios de vehículos eléctricos. En lugar de ver a los VE como una carga problemática, el estudio liderado por Huang Jing, Wang Xiuli, Shao Chengcheng, Tang Lun y Wang Yifei los transforma en un activo valioso para la red. Su estrategia, publicada en la revista Power System Technology, se basa en un mecanismo de incentivos económicos que recompensa a los propietarios de VE por ayudar activamente a mantener el equilibrio de la red. Este enfoque marca un cambio de paradigma, pasando de un modelo de control a uno de colaboración, donde los conductores se convierten en participantes activos del mercado energético.
El corazón del problema radica en la forma en que los vehículos eléctricos se conectan a la red. La mayoría de los cargadores domésticos son monofásicos, lo que significa que extraen energía de una sola de las tres fases que componen la red de distribución. Cuando un gran número de vehículos en una misma zona se conectan a la misma fase, por ejemplo, porque todos llegan a casa por la tarde, se crea un desequilibrio masivo. Esta situación se ve agravada por la creciente penetración de fuentes de energía renovable distribuida, como los paneles solares residenciales, que también suelen ser monofásicos y cuya producción es impredecible. La combinación de una carga de VE impredecible y una generación solar variable puede crear fluctuaciones de voltaje que ponen a prueba los límites de la red. La solución tradicional de «cargar cuando sea más barato» a menudo agrava el problema, ya que todos los conductores se mueven hacia el mismo período de tarifa baja, concentrando aún más la carga.
La propuesta de los investigadores chinos es un modelo de doble capa que combina un mecanismo de incentivos con una sofisticada optimización matemática. La primera capa es el «mecanismo de incentivo para el equilibrio trifásico». En este esquema, el operador del sistema de distribución (DSO) actúa como un comprador de servicios de estabilidad. Ofrece una compensación financiera a los agregadores de vehículos eléctricos, que son entidades que gestionan flotas de VE, por cada unidad de desequilibrio trifásico que ayudan a reducir. Esta compensación se calcula en función de la mejora en el índice de desequilibrio de voltaje de la red antes y después de que los VE ajusten sus patrones de carga. Este incentivo directo transforma el acto de cargar el vehículo de un simple gasto en una actividad potencialmente rentable. Los propietarios de VE, al recibir un pago por proporcionar un servicio al sistema, están mucho más dispuestos a participar en un programa de carga ordenada, incluso si eso significa cargar durante periodos con precios de electricidad más altos.
La segunda capa del modelo es la optimización. El objetivo principal no es simplemente minimizar el costo de la electricidad, sino maximizar el beneficio neto para el propietario del VE. Este beneficio neto se define como la diferencia entre la compensación recibida por mejorar el equilibrio de la red y el costo total de la energía consumida. Este enfoque garantiza que la estrategia sea económicamente viable y atractiva para los usuarios. El modelo de optimización, que se ejecuta a nivel del agregador, toma en cuenta las solicitudes de carga individuales de los vehículos (hora de conexión, hora de desconexión deseada, estado de carga inicial y final) y encuentra una solución que maximice este beneficio neto para toda la flota.
Un aspecto crucial y distintivo del trabajo es su manejo de la incertidumbre inherente a las energías renovables. Las predicciones de producción de energía eólica y solar son, por naturaleza, imperfectas. Un plan de carga que funcione perfectamente con una predicción de viento precisa puede fallar catastróficamente si el viento es mucho más fuerte o más débil de lo esperado, lo que podría llevar a violaciones de voltaje y poner en riesgo la seguridad de la red. Para abordar este riesgo, el equipo de Xi’an Jiao Tong no utilizó un modelo determinista estándar, sino que recurrió a la teoría de la optimización robusta. Esta técnica avanzada no busca la solución óptima para un escenario específico, sino una solución que sea «robusta» contra un rango de posibles escenarios adversos. El modelo define un «conjunto de incertidumbre» que abarca todos los posibles niveles de generación de energía renovable dentro de un margen de error razonable. Luego, resuelve el problema de optimización para encontrar una estrategia de carga que garantice la seguridad de la red (es decir, mantener los voltajes dentro de los límites operativos) bajo cualquier condición dentro de ese conjunto de incertidumbre. Este enfoque es más conservador y puede resultar en un costo de carga ligeramente más alto, pero ofrece una garantía de seguridad mucho más alta.
