Nueva estrategia de gestión de carga y descarga para vehículos eléctricos: un avance revolucionario en la tecnología V2G
La adopción masiva de los vehículos eléctricos (VE) se ha convertido en una pieza clave en la transición global hacia energías limpias, pero también plantea retos significativos para la estabilidad de las redes eléctricas. A medida que el número de VE en circulación crece exponencialmente —en China, solo a finales de 2023, su parque superaba los 20,41 millones de unidades, lo que representa el 6,07% del total de vehículos—, la carga desordenada de estos vehículos genera picos de demanda excesivos, amplía la diferencia entre picos y valles de la carga diaria y reduce la eficiencia de las redes. Frente a este problema, un estudio innovador presenta una estrategia de optimización en capas duales que equilibra las necesidades de la red eléctrica y los intereses de los usuarios, marcando un hito en el desarrollo de la tecnología Vehicle-to-Grid (V2G), que permite a los VE intercambiar energía con la red.
El trabajo, realizado por un equipo multidisciplinario, aborda las limitaciones de las estrategias actuales. Por ejemplo, los modelos basados en tarifas horarias, aunque intentan incentivar la carga en horas de baja demanda, suelen generar nuevos picos cuando muchos usuarios se concentran en los mismos periodos. Por otro lado, las estrategias de optimización multiobjetivo, que buscan equilibrar beneficios para la red y ahorros para los usuarios, suelen fallar al asignar pesos óptimos a cada objetivo, lo que reduce su efectividad. Para solucionar esto, los investigadores propusieron un enfoque en dos capas que prioriza, en primer lugar, la estabilidad de la red y, en segundo lugar, los costos y necesidades de movilidad de los propietarios de VE.
La primera capa del modelo se centra en minimizar la varianza de la carga diaria de la red. Esto significa que se busca flattenar la curva de demanda, reduciendo los picos excesivos y los valles profundos, lo que contribuye a una operación más segura y eficiente de la red. La segunda capa, por su parte, se enfoca en minimizar los costos de carga para los usuarios, teniendo en cuenta no solo los precios de la electricidad, sino también el deterioro de las baterías debido a los ciclos de carga y descarga. Además, asegura que el estado de carga (SOC) de las baterías sea suficiente para cubrir las necesidades de viaje de los usuarios, lo que es crucial para fomentar su participación en programas V2G.
Para resolver este modelo dual, los investigadores utilizaron un algoritmo híbrido mejorado, combinando la optimización por enjambre de partículas (PSO) y el recocido simulado (SA). El PSO es conocido por su velocidad en la convergencia a soluciones cercanas a la óptima, pero tiende a quedarse atascado en mínimos locales. El SA, en cambio, es eficaz para escapar de estos mínimos, aunque suele ser más lento. Al combinar ambos, el algoritmo PSO-SA mejorado logra una convergencia rápida y precisa, superando las limitaciones de cada método por separado. Esto resultó fundamental para manejar la complejidad de optimizar la carga y descarga de un gran número de VE —en la simulación, se trabajó con 1.500 unidades— en 96 periodos de 15 minutos cada uno a lo largo del día.
Las simulaciones se llevaron a cabo con datos reales de una zona de Chongqing, China, usando la metodología de Monte Carlo para modelar los patrones de carga de los VE. Se consideraron parámetros como una capacidad de batería de 35 kWh, una potencia de carga de 7 kW y una eficiencia de 90%. Los precios de la electricidad se basaron en las tarifas horarias locales, que distinguen entre periodos pico (11:00-17:00 y 20:00-22:00, con un precio de 0,64 yuan/kWh), plano (8:00-11:00, 17:00-20:00 y 22:00-24:00, a 0,54 yuan/kWh) y valle (0:00-8:00, a 0,36 yuan/kWh). Estos datos permitieron comparar la nueva estrategia con métodos existentes: carga desordenada, tarifas horarias y optimización multiobjetivo.
