Sistema de microred DC reduce costes de carga de vehículos eléctricos hasta un 28 %
La movilidad eléctrica está viviendo una transformación profunda, que va mucho más allá de la simple sustitución de motores de combustión. Aunque los beneficios medioambientales de los vehículos eléctricos (VE) son cada vez más reconocidos, el coste financiero asociado a la carga sigue siendo un obstáculo significativo para muchos potenciales compradores. La volatilidad de los precios de la electricidad, especialmente durante las horas punta, puede anular rápidamente las ventajas de un menor mantenimiento y un consumo energético reducido. En este contexto, una investigación pionera de científicos del Centro de Servicios de Marketing de State Grid Zhejiang y del Laboratorio Clave de Beijing de Optimización de Múltiples Portadores Energéticos en la Demanda y Técnica de Interacción ha presentado una solución innovadora que no solo reduce significativamente los costes, sino que también eleva la integración de energías renovables a un nuevo nivel. La estrategia de coordinación propuesta para una microred de corriente continua (DC) promete reducir los costes diarios de carga hasta un 28,1 % en comparación con métodos existentes y hasta un 62,4 % frente a las estaciones de carga públicas.
Estos resultados no son fruto del azar, sino el producto de un enfoque meticuloso y físicamente fundamentado que reconoce y domina la complejidad del consumo energético moderno. Los investigadores, liderados por Wang Chaoliang, han desarrollado un sistema que integra inteligentemente la energía fotovoltaica (PV), los sistemas de almacenamiento de energía (ESS) y la red eléctrica pública en una arquitectura de bus de corriente continua compartida. El núcleo del concepto no reside en la mera disponibilidad de estas tecnologías, sino en la forma en que se coordinan en tiempo real. En lugar de simplemente almacenar y liberar energía, la microred funciona como un ecosistema vivo que optimiza constantemente los flujos de energía entre el sol, la batería, la red y el vehículo, con el fin de minimizar la dependencia de la electricidad de la red, que es más cara, y maximizar el uso de la energía solar gratuita y autogenerada.
El enfoque tradicional para la carga de vehículos eléctricos suele ser estático y reactivo. Un conductor enchufa su vehículo y el sistema extrae la energía necesaria directamente de la red, sin tener en cuenta los precios actuales de la electricidad ni la disponibilidad de energía solar. Otros sistemas utilizan paneles solares y baterías, pero su control es a menudo rudimentario. Cargan la batería cuando hay exceso de energía solar y la descargan cuando la demanda es alta, sin considerar plenamente las interacciones dinámicas entre la generación solar variable, los patrones de uso del vehículo impredecibles y las estructuras tarifarias dependientes del tiempo. El equipo de investigación identificó que una solución efectiva requiere una predicción precisa de las necesidades de carga y un control proactivo y modular.
La base de la estrategia es la predicción precisa de la carga diaria. Para modelar la aleatoriedad inherente en los patrones de conducción y de conexión, los científicos emplearon el algoritmo de Monte Carlo. Este método estadístico permite simular miles de escenarios posibles basados en datos reales, como los de la Encuesta Nacional de Viajes Domésticos (NHTS) de Estados Unidos. La distancia diaria recorrida por un vehículo eléctrico sigue una distribución logarítmica normal, mientras que el momento en que un vehículo se conecta al cargador sigue también un patrón probabilístico. A través de esta simulación exhaustiva, el sistema genera una predicción altamente precisa de la carga total agregada durante un período de 24 horas. Esta predicción es la entrada crucial que permite a la microred planificar proactivamente sus operaciones, en lugar de reaccionar a cambios repentinos en la demanda.
La verdadera inteligencia del sistema se manifiesta en su compleja lógica de control, basada en dos conceptos centrales: seis modos de operación definidos y cuatro bandas de voltaje. Esta estructura dual garantiza no solo una eficiencia energética máxima, sino también la estabilidad absoluta del bus de corriente continua, esencial para el funcionamiento seguro y fiable de toda la microred.
Los seis modos de operación representan los diferentes estados posibles del flujo de energía, derivados del equilibrio dinámico entre la generación solar, el estado de carga (SOC) de la batería y la demanda de carga. Cada modo define qué componentes están activos y cómo se distribuye la energía. Por ejemplo, en el Modo I, el sistema fotovoltaico genera tanta energía que no solo cubre la demanda de carga del vehículo eléctrico, sino que también carga completamente la batería. En este caso, el exceso de energía solar se inyecta en la red eléctrica, generando ingresos para el usuario a través de tarifas de retribución por la energía inyectada. En el Modo V, por el contrario, la radiación solar es débil y la demanda de carga es alta. La batería se descarga a su potencia máxima, pero aún así no es suficiente para cubrir la demanda. El sistema se conecta entonces automáticamente a la red para obtener la electricidad faltante, garantizando así una carga ininterrumpida. Los otros modos representan estados de transición, como cargar la batería a voltaje constante o descargarla para apoyar la carga sin necesidad de conexión a la red.