Para validar su teoría, los investigadores realizaron una extensa simulación utilizando una red de distribución de prueba modificada, el estándar IEEE 13-node. La red fue enriquecida con seis agregadores de VE y seis grupos de turbinas eólicas, creando un entorno de alta penetración de VE y energías renovables. Se compararon cuatro escenarios distintos. El primer escenario, una carga desordenada sin control, mostró un desequilibrio trifásico extremo con un índice de desequilibrio máximo del 5,64%, muy por encima del límite recomendado del 3%. El segundo escenario, que optimizaba solo para minimizar el costo de la electricidad, tuvo resultados aún peores, con un índice de desequilibrio del 7,01%, ya que todos los VE se agruparon en la misma ventana de tarifa baja.
El tercer escenario implementó el modelo de optimización determinista con el mecanismo de incentivos. Los resultados fueron transformadores: el índice de desequilibrio máximo se redujo al 2,93%, bien dentro del límite seguro. Esto demostró que el incentivo económico guió efectivamente a los VE para que cargaran en momentos y fases que ayudaron a equilibrar la red. El cuarto escenario, que utilizó el modelo de optimización robusto, logró un índice de desequilibrio de 2,95%, una mejora marginal pero crucial en términos de seguridad. La verdadera prueba de fuego vino con el análisis de contingencia. Cuando se simularon 1000 escenarios aleatorios de producción eólica real, el modelo determinista violó los límites de voltaje en un 74,6% de los casos. En contraste, el modelo robusto mantuvo la seguridad del sistema en el 100% de los escenarios, una demostración contundente de su superioridad en condiciones de incertidumbre.
Desde el punto de vista económico, la estrategia también fue un éxito. En el escenario sin optimización, el costo total para todos los propietarios de VE fue de 414,26 €. La optimización de costo mínimo lo redujo a 375,20 €. Sin embargo, los escenarios con incentivos fueron más allá: el modelo determinista redujo el costo neto a 367,82 €, y el modelo robusto a 368,69 €. Aunque el costo directo de la electricidad fue más alto, la compensación recibida por la prestación del servicio de equilibrio resultó en un costo total más bajo. Este resultado es fundamental, ya que prueba que el mecanismo de incentivos crea un verdadero «ganar-ganar»: la red gana estabilidad, y los conductores ganan dinero.
El estudio también exploró la sensibilidad del sistema al coeficiente de compensación (κ). A medida que κ aumentaba, los VE estaban dispuestos a incurrir en costos de carga más altos para ganar más compensación, lo que reducía aún más el desequilibrio. Sin embargo, se encontró un punto de rendimientos decrecientes. Más allá de un cierto valor de κ, el desequilibrio no disminuía más, lo que indica que los VE habían alcanzado su capacidad máxima para proporcionar este servicio dentro de las limitaciones de la red. Esta información es invaluable para los operadores de red, ya que les permite establecer un nivel de incentivo óptimo que maximice la estabilidad sin sobrepagar innecesariamente.
La viabilidad práctica del modelo se confirmó al analizar la precisión del modelo de flujo de potencia linealizado utilizado en la optimización. Resolver el modelo de flujo de potencia completo y no lineal para una gran red es computacionalmente inviable. El modelo linealizado, que es mucho más rápido, mostró un error inferior al 0,6% en comparación con el modelo exacto, lo que valida su uso para aplicaciones en tiempo real.
Las implicaciones de esta investigación son profundas. Proporciona un camino claro para la integración masiva de vehículos eléctricos sin comprometer la estabilidad de la red. Al alinear los incentivos económicos con las necesidades técnicas del sistema, fomenta una participación activa y voluntaria de los usuarios. Esta estrategia es particularmente relevante para las áreas con alta adopción de energía solar residencial y vehículos eléctricos, donde el riesgo de desequilibrio es más alto. Además, sienta las bases para el futuro de la tecnología V2G (Vehicle-to-Grid), donde los vehículos no solo ajustarán su carga, sino que también podrán devolver energía a la red para servicios aún más avanzados. Es un paso crucial hacia una red eléctrica más resiliente, eficiente y democrática.
Huang Jing, Wang Xiuli, Shao Chengcheng, Tang Lun, Wang Yifei, Xi’an Jiao Tong University, Power System Technology, DOI: 10.13335/j.1000-3673.pst.2023.1447