Estrategia de Oferta para Agregadores de Vehículos Eléctricos
El auge imparable de los vehículos eléctricos (VE) está transformando no solo el paisaje automotriz, sino también la forma en que se gestiona y equilibra el suministro de energía eléctrica. Con más de 18 millones de unidades en circulación en China a finales de 2023, los VE han dejado de ser simples consumidores de electricidad para convertirse en un recurso energético móvil de gran potencial. Un nuevo estudio, liderado por Hou Hui del Departamento de Automatización de la Universidad de Tecnología de Wuhan, presenta una estrategia revolucionaria que permite a los agregadores de vehículos eléctricos participar activamente en el mercado eléctrico del día anterior, maximizando sus beneficios mientras estabilizan la red y fomentan un sistema energético más sostenible.
Publicado en la prestigiosa revista Journal of Global Energy Interconnection, este trabajo aborda uno de los desafíos más críticos de la actualidad: cómo gestionar la masa de vehículos eléctricos de manera coordinada para evitar picos de demanda que puedan sobrecargar la red y, al mismo tiempo, aprovechar su capacidad de almacenamiento para equilibrar la oferta y la demanda. La propuesta de Hou Hui y su equipo, que incluye a la investigadora He Ziyin, introduce un modelo sofisticado que transforma a los agregadores de VE en actores estratégicos del mercado energético.
El núcleo de la investigación es una estrategia de oferta para el mercado del día anterior que considera explícitamente el «potencial de respuesta a la demanda» de los agregadores. Este concepto se refiere a la capacidad que tiene un agregador, que gestiona una flota de miles de vehículos, de modificar sus patrones de carga y descarga en respuesta a las señales del mercado, como los precios de la electricidad. En lugar de cargar todos los vehículos al mismo tiempo y en el momento más conveniente para el usuario, un agregador inteligente puede programar la carga durante las horas de menor demanda (valles) y, en algunos casos, incluso inyectar energía de vuelta a la red durante las horas pico, actuando como una gigantesca batería distribuida.
La innovación del modelo radica en su enfoque en dos fases. La primera es la clasificación y modelado del comportamiento del usuario. Los investigadores reconocen que no todos los propietarios de vehículos eléctricos tienen el mismo patrón de uso. Algunos los cargan principalmente por la noche en casa, otros lo hacen durante el día en estaciones rápidas, y otros tienen horarios más variables. Para capturar esta diversidad, el estudio propone agrupar a los usuarios en clusters basados en sus características de movilidad: hora de llegada, hora de salida, estado de carga (SOC) al conectar y necesidades de viaje. Esta segmentación, basada en datos históricos, permite al agregador predecir con mayor precisión cuándo y durante cuánto tiempo estará disponible cada vehículo para la carga o descarga programada.
Dentro de cada grupo, el modelo simula las decisiones de carga y descarga de los usuarios, teniendo en cuenta factores como la conveniencia, el costo de la electricidad y la urgencia de tener el vehículo listo para la siguiente salida. Este enfoque no trata a los usuarios como entidades homogéneas, sino que incorpora un elemento de aleatoriedad y preferencia individual, lo que hace que las predicciones sean mucho más realistas. Esta comprensión granular del comportamiento es fundamental para calcular con precisión el verdadero potencial de respuesta a la demanda del agregador.
La segunda fase del modelo es la formulación de la estrategia de oferta. Con una estimación robusta de su capacidad de respuesta, el agregador puede entrar al mercado del día anterior con una oferta que maximice sus ganancias netas. El objetivo principal es maximizar el beneficio esperado, que se calcula como la diferencia entre los ingresos obtenidos por cobrar a los usuarios por el servicio de carga y los costos asociados a la compra de electricidad en el mercado mayorista. Este cálculo es complejo, ya que debe tener en cuenta la incertidumbre inherente tanto a los precios del mercado como a la disponibilidad real de los vehículos en el momento de la operación.
Para manejar esta incertidumbre, el modelo utiliza un enfoque de escenarios. En lugar de basarse en una única predicción, considera múltiples escenarios posibles para los precios de la electricidad en tiempo real y para la participación real de los vehículos. Cada escenario se pondera según su probabilidad de ocurrencia. Este método probabilístico permite al agregador tomar decisiones más robustas y resilientes. Además, el modelo incorpora costos por desviación: si el consumo real del agregador difiere significativamente de lo que ofertó en el mercado del día anterior, puede enfrentar penalizaciones económicas. Al incluir estos costos potenciales en la optimización, el modelo incentiva una oferta más precisa y reduce el riesgo financiero.
La optimización del problema, que implica maximizar el beneficio neto bajo una serie de restricciones técnicas y operativas, se resuelve utilizando el potente solucionador Gurobi. Las restricciones son fundamentales para garantizar la viabilidad del plan. Incluyen el límite de potencia total que la red puede soportar, la capacidad de las baterías de los vehículos (para evitar sobrecargas o descargas profundas), y el requisito de que cada vehículo debe alcanzar un estado de carga mínimo antes de desconectarse, garantizando así la movilidad del usuario. También se consideran la eficiencia de la carga y la capacidad de almacenamiento total del grupo.
