Un quadro di ottimizzazione per la gestione della salute delle batterie nei sistemi vehicle-to-grid che integra predizione del degrado basata su Transformer e requisiti di servizio della rete

Perché la ricarica intelligente conta

Con l’aumento della diffusione delle auto elettriche, questi veicoli non sono più solo mezzi di trasporto, ma diventano batterie mobili. Quando sono collegate, queste batterie possono reimmettere energia nella rete, aiutando a mantenere la continuità del servizio e ad attenuare le fluttuazioni della produzione solare e eolica. Questa idea, nota come vehicle‑to‑grid, sembra vantaggiosa per tutti, ma c’è una complicazione: ogni ciclo di carica e scarica contribuisce gradualmente all’usura della batteria. Questo articolo affronta una questione pratica che interessa molti automobilisti, operatori di rete e pianificatori urbani: possiamo usare le auto parcheggiate per supportare la rete proteggendo al contempo la vita utile delle batterie e il portafoglio dei proprietari?

Trasformare le auto in vicini utili

In un sistema vehicle‑to‑grid, le auto elettriche parcheggiate fungono da serbatoio energetico locale. Quando l’elettricità è abbondante e a basso costo si ricaricano; quando la domanda aumenta e i prezzi salgono, possono restituire energia alla rete. Gli autori osservano che la maggior parte dei lavori precedenti cercava di minimizzare le bollette o soddisfare le esigenze della rete, trattando però il deterioramento delle batterie come una considerazione secondaria. Questo è rischioso, perché scariche profonde, variazioni rapide di potenza e stati di carica estremi possono ridurre drasticamente la vita utile di una batteria. Questo studio pone invece la salute della batteria al centro del problema di pianificazione, mantenendo al contempo l’obiettivo di buoni ritorni economici e un supporto affidabile alla rete.

Insegnare a un modello a percepire l’usura della batteria

Per proteggere la batteria, il team ha prima bisogno di un modo per prevedere la velocità di invecchiamento in funzione di diversi regimi d’uso. Piuttosto che affidarsi a complesse equazioni chimiche, usano un approccio moderno guidato dai dati ispirato a strumenti usati nella traduzione automatica. Un modello “Transformer”, noto per l’elaborazione di frasi lunghe, viene riaddestrato per leggere lunghe storie operative della batteria: il livello di carica nel tempo, la velocità di flusso di corrente in entrata o in uscita, la temperatura e la capacità già persa. Imparando da dati di test dettagliati provenienti da un laboratorio universitario, il modello può prevedere quanta usura aggiuntiva risulterà da un piano proposto di carica e scarica, anche quando gli effetti si accumulano lentamente su molte ore o giorni.

Bilanciare salute, stabilità e profitto

Queste previsioni di usura vengono poi integrate in un quadro di ottimizzazione che ricerca il miglior piano di ricarica su un arco di 24 ore. Il piano deve conciliare tre obiettivi. Primo, mantenere il danno aggiuntivo alla batteria il più basso possibile. Secondo, evitare variazioni brusche di potenza, che possono stressare sia la batteria sia la rete. Terzo, generare profitto acquistando energia quando i prezzi sono bassi e vendendo quando sono alti con tariffe time‑of‑use. Gli autori trattano questo problema come un puzzle non lineare con numerosi vincoli: la potenza deve restare entro limiti sicuri, il livello di carica non può andare troppo in alto o troppo in basso e le variazioni ora per ora non devono essere troppo brusche. Per risolvere efficacemente e in modo affidabile questo puzzle usano un metodo matematico chiamato programmazione quadratica sequenziale, che sfrutta informazioni sul gradiente — come l’usura cambia al variare infinitesimale della potenza — per convergere rapidamente su un programma fattibile e vicino all’ottimo.

Come si comporta il piano intelligente

I ricercatori testano il loro metodo su una batteria di veicolo elettrico realistica e su un profilo di prezzi di 24 ore. Confrontano tre strumenti di ottimizzazione: il metodo di programmazione quadratica sequenziale scelto, un altro metodo basato sul gradiente e un euristico popolare chiamato particle swarm optimization, che esplora le opzioni imitando lo spostamento di uno stormo di uccelli. Tutti e tre rispettano i limiti di sicurezza della batteria, ma le differenze in termini di prestazioni sono marcate. I metodi basati sul gradiente trovano costantemente piani che caricano in modo aggressivo quando i prezzi sono bassi e scaricano fortemente quando i prezzi sono alti, usando circa il 70% dell’intervallo di capacità della batteria senza sovraccaricarla. Ciò produce un profitto netto mantenendo l’usura aggiuntiva stimata molto bassa. L’approccio particle swarm, invece, spesso converge su strategie timide di carica e scarica, perdendo i momenti più remunerativi e arrivando persino a perdere denaro in media, soprattutto quando i pattern di prezzo sono variabili e casuali.

Cosa significa per gli automobilisti e per la rete

Per il pubblico generale, il messaggio principale è rassicurante: con una pianificazione più intelligente, i veicoli elettrici parcheggiati possono contribuire alla stabilità della rete e generare reddito senza ridurre in modo significativo la vita delle batterie. Combinando un modello predittivo avanzato che “capisce” come invecchiano le batterie con un ottimizzatore che rispetta limiti fisici e segnali di prezzo, gli autori mostrano che è possibile trovare programmi che sono al contempo profittevoli e delicati sull’hardware. I risultati suggeriscono che le utility e gli operatori di ricarica dovrebbero andare oltre strategie empiriche e adottare una pianificazione sensibile alla salute delle batterie se vogliono che i programmi vehicle‑to‑grid siano sostenibili e attraenti per gli automobilisti nel lungo periodo.

Citazione: Zhong, C., Ma, Q., Ren, M. et al. An optimization framework for battery health management in vehicle-to-grid systems integrating transformer-based degradation prediction and grid service requirements. Sci Rep 16, 12258 (2026). https://doi.org/10.1038/s41598-026-38862-4

Parole chiave: vehicle-to-grid, degrado della batteria, veicoli elettrici, ricarica intelligente, ottimizzazione energetica