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

Sintesi Tecnica: Fattibilità Economica e Tecnica del V2G nel Settore dei Macchinari Mobili Non Stradali

Definizione del Problema
Il documento affronta il potenziale di integrazione della tecnologia Vehicle-to-Grid (V2G) nel settore dei macchinari mobili non stradali (NRMM), concentrandosi specificamente sui trattori elettrici all'interno di un modello di servizio di noleggio. Mentre il V2G è ampiamente esplorato per i veicoli passeggeri e le flotte di autobus elettrici, la sua applicazione agli NRMM rimane sotto-investigata. Gli autori sostengono che le flotte NRMM offrano vantaggi unici rispetto agli EV privati, tra cui programmi di utilizzo prevedibili e alti tempi di inattività, che mitigano barriere comuni come l'ansia da autonomia e l'incertezza sul parcheggio. Il problema centrale è determinare la fattibilità economica e tecnica dell'utilizzo di questi asset spesso inattivi per fornire servizi alla rete, ottimizzare i costi energetici attraverso la ricarica consapevole dei prezzi e ridurre i carichi di picco della rete, dimensionando contemporaneamente l'infrastruttura energetica necessaria (PV, accumulo stazionario e apparecchiature di ricarica).

Metodologia
Lo studio impiega un quadro di simulazione e ottimizzazione a due livelli, innovativo, per valutare una flotta di dieci trattori elettrici in un contesto di concessionaria di noleggio ad Aldenhoven, Germania.

• Livello Interno (Ottimizzazione Operativa): Questo livello simula l'operazione giornaliera e settimanale della flotta utilizzando un risolutore di Programmazione Lineare (LP) in MATLAB. L'obiettivo è minimizzare i costi elettrici annuali ottimizzando le strategie di carica e scarica dei trattori e di un sistema di accumulo di energia tramite batterie (BESS). Il modello incorpora:

  • Profili di Utilizzo: Tre distinti casi d'uso di noleggio settimanale (noleggi settimanali a lungo termine, noleggi giornalieri e noleggi del fine settimana) garantendo che i trattori partano con il 100% di Stato di Carica (SoC) e tornino con il 5% di SoC.
  • Componenti Energetiche: Un sistema fotovoltaico (PV), un BESS, apparecchiature di ricarica per veicoli elettrici (EVSE) bidirezionali e il carico dell'edificio della concessionaria.
  • Funzione di Costo: Minimizza la somma dei costi di acquisto dell'energia (basati su prezzi dinamici day-ahead) meno i ricavi dall'immissione in rete (fissati al 90% del prezzo di acquisto per tenere conto delle perdite e scoraggiare scambi inefficienti), soggetti a limiti di potenza e vincoli di SoC.
  • Semplificazioni: Il modello assume l'efficienza al 100% dei componenti, una conoscenza perfetta dei prezzi futuri e degli schemi dei veicoli (perfect foresight) e trascura l'invecchiamento dei componenti durante la simulazione.

• Livello Esterno (Dimensionamento delle Infrastrutture tramite Ottimizzazione Bayesiana): Un algoritmo di Ottimizzazione Bayesiana (BO) ricerca iterativamente nello spazio dei parametri multidimensionali per trovare la dimensione ottimale dell'infrastruttura energetica. La BO ottimizza:

  • La capacità di potenza di picco del PV.
  • La capacità del BESS.
  • La potenza massima di connessione alla rete.
  • La configurazione EVSE (valutazione di potenza e capacità unidirezionale vs bidirezionale) per ogni caso d'uso.
  • La BO minimizza il costo totale ($c_{Tot}$), che è la somma dei costi elettrici cumulativi del livello interno e dei costi di capitale dei componenti (basati sulla deprezzamento della vita utile). Un modello di errore all'interno della BO penalizza le configurazioni che violano il limite massimo di potenza della rete, garantendo soluzioni fattibili.

Contributi Chiave

1. Caso d'Uso Innovativo: Il documento introduce l'integrazione V2G specificamente per le flotte di noleggio NRMM, evidenziando l'idoneità del settore grazie alla programmazione prevedibile e alla ricarica centralizzata.
2. Quadro di Ottimizzazione Integrato: Propone una metodologia che combina un Sistema di Gestione dell'Energia (EMS) per la strategia operativa con l'Ottimizzazione Bayesiana per il dimensionamento delle infrastrutture. Questo approccio evita l'onere computazionale dell'addestramento di reti neurali o di esaustivi esperimenti di design (DoE), navigando efficacemente in spazi di parametri complessi e non lineari.
3. Analisi Economica dei Modelli di Noleggio: Lo studio quantifica il potenziale finanziario delle flotte elettriche NRMM condivise, dimostrando come le strategie V2G coordinate possano generare ricavi e ridurre i costi attraverso diverse strutture di proprietà (noleggio vs privato).

Risultati
La simulazione, condotta su 51 settimane con 100 iterazioni BO, ha prodotto i seguenti risultati:

• Configurazione Ottimale: La BO ha identificato una configurazione composta da un sistema PV da 133,9 kWp, un BESS da 99,0 kWh, una connessione di rete da 69,4 kW e caricatori bidirezionali da 11 kW per tutti i trattori.
• Prestazioni dei Costi: Il sistema ottimizzato ha raggiunto un prezzo medio dell'elettricità di €0,068/kWh. Durante l'anno simulato, la concessionaria ha realizzato un profitto netto di €695 dallo scambio di energia con la rete (ricavi dalla vendita meno costi di acquisto), nonostante l'investimento di capitale nell'hardware bidirezionale.
• Comportamento Operativo: L'EMS ha utilizzato con successo i trattori (specificamente quelli nel Caso d'Uso 3) come accumulo temporaneo, caricandoli durante le ore a basso prezzo/produzione PV e scaricandoli durante le ore a prezzo elevato, similmente al BESS. Il sistema ha mantenuto il SoC richiesto del 100% per tutte le partenze.
• Avvertenza Regolatoria: Gli autori osservano che la viabilità economica dipende dall'assunto che le tariffe fisse di rete e gli oneri sulle rinnovabili (che attualmente si applicano al consumo di elettricità ma non all'immissione) vengano riformati. Senza la rimozione di questa "doppia tassazione", i benefici economici del V2G potrebbero essere annullati.

Significatività e Rivendicazioni
Il documento sostiene che l'elettrificazione degli NRMM non è solo ambientalmente vantaggiosa, ma anche economicamente sostenibile se combinata con il V2G e una gestione intelligente dell'energia. Lo studio dimosta che la prevedibilità delle flotte di noleggio le rende candidati ideali per l'interazione con la rete, offrendo potenzialmente benefici simili a quelli delle flotte di autobus elettrici.

Tuttavia, gli autori mantengono un tono modesto riguardo alle loro scoperte. Essi dichiarano esplicitamente che lo studio è limitato da:

• La mancanza di dati operativi reali per gli NRMM elettrici.
• Modelli semplificati che ignorano l'invecchiamento dei componenti, le perdite di conversione e le incertezze regolatorie.
• L'assunzione di una conoscenza perfetta (perfect foresight) riguardo agli schemi dei veicoli e ai prezzi dell'energia.

Di conseguenza, il documento conclude che, sebbene la metodologia e i risultati preliminari siano promettenti, sono necessarie ulteriori ricerche per validare queste scoperte con dati reali, perfezionare i modelli per aumentarne l'accuratezza e affrontare le sfide regolatorie — specificamente la tassazione dei flussi energetici bidirezionali — che attualmente ostacolano l'adozione diffusa del V2G in questo settore.