⚡ electrical engineering

Multi-objective scheduling of highway PV-storage-charging microgrid clusters with EV-load cascades

Questo studio propone un framework di pianificazione multi-obiettivo per cluster di microgrid fotovoltaiche-accumulo-ricarica autostradali che integra un modello a cascata del carico EV spazio-temporale per tenere conto dei comportamenti di viaggio dinamici, generando con successo una frontiera di Pareto fattibile che minimizza sia i costi operativi che le emissioni di carbonio garantendo al contempo il rigoroso rispetto dei vincoli.

Autori originali: Yanming Sun, Mohan Zhao, Pihong Gong

Pubblicato 2026-07-01

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Yanming Sun, Mohan Zhao, Pihong Gong

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate un'autostrada trafficata come un lungo fiume di auto. Lungo questo fiume ci sono tre "stazioni di servizio" (chiamiamole Stazione A, Stazione B e Stazione C). Ogni stazione dispone di colonnine di ricarica per veicoli elettrici (EV), pannelli solari sul tetto e un enorme banco di batterie (come un enorme power bank per l'intera stazione).

L'obiettivo di questo studio è capire il modo migliore per gestire queste tre stazioni in modo da risparmiare denaro e inquinare meno, affrontando al contempo un problema complicato: i ingorghi stradali cambiano il luogo in cui le persone vogliono ricaricare.

Ecco la storia di come i ricercatori hanno risolto questo problema, spiegata in modo semplice:

1. L' "Effetto Domino" del traffico

Di solito, i pianificatori considerano la domanda di ricarica come un programma fisso: "La Stazione A avrà 100 auto alle 17:00". Ma nella realtà, gli automobilisti sono intelligenti. Se la Stazione A ha una coda enorme di auto in attesa (una coda), gli automobilisti potrebbero decidere: "Salterò questa e andrò alla Stazione B invece".

I ricercatori hanno costruito un modello digitale che funge da simulatore dell' "effetto domino".

L'Innesco: Se la Stazione A diventa troppo affollata, il "tempo di attesa" diventa troppo lungo.
La Reazione: Gli automobilisti controllano la batteria. Se hanno abbastanza energia per raggiungere la Stazione B in sicurezza, saltano la A e vanno alla B.
Il Risultato: La Stazione B riceve improvvisamente un'ondata di auto che non si aspettava. Se anche la Stazione B diventa troppo affollata, alcune potrebbero tentare di saltare alla Stazione C.

Lo studio ha scoperto che questo "salto" avviene principalmente tra le prime due stazioni (A e B). Pochissime auto saltano fino alla Stazione C perché finirebbero la batteria o si stancherebbero troppo di guidare più lontano solo per risparmiare pochi minuti.

2. Le tre stazioni come un unico grande team

Invece di gestire la Stazione A, la B e la C separatamente, i ricercatori le hanno trattate come un unico grande team (una "microrete cluster").

I Pannelli Solari: Generano energia gratuita e pulita durante il giorno.
La Grande Batteria: È il "conto di risparmio" del team. Immagazzina l'energia solare in eccesso quando il sole splende e la rilascia quando arrivano le auto la sera.
La Rete (Grid): È il collegamento con la centrale elettrica principale della città.

La sfida era dire alla batteria quando caricarsi e quando scaricarsi per mantenere bassi i costi e l'inquinamento, assicurandosi al contempo che nessuna stazione rimanga senza energia.

3. Le regole del "Niente imbrogli"

I ricercatori hanno utilizzato un intelligente algoritmo informatico (un ottimizzatore digitale) per trovare il piano migliore. Ma hanno aggiunto rigide regole di "niente imbrogli" per garantire che il piano funzioni realmente nel mondo reale:

La Regola della "Batteria Vuota": Non puoi scaricare completamente la batteria entro la fine della giornata. Deve essere ricaricata al suo livello iniziale per essere pronta per domani. (Immaginate di non poter spendere tutto il vostro stipendio oggi se avete bisogno di soldi per la colazione domani).
La Regola del "Niente Esportazione": La batteria non può vendere energia alla rete principale della città solo per un rapido profitto. Deve usare la sua energia solo per caricare le auto.
La Regola del "Margine di Sicurezza": La batteria non può diventare troppo piena o troppo vuota, altrimenti potrebbe rompersi.

4. Il Risultato: Un Piano Equilibrato

Il computer ha generato 500 diversi piani "perfetti". I ricercatori hanno scelto quello che offriva il miglior equilibrio tra il risparmio di denaro e la salvaguardia del pianeta.

Cosa è successo nel piano vincente?

Soldi Risparmiati: Il costo giornaliero è stato di circa 13.516 CNY.
Inquinamento Ridotto: Le emissioni giornaliere di CO2 sono state di circa 12.068 kg.
Come ha funzionato: La batteria si è caricata durante il giorno mentre i pannelli solari lavoravano intensamente. Poi, la sera, quando arrivavano le auto, la batteria ha rilasciato l'energia immagazzinata per caricare le auto. Ciò ha significato che le stazioni non dovevano acquistare molta energia costosa e sporca dalla rete principale.
Il Controllo di Sicurezza: Il piano ha superato ogni singolo test. La batteria non si è mai esaurita, non è mai traboccata e le linee elettriche non sono mai state sovraccaricate.

