Optimización de Rutas para Vehículos Eléctricos Durante Fallos en la Red Eléctrica
La revolución de los vehículos eléctricos (VE) está transformando las ciudades, pero con este avance surge un desafío crítico: la vulnerabilidad de la movilidad urbana ante fallos en la red eléctrica. Cuando ocurre una interrupción de energía, ya sea por fallas técnicas, fenómenos climáticos extremos o ciberataques, el impacto no se limita a hogares y negocios. Las estaciones de carga se desactivan, los vehículos quedan inmovilizados y las vías públicas pueden colapsar. Este escenario, conocido como «fallo en cadena» entre la red eléctrica y la red de transporte, puede desencadenar congestión, accidentes y pérdidas económicas significativas. En este contexto, la investigación de Xiao Wen y Wang Yang de la Universidad de Jiangsu ofrece una solución pionera que redefine la resiliencia de las ciudades inteligentes.
Los investigadores del Colegio de Ingeniería Eléctrica e Informática de la Universidad de Jiangsu han desarrollado un modelo de optimización de rutas que no solo responde a las necesidades del conductor, sino que también se adapta dinámicamente al estado de la red eléctrica. A diferencia de los sistemas de navegación convencionales, que asumen una infraestructura de carga completamente operativa, este nuevo enfoque aborda el problema desde su raíz. Su propuesta es un sistema en dos fases que primero estabiliza la red eléctrica y luego guía a los vehículos eléctricos a través de rutas óptimas hacia estaciones de carga funcionales, minimizando el tiempo de viaje y el costo de energía.
La innovación central de este trabajo, publicado en la revista Computer Development & Applications, radica en su enfoque integrado. En lugar de tratar la red eléctrica y la red de transporte como sistemas aislados, el modelo los considera un ecosistema interdependiente. Cuando se detecta una falla en la red de distribución, el sistema inicia un proceso de reconfiguración de red. Este proceso, que se asemeja a una cirugía de emergencia para el sistema eléctrico, implica abrir y cerrar interruptores estratégicamente para aislar la sección dañada y restaurar el suministro de energía a la mayor cantidad de clientes posible. El objetivo principal es maximizar la estabilidad del voltaje en los nodos de la red, un indicador clave de la salud del sistema.
Para lograr esta compleja reconfiguración, los investigadores implementaron una versión mejorada del algoritmo de búsqueda de armonía (Improved Harmony Search Algorithm). Este algoritmo, inspirado en el proceso de improvisación musical, es particularmente adecuado para explorar vastos espacios de soluciones en problemas de optimización. Los investigadores introdujeron tres mejoras clave para superar las limitaciones de la versión original, que tiende a quedar atrapada en soluciones subóptimas. Primero, diseñaron un nuevo método para actualizar la «memoria de armonía», mejorando la capacidad del algoritmo para equilibrar la exploración de nuevas soluciones con la explotación de las mejores encontradas. Segundo, incorporaron parámetros dinámicos adaptativos que ajustan automáticamente la intensidad de la búsqueda, lo que permite una convergencia más eficiente. Tercero, implementaron un mecanismo de detección de maduración prematura, que evita que el algoritmo se estanque en una solución localmente óptima antes de encontrar la solución global más eficaz. Esta sofisticada herramienta computacional es la que permite al sistema eléctrico «reconstruirse» a sí mismo tras un fallo.
Una vez que la red eléctrica ha sido reconfigurada y estabilizada, el sistema pasa a la segunda fase: la optimización de la ruta para los vehículos eléctricos. Aquí es donde el modelo demuestra su verdadero valor para el usuario final. No todas las estaciones de carga son iguales en medio de una crisis. El modelo establece un criterio de fiabilidad estricto: solo las estaciones cuyos nodos de red tengan un voltaje superior a 0,96 p.u. (por unidad) se consideran aptas para cargar. Este umbral no es arbitrario; se basa en la ingeniería eléctrica, que indica que un voltaje más bajo puede comprometer la calidad de la carga, prolongar los tiempos de recarga o incluso dañar la batería del vehículo. Aunque esto significa que algunas estaciones pueden estar temporalmente fuera de servicio, garantiza que los servicios disponibles sean de alta calidad y confiabilidad.
