Vehículos eléctricos optimizan la eficiencia de la red eléctrica
Un nuevo estudio científico está redefiniendo el papel de los vehículos eléctricos (VE) en el sistema energético moderno, transformándolos de simples consumidores de electricidad en actores clave para la optimización de las redes de transmisión y distribución. La investigación, titulada «Research on the Low-Carbon Strategy of Coordinated Loss Reduction of Transmission and Distribution Network Considering the Temporal-Spatial Distribution of EV Charging and Discharging», demuestra que una gestión inteligente de la carga y descarga de los VE puede reducir significativamente las pérdidas de energía en la red, aumentar la integración de fuentes renovables y mejorar la economía general del sistema eléctrico.
Dirigida por Cheng Hulin, de State Grid Hebei Electric Power Co., Ltd., en colaboración con investigadores de la Universidad Yanshan, esta obra pionera introduce un modelo de optimización jerárquica de tres niveles que rompe con los paradigmas tradicionales de operación de la red. Publicada en la prestigiosa revista Electrical Measurement & Instrumentation (Vol. 61, No. 11, 15 de noviembre de 2024), la investigación aborda uno de los desafíos más acuciantes del siglo XXI: cómo integrar de forma eficiente y estable la creciente cantidad de energía solar y eólica en una infraestructura de red que no fue diseñada para su variabilidad.
Durante décadas, los operadores de redes han tratado a las redes de distribución (las que llegan a hogares y empresas) como cargas pasivas y a las redes de transmisión (las líneas de alta tensión) como fuentes de energía fijas. Este enfoque, conocido como «operación aislada», ha quedado obsoleto. La proliferación de paneles solares en tejados y turbinas eólicas descentralizadas ha convertido a muchas redes de distribución en productores activos de energía, creando flujos de potencia bidireccionales que el sistema tradicional no puede gestionar eficazmente. Esto genera ineficiencias, como pérdidas técnicas de energía (que se disipa en forma de calor en los cables) y el desaprovechamiento de energía renovable (conocido como «abandono de energía»), cuando la red no puede absorber toda la electricidad generada.
El modelo propuesto por Cheng Hulin y su equipo ofrece una solución integral y revolucionaria. Su enfoque se basa en la creación de un diálogo dinámico y bidireccional entre las redes de transmisión y distribución, utilizando dos variables clave como moneda de intercambio: el precio de liquidación de la red de transmisión y la cantidad de electricidad comprada o vendida entre ambas redes. La innovación fundamental radica en que el precio de liquidación no se calcula de forma estática, sino que incorpora explícitamente las pérdidas de energía que ocurren durante la transmisión. Esto significa que el precio refleja el verdadero costo físico de entregar electricidad, creando un sistema de incentivos mucho más preciso.
Este mecanismo de precios dinámicos actúa como un sistema nervioso central para todo el sistema. Cuando la red de transmisión anuncia un precio de liquidación, este no solo indica la oferta y la demanda, sino también el estado de congestión y las pérdidas en las líneas de alta tensión. Las redes de distribución reciben este precio y lo utilizan como una señal para tomar decisiones óptimas sobre cómo gestionar sus propios recursos internos. Esto incluye decidir cuánta electricidad comprar del sistema principal, cuánta energía solar local consumir, cuándo utilizar generadores de respaldo y, crucialmente, cómo programar la carga y descarga de los vehículos eléctricos.
Aquí es donde entra en juego la verdadera genialidad del modelo. La mayoría de las estrategias de gestión de VE se centran únicamente en el cuándo cargar (por ejemplo, animar a cargar durante la noche cuando la demanda es baja). Este estudio va un paso más allá y resuelve el problema del dónde. Introduce una tercera capa de optimización: la «capa de programación espacial de VE». Este componente toma como entrada los resultados óptimos de carga y descarga en el tiempo calculados por las capas superiores y luego determina el mejor lugar físico dentro de la red de distribución para que los vehículos se conecten.
La lógica es simple pero poderosa. Las pérdidas de energía en una red de distribución no son uniformes; son mucho más altas en los nodos (puntos de conexión) que están lejos de la subestación principal, donde la tensión es más baja y la resistencia de los cables es más alta. El modelo optimiza la ubicación de los VE para minimizar estas pérdidas. Por ejemplo, programa que los vehículos se carguen predominantemente en nodos cercanos a la subestación durante las horas de menor demanda. Esto aprovecha la alta tensión y baja resistencia de esas áreas, reduciendo la energía perdida durante la carga.
