Economic and Technical Feasibility of V2G in Non-Road Mobile Machinery sector

Resumen Técnico: Viabilidad Económica y Técnica de V2G en el Sector de Maquinaria Móvil No Vial

Planteamiento del Problema
El artículo aborda el potencial de integrar la tecnología de Vehículo a la Red (V2G) en el sector de la Maquinaria Móvil No Vial (NRMM, por sus siglas en inglés), centrándose específicamente en tractores eléctricos dentro de un modelo de servicio de alquiler. Si bien el V2G ha sido ampliamente explorado en vehículos particulares y flotas de autobuses eléctricos, su aplicación a la NRMM sigue siendo poco investigada. Los autores postulan que las flotas de NRMM ofrecen ventajas únicas sobre los vehículos eléctricos privados, incluyendo programas de uso predecibles y altos tiempos de ralentí, lo que mitiga barreras comunes como la ansiedad por la autonomía y la incertidencia de estacionamiento. El problema central es determinar la viabilidad económica y técnica de utilizar estos activos que a menudo están en ralentí para proporcionar servicios a la red, optimizar los costos de energía mediante la carga consciente del precio y reducir las cargas pico de la red, mientras se dimensiona simultáneamente la infraestructura energética necesaria (fotovoltaica, almacenamiento estacionario y equipos de carga).

Metodología
El estudio emplea un novedoso marco de simulación y optimización de dos capas para evaluar una flota de diez tractores eléctricos en un concesionario de alquiler en Aldenhoven, Alemania.

• Capa Interna (Optimización Operativa): Esta capa simula la operación diaria y semanal de la flota utilizando un resolvedor de Programación Lineal (LP) dentro de MATLAB. El objetivo es minimizar los costos anuales de electricidad optimizando los esquemas de carga y descarga de los tractores y de un Sistema de Almacenamiento de Energía con Baterías (BESS). El modelo incorpora:

  • Perfiles de Uso: Tres casos de uso de alquiler semanal distintos (alquileres semanales a largo plazo, alquileres diarios y alquileres de fin de semana) asegurando que los tractores partan con un 100% de Estado de Carga (SoC) y regresen con un 5% de SoC.
  • Componentes de Energía: Un sistema fotovoltaico (PV), un BESS, un equipo de suministro de vehículos eléctricos (EVSE) bidireccional y la carga del edificio del concesionario.
  • Función de Costo: Minimiza la suma de los costos de compra de energía (basados en precios dinámicos de día siguiente) menos los ingresos por la inyección de energía a la red (establecidos al 90% del precio de compra para contabilizar las pérdidas y desincentivar el comercio ineficiente), sujeto a límites de potencia y restricciones de SoC.
  • Simplificaciones: El modelo asume una eficiencia del 100% de los componentes, conocimiento perfecto de los precios futuros y de los programas de los vehículos (previsión perfecta) y descuida el envejecimiento de los componentes durante la simulación.

• Capa Externa (Dimensionamiento de Infraestructura mediante Optimización Bayesiana): Un algoritmo de Optimización Bayesiana (BO) busca iterativamente en el espacio de parámetros multidimensional para encontrar el dimensionamiento óptimo de la infraestructura energética. El BO optimiza:

  • La capacidad de potencia pico del sistema PV.
  • La capacidad del BESS.
  • La potencia máxima de conexión a la red.
  • La configuración del EVSE (clasificación de potencia y capacidad unidireccional vs. bidireccional) para cada caso de uso.
  • El BO minimiza el costo total ($c_{Tot}$), que es la suma de los costos de electricidad acumulados de la capa interna y los costos de capital de los componentes (basados en la depreciación de la vida útil). Un modelo de error dentro del BO penaliza las configuraciones que violan el límite de potencia máxima de la red, asegurando soluciones factibles.

Contribuciones Clave

1. Caso de Uso Novedoso: El artículo introduce la integración de V2G específicamente para flotas de alquiler de NRMM, destacando la idoneidad de este sector debido a la previsibilidad de la programación y la carga centralizada.
2. Marco de Optimización Integrado: Propone una metodología que combina un Sistema de Gestión de Energía (EMS) para la estrategia operativa con la Optimización Bayesiana para el dimensionamiento de la infraestructura. Este enfoque evita el gasto computacional de entrenar redes neuronales o de realizar un Diseño de Experimentos (DoEx) exhaustivo, navegando eficazmente por espacios de parámetros complejos y no lineales.
3. Análisis Económico de Modelos de Alquiler: El estudio cuantifica el potencial financiero de las flotas de NRMM eléctricas agrupadas, demostrando cómo las estrategias coordinadas de V2G pueden generar ingresos y reducir costos a través de diferentes estructuras de propiedad (alquiler vs. privado).

Resultados
La simulación, realizada durante 51 semanas con 100 iteraciones de BO, arrojó los siguientes hallazgos:

• Configuración Óptima: El BO identificó una configuración que consiste en un sistema PV de 133.9 kWp, un BESS de 99.0 kWh, una conexión a la red de 69.4 kW y cargadores bidireccionales de 11 kW para todos los tractores.
• Desempeño de Costos: El sistema optimizado logró un precio de electricidad promedio de €0.068/kWh. Durante el año simulado, el concesionario obtuvo un beneficio neto de €695 del comercio de energía con la red (ingresos por venta menos costo de compra), a pesar de la inversión de capital en hardware bidireccional.
• Comportamiento Operativo: El EMS utilizó con éxito los tractores (específicamente aquellos en el Caso de Uso 3) como almacenamiento temporal, cargándolos durante las horas de bajo precio/producción fotovoltaica y descargándolos durante las horas de precios pico, de manera similar al BESS. El sistema mantuvo el SoC requerido del 100% para todas las salidas.
• Advertencia Regulatoria: Los autores señalan que la viabilidad económica depende de la suposición de que las tarifas fijas de la red y los gravámenes a las renovables (que actualmente se aplican al consumo de electricidad pero no a la inyección) serán reformados. Sin la eliminación de esta "doble tributación", los beneficios económicos del V2G podrían anularse.

Significancia y Reivindicaciones
El artículo afirma que la electrificación de la NRMM no solo es ambientalmente beneficiosa, sino también económicamente viable cuando se combina con V2G y una gestión de energía inteligente. El estudio demuestra que la previsibilidad de las flotas de alquiler las convierte en candidatas ideales para la interacción con la red, ofreciendo potencialmente beneficios similares a las flotas de autobuses eléctricos.

Sin embargo, los autores mantienen un tono modesto respecto a sus hallazgos. Establecen explícitamente que el estudio está limitado por:

• La falta de datos operativos del mundo real para la NRMM eléctrica.
• Modelos simplificados que ignoran el envejecimiento de los componentes, las pérdidas de conversión y las incertidumbres regulatorias.
• La suposición de previsión perfecta respecto a los programas de los vehículos y los precios de la energía.

En consecuencia, el artículo concluye que, si bien la metodología y los resultados preliminares son prometedores, se requiere más investigación para validar estos hallazgos con datos del mundo real, refinar los modelos para mayor precisión y abordar los desafíos regulatorios —específicamente la tributación de los flujos de energía bidireccionales— que actualmente obstaculizan la adopción generalizada de V2G en este sector.