Optimización QUBO centrada en el agregador de VE para la coordinación de potencia activa y reactiva en sistemas de distribución guiados por DLMP

Por qué tu coche podría ayudar a mantener las luces encendidas

A medida que los coches eléctricos se extienden por los barrios, se están convirtiendo discretamente en una de las herramientas más poderosas de la red. En lugar de ser solo otro dispositivo que se enchufa por la noche, la batería y el cargador de un coche estacionado pueden ayudar a suavizar la demanda, sostener la tensión local e incluso generar ingresos para su propietario. Este artículo explora cómo miles de vehículos eléctricos, actuando conjuntamente a través de un agregador, pueden programarse para que se carguen a bajo coste, estabilicen la red y se preparen para un futuro en el que nuevas formas de computación aborden problemas demasiado complejos para los métodos de hoy.

De coches aislados a enjambres coordinados

El estudio se centra en los agregadores de vehículos eléctricos: empresas o plataformas que gestionan la carga de grandes flotas de coches en nombre de los conductores. En lugar de tratar cada coche como una carga aislada, el agregador agrupa vehículos con tiempos de llegada, necesidades energéticas y potencias de cargador similares en unos pocos clústeres. Esto hace que un problema masivo con 1.000 coches sea manejable, respetando al mismo tiempo cuándo llega cada conductor a casa, cuánto debe conducir al día siguiente y la velocidad a la que su coche puede cargarse. Estos clústeres actúan entonces como bloques controlables de demanda que pueden desplazarse en el tiempo o ajustarse al alza y a la baja para ayudar a la red.

Una jerarquía de potencia invertida que favorece la flexibilidad

Tradicionalmente, el operador local de la red indica al resto qué hacer: fija precios y los generadores y consumidores responden. Aquí, esa jerarquía se invierte. El agregador de vehículos eléctricos se trata como el líder en un juego de dos niveles, decidiendo cuánta carga y soporte de tensión proporcionará cada clúster a lo largo del día. El operador del sistema de distribución actúa a continuación, ajustando la generación local y la configuración de la red en respuesta. Los precios conocidos como precios marginales locacionales de distribución capturan el coste real de suministrar energía, incluidas las pérdidas y la congestión en alimentadores específicos. El agregador predice estos precios, programa su flota en consecuencia y luego actualiza su plan a medida que el operador reacciona, repitiendo el proceso hasta que ninguna de las partes tenga incentivo para cambiar.

Convertir la física en un rompecabezas de decisiones encendido‑apagado

Coordinar miles de coches a lo largo de muchos intervalos temporales es una pesadilla combinatoria. Los autores reformulan este desafío como un problema de optimización binaria cuadrática sin restricciones, o QUBO, en el que decisiones continuas —como niveles de potencia y tensiones— se discretizan en una rejilla de elecciones encendido‑apagado. Penalizaciones ingeniosas en la formulación matemática garantizan que se respeten los límites físicos, como las potencias de los cargadores, las necesidades energéticas y los límites de tensión. Un método de clustering espectral, también expresado en forma QUBO, encuentra automáticamente clústeres de vehículos bien equilibrados. Los problemas binarios resultantes se resuelven con un algoritmo de recocido simulado mejorado, una estrategia de búsqueda inspirada en cómo los materiales se enfrían y asientan en estados de baja energía y especialmente adecuada para hardware cuántico futuro.

Qué ocurre cuando 1.000 coches colaboran

El marco se prueba en una red de distribución estándar de 33 barras con 1.000 coches divididos en cuatro clústeres. Cuando los coches responden solo con su potencia activa de carga, la red ya se beneficia del desplazamiento de la demanda. Cuando también emplean sus cargadores para suministrar potencia reactiva —un ingrediente invisible pero crucial para mantener las tensiones—, las ganancias son notables. En comparación con esquemas de coordinación más convencionales, los costes totales del sistema caen casi un 40 %, los costes del operador de la red disminuyen en torno a una cuarta parte y la factura energética del agregador se reduce en tres cuartas partes. Las pérdidas de potencia en las líneas disminuyen casi un 5 %, las desviaciones de tensión mejoran aproximadamente un 10 % y las tensiones mínimas al final del alimentador superan los umbrales de calidad habituales.

Nuevas ganancias para los coches y nuevas herramientas para los ingenieros

Más allá de los beneficios técnicos, el esquema abre una nueva fuente de ingresos: vendiendo soporte de tensión, la flota obtiene más de 47 $ por día en pagos por potencia reactiva, mientras sigue cubriendo el 100 % de las necesidades energéticas de los conductores y manteniendo un índice de satisfacción del cliente cercano al 99 %. En comparación con métodos de búsqueda populares como el enjambre de partículas y los algoritmos genéticos, el enfoque QUBO es más lento pero escala mejor a problemas muy grandes y funciona de forma eficiente con solucionadores comerciales modernos. Dado que QUBO es también el lenguaje nativo de muchos ordenadores cuánticos emergentes, los autores sostienen que su marco puede aprovechar beneficios inmediatos en las máquinas actuales al tiempo que está listo para explotar las aceleraciones cuánticas futuras conforme continúe la electrificación de la red y el despliegue de renovables.

Cita: Suri, V., Nagpal, N., Siano, P. et al. EVA-centric QUBO optimization for active and reactive power coordination in DLMP-driven distribution systems. Sci Rep 16, 12513 (2026). https://doi.org/10.1038/s41598-026-35457-x

Palabras clave: agregación de vehículos eléctricos, redes de distribución inteligentes, respuesta a la demanda, soporte de potencia reactiva, optimización inspirada en la computación cuántica