Modelo Inteligente Ayuda a Conductores de EV a Ganar en el Mercado Energético
La revolución del vehículo eléctrico (VE) ha trascendido ampliamente su función original como medio de transporte. Hoy, los automóviles eléctricos no solo prometen cero emisiones, sino que también están emergiendo como actores clave en la transformación del sistema energético global. Un nuevo estudio liderado por Wang Liwei, Wang Haotian y Sun Yingyun de la Escuela de Ingeniería Eléctrica y Electrónica de la Universidad de Energía Eléctrica del Norte de China presenta un modelo de toma de decisiones innovador que permite a los propietarios de vehículos eléctricos participar de manera más inteligente y rentable en los mercados de servicios auxiliares de red, específicamente en la regulación de frecuencia.
Este avance, publicado en la revista Modern Electric Power, no se basa únicamente en algoritmos técnicos o cálculos financieros fríos. En cambio, introduce un enfoque radicalmente humano: incorpora la teoría de la perspectiva, un pilar de la economía conductual, para reflejar cómo las personas reales toman decisiones bajo condiciones de incertidumbre. El resultado es un modelo de toma de decisiones para el día anterior (day-ahead) que no solo maximiza los beneficios potenciales, sino que también respeta las preocupaciones psicológicas y prácticas de los conductores, como la salud de la batería y la necesidad de tener un vehículo listo para conducir.
El potencial de los vehículos eléctricos para estabilizar las redes eléctricas es inmenso. A medida que la energía solar y eólica, inherentemente intermitentes, se integran en mayor medida, la red necesita recursos que puedan responder con rapidez y precisión a los cambios en la frecuencia. Los vehículos eléctricos, gracias a la tecnología V2G (Vehicle-to-Grid), son candidatos ideales. Pueden ajustar su carga o incluso devolver energía a la red en cuestión de segundos, una velocidad y flexibilidad que supera a muchas centrales eléctricas tradicionales. Sin embargo, a pesar de esta ventaja técnica, la participación real de los propietarios individuales en estos mercados ha sido limitada. La razón principal no es la falta de tecnología, sino la complejidad del mercado y, sobre todo, la psicología humana.
Los modelos económicos tradicionales asumen que los consumidores son agentes perfectamente racionales que siempre eligen la opción que maximiza su beneficio neto. Pero la vida real no funciona así. Las personas no evalúan las decisiones basándose en ganancias absolutas, sino en relación con un punto de referencia, generalmente el estado actual de las cosas. Perder 10 euros duele psicológicamente mucho más que la alegría de ganar esos mismos 10 euros. Este fenómeno, conocido como «aversión a la pérdida», es fundamental para entender por qué muchos propietarios de vehículos eléctricos dudan en participar en servicios de red, temiendo que el desgaste adicional de la batería o la posibilidad de no tener suficiente carga anule cualquier beneficio económico.
Es aquí donde la teoría de la perspectiva, desarrollada por Daniel Kahneman y Amos Tversky, se convierte en la herramienta perfecta. El equipo de investigación de la Universidad de Energía Eléctrica del Norte de China ha aplicado esta teoría para crear un modelo que va más allá de la simple optimización financiera. Su enfoque reconoce que la decisión de un conductor no depende solo del dinero que podría ganar, sino también de cómo percibe ese dinero en comparación con su situación actual, y cómo valora el estado de su batería.
El modelo se centra en dos resultados clave para el usuario: el beneficio económico neto y el estado de carga (SoC) de la batería al momento de desconectarse de la red. Estos dos factores se combinan en un «valor de perspectiva integral», que actúa como una brújula psicológica para la toma de decisiones. El punto de referencia para este cálculo es un escenario sencillo: simplemente cargar el vehículo durante las horas de tarifa baja sin participar en ningún servicio de red. Cualquier otra opción se evalúa en relación con este estado base.
Para hacer el modelo accesible y práctico, los investigadores han definido tres modos de participación simplificados que un conductor puede elegir:
Modo 1: Carga Pasiva. El vehículo se conecta y carga a una velocidad constante, sin ninguna interacción con el mercado de servicios auxiliares. Este es el punto de referencia, con cero desgaste de batería adicional y cero ingresos potenciales.
Modo 2: Carga Bidireccional. El vehículo puede ajustar su tasa de carga en respuesta a las señales de la red. Puede reducir su carga para «subregular» la frecuencia (cuando la red tiene exceso de energía) o aumentar su carga para «bajoregular» la frecuencia (cuando la red necesita más carga). No se permite la descarga activa de energía a la red. Este modo ofrece un equilibrio entre ingresos potenciales y desgaste de la batería.
Modo 3: V2G Completo. El vehículo utiliza toda su capacidad de flexibilidad. Puede reducir la carga, aumentar la carga, descargar energía a la red o reducir la descarga. Este modo ofrece la mayor capacidad de reserva y, por lo tanto, la mayor oportunidad de ganar ingresos, pero también impone el mayor estrés sobre la batería debido a los ciclos de carga y descarga más profundos.
El corazón del modelo es el cálculo del «valor de perspectiva integral» para cada uno de estos modos. Para hacerlo, el modelo no solo proyecta los ingresos potenciales del mercado de regulación de frecuencia, sino que también incorpora un sofisticado modelo de coste de envejecimiento de la batería. Este coste no es un número fijo; se calcula dinámicamente basándose en el patrón de uso específico durante la prestación del servicio. Una descarga profunda para devolver energía a la red tiene un impacto mucho mayor en la vida útil de la batería que una simple reducción de la tasa de carga. Al incluir este coste directamente en el cálculo del beneficio neto, el modelo asegura que las ganancias a corto plazo se pesen contra el valor a largo plazo del vehículo.