La lógica para cambiar entre estos modos es crucial para la eficiencia. El sistema monitorea continuamente la potencia de la instalación fotovoltaica y la potencia requerida por el vehículo eléctrico. Si la potencia solar supera la demanda, se instruye a la batería para que cargue. Si la potencia solar es menor que la demanda, se instruye a la batería para que se descargue. A continuación, el sistema verifica el SOC de la batería para determinar si se han alcanzado los límites seguros superior o inferior, y cambia de modo si es necesario. Esto crea un sistema dinámico y autorregulable que prioriza el uso de energía solar gratuita, utiliza la batería como un amortiguador para la energía excedente y para apoyar la demanda alta, y solo recurre a la red eléctrica como última opción para comprar electricidad o como receptor de energía excedente.
Además de la distribución de energía, la estabilidad del voltaje del bus es de máxima importancia. Las fluctuaciones de voltaje pueden dañar los equipos conectados e interrumpir el proceso de carga. Para prevenirlo, los investigadores dividieron el rango de voltaje permitido en cuatro bandas: A, B, C y D. Bajo condiciones normales, el voltaje se mantiene cerca del valor nominal de 750 V. Cuando el voltaje sube a la banda B, señal de un exceso de energía, la instalación fotovoltaica continúa operando a potencia máxima, mientras que la batería cambia a un modo de carga a voltaje constante para absorber la energía excedente y reducir el voltaje. Si el voltaje sigue subiendo a la banda superior A, lo que indica que la batería ha alcanzado su potencia máxima de carga, el convertidor del lado de la red asume el control del voltaje y estabiliza el sistema.
De manera análoga, si el voltaje baja a la banda C debido a una alta demanda, la batería se descarga en modo de descarga a voltaje constante para soportar el voltaje del bus. Si el voltaje sigue bajando a la banda inferior D, indicando que la batería ha alcanzado su tasa máxima de descarga, nuevamente el convertidor del lado de la red toma el control, inyectando potencia para restaurar el voltaje. Esta estrategia jerárquica de regulación de voltaje actúa como un mecanismo de seguridad robusto, asegurando que el sistema permanezca estable incluso ante cambios repentinos en la generación o la carga.
Para mejorar aún más el rendimiento del sistema fotovoltaico, los investigadores implementaron un algoritmo mejorado de Seguimiento del Punto de Máxima Potencia (MPPT). El MPPT es crucial para extraer la máxima potencia posible de las celdas solares, que varía con la intensidad de la luz solar y la temperatura. El método tradicional «perturbar y observar» utiliza un tamaño de paso fijo para encontrar el punto de operación óptimo. Esto puede ser lento al principio y provoca oscilaciones en la salida de potencia alrededor del punto máximo, reduciendo la eficiencia.
El algoritmo modificado de los investigadores utiliza un tamaño de paso variable. Comienza con un paso grande para acercarse rápidamente al máximo, lo que acorta significativamente el tiempo de búsqueda. A medida que se acerca al máximo, el tamaño del paso se reduce progresivamente, permitiendo un bloqueo mucho más preciso y estable en el punto de máxima potencia. Las simulaciones mostraron que esta mejora aumentó la velocidad de seguimiento en un 18,3 % y redujo las fluctuaciones de potencia en un 35,4 %, haciendo que el sistema sea más reactivo a las condiciones climáticas cambiantes y más eficiente en general.
La viabilidad y efectividad de esta estrategia de control coordinado fueron rigurosamente probadas. El equipo primero construyó un modelo de simulación detallado en MATLAB/Simulink, ejecutando escenarios de 24 horas para cinco tipos de clima diferentes: soleado, nublado, lluvioso, gris y nevado. Los resultados fueron impresionantes. En todos los casos, el voltaje del bus de corriente continua permaneció estable, con fluctuaciones inferiores al 5 %, y el sistema cambió sin problemas entre los seis modos de operación. En un día soleado, el sistema pasó mucho tiempo en el Modo II, inyectando energía solar excedente en la red. En un día nevado, con paneles cubiertos de nieve, el sistema dependió en gran medida de la red en el Modo V, pero la lógica de control funcionó perfectamente.
