Uma equipe de pesquisa global liderada por cientistas do Tianjin Renai College da China desenvolveu uma nova técnica de otimização estocástica para melhorar o despacho e a eficiência operacional em estações de carregamento de veículos elétricos (EVs) movidas a energia fotovoltaica equipadas com sistemas de armazenamento de energia (ESS).
As estruturas propostas integram uma otimização para o dia seguinte e uma otimização em tempo real para lidar com as incertezas da previsão, minimizando os custos operacionais ao programar dinamicamente o sistema de armazenamento de energia.
“A crescente população de veículos elétricos traz uma preocupação significativa: seu acesso arbitrário à rede por meio de unidades de carregamento pode piorar as flutuações de carga”, disseram os acadêmicos. “Este artigo propõe uma estratégia de despacho estocástico em escala de tempo múltipla que integra a programação do dia seguinte e a otimização da rolagem intradiária. Embora os modelos de integração e despacho de armazenamento fotovoltaico tenham sido estudados individualmente, poucos trabalhos coordenaram a programação do dia seguinte e em tempo real em uma estrutura unificada sob incerteza. Este estudo preenche essa lacuna introduzindo uma estratégia de otimização baseada em cenários que ajusta dinamicamente as decisões de despacho com base em previsões atualizadas.”
A nova técnica usa a média móvel autorregressiva (ARMA) para prever a produção fotovoltaica do dia seguinte e a carga de carregamento do EV. Em seguida, usa a amostragem de hipercubo latino (LHS) para criar muitos cenários de uso, depois agrupando-os em alguns, para ser computacionalmente mais eficiente. Esses dados são utilizados para otimizar o sistema. No nível intradiário, o sistema usa uma estratégia de otimização contínua em um ciclo de 15 minutos, enquanto otimiza dinamicamente o sistema.
Para demonstrar as capacidades da técnica, os cientistas simularam três estações de carregamento fotovoltaico, cada uma com 60 unidades de carregamento de 32 kW. A infraestrutura fotovoltaica gera 300 kW, utilizando inversores de 600 kW com 97% de eficiência e um ESS com capacidade de 800 kWh. O custo nivelado de eletricidade fotovoltaica (LCOE) foi estimado em CNY 0,6041 (US$ 0,085) / kWh, enquanto o ESS custa CNY 0,3 milhão / kWh. Os EVs têm uma capacidade de bateria de 70 kWh e uma potência de carregamento de 7 kW.
Nessas condições, quatro casos foram testados; o primeiro foi um cenário determinístico sem armazenamento e o segundo foi um cenário com 800 kWh de armazenamento. O caso três foi estocástico, com nove cenários gerados e 800 kWh de armazenamento, e o caso quatro também foi estocástico, com 800 kWh e 25 cenários.
Usando apenas a técnica do dia seguinte, o caso quatro teve um custo de execução de CNY 9.716,96, o caso três de CNY 9.692,65, o caso dois de CNY 9.663,15 e o caso um de CNY 10.916,04. Usando a otimização intrada, os preços diminuíram para CNY 9.283,63, CNY 9.279,53, CNY 9.274,98 e CNY 10.516,68, respectivamente.
“Ao contrário dos modelos determinísticos, que não levam em conta os erros de previsão, e das abordagens estocásticas de camada única que carecem de capacidade de resposta em tempo real, o método proposto integra a otimização diária e intradiária usando uma abordagem baseada em cenários, aumentando a flexibilidade e a precisão”, concluiu a equipe. “A economia de custos e as melhorias de resiliência observadas em nossas simulações demonstram adaptabilidade superior sob incerteza de previsão, ressaltando as vantagens de nossa estrutura de otimização estocástica em escala de tempo múltipla.”
A metodologia proposta foi apresentada em “Multi-timescale stochastic optimization for enhanced dispatching and operational efficiency of electric vehicle photovoltaic charging stations“, publicado no International Journal of Electrical Power & Energy Systems. Cientistas do Tianjin Renai College da China, da Universidade Politécnica da Catalunha da Espanha e da Universidade de Aalborg da Dinamarca participaram do estudo.
Este conteúdo é protegido por direitos autorais e não pode ser reutilizado. Se você deseja cooperar conosco e gostaria de reutilizar parte de nosso conteúdo, por favor entre em contato com: editors@pv-magazine.com.
Ao enviar este formulário, você concorda com a pv magazine usar seus dados para o propósito de publicar seu comentário.
Seus dados pessoais serão apenas exibidos ou transmitidos para terceiros com o propósito de filtrar spam, ou se for necessário para manutenção técnica do website. Qualquer outra transferência a terceiros não acontecerá, a menos que seja justificado com base em regulamentações aplicáveis de proteção de dados ou se a pv magazine for legalmente obrigada a fazê-lo.
Você pode revogar esse consentimento a qualquer momento com efeito para o futuro, em cujo caso seus dados serão apagados imediatamente. Ainda, seus dados podem ser apagados se a pv magazine processou seu pedido ou se o propósito de guardar seus dados for cumprido.
Mais informações em privacidade de dados podem ser encontradas em nossa Política de Proteção de Dados.