La verdadera innovación radica en cómo el modelo pondera estos dos factores. Un conductor que prioriza el ingreso económico asignará un peso más alto al beneficio neto. Un conductor que valora más la longevidad de su batería o la certeza de tener un 80% de carga al salir de casa asignará un peso más alto al estado de la batería. El modelo encuentra el modo que maximiza el valor de perspectiva integral, que es, en esencia, el modo que mejor se alinea con la psicología y las prioridades individuales del usuario.
Para probar su teoría, el equipo realizó simulaciones utilizando datos reales del mercado de servicios auxiliares de PJM Interconnection en Estados Unidos y estructuras tarifarias de la provincia de Guangdong, China. Analizaron cinco escenarios diferentes, cada uno con distintas duraciones de carga y estados de carga deseados al momento de desconectarse. Los resultados fueron reveladores.
En escenarios donde el tiempo de carga era largo y el estado de carga deseado era moderado, el Modo 3 (V2G completo) consistentemente producía el valor de perspectiva integral más alto. Para estos usuarios, el potencial de ingresos superaba la preocupación por el desgaste de la batería. Sin embargo, cuando el tiempo de carga era corto o el estado de carga deseado era muy alto (por ejemplo, para un viaje largo), el Modo 1 (carga pasiva) se convirtió en la opción preferida. La seguridad de tener una batería completamente cargada y sin desgaste adicional era más valiosa que cualquier ingreso potencial.
Un hallazgo particularmente interesante fue el surgimiento de un «punto óptimo» para el Modo 2. En un escenario intermedio, donde las necesidades de carga y las prioridades de ingresos estaban equilibradas, el Modo 2 se destacó como la mejor opción. Esto demuestra que el modelo no fuerza a los usuarios hacia extremos, sino que puede identificar estrategias de compromiso que son psicológicamente más cómodas y sostenibles.
Las simulaciones también exploraron cómo cambia la elección óptima cuando se alteran las prioridades del usuario. Cuando el peso asignado al beneficio neto aumentaba, los usuarios se inclinaban claramente hacia el Modo 3. Cuando el peso del estado de la batería aumentaba, el Modo 2 o el Modo 1 se volvían más atractivos. Esta capacidad de adaptación es lo que hace que el modelo sea tan poderoso y realista. No impone una solución única, sino que se adapta a la diversidad de los usuarios.
Este enfoque tiene implicaciones profundas para todos los actores del ecosistema de movilidad eléctrica. Para los agregadores, empresas que agrupan miles de vehículos para participar en mercados mayoristas, este modelo es una herramienta invaluable. En lugar de tratar a todos los vehículos como activos homogéneos, pueden ofrecer «paquetes» personalizados. Un paquete «agresivo» para conductores que buscan maximizar sus ingresos, un paquete «conservador» para aquellos que priorizan la salud de la batería, y un paquete «equilibrado» para el usuario promedio. Esta personalización no solo aumenta la satisfacción del cliente, sino que también fomenta una participación más estable y a largo plazo.
Para los operadores de red, un mayor número de vehículos participando de manera predecible y confiable en la regulación de frecuencia significa una red más resiliente y menos dependiente de plantas de respaldo alimentadas con combustibles fósiles. El modelo, al predecir mejor el comportamiento humano, permite una planificación más eficaz.
Para los responsables de políticas, el estudio ofrece una hoja de ruta para diseñar incentivos más efectivos. En lugar de ofrecer solo pagos directos, las políticas podrían centrarse en reducir la percepción de riesgo. Por ejemplo, enmarcar los ingresos del V2G como un «bono» o «recompensa» en lugar de una inversión arriesgada puede hacer que la idea sea más atractiva. Además, proporcionar información clara y transparente sobre el coste de envejecimiento de la batería puede empoderar a los usuarios para tomar decisiones informadas, reduciendo el arrepentimiento posterior.
La investigación también subraya la necesidad de una mejor educación del consumidor. Muchos propietarios de vehículos eléctricos no comprenden completamente cómo funcionan los mercados de servicios auxiliares. Un modelo como este podría integrarse fácilmente en aplicaciones de carga o en los sistemas de información del vehículo, traduciendo la complejidad del mercado en recomendaciones simples y personalizadas: «Basado en su horario y preferencias, le recomendamos el Modo 2. Ingreso esperado: 5 euros. Impacto en la batería: bajo.»
Aunque el estudio se basa en condiciones del mercado chino, sus principios son universales. A medida que los mercados de regulación de frecuencia se desarrollen en Europa, América del Norte y otras regiones, la necesidad de modelos que comprendan al usuario humano será cada vez más crítica. La complejidad creciente de estos mercados exige un enfoque que vaya más allá de la ingeniería pura.
Los investigadores enfatizan que su modelo no reemplaza el análisis técnico, sino que lo complementa. La ingeniería seguirá siendo crucial para modelar las restricciones físicas y las reglas del mercado. Pero cuando se trata de traducir esos factores en comportamiento humano, la psicología debe tener un papel central.
El futuro de la energía no será solo más inteligente, sino también más humano. Este modelo de toma de decisiones representa un paso significativo hacia ese futuro, demostrando que al diseñar sistemas que respetan la forma en que las personas piensan y sienten, podemos desbloquear todo el potencial de la movilidad eléctrica para crear un sistema energético más sostenible, flexible y justo para todos.
Wang Liwei, Wang Haotian, Sun Yingyun, North China Electric Power University, Modern Electric Power, DOI: 10.19725/j.cnki.1007-2322.2022.0282