Un quadro di ottimizzazione multi-obiettivo in due fasi per la programmazione coordinata della ricarica dei veicoli elettrici e la dispacciabilità della potenza reattiva

Perché una ricarica più intelligente per le auto elettriche conta

I veicoli elettrici promettono aria più pulita e minori emissioni di gas serra, ma se milioni di automobilisti collegano il veicolo quando vogliono, la rete elettrica locale può andare in difficoltà. I trasformatori possono essere sovraccaricati, le perdite di potenza aumentano e le tensioni possono uscire dai limiti di sicurezza. Questo articolo presenta un modo pratico per gestire la ricarica domestica di centinaia di EV contemporaneamente, riducendo sprechi e costi mantenendo l’illuminazione e la rete in condizioni operative sicure.

Bilanciare auto e cavi

Gli autori si focalizzano su una tipica rete di distribuzione urbana: un alimentatore radiale a 33 nodi che serve abitazioni dove 984 auto elettriche si ricaricano principalmente di notte. Invece di permettere ai conducenti di ricaricare immediatamente all’arrivo, un computer centrale chiamato aggregatore coordina quando ciascuna auto preleva effettivamente potenza. L’obiettivo è distribuire la ricarica nell’arco della notte, evitando picchi di domanda, pur soddisfacendo il requisito di ogni guidatore di partire con la batteria quasi carica. Questo è importante perché le reti odierne non sono state costruite per grandi cluster di EV sulle stesse strade, e la ricarica non gestita può raddoppiare le perdite di potenza e spingere le apparecchiature oltre la loro capacità nominale.

Due modi di pianificare

Il quadro propone due stili di pianificazione. In modalità “day-ahead”, l’aggregatore pianifica le successive 24 ore in anticipo usando previsioni dei prezzi dell’elettricità, della domanda base domestica e degli orari previsti di arrivo e partenza degli EV. Esegue calcoli dettagliati di flusso di potenza, verificando il carico dei trasformatori, le perdite di linea e le tensioni a ogni nodo. In modalità “real-time”, il sistema aggiorna le decisioni ogni cinque minuti solo per le auto appena arrivate, utilizzando formule più semplici invece dei calcoli completi della rete per rimanere abbastanza veloce per il controllo online. La pianificazione day-ahead ha il vantaggio di vedere l’intero quadro e può trovare un ottimo vicino al globale; la pianificazione real-time reagisce meglio alle sorprese, come arrivi in ritardo o richieste di energia maggiori del previsto.

Usare le auto parcheggiate per supportare la rete

Una innovazione chiave è che gli autori non si limitano a programmare quando le auto si ricaricano; sfruttano anche l’elettronica all’interno dei caricabatterie per modellare il flusso di potenza non destinata alla carica nota come potenza reattiva. Diversamente dallo scaricare la batteria nella rete, fornire potenza reattiva non accorcia la vita utile della batteria. Quando le tensioni locali calano o salgono, l’inverter del caricatore può immettere o assorbire questo tipo di potenza per riportare le tensioni verso il livello ideale. Per mantenere il problema gestibile, il metodo non regola ogni singola auto; invece decide quanta potenza reattiva debba essere fornita in ciascun nodo della rete, in base al numero di EV collegati lì e all’intensità della loro ricarica.

Algoritmi più intelligenti dietro le quinte

Poiché il sistema deve bilanciare contemporaneamente diversi obiettivi—minimizzare le perdite di potenza, livellare la curva di carico, mantenere le tensioni entro ±5% del valore nominale e ridurre i costi di ricarica—gli autori formulano il compito come un problema di ottimizzazione multi-obiettivo. Testano diversi metodi di ricerca “metaeuristici” moderni ispirati alla natura, inclusi sciami di particelle e schemi di movimento animale. Tra questi, un metodo relativamente nuovo chiamato Slime Mould Algorithm offre le migliori prestazioni, trovando costantemente soluzioni che riducono sia lo stress sulla rete sia le bollette dei clienti. Lo studio esplora anche i compromessi tra obiettivi tramite fronti di Pareto, permettendo agli operatori di scegliere, per esempio, se dare priorità a minori perdite o a una ricarica più economica.

Cosa mostrano i numeri

Le simulazioni rivelano benefici significativi. Con la ricarica non gestita, l’energia giornaliera persa sotto forma di calore nella rete è circa 4,04 megawattora. Con la ricarica coordinata da sola, questo valore diminuisce di circa il 19% nel caso day-ahead e del 16% nel caso real-time. Quando si aggiunge il controllo della potenza reattiva tramite i caricabatterie EV, le perdite scendono ulteriormente—a 2,55 e 2,77 megawattora per le strategie day-ahead e real-time—riducendo le perdite del 36,8% e del 31,4%. Il carico massimo del sottostazione viene riportato entro la sua capacità nominale di 5 MVA, e le tensioni lungo il braccio più distante restano sopra 0,95 per unità. Dal punto di vista del cliente, i costi totali di ricarica si riducono di circa il 29% per la programmazione day-ahead e del 34% per la programmazione real-time, principalmente spostando la ricarica nelle ore a tariffa bassa pur rispettando lo stato di carica desiderato da ogni guidatore.

Cosa significa per gli automobilisti di tutti i giorni

Per i proprietari di EV, l’approccio proposto è in gran parte invisibile: si continua a collegare a casa e a specificare quando si deve partire e quanto si desidera la batteria carica. Dietro le quinte, il software dell’operatore di rete scaglionerà i tempi di ricarica e regolerà discretamente il modo in cui i caricabatterie interagiscono con la rete, così che i quartieri possano ospitare molte più auto elettriche senza costosi aggiornamenti. Lo studio dimostra che la ricarica coordinata degli EV e l’uso intelligente dell’elettronica dei caricabatterie possono ridurre sostanzialmente gli sprechi di energia, mantenere le tensioni entro limiti di sicurezza e abbassare i costi, aprendo la strada a un trasporto più pulito che si integra facilmente nei sistemi elettrici esistenti.

Citazione: 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

Parole chiave: ricarica veicoli elettrici, rete elettrica intelligente, controllo della potenza reattiva, reti di distribuzione, ottimizzazione multi-obiettivo