Científicos de la India han desarrollado un método novedoso para optimizar la ubicación de una estación de carga de vehículos eléctricos en la red, junto con el tamaño de su generación fotovoltaica y el almacenamiento de baterías. También han creado un marco para una oferta innovadora de tragamonedas.
Un grupo de científicos de la India ha desarrollado un método novedoso para programar la carga de vehículos eléctricos (EV) en estaciones de carga que incluyen generación fotovoltaica y sistemas de almacenamiento de energía en baterías (BESS).
El método propuesto consta de dos componentes: optimización y jerarquización. El primer componente optimiza la ubicación de las estaciones de carga de vehículos eléctricos (EVCS) dentro de un sistema de distribución radial de 33 autobuses estándar IEEE, junto con el tamaño del sistema fotovoltaico y el BESS. El segundo componente determina el orden en que se cargan los vehículos eléctricos.
«Esta investigación aborda el caos optimizando la ubicación de las estaciones y las operaciones en las redes de distribución, asegurando un flujo de energía eficiente y al mismo tiempo frenando las emisiones y los gastos», dijo el equipo en un comunicado. «Al abordar estos obstáculos, se allana el camino para un transporte sostenible que no sobrecargue nuestras envejecidas redes, haciendo de los vehículos eléctricos una opción práctica para todos, desde los que viajan diariamente a la ciudad hasta los conductores de largas distancias».
La parte de optimización del método se basa en el algoritmo de optimización de rémora multiobjetivo (MOROA), que se inspira en la forma en que los peces rémora se mueven y se adhieren a animales marinos más grandes. Para determinar el tamaño óptimo de PV y del BESS, el modelo primero inicia un “viaje libre”, que representa una búsqueda global con saltos significativos. Posteriormente realiza pequeños ataques, al igual que el animal, localizando mejor la zona de la respuesta. Finalmente, el modelo pasa al estado de “explotación”, afinando la mejor respuesta.
En cuanto a la parte de jerarquización del método, el sistema utiliza el proceso de jerarquía analítica (AHP) para ver si puede ofrecer un lugar de carga a un vehículo eléctrico. La solicitud debe realizarse inicialmente a través de una aplicación de teléfono móvil. Luego, el sistema considera varios parámetros para determinar la asignación, incluyendo la hora de llegada al EVCS, la hora de salida suponiendo una carga de cinco horas, el estado de carga, el estado de carga deseado, la distancia del EV desde el EVCS y la disponibilidad de espacios. Un algoritmo asigna una puntuación normalizada a cada parámetro, en función de la cual se toma una decisión para el conductor.
«El mecanismo de clasificación por peso significa menos tensión en la red, lo que se traduce en menos apagones y tarifas eléctricas más bajas para las comunidades», explicó el equipo. «Los propietarios de vehículos eléctricos disfrutan de cargas más rápidas y económicas, mientras que los operadores de estaciones aumentan sus ganancias a través de la integración optimizada de PV-BESS. Desde el punto de vista ambiental, las emisiones minimizadas apoyan los objetivos globales de neutralidad de carbono, evitando potencialmente toneladas de CO2 anuales en áreas de alta adopción de vehículos eléctricos».
Para probar su método, los investigadores realizaron una simulación en MATLAB de un sistema de 33 autobuses IEEE. Colocaron dos EVCS (EVCS 1 y EVCS 2) en la red, cada uno con sistemas BESS y fotovoltaicos de tamaño óptimo. EVCS 1 fue diseñado para albergar 40 vehículos eléctricos y EVCS 2 para albergar 80. Sin embargo, recibieron solicitudes de carga simultáneas de 80 y 150 vehículos eléctricos, respectivamente. La simulación mostró tres tipos de vehículos: un MG Comet con una batería de 17,3 kWh, un Tata Tiago con una batería de 19,2 kWh y un Citroën eC3 con una batería de 29,2 kWh.
Los científicos probaron cuatro escenarios en el bus IEEE 33: un caso base sin nada agregado al bus (caso 1); el bus IEEE 33 con los dos EVCS (caso 2); el bus IEEE 33 con los dos EVCS y PV (caso 3); y finalmente el bus IEEE 33 con los dos EVCS y PV y BESS (caso 4). En todos los casos que requirieron EVCS, MOROA colocó EVCS en el autobús 29 y EVCS 2 en el autobús 11. En todos los casos que requirieron energía fotovoltaica, el tamaño consistió en 514 módulos de 5 kW cada uno en la primera estación y 318 módulos de la misma capacidad en la segunda estación. EVCS 1 requirió 90 BESS con una capacidad de 18 kWh cada uno, y EVCS 2 requirió 92 de los mismos BESS.
En el Caso 1, la pérdida total de potencia fue de 2.206,88 kW. En los casos restantes cambiaron a 2.417,97 kW, 1.604,01 kW y 1.591,52 kW para los Casos 2, 3 y 4, respectivamente. Las emisiones de la red aguas arriba fueron de 34.055,24 kg, 35.543,88 kg, 24.926,55 kg y 25.056,24 kg, respectivamente. Los costos correspondientes a cada configuración fueron 92.629.901,34 INR (1.045.566,50 dólares), 96.952.067,57 INR, 161.078.952,90 INR y 164.542.048,50 INR, respectivamente.
«Este enfoque impulsado por MOROA podría revolucionar la planificación urbana, integrando EVCS inteligentes en ciudades inteligentes donde los combos PV-BESS manejan las demandas en tiempo real de flotas masivas de vehículos eléctricos», concluyeron los científicos. «Más investigaciones podrían incorporar IA para el modelado predictivo del tráfico de vehículos eléctricos o energías renovables híbridas como la eólica, mejorando la resiliencia contra la variabilidad climática. Al refinar las incertidumbres en los comportamientos de los vehículos eléctricos, como las llegadas aleatorias, las iteraciones futuras podrían optimizar redes más grandes, como los sistemas de autobuses IEEE 69, reduciendo aún más los costos y las emisiones para una transición fluida al transporte electrificado en todo el mundo».
Sus hallazgos fueron publicados en “Programación de carga de vehículos eléctricos multiobjetivo para estaciones de carga de vehículos eléctricos basada en almacenamiento de energía fotovoltaica y en baterías en la red de distribución.,» es Energía Verde y Transporte Inteligente. Científicos de la India Universidad Siksha ‘O’ Anusandhan y la Universidad Tecnológica Biju Patnaik han participado en el estudio.
Representational image. Credit: Canva
