Deadline-Aware Electric Vehicles Charging with Distribution Transformer Overload Mitigation

Resumen Técnico: Carga de Vehículos Eléctricos con Conciencia de Plazos y Mitigación de Sobrecargas en Transformadores de Distribución

Planteamiento del Problema
La rápida adopción de los vehículos eléctricos (VE) ejerce una presión significativa sobre la infraestructura de nivel de distribución, particularmente en transformadores residenciales y comerciales que no fueron diseñados para cargas de carga coincidentes de gran magnitud. Si bien la carga de los VE es intrínsecamente flexible en el tiempo, la agrupación de llegadas y los plazos de salida heterogéneos pueden causar sobrecargas severas de corta duración. Estas sobrecargas aceleran el envejecimiento del aislamiento del transformador y aumentan el riesgo de fallos prematuros de los activos.

Los esquemas de coordinación existentes suelen imponer plazos estrictos y límites de transformador rígidos, asumiendo implícitamente que existe capacidad suficiente para satisfacer todas las demandas. Bajo una alta penetración de VE o infraestructuras restringidas, estas formulaciones se vuelven infactibles. Por el contrario, las estrategias conscientes del transformador que limitan estrictamente la carga suelen restringir la carga de manera uniforme, sin tener en cuenta la urgencia heterogénea de los diferentes VE (por ejemplo, conductores con salidas fijas frente a la carga nocturna flexible). Esto crea una brecha operativa crítica: cómo asignar la capacidad limitada del transformador entre los VE con distintos plazos cuando satisfacer todas las solicitudes sin sobrecargar el transformador es imposible.

Metodología
El artículo propone un marco de carga de VE consciente de los plazos que establece explícitamente un compromiso entre el envejecimiento térmico del transformador y la calidad del servicio de carga. El enfoque se desarrolla en tres etapas:

1. Formulación Determinista Fuera de Línea (Offline):
   Los autores formulan primero un problema de optimización determinista asumiendo el conocimiento total de las llegadas de los VE, sus demandas y las cargas base.

• Envejecimiento del Transformador: El estrés se modela mediante un proxy de sobrecarga convexo, $\Phi(P_t) = (P_t / P_{rated})^\alpha$, donde $\alpha > 1$. Esto captura el rápido aumento del envejecimiento a medida que la carga se aproxima a la capacidad nominal.
• Plazos Flexibles (Soft Deadlines): En lugar de restricciones estrictas, el modelo utiliza un término de energía no satisfecha ponderado por penalización al momento de la salida. Cada VE $j$ tiene un coeficiente $\pi_j$ que refleja su flexibilidad de carga (un $\pi_j$ más alto para vehículos con tiempos críticos). El objetivo minimiza la suma del envejecimiento acumulado del transformador y las penalizaciones de energía no satisfecha normalizadas.

2. Formulación de MDP Estocástico:
   Para abordar la incertidumbre del mundo real (llegadas y salidas aleatorias, y la evolución de la carga base), el problema se extiende a un Proceso de Decisión de Markov (MDP) de horizonte finito.

• Estado: Incluye la carga base y la energía restante/plazos de los VE conectados.
• Costo: El costo de un solo paso combina el proxy de envejecimiento instantáneo del transformador y la penalización por la energía no satisfecha de los vehículos que salen.
• Desafío: Resolver la recursión de Bellman de forma exacta es computacionalmente intratable debido al espacio de estados de alta dimensión.

3. Política en Línea de Baja Complejidad:
   Aprovechando los conocimientos estructurales del MDP, los autores desarrollan una política de carga en tiempo real basada en un Índice de Urgencia Consciente del Costo Marginal.

• Mecanismo: En cada paso de tiempo, el algoritmo calcula el costo de envejecimiento marginal ($g_t$) de aumentar la carga del transformador. Luego, calcula un índice de urgencia $U_j(t)$ para cada VE conectado, definido como la relación entre el beneficio de servicio marginal (basado en la energía restante, el tiempo hasta el plazo y el coeficiente de flexibilidad) y el costo de envejecimiento marginal.
• Asignación: Los VE se ordenan por $U_j(t)$ en orden descendente. La potencia de carga se asigna secuencialmente hasta que la capacidad del transformador se agota o el beneficio marginal de atender al siguiente VE cae por debajo del costo de envejecimiento marginal ($U_j(t) < 1$). Esto asegura que la capacidad se asigne preferentemente a los VE de tiempo crítico solo cuando el costo de salud del activo está justificado.

Resultados Clave
El enfoque propuesto fue evaluado mediante estudios de caso en un transformador de distribución de 100 kW bajo cuatro escenarios que van desde baja hasta alta penetración de VE y congestión:

• Compromiso entre Envejecimiento y Servicio: El hecho de contabilizar explícitamente el envejecimiento del transformador en la función objetivo redujo consistentemente el estrés térmico en todos los escenarios. Sin embargo, a medida que la congestión aumentaba, tanto el envejecimiento como la energía no satisfecha también aumentaban, resaltando el compromiso inherente.
• Desempeño en Línea vs. Fuera de Línea: La política en línea resultó en un envejecimiento equivalente del transformador ligeramente mayor en comparación con el benchmark fuera de línea (que posee conocimiento perfecto del futuro), pero logró una menor energía de carga no satisfecha. Esto indica que la política en línea asigna la potencia de manera más agresiva para satisfacer la demanda realizada, mejorando la finalización del servicio a un costo modesto para la vida útil del activo.
• Sensibilidad al Exponente de Envejecimiento ($\alpha$): Aumentar el exponente de envejecimiento $\alpha$ hizo que el costo de envejecimiento fuera más convexo, lo que llevó al optimizador a evitar más agresivamente la carga en horas pico. Esto redujo el envejecimiento pero aumentó la energía no satisfecha, confirmando que $\alpha$ controla eficazmente la agresividad de la protección del activo.
• Diferenciación de Servicio: En escenarios con VE "críticos" (coeficientes de penalización altos), la política logró priorizar estos vehículos, demostrando la capacidad del marco para manejar la heterogeneidad del servicio bajo congestión severa.

Significancia y Reivindicaciones
El artículo afirma abordar una brecha operativa fundamental en la coordinación de la carga de VE donde las restricciones estrictas fallan bajo congestión. Sus principales contribuciones son:

1. Factibilidad bajo Congestión: Al suavizar los plazos mediante la energía no satisfecha ponderada por penalización, el marco permanece factible incluso cuando la capacidad del transformador es insuficiente para satisfacer todas las demandas, a diferencia de los enfoques de restricciones estrictas.
2. Priorización Consciente del Activo: La política en línea propuesta permite un compromiso fundamentado entre la protección de los activos de distribución (mediante costos de envejecimiento marginal) y el mantenimiento de la calidad del servicio (mediante índices de urgencia), permitiendo la asignación preferencial a los VE con plazos críticos.
3. Aplicabilidad en Tiempo Real: La política en línea de baja complejidad aproxima el desempeño del benchmark fuera de línea utilizando solo información local y en tiempo real, lo que la hace adecuada para el despliegue práctico sin requerir conocimiento futuro.

Los autores concluyen que tener en cuenta explícitamente la salud del activo y la flexibilidad de los plazos es esencial para la coordinación de la carga de VE bajo congestión, ofreciendo un camino para equilibrar la preservación de la vida útil del transformador con las expectativas de carga del cliente. Se señala como trabajo futuro la extensión de este marco a las restricciones a nivel de alimentador y la coordinación de múltiples transformadores.