Para ir más allá de la simulación y validar la estrategia en un contexto real, los investigadores realizaron experimentos en tiempo real con hardware (HIL) utilizando un simulador MT6020 de Yuankuan. Esta plataforma avanzada permite que el hardware de control físico interactúe con un modelo virtual del sistema de energía, proporcionando un entorno de prueba altamente preciso. Los experimentos se centraron en los momentos críticos en que el sistema cambia de modo, como cuando sale el sol tras una nube o cuando un nuevo vehículo eléctrico comienza a cargar.
Los resultados HIL confirmaron los hallazgos de la simulación. Durante una transición del Modo IV al Modo V, cuando el sistema se conecta a la red para satisfacer un aumento repentino de la demanda, el voltaje del bus de corriente continua experimentó una caída temporal del 7,53 %, pero se recuperó al valor nominal en 0,25 segundos. Todas las demás transiciones mostraron una resistencia similar, con las desviaciones de voltaje corregidas rápidamente. Esto demuestra que la estrategia de control no es solo un concepto teórico, sino una solución práctica y robusta capaz de manejar las dinámicas rápidas de un sistema eléctrico real.
La parte más crucial del estudio fue el análisis económico. Los investigadores calcularon el costo diario de carga en los cinco escenarios climáticos, teniendo en cuenta los costos de capital de los sistemas fotovoltaicos y de baterías, sus vidas útiles esperadas (20 años para la energía solar, 5 años para la batería) y las tarifas eléctricas locales en Zhejiang, China. Estas tarifas incluyen una tarifa pico de 0,588 yuan/kWh de 8:00 a 22:00 y una tarifa valle más baja de 0,288 yuan/kWh para el resto del día.
Los resultados se compararon con dos puntos de referencia: el método propuesto en un estudio de Li Lina et al. de 2018 y el Algoritmo de Optimización de Ballenas de un artículo de Diab et al. de 2019. La nueva estrategia superó a ambos en todos los escenarios. En un día lluvioso, redujo los costos en un 27,89 % en comparación con el método de Li y en un 26,03 % en comparación con la Optimización de Ballenas. Incluso en un día soleado, donde las diferencias eran más pequeñas, aún logró una mejora del 0,34 %. Lo más significativo es que, en comparación con el costo de cargar en una estación de carga pública típica, que sigue una estructura tarifaria diferente y a menudo más alta, los ahorros fueron enormes, hasta un 62,4 %. Esto significa que, para muchos propietarios de vehículos eléctricos, invertir en un sistema inteligente de solar más almacenamiento podría amortizarse en unos pocos años y luego proporcionar una carga casi gratuita durante la vida útil del vehículo.
Esta investigación representa un avance significativo en el campo de la gestión inteligente de la energía. Va más allá de los controles basados en reglas simples o los algoritmos de optimización intensivos en cálculos que requieren largos tiempos de cálculo. En cambio, ofrece una estrategia de coordinación en tiempo real, basada en modelos físicos, que es altamente efectiva y práctica de implementar. Al gestionar inteligentemente el flujo de energía entre el sol, la batería, la red y el automóvil, transforma el vehículo eléctrico de un simple consumidor de electricidad en un participante activo en un ecosistema energético más inteligente, resistente y económico.
Las implicaciones de este trabajo son amplias. Para los consumidores individuales, ofrece un camino claro para reducir drásticamente sus costos de transporte. Para las compañías eléctricas, la adopción generalizada de tales sistemas podría ayudar a nivelar la curva de demanda, reduciendo la tensión en la red durante las horas punta. Para los responsables políticos, proporciona una herramienta poderosa para cumplir con los objetivos de reducción de carbono al maximizar el uso de energías renovables y minimizar el consumo de combustibles fósiles.
Aunque el estudio se realizó en un contexto chino, los principios son universalmente aplicables. A medida que el mundo continúa su transición hacia la movilidad eléctrica, estrategias como esta serán esenciales para hacer que los vehículos eléctricos no solo sean una opción ecológicamente correcta, sino también una opción financieramente inteligente. El trabajo de Wang Chaoliang, Xiao Tao, Chen Songsong, Zhang Hongzhi y Chen Ke, publicado en Electric Drive (DOI: 10.19457/j.1001-2095.dqcd25241), es un testimonio del poder de la innovación ingenieril para resolver problemas del mundo real y impulsar un progreso sostenible.