Con un mapa actualizado de estaciones de carga operativas, el sistema calcula la ruta óptima para cada vehículo eléctrico. Este cálculo no es una simple búsqueda de la distancia más corta. Es un problema de programación mixta entera con múltiples objetivos y restricciones. La función objetivo combina dos factores principales: la minimización de la distancia recorrida y la minimización del costo de carga. Los usuarios o gestores de flotas pueden ajustar el peso de cada factor (w1 para la distancia, w2 para el costo) según sus prioridades. Un conductor que prioriza la rapidez puede enfatizar la distancia, mientras que otro que busca ahorro puede priorizar el costo.
Lo que eleva este sistema por encima de los simples planificadores de rutas es su capacidad para modelar la realidad con un alto grado de precisión. Incorpora explícitamente el tiempo de espera en las estaciones de carga, evitando el escenario común en el que múltiples vehículos son dirigidos a la misma estación, creando colas interminables. El modelo considera el tiempo necesario para cargar la batería de cada vehículo, que depende de su estado de carga al llegar y de la potencia de la estación. También asegura que no se asignen múltiples vehículos al mismo cargador simultáneamente sin tener en cuenta el tiempo de servicio. Esta capacidad de gestión del flujo de carga es crucial para prevenir la congestión y garantizar una experiencia de usuario fluida.
La validez de este modelo fue probada mediante un estudio de caso basado en una red simplificada de la ciudad de Shiyan. La simulación involucró una red de 27 intersecciones y 82 segmentos de carretera, conectada a una red de distribución eléctrica de 33 nodos con cinco estaciones de carga. Los investigadores simularon un fallo en los nodos 22 y 23 de la red eléctrica. El algoritmo de búsqueda de armonía mejorado logró reconfigurar la red con éxito, aislando la falla y manteniendo el voltaje por encima del umbral crítico en cuatro de las cinco estaciones de carga. La estación en el nodo 29, cuyo voltaje cayó a 0,958 p.u., fue excluida del servicio.
Se simularon seis vehículos eléctricos con diferentes puntos de origen y destino, todos requiriendo carga en ruta. Las rutas generadas por el nuevo modelo se compararon con las de un algoritmo de referencia, el algoritmo de búsqueda bacteriana (Bacterial Foraging Optimization, BFO), conocido por su eficacia en problemas de optimización. Los resultados fueron concluyentes. El nuevo modelo no solo generó rutas más cortas, sino que también logró ahorros de costos significativos. Por ejemplo, el vehículo número 1 redujo su costo de carga en un 48%, mientras que el vehículo número 6 logró una reducción del 53%. En promedio, la mitad de los vehículos experimentaron una reducción de costos cercana al 50%.
Además, el modelo optimizado redujo drásticamente los tiempos de espera. Mientras que el algoritmo BFO concentró el tráfico en unas pocas estaciones, causando largas colas, el nuevo modelo distribuyó eficazmente la carga entre las estaciones disponibles. Esta función de equilibrio de carga no solo mejoró la eficiencia individual de cada viaje, sino que también aumentó la resiliencia del sistema en su conjunto, evitando puntos de congestión críticos.
El verdadero mérito de este trabajo reside en su perspectiva holística. Xiao Wen y Wang Yang han trascendido los silos tradicionales entre las disciplinas de ingeniería eléctrica e ingeniería de transporte. Han demostrado que la estabilidad de un sistema depende intrínsecamente de la estabilidad del otro. Su modelo integra decisiones de control de red con decisiones de planificación de tráfico, creando un sistema de respuesta a emergencias que es mayor que la suma de sus partes. Esta integración es la clave para romper el ciclo de fallos en cadena.
