Posizionamento ottimale di stazioni di ricarica per veicoli elettrici e di generazione distribuita tramite partizionamento della rete di distribuzione usando l'algoritmo modified Newman fast

Ricaricare città più pulite

Man mano che sempre più automobilisti passano dalle auto a benzina ai veicoli elettrici, le nostre reti elettriche devono adeguarsi. Una ricarica rapida e comoda è essenziale, ma se molte auto si collegano contemporaneamente la rete locale di pali, cavi e trasformatori può essere portata oltre i suoi limiti. Questo articolo esplora come collocare in modo più intelligente sia le stazioni di ricarica per veicoli elettrici sia piccole fonti di alimentazione locali, così i quartieri possono accogliere più VE mantenendo la rete stabile e abbassando i costi.

Suddividere grandi reti in quartieri più piccoli

Invece di trattare la rete di distribuzione di una città come un unico groviglio di cavi, gli autori la suddividono in “quartieri” elettricamente coesi più piccoli, chiamati microreti virtuali. Utilizzano una tecnica della scienza delle reti, l'algoritmo modified Newman fast, ma la adattano all'elettricità misurando quanto due punti della rete siano collegati in termini elettrici reali, non solo in base alla distanza fisica. Questa misura, chiamata forza di accoppiamento elettrico, combina quanto è agevole il flusso di potenza tra due punti con la capacità sicura di ciascun conduttore. Il risultato è un insieme di cluster in cui le linee interne a ciascun cluster sono fortemente connesse e operano come una zona locale coerente.

Aggiungere caricabatterie e piccole centrali dove servono di più

Una volta che la rete è suddivisa in questi quartieri virtuali, il passo successivo è decidere dove collocare ogni stazione di ricarica per veicoli elettrici e ogni generatore distribuito, come un piccolo generatore sincrono o un'unità eolica. Gli autori assegnano a ciascuna microrete virtuale esattamente una stazione di ricarica e una piccola sorgente di potenza. Poi cercano il bus, o nodo, migliore all'interno di ogni quartiere concentrandosi sui punti più deboli del sistema—luoghi dove la tensione è più bassa e la stabilità peggiore. Rinforzando quei punti è possibile ridurre l'energia sprecata e mantenere le tensioni entro limiti sicuri, anche con l'aumento della domanda di ricarica dei VE.

Prendere in prestito strategie dalla natura per trovare la disposizione migliore

Trovare la combinazione ideale di posizioni e taglie di caricabatterie e generatori è un enorme rompicapo con molte variabili. Per risolverlo, gli autori confrontano tre metodi di ricerca avanzati noti come algoritmi metaeuristici. Due di essi sono approcci nuovi ispirati alla natura: l'algoritmo Starfish Optimization, basato sul comportamento di foraggiamento e rigenerazione dei bracci delle stelle marine, e l'algoritmo Puma Optimization, ispirato a come i puma esplorano e cacciano nel loro territorio. Il terzo, Particle Swarm Optimization, è una tecnica più consolidata modellata su stormi di uccelli o banchi di pesci. Tutti e tre mirano a minimizzare le perdite di potenza sulle linee migliorando una misura della stabilità di tensione, e devono anche rispettare limiti operativi come il riscaldamento delle linee e i tetti di potenza dei generatori.

Miglioramenti significativi sia su reti piccole che grandi

I ricercatori testano il loro quadro su due reti di riferimento standard: un sistema modesto a 33 bus e un sistema molto più grande a 118 bus. Nel caso più piccolo, il loro metodo riduce le perdite di potenza attiva di circa l'82% e innalza la tensione minima da un livello preoccupante a uno vicino al valore desiderato, migliorando inoltre notevolmente un indice di stabilità. Nella rete più grande, le perdite diminuiscono di circa il 68–69% con guadagni simili in qualità della tensione e stabilità. Tra i tre metodi di ricerca, l'algoritmo basato sul puma converge più rapidamente verso soluzioni di alta qualità, specialmente nella griglia più ampia, suggerendo che è ben adatto alla pianificazione su larga scala quando tempo e potenza di calcolo sono limitati.

Verso reti in tempo reale ricche di rinnovabili

Oltre alla pianificazione statica, lo studio delinea come questa strategia possa essere estesa a condizioni più realistiche e variabili nel tempo. Gli autori costruiscono profili di carico giornalieri per diversi tipi di clienti e simulano la ricarica non coordinata dei VE, che aumenta la domanda di picco e lo stress sulla rete. Quindi aggiungono generatori eolici all'interno delle microreti virtuali e mostrano che queste rinnovabili locali possono ridurre i picchi sia nella domanda sia nelle perdite, supportando ulteriormente le tensioni. Sebbene il lavoro attuale si concentri più sulle prestazioni tecniche che sui costi o sulle emissioni, indica un futuro in cui le reti urbane sono divise in quartieri intelligenti che ospitano caricabatterie per VE e generazione locale pulita in posizioni scelte con precisione.

Cosa significa per gli automobilisti di tutti i giorni

Per i non esperti, il messaggio principale è che il luogo in cui posizioniamo le stazioni di ricarica e le piccole centrali conta tanto quanto il numero che costruiamo. Suddividendo prima la rete in quartieri elettricamente naturali e poi usando metodi di ricerca intelligenti ispirati alla natura per rafforzare i punti più deboli, le utility possono ridurre drasticamente gli sprechi, mantenere le tensioni stabili e creare spazio per molti più veicoli elettrici. In pratica ciò significa meno blackout e cali di tensione, ricariche più affidabili e un percorso più lineare verso una mobilità più pulita man mano che rinnovabili e VE diventano centrali nella vita quotidiana.

Citazione: Mohamed, M.A.E., Gawish, A.N.A. & Metwally, M.E. Optimal electric vehicle charging stations and distributed generation placement by partitioning the distribution network using the modified newman fast algorithm. Sci Rep 16, 6341 (2026). https://doi.org/10.1038/s41598-026-35433-5

Parole chiave: ricarica veicoli elettrici, reti di distribuzione elettrica, generazione distribuita, ottimizzazione della rete, microreti virtuali