Para validar la efectividad de su propuesta, el equipo de investigación realizó un estudio de caso utilizando datos reales de una zona de Wuhan, en la provincia de Hubei, China. La simulación involucró a 3.000 vehículos eléctricos gestionados por dos tipos diferentes de agregadores: uno especializado en carga lenta (EVA1) y otro en carga rápida (EVA2). Los resultados fueron concluyentes. La estrategia de oferta propuesta logró su objetivo principal de «reducir picos y llenar valles». La carga descontrolada de los vehículos, que normalmente genera picos de demanda durante la tarde y la noche, fue suavizada significativamente. La carga se desplazó de forma inteligente hacia las horas nocturnas, cuando la demanda de electricidad es baja y los precios son más económicos.
El análisis económico reveló que la estrategia es no solo técnicamente viable, sino también comercialmente atractiva. El agregador de carga lenta (EVA1), que puede aprovechar mejor las tarifas nocturnas bajas, obtuvo un beneficio neto de más de 11.600 yuanes. El agregador de carga rápida (EVA2), que atiende a usuarios con necesidades más urgentes durante las horas pico, obtuvo un beneficio de aproximadamente 7.300 yuanes. Estas cifras demuestran que el modelo de negocio del agregador puede ser rentable, especialmente cuando se utiliza una estrategia de oferta inteligente que aprovecha las diferencias de precios entre las distintas franjas horarias.
Un hallazgo interesante fue la diferencia en las estrategias de oferta entre los dos agregadores. EVA1, centrado en la eficiencia económica, presentó ofertas más agresivas durante las horas valle, comprando grandes cantidades de energía a precios bajos. EVA2, por otro lado, se centró más en las horas pico, reflejando su modelo de negocio basado en la conveniencia y el servicio rápido, lo que le permitió obtener un margen de beneficio diferente. Este resultado ilustra cómo diferentes modelos de negocio pueden coexistir y prosperar en el mismo mercado energético, creando una competencia saludable.
La relevancia de esta investigación trasciende las fronteras de China. En todo el mundo, países que están electrificando sus flotas de transporte enfrentan desafíos similares de integración de la red. La estrategia presentada por Hou Hui y sus colegas ofrece un marco replicable para gestionar estos recursos distribuidos de manera eficiente. Facilita la integración de energías renovables, como la solar y la eólica, cuya generación es intermitente. Los vehículos eléctricos pueden actuar como un amortiguador, almacenando el exceso de energía solar durante el día y devolviéndola a la red por la noche, lo que reduce la necesidad de plantas de energía de respaldo basadas en combustibles fósiles.
El estudio también destaca el papel evolutivo de los agregadores. Ya no son simples proveedores de infraestructura de carga, sino que se están convirtiendo en participantes activos del mercado energético. Al actuar como intermediarios entre millones de usuarios individuales y el sistema eléctrico, tienen el poder de coordinar acciones a gran escala que benefician a todos: los consumidores, que pueden pagar tarifas más bajas; los operadores de la red, que disfrutan de una mayor estabilidad; y el medio ambiente, al reducir las emisiones de carbono.
El modelo también es realista al considerar un mercado con múltiples agentes. A diferencia de los estudios que asumen un único agregador dominante, esta investigación modela la competencia entre varios participantes. Esto es crucial para un mercado futuro saludable, donde la innovación y la diferenciación de servicios impulsarán el desarrollo del sector.
Por supuesto, existen barreras para la implementación generalizada de este modelo. El umbral de entrada al mercado es alto, requiriendo inversiones significativas en tecnología, datos y operaciones. La confianza del consumidor es otro factor clave. Los propietarios de vehículos deben estar dispuestos a ceder cierto control sobre el momento de la carga de sus vehículos a cambio de beneficios económicos. Los autores sugieren que el éxito dependerá de plataformas de agregación que ofrezcan valor claro al usuario, como tarifas reducidas, garantías de disponibilidad de carga o programas de fidelización, creando así un escenario de beneficio mutuo.
En resumen, la investigación de Hou Hui, He Ziyin y sus colaboradores representa un avance significativo en la integración de la movilidad eléctrica con los sistemas energéticos del futuro. Al proporcionar un modelo matemático riguroso y validado con datos del mundo real, han sentado las bases para un nuevo modelo de negocio que transforma los desafíos de la electrificación masiva en oportunidades para un sistema energético más inteligente, eficiente y sostenible. Su trabajo no solo contribuye al conocimiento académico, sino que ofrece una hoja de ruta práctica para que las empresas y las autoridades reguladoras desbloqueen el verdadero potencial de los vehículos eléctricos como pilares de la red eléctrica inteligente.
Hou Hui, He Ziyin et al., Journal of Global Energy Interconnection, DOI: 10.19705/j.cnki.issn2096-5125.2024.02.011