Un marco de optimización multiobjetivo en dos etapas para la programación coordinada de carga de VE y el despacho de potencia reactiva

Por qué importa una carga más inteligente para los coches eléctricos

Los vehículos eléctricos prometen aire más limpio y menores emisiones de gases de efecto invernadero, pero si millones de conductores conectan sus coches cuando les apetece, la red eléctrica local puede verse desbordada. Los transformadores pueden sobrecargarse, las pérdidas de potencia aumentan y las tensiones pueden desviarse de los límites seguros. Este artículo presenta una forma práctica de gestionar la carga doméstica de cientos de VE a la vez, reduciendo desperdicios y costes al tiempo que mantiene el suministro y la salud de la red.

Equilibrando coches y líneas

Los autores se centran en una red de distribución urbana típica: un alimentador radial de 33 nodos que atiende viviendas donde 984 coches eléctricos se cargan principalmente por la noche. En lugar de permitir que los conductores carguen inmediatamente al llegar, un ordenador central llamado agregador coordina cuándo cada coche toma realmente la energía. El objetivo es repartir la carga a lo largo de la noche, evitando picos de demanda, y al mismo tiempo cumplir con el requisito de cada conductor de marcharse con la batería casi llena. Esto importa porque las redes actuales no fueron diseñadas para grandes concentraciones de VE en las mismas calles, y la carga no gestionada puede doblar las pérdidas de energía y forzar el equipo más allá de su capacidad nominal.

Dos formas de planificar

El marco ofrece dos modos de planificación. En modo “día anterior”, el agregador planifica las próximas 24 horas con pronósticos de precios eléctricos, demanda base de los hogares y tiempos esperados de llegada y salida de los VE. Ejecuta cálculos detallados de flujo de potencia, comprobando la carga de transformadores, las pérdidas en las líneas y las tensiones en cada nodo. En modo “tiempo real”, el sistema actualiza las decisiones cada cinco minutos solo para los coches recién llegados, empleando fórmulas más sencillas en lugar de cálculos completos de la red para mantenerse lo bastante rápido para el control en línea. La planificación día anterior tiene la ventaja de ver el panorama completo y puede hallar un óptimo cercano al global; la planificación en tiempo real reacciona mejor a imprevistos, como conductores que llegan más tarde de lo previsto o que quieren más energía de lo habitual.

Usar coches aparcados para apoyar la red

Una innovación clave es que los autores no solo programan cuándo cargan los coches; también emplean la electrónica dentro de los cargadores para modelar el flujo de potencia no consumidora llamado potencia reactiva. A diferencia de descargar la batería de vuelta a la red, proveer potencia reactiva no acorta la vida útil de la batería. Cuando las tensiones locales caen o suben, el inversor del cargador puede inyectar o absorber este tipo de potencia para empujar las tensiones de vuelta hacia el nivel ideal. Para mantener el problema manejable, el método no ajusta cada coche individualmente; en su lugar decide cuánta potencia reactiva debe suministrarse en cada nodo de la red, según cuántos VE estén conectados allí y cuán intensamente se estén cargando.

Algoritmos más inteligentes detrás de la escena

Puesto que el sistema debe manejar varios objetivos a la vez—minimizar pérdidas, aplanar la curva de carga, mantener las tensiones dentro de ±5% del valor nominal y reducir los costes de carga—los autores plantean la tarea como un problema de optimización multiobjetivo. Prueban varios métodos modernos “metaheurísticos” inspirados en la naturaleza, incluidos enjambres de partículas y patrones de movimiento animal. Entre ellos, un método relativamente nuevo llamado Algoritmo del Moho de Babosa (Slime Mould Algorithm) ofrece el mejor rendimiento, encontrando de forma consistente soluciones que reducen tanto el estrés en la red como las facturas de los clientes. El estudio también explora las compensaciones entre objetivos usando frentes de Pareto, lo que permite a los operadores elegir, por ejemplo, si priorizar pérdidas más bajas o una carga más barata.

Qué muestran los números

Las simulaciones revelan beneficios considerables. Con carga no gestionada, la energía diaria perdida como calor en la red es de aproximadamente 4,04 megavatios-hora. Con la carga coordinada únicamente, esto se reduce en torno al 19% en el caso día anterior y al 16% en el caso en tiempo real. Cuando se añade el control de potencia reactiva desde los cargadores de VE, las pérdidas disminuyen aún más—a 2,55 y 2,77 megavatios-hora para las estrategias día anterior y en tiempo real—reduciendo las pérdidas en un 36,8% y un 31,4%. La carga máxima en la subestación vuelve a situarse dentro de su clasificación de 5 MVA y las tensiones a lo largo del alimentador más distante se mantienen por encima de 0,95 por unidad. En el lado del cliente, el coste total de la carga se reduce aproximadamente un 29% para la programación día anterior y un 34% para la programación en tiempo real, principalmente al desplazar la carga a horas de tarifa baja mientras se cumple el estado de carga deseado por cada conductor.

Qué significa esto para los conductores cotidianos

Para los propietarios de VE, el enfoque propuesto es en gran medida invisible: sigues conectando en casa y especificando cuándo necesitas salir y cuán llena quieres la batería. Tras bambalinas, el software del operador de la red escalona los horarios de carga y ajusta discretamente la forma en que los cargadores interactúan con la red, de modo que los barrios puedan albergar muchos más coches eléctricos sin costosas actualizaciones. El estudio muestra que la carga coordinada de VE y el uso inteligente de la electrónica de los cargadores pueden reducir sustancialmente el desperdicio de energía, mantener las tensiones dentro de límites seguros y bajar las facturas, allanando el camino para un transporte más limpio que encaje con suavidad en los sistemas eléctricos existentes.

Cita: Badr, M.S., Sharaf, H.M. & Zobaa, A.M. A two-stage multi-objective optimization framework for coordinated EV charging scheduling and reactive power dispatch. Sci Rep 16, 12470 (2026). https://doi.org/10.1038/s41598-026-45109-9

Palabras clave: carga de vehículos eléctricos, red inteligente, control de potencia reactiva, redes de distribución, optimización multiobjetivo