Los resultados fueron reveladores. En términos de estabilidad de la red, la estrategia dual redujo drásticamente la diferencia entre picos y valles de la carga diaria. Mientras que las tarifas horarias generaban una diferencia de 3.251,44 kW y la optimización multiobjetivo la reducía a 2.340,90 kW, la estrategia dual logró bajarla a 1.682,79 kW, lo que representa una reducción del 48,24% respecto a las tarifas horarias y del 28% respecto a la multiobjetivo. Además, la varianza de la carga, que mide la fluctuación diaria, se redujo un 51,6% respecto a las tarifas horarias y un 19,75% respecto a la multiobjetivo, lo que indica una curva de carga mucho más estable.
Para los usuarios, los beneficios económicos fueron también significativos. El costo promedio de carga por vehículo en el caso de carga desordenada fue de 12,01 yuan. La optimización multiobjetivo lo redujo a 9,97 yuan, pero la estrategia dual lo bajó aún más, a 9,05 yuan, lo que supone un ahorro del 24,63% respecto a la carga desordenada y del 9,18% respecto a la multiobjetivo. Este ahorro no solo beneficia a los usuarios individuales, sino que también incentiva su participación en programas V2G, lo que es esencial para su implementación a gran escala.
Otro aspecto destacado es que la estrategia dual evita la creación de nuevos picos de carga, un problema común de las tarifas horarias. En las simulaciones, las tarifas horarias lograron reducir el pico entre 18:00 y 21:00, pero generaron un nuevo pico entre las 10:15 y las 3:00 de la madrugada siguiente. En cambio, la estrategia dual suavizó la curva de carga de manera uniforme, sin generar nuevos picos, lo que alivió la presión sobre la red en todo momento.
La inclusión del costo de deterioro de las baterías en el modelo también es un aporte clave. Cada ciclo de carga y descarga reduce la vida útil de la batería, lo que representa un costo oculto para los usuarios. Al integrar este factor en la segunda capa de optimización, el modelo asegura que los ahorros en costos de electricidad no se vean compensados por mayores gastos en reemplazo de baterías, lo que hace la estrategia más realista y sostenible a largo plazo.
En comparación con otros métodos, la estrategia dual demostró ser superior en todos los aspectos evaluados: reducción de la diferencia entre picos y valles, menor varianza de la carga, menores costos para los usuarios y evitar nuevos picos. Estos resultados confirman que el enfoque en capas, junto con el algoritmo híbrido mejorado, es una solución efectiva para integrar una gran cantidad de VE en las redes eléctricas sin comprometer su estabilidad ni los intereses económicos de los usuarios.
A medida que el mercado de los VE continúa creciendo —se estima que su cuota de mercado superará el 50% en 2026—, estrategias como esta serán cruciales para garantizar que la transición a la movilidad eléctrica sea sostenible desde el punto de vista energético y económico. La capacidad de los VE para actuar como almacenes distribuidos de energía, a través de la tecnología V2G, puede transformarlos en activos para la red eléctrica, ayudando a integrar mayor cantidad de energías renovables y mejorar la eficiencia del sistema en su conjunto.
Este estudio, que combina innovación técnica con una perspectiva práctica, demuestra que es posible equilibrar las necesidades de la red eléctrica y los usuarios, pavimentando el camino para una implementación más efectiva de la tecnología V2G. Sus resultados proporcionan una base sólida para futuras investigaciones y para la elaboración de políticas energéticas que fomenten la adopción de VE de manera sostenible.
El trabajo fue realizado por Yongxiang Ma, Xixin Wang, Qunmin Yan, Zhizhan Kong y Wenguo Dan, pertenecientes a la Facultad de Ingeniería Eléctrica de la Universidad de Tecnología de Shaanxi, la Compañía de Electricidad de Shaanxi y la Administración de Electricidad de Ulanqab. Se publicó en la revista «Journal of Chongqing University of Technology (Natural Science)» en su volumen 38, número 2, del año 2024, con el DOI: 10.3969/j.issn.1674-8425(z).2024.02.029.