La Grande Conclusione

Questo studio dimostra che non si può guardare a una stazione di ricarica in isolamento. Bisogna guardare all' intero corridoio autostradale. Quando si verifica un ingorgo alla prima sosta, questo invia un effetto a catena lungo la strada, cambiando la destinazione delle auto. Comprendendo questo "effetto onda" e gestendo i pannelli solari e le batterie come un unico team, le stazioni autostradali possono operare in modo più economico, pulito e affidabile.

I ricercatori hanno dimostrato che se costruite il vostro piano con questi comportamenti del traffico "del mondo reale" e rigide regole di sicurezza, otterrete una soluzione che non è solo un numero su uno schermo, ma un piano che potrebbe effettivamente funzionare domani.

Sintesi Tecnica: Programmazione Multi-obiettivo di Cluster di Microreti Fotovoltaiche-Accumulo-Ricarica su Autostrade con Cascate di Carico EV

Definizione del Problema
Le aree di servizio autostradali si stanno evolvendo in nodi accoppiati trasporto-energia, dove la domanda di ricarica dei veicoli elettrici (EV) è spesso modellata come un profilo di carico esogeno e fisso. Questo approccio tradizionale non riesce a catturare la realtà dinamica dei viaggi a lunga percorrenza, dove la pressione delle code, lo stato di carica (SOC) residuo, i ritardi di viaggio e le decisioni di salto della stazione causano uno spostamento spaziale della domanda di ricarica lungo il corridoio. Inoltre, gli esistenti modelli di programmazione trattano la domanda EV come statica, ignorando il comportamento di "salto della stazione" (station-skipping), in cui i conducenti aggirano stazioni a monte congestionate per ricaricare in stazioni a valle. Questa disconnessione crea un divario tra le risposte comportamentali lato traffico e le operazioni di microrete lato energia. Inoltre, l'ottimizzazione multi-obiettivo per le microreti spesso si affida a metodi a penalità morbida (soft-penalty), che possono generare soluzioni che appaiono ottimali nello spazio degli obiettivi (costi/emissioni) ma violano vincoli fisici critici come i limiti del SOC, la capacità del trasformatore o i requisiti del SOC terminale, rendendole operativamente inattuabili.

Metodologia
Lo studio propone un framework a due livelli che collega un modello di cascata del carico EV spazio-temporale con un modello di programmazione di microrete a livello di corridoio aggregato fotovoltaico-accumulo-ricarica.

Modello di Cascata del Carico EV:
- Logica Comportamentale: Il modello tratta il salto della stazione come una risposta comportamentale vincolata piuttosto che come una ridistribuzione libera. Utilizza una formulazione logit binaria per calcolare le probabilità di salto basate sui costi generalizzati. Questi costi pesano il tempo di attesa in coda, il ritardo di viaggio tra le stazioni, il SOC residuo e il rischio di autonomia.
- Vincoli Fisici: Un vincolo rigido assicura che il salto sia consentito solo se il SOC residuo è sufficiente per raggiungere la stazione successiva mantenendo un margine di sicurezza.
- Meccanismo di Cascata: La domanda saltata da una stazione a monte (es. Stazione A) è ritardata dal tempo di viaggio e aggiunta al tasso di arrivo della stazione a valle (es. Stazione B), creando una cascata di carico spazio-temporale.
Modello di Programmazione della Microrete:
- Ambito del Sistema: Tre aree di servizio consecutive (A, B, C) sono aggregate in un singolo cluster di microrete a livello di corridoio per valutare l'operazione congiunta di PV condiviso, sistemi di accumulo di energia (ESS) e trasformatori.
- Obiettivi: Il modello minimizza due obiettivi contrastanti: il costo operativo netto giornaliero (inclusi acquisto, vendita di elettricità e degradazione dell'ESS) e le emissioni di carbonio nette giornaliere.
- Vincoli: L'orizzonte di programmazione è di 24 ore (144 intervalli da dieci minuti). I vincoli chiave includono i limiti del SOC ([0,1, 0,9]), i limiti di potenza attiva del trasformatore, un requisito del SOC terminale (SOC finale $\ge$ SOC iniziale per prevenire il prestito di energia inter-giornaliero) e il divieto di esportazione dall'ESS verso la rete (per prevenire l'arbitraggio mediato dalle batterie).
Workflow di Ottimizzazione:
- Algoritmo: Viene impiegato l'algoritmo Non-dominated Sorting Genetic Algorithm II (NSGA-II).
- Preservazione della Fattibilità: A differenza degli approcci standard, questo workflow integra l'inizializzazione orientata alla fattibilità, la riparazione dei vincoli in avanti (clipping dei limiti di potenza, regolazione sequenziale del SOC) e un filtraggio Pareto completamente fattibile.
- Selezione: Solo le programmazioni che soddisfano tutti i vincoli rigidi (zero violazioni di SOC, capacità del trasformatore e SOC terminale) vengono mantenute. Una soluzione di compromesso viene selezionata da questo fronte "completamente fattibile" utilizzando un punteggio di appartenenza normalizzato con pesi uguali per costo e carbonio.

Contributi Chiave

Modellazione Accoppiata: Lo studio collega esplicitamente le risposte del trasporto indotte dalle code (tempo di attesa, salto della stazione) con gli input di carico della microrete a valle, andando oltre i profili di carico fissi.
Aggregazione a Livolo di Corridoio: Dimostra che, sebbene la ridistribuzione della domanda avvenga a livello di nodo, la programmazione operativa deve tenere conto delle risorse aggregate (PV, ESS, capacità della rete) dell'intero corridoio.
Gestione