NSGA-II inspirado en la mecánica cuántica para la optimización multiobjetivo de estaciones de carga de vehículos eléctricos

Por qué importan unas estaciones de carga más inteligentes

A medida que los coches eléctricos se vuelven más comunes, las ciudades enfrentan un dilema: ¿dónde deben ubicarse las estaciones de carga para que los conductores puedan enchufar con facilidad, las compañías energéticas mantengan el suministro y los costes no se disparen? Si se instalan muy pocos cargadores, los conductores hacen cola. Si se colocan demasiados en lugares inadecuados, el equipo caro permanece inactivo mientras la red se ve sometida a su límite. Este artículo presenta un nuevo método de planificación que toma prestadas ideas de la física cuántica para diseñar redes de carga más económicas, equitativas y respetuosas con la red eléctrica.

Compaginar coste, comodidad y la red eléctrica

Diseñar una red de carga no es solo distribuir enchufes en un mapa. Los operadores deben sopesar al menos tres objetivos contrapuestos a la vez: mantener bajos los costes de instalación y operación, ofrecer buen acceso a los conductores en toda la ciudad y evitar tensiones peligrosas en la red eléctrica. Las herramientas de planificación tradicionales suelen centrarse en un objetivo a la vez o pierden eficacia cuando el problema se vuelve grande y complejo, como ocurre en ciudades reales donde el tráfico, los precios y la producción solar fluctúan. Los autores plantean la planificación de estaciones de carga como un problema verdaderamente multiobjetivo y buscan conjuntos completos de soluciones de compromiso, en lugar de una única «mejor» respuesta.

Tomando recursos del mundo cuántico

Para explorar este entramado de posibilidades, los investigadores parten de un método de optimización evolutiva conocido como NSGA-II y lo mejoran con ideas «inspiradas en la mecánica cuántica». En lugar de tratar cada decisión—si instalar o no un cargador en un emplazamiento candidato—como un sí o no fijo, el algoritmo la representa como un qubit, un pequeño objeto matemático que puede codificar probabilidades de ambas opciones a la vez. Reglas de actualización especiales, inspiradas en cómo los estados cuánticos rotan y se entrelazan (entrelazamiento), permiten al método explorar muchas combinaciones de forma eficiente mientras se enfoca en patrones prometedores. En términos prácticos, esto significa que puede mantener sobre la mesa un conjunto diverso de opciones mientras las mejora gradualmente.

Capturar vinculos reales en ciudades y redes

Una innovación clave es la forma en que el método conecta decisiones relacionadas. Instalar una estación grande en un barrio puede reducir la necesidad de estaciones cercanas y también remodelar cómo fluye la electricidad por las líneas locales. El algoritmo imita esta interdependencia «entrelazando» ciertos pares de decisiones de modo que cambiar una tienda tienda a cambiar la otra. También ajusta sus pasos de búsqueda en función de cuánto mejor o peor es una nueva solución candidata, dando grandes saltos cuando la mejora es clara y pequeños empujes cuando no lo es. Además, una búsqueda local focalizada afina las configuraciones más prometedoras añadiendo, eliminando o intercambiando estaciones individuales mientras comprueba continuamente que los presupuestos y los límites de seguridad de la red se mantienen.

Pruebas con datos reales de carga y una red estándar

En vez de apoyarse solo en pequeños ejemplos simplificados, los autores prueban su enfoque con tres grandes conjuntos de sesiones de carga reales de Palo Alto, Boulder y un conjunto multirregional de más de 70.000 eventos, junto con un modelo ampliamente utilizado de una red de distribución de 33 barras. En estos casos, el método inspirado en la mecánica cuántica encuentra de forma consistente configuraciones de estaciones que reducen los costes totales de instalación en aproximadamente un tercio frente a una referencia con NSGA-II clásico, a la vez que incrementa la proporción de demanda atendible y hace más homogéneos los flujos de potencia. Logra una mejor cobertura de opciones de compromiso, converge de forma más fiable hacia soluciones de alta calidad y mantiene las tensiones en la red dentro de límites seguros, todo con solo un aumento modesto del tiempo de cálculo.

Qué significa esto para la movilidad eléctrica futura

En términos sencillos, el estudio muestra que unas matemáticas más inteligentes pueden transformar el despliegue caótico de cargas actual en un sistema más ordenado y eficiente. Al explorar muchas configuraciones posibles simultáneamente y conservar las que ofrecen distintos equilibrios entre coste, acceso y salud de la red, el método inspirado en la mecánica cuántica ofrece a los planificadores un «menú» rico de opciones en lugar de un único plan rígido. Ciudades y suministradores podrían usar estas herramientas para decidir cuántas estaciones construir, dónde ubicarlas y cómo coordinarlas con la energía solar en tejados y baterías, todo mientras mantienen el flujo de conductores y la estabilidad de la red. A medida que se extiendan los vehículos eléctricos y las demandas de carga se vuelvan más complejas, enfoques como este abren una vía para ampliar la infraestructura sin sobredimensionar ni sobrecargar las líneas que alimentan nuestra vida diaria.

Cita: Kumar, L., Solanki, S., Jhariya, M.K. et al. Quantum-inspired NSGA-II for multi-objective optimization of electric vehicle charging stations. Sci Rep 16, 14666 (2026). https://doi.org/10.1038/s41598-026-44141-z

Palabras clave: carga de vehículos eléctricos, planificación de estaciones de carga, estabilidad de la red eléctrica, optimización multiobjetivo, algoritmos inspirados en la mecánica cuántica