Um arcabouço de otimização multiobjetivo em duas etapas para o agendamento coordenado do carregamento de VE e despacho de potência reativa

Por que um carregamento mais inteligente para carros elétricos importa

Veículos elétricos prometem ar mais limpo e menores emissões de gases de efeito estufa, mas se milhões de motoristas conectarem seus carros quando quiserem, a rede elétrica local pode sofrer. Transformadores podem ser sobrecarregados, as perdas de energia aumentam e as tensões podem sair dos limites seguros. Este artigo apresenta uma maneira prática de gerenciar o carregamento doméstico de centenas de VEs ao mesmo tempo, reduzindo desperdícios e custos, enquanto mantém a energia disponível e a rede saudável.

Equilibrando carros e cabos

Os autores concentram-se em uma rede de distribuição urbana típica: um alimentador radial de 33 barramentos atendendo residências onde 984 carros elétricos carregam principalmente à noite. Em vez de permitir que os motoristas carreguem imediatamente ao chegar, um computador central chamado agregador coordena quando cada carro realmente consome energia. O objetivo é espalhar o carregamento pela noite, evitando picos de demanda, ao mesmo tempo atendendo à exigência de cada motorista de partir com a bateria quase cheia. Isso é importante porque as redes de hoje não foram projetadas para grandes aglomerados de VEs nas mesmas ruas, e o carregamento não gerenciado pode dobrar as perdas de energia e levar equipamentos além de sua capacidade nominal.

Duas formas de planejar com antecedência

O arcabouço tem dois estilos de planejamento. No modo “previsão diária”, o agregador planeja as próximas 24 horas com antecedência usando previsões de preços de eletricidade, demanda básica das residências e horários esperados de chegada e saída dos VEs. Ele executa cálculos detalhados de fluxo de potência, verificando a carga dos transformadores, perdas em linhas e tensões em cada barramento. No modo “tempo real”, o sistema atualiza decisões a cada cinco minutos apenas para os carros recém-chegados, usando fórmulas mais simples em vez de cálculos completos da rede para manter a velocidade necessária ao controle online. O planejamento diário tem a vantagem de ver o panorama completo e pode encontrar um ótimo próximo do global; o planejamento em tempo real reage melhor a surpresas, como motoristas que chegam mais tarde do que o esperado ou que desejam mais energia que o habitual.

Usando carros estacionados para suportar a rede

Uma inovação chave é que os autores não apenas agendam quando os carros carregam; eles também usam a eletrônica dentro dos carregadores para moldar o fluxo de potência não associada ao abastecimento chamada potência reativa. Ao contrário de descarregar a bateria de volta para a rede, fornecer potência reativa não reduz a vida útil da bateria. Quando as tensões locais caem ou sobem, o inversor do carregador pode injetar ou absorver esse tipo de potência para empurrar as tensões de volta em direção ao nível ideal. Para manter o problema manejável, o método não ajusta cada carro individualmente; em vez disso, decide quanta potência reativa deve ser fornecida em cada nó da rede, com base em quantos VEs estão conectados ali e em quão intensamente eles estão carregando.

Algoritmos mais inteligentes nos bastidores

Como o sistema deve conciliar vários objetivos ao mesmo tempo — minimizar perdas de energia, achatar a curva de carga, manter tensões dentro de ±5% do nominal e reduzir custos de carregamento — os autores formulam a tarefa como um problema de otimização multiobjetivo. Eles testam vários métodos modernos “metaheurísticos” de busca inspirados na natureza, incluindo enxames de partículas e padrões de movimento animal. Entre eles, um método relativamente novo chamado Algoritmo do Limoide (Slime Mould Algorithm) tem o melhor desempenho, encontrando consistentemente soluções que reduzem tanto o estresse na rede quanto as faturas dos clientes. O estudo também explora trade-offs entre objetivos usando frentes de Pareto, permitindo que operadores escolham, por exemplo, priorizar menores perdas ou carregamento mais barato.

O que os números mostram

As simulações revelam benefícios consideráveis. No carregamento não gerenciado, a energia diária perdida como calor na rede é cerca de 4,04 megawatt-hora. Com carregamento coordenado sozinho, isso cai aproximadamente 19% no caso com planejamento diário e 16% no caso em tempo real. Quando o controle de potência reativa dos carregadores de VE é adicionado, as perdas caem ainda mais — para 2,55 e 2,77 megawatt-hora nas estratégias de previsão diária e tempo real — reduzindo as perdas em 36,8% e 31,4%. A carga máxima no subestação é trazida de volta dentro de sua classificação de 5 MVA, e as tensões ao longo do alimentador mais distante permanecem acima de 0,95 por unidade. Do lado do cliente, os custos totais de carregamento diminuem cerca de 29% para o agendamento diário e 34% para o agendamento em tempo real, principalmente ao deslocar o carregamento para horas de tarifa baixa enquanto atende ao estado de carga desejado de cada motorista.

O que isso significa para motoristas no dia a dia

Para proprietários de VE, a abordagem proposta é em grande parte invisível: você ainda conecta o carro em casa e especifica quando precisa partir e quão cheia quer a bateria. Nos bastidores, o software do operador da rede espaça os horários de carregamento e ajusta silenciosamente a forma como os carregadores interagem com a rede, de modo que bairros possam abrigar muitos mais carros elétricos sem atualizações caras. O estudo mostra que o carregamento coordenado de VEs e o uso inteligente da eletrônica dos carregadores podem reduzir substancialmente o desperdício de energia, manter as tensões dentro de limites seguros e reduzir as contas, abrindo caminho para um transporte mais limpo que se integra suavemente aos sistemas elétricos existentes.

Citação: 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

Palavras-chave: carregamento de veículo elétrico, rede inteligente, controle de potência reativa, redes de distribuição, otimização multiobjetivo