Modelo híbrido otimizado baseado em controlador PI para gerenciamento de energia adaptativo em microrredes de carregamento de veículos elétricos integradas à energia fotovoltaica

Por que um carregamento mais inteligente importa

A ascensão dos veículos elétricos promete ar mais limpo e ruas mais silenciosas, mas também cria um novo problema: como fornecer eletricidade para milhões de carros sem sobrecarregar a rede elétrica ou elevar os custos. Este artigo investiga uma forma de operar redes de energia locais e pequenas — chamadas microrredes — que combinam painéis solares, células a combustível, baterias e carregadores rápidos para que os veículos elétricos possam ser abastecidos de forma barata, confiável e com muito menos emissões de gases de efeito estufa.

Abastecendo carros a partir do sol e além

O estudo foca em uma microrrede de corrente contínua (CC) construída em torno de várias fontes de energia limpa. Painéis solares no estilo telhado fornecem a maior parte da energia quando o sol brilha. Uma célula a combustível de hidrogênio entra como reserva limpa quando a luz solar é fraca, e um grande conjunto de baterias absorve energia extra ou a libera quando a demanda dispara. Todos esses dispositivos se conectam a um barramento CC comum que alimenta os carregadores de veículos elétricos. Como a insolação e os padrões de uso dos veículos são imprevisíveis, o sistema precisa decidir constantemente quando extrair energia de cada fonte, quando armazená‑la e quando recorrer à rede principal, mantendo ao mesmo tempo tensões estáveis e carregadores operando.

Um cérebro para a rede de energia local

Para coordenar esse malabarismo, os autores projetam um “gerenciador de energia” que atua sobre a microrrede. No seu núcleo está um tipo comum de controlador de feedback, conhecido na engenharia como controlador PI, que ajusta o hardware conversor para manter tensões e correntes dentro de limites seguros. Isoladamente, esse controlador pode ter dificuldades quando as condições mudam rapidamente. O artigo o fortalece com duas camadas de inteligência artificial: lógica fuzzy, que imita o raciocínio humano do tipo se‑então em situações incertas (como “a demanda está alta” ou “o solar está baixo”), e um método de busca bioinspirado que ajusta os parâmetros do controlador PI. Esse algoritmo de busca combina ideias do comportamento de caça e social de mangustos-anões e pandas-vermelhos para sondar eficientemente muitas configurações de controle possíveis e escolher as que minimizam o custo de carregamento e mantêm a rede estável.

Como o sistema reage na prática

Os pesquisadores constroem um modelo computacional detalhado da microrrede usando MATLAB/Simulink, incluindo comportamento solar realista, características da bateria, dinâmica da célula a combustível e a chegada intermitente de veículos elétricos a uma estação. Eles testam muitos cenários: diferentes níveis de energia renovável, variação na demanda de carregamento e padrões de uso entre dias de semana e fins de semana. O controlador inteligente monitora continuamente a produção solar, o estado de carga da bateria, a condição da célula a combustível e a demanda dos veículos, então ajusta os conversores de potência para que a energia solar e da célula a combustível sejam usadas primeiro, a bateria seja carregada ou descarregada dentro de limites seguros, e a energia da rede seja utilizada apenas quando necessário. Uma camada de decisão fuzzy também desloca mais cargas para horários em que a energia renovável é abundante e as tarifas são baixas, aliviando a tensão na rede maior.

Economia, estabilidade e ar mais limpo

As simulações mostram ganhos consideráveis em relação a métodos de gerenciamento existentes baseados em redes neurais ou outros esquemas de otimização. Durante horas ensolaradas e fora de pico, o custo do carregamento cai para cerca de 0,009–0,015 USD por quilowatt‑hora entregue, muito abaixo das tarifas planas típicas. Em média, os custos de carregamento em dias de semana e fins de semana caem para cerca de 0,086 e 0,088 USD por quilowatt‑hora, reduções de aproximadamente 45% e 56% em comparação com configurações convencionais. Como o controlador prioriza a energia solar local e da célula a combustível, a microrrede pode atingir até 84% de contribuição renovável, reduzindo as emissões de gases de efeito estufa em até cerca de 55% em relação a uma estação dependente apenas da rede. Ao mesmo tempo, o controlador ajustado mantém a tensão do barramento CC dentro de limites estreitos e reage rapidamente a plugues ou desconexões súbitas, superando vários algoritmos de otimização conhecidos tanto em velocidade quanto em confiabilidade.

O que isso significa para futuros centros de carregamento

Este trabalho sugere que combinar energia limpa local com controle inteligente pode transformar estações de carregamento de veículos elétricos em centros de energia de baixo custo e baixa emissão de carbono que também protegem a rede maior contra picos repentinos de demanda. Ao combinar controle simples e de ação rápida com ajuste adaptativo inspirado na natureza, o sistema proposto oferece um caminho prático para tornar o carregamento rápido, acessível e climático‑amigável amplamente disponível à medida que os veículos elétricos se tornam a norma.

Citação: Natarajan, R., Selvaraj, J., Daniel, S. et al. Optimized PI controller-based hybrid model for adaptive energy management in photovoltaic integrated electric vehicle charging microgrids. Sci Rep 16, 10341 (2026). https://doi.org/10.1038/s41598-026-40839-2

Palavras-chave: carregamento de veículos elétricos, microrredes, energia renovável, gerenciamento de energia, controle fuzzy