En contrapartida, programa que los vehículos se descarguen (utilizando la tecnología V2G, Vehicle-to-Grid) en nodos ubicados en las zonas más alejadas y con mayor carga, como centros comerciales o zonas residenciales en horas punta. Al descargar electricidad localmente en estos puntos, los VE actúan como pequeñas centrales eléctricas distribuidas, suministrando energía directamente donde se necesita. Esto reduce drásticamente la cantidad de corriente que debe fluir desde la subestación a través de largas líneas, lo que a su vez reduce las pérdidas por resistencia y ayuda a mantener la tensión dentro de los límites seguros.
Los resultados de la simulación, basada en un sistema de prueba estándar (la red IEEE de 33 nodos), son impresionantes. En comparación con la operación aislada tradicional, la estrategia de coordinación propuesta reduce los costos totales del sistema en casi 50.000 dólares por día. Esta reducción se deriva de múltiples factores: menores costos de generación, menos penalizaciones por energía solar abandonada y, sobre todo, una reducción significativa en las pérdidas de red. El precio de liquidación de la red de transmisión disminuye de forma constante a lo largo del día, un indicador claro de que las pérdidas en las líneas de alta tensión se han reducido, lo que se traduce directamente en una operación más eficiente y menos emisiones de carbono.
En el nivel de distribución, los beneficios son igualmente notables. La tasa promedio de pérdida de red en la red de prueba disminuyó del 0,24% al 0,21%. Aunque parece una mejora marginal, en una red eléctrica a escala nacional, esta diferencia representa una enorme cantidad de energía ahorrada. Además, la estrategia mejoró la tasa de absorción de energía solar del 95,4% al 98,1%, salvando una gran cantidad de energía limpia que de otro modo se habría desperdiciado. Para los propietarios de VE, la estrategia es también económicamente atractiva. Al cargar cuando los precios son bajos (por la noche) y vender electricidad cuando los precios son altos (durante el día), la flota de VE simulada generó ingresos de arbitraje de aproximadamente 412 dólares por hora.
Un desafío crucial para la implementación de este tipo de modelos complejos es la velocidad de cálculo. Resolver un problema de optimización que involucra redes de transmisión, distribución y miles de vehículos eléctricos es computacionalmente intensivo. Los métodos tradicionales de iteración requieren un intercambio constante de datos entre los diferentes subsistemas, lo que lleva a tiempos de resolución prohibitivamente largos. Para superar este obstáculo, el equipo de investigación empleó un algoritmo de vanguardia llamado Optimización Concurrente de Subespacios (CSSO).
Este algoritmo es un salto cualitativo en eficiencia. En lugar de forzar a los subsistemas a esperar los resultados del otro, el CSSO permite que la red de transmisión y cada red de distribución realicen sus cálculos de forma paralela y casi independiente. Utilizan modelos de «superficie de respuesta» (construidos con redes neuronales) para predecir cómo sus decisiones afectarán al sistema global. Esto elimina la necesidad de miles de iteraciones de retroalimentación. El resultado es espectacular: el modelo se resolvió en solo 112 segundos, una mejora de más de un orden de magnitud en comparación con los métodos tradicionales que tardaron más de 18 minutos. Esta velocidad es esencial para que el sistema sea viable en operaciones del mundo real, donde las decisiones deben tomarse en tiempo casi real.
Más allá de los números, este estudio tiene profundas implicaciones para el futuro de la movilidad eléctrica y la política energética. Demuestra que los vehículos eléctricos no son una carga para la red, sino una solución. Su batería, cuando se gestiona de forma inteligente, se convierte en un recurso de almacenamiento distribuido de valor incalculable. Para que esto se haga realidad, se requiere un cambio de paradigma. Los operadores de transmisión (TSO) y los operadores de distribución (DSO) deben pasar de operar en silos a colaborar estrechamente, compartiendo datos y alineando sus objetivos. Las políticas deben evolucionar para crear mercados que recompensen a los propietarios de VE por proporcionar servicios de flexibilidad a la red.
La infraestructura también debe adaptarse. Se necesitarán estaciones de carga inteligentes que puedan comunicarse con el operador de la red y recibir señales de precios en tiempo real. Los reguladores deben permitir que los agregadores (empresas que agrupan a miles de VE) participen en los mercados de energía como un solo actor, maximizando su impacto. La investigación de Cheng Hulin, Wu Jian, Zhang Jing, Li Yanlin, Shi Benbo y Lu Zhigang no solo presenta un modelo matemático; es un mapa para un futuro energético más inteligente, eficiente y sostenible, donde el automóvil eléctrico juega un papel central en la descarbonización del sistema energético.
Cheng Hulin, Wu Jian, Zhang Jing, Li Yanlin, Shi Benbo, Lu Zhigang, State Grid Hebei Electric Power Co., Ltd. and Yanshan University, Electrical Measurement & Instrumentation, DOI: 10.19753/j.issn1001-1390.2024.11.016