Desde el punto de vista técnico, el uso del algoritmo de búsqueda de armonía representa una elección astuta. Su naturaleza estocástica y su capacidad para escapar de óptimos locales lo hacen ideal para el problema combinatorio de la reconfiguración de redes, donde el número de configuraciones posibles es astronómico. Las mejoras introducidas por los investigadores—parámetros adaptativos, detección de maduración prematura—lo convierten en una herramienta poderosa y robusta.
La segunda fase, la optimización de rutas, utiliza el método de suma ponderada lineal para combinar objetivos múltiples en una única función de costo. Esta formulación como un problema de programación mixta entera, con variables binarias para las decisiones de ruta y variables continuas para los tiempos de carga, permite una solución eficiente con solucionadores modernos. Esto transforma un problema complejo en uno resoluble en tiempo real.
Más allá de su contribución técnica, esta investigación plantea importantes implicaciones para el futuro de las ciudades. A medida que las flotas de vehículos eléctricos crecen, las ciudades deben invertir no solo en más estaciones de carga, sino también en la resiliencia de la red eléctrica que las alimenta. Un sistema de carga estático es vulnerable. La solución está en sistemas inteligentes, adaptativos y autónomos como el que se presenta aquí, capaces de mantener el servicio incluso bajo condiciones adversas.
Los investigadores reconocen las limitaciones actuales. El modelo asume una información perfecta sobre el estado de la red y los vehículos, lo cual puede no ser realista en todos los escenarios. También simplifica el comportamiento del conductor, no considerando preferencias subjetivas como la marca de la estación de carga o la disposición a pagar más por una carga más rápida. Futuras investigaciones podrían integrar datos en tiempo real de telemetría de vehículos, medidores inteligentes y sensores de tráfico para crear un sistema aún más dinámico.
Otro frente prometedor es la integración con fuentes de energía renovable y almacenamiento. En un futuro con alta penetración de energía solar y baterías, las estrategias de reconfiguración podrían priorizar rutas que se alineen con la generación local, reduciendo aún más la carga en la red principal. Además, los vehículos con capacidad de V2G (Vehicle-to-Grid) podrían desempeñar un papel activo en la estabilización de la red durante una emergencia, transformándose de consumidores pasivos en recursos de apoyo.
Las implicaciones son vastas. Planificadores urbanos, servicios de emergencia y formuladores de políticas pueden beneficiarse de herramientas que fortalezcan la infraestructura urbana. En una crisis, la capacidad de mantener el flujo de transporte, incluso con recursos limitados, puede ser vital para la evacuación, la entrega de suministros y la seguridad pública.
Los beneficios económicos son tangibles. Al reducir los desvíos innecesarios y el consumo de energía, el sistema optimizado ahorra dinero a los usuarios, prolonga la vida útil de las baterías y reduce el desgaste de las carreteras. También minimiza los costos indirectos de la congestión. Para las empresas de flotas, esto se traduce en mayor rentabilidad y fiabilidad del servicio.
Desde una perspectiva ambiental, el modelo apoya los objetivos de sostenibilidad. Al garantizar que los conductores de VE siempre puedan encontrar una estación funcional, fortalece la confianza en la movilidad eléctrica y fomenta su adopción. Al mismo tiempo, al mejorar la eficiencia de la red durante las fallas, reduce la necesidad de generación de respaldo basada en combustibles fósiles.
En conclusión, el trabajo de Xiao Wen y Wang Yang es un ejemplo destacado de cómo la ciencia puede abordar problemas urbanos complejos con soluciones prácticas y de alto impacto. Han creado un marco que no solo resuelve un problema inmediato, sino que también establece un nuevo estándar para la planificación de infraestructuras integradas. A medida que las amenazas a nuestras redes se vuelven más frecuentes, innovaciones como esta serán fundamentales para construir ciudades que no solo sean inteligentes, sino también verdaderamente resilientes.
Xiao Wen, Wang Yang, Colegio de Ingeniería Eléctrica e Informática, Universidad de Jiangsu. Publicado en Computer Development & Applications, DOI: 10.3969/j.issn.1000-386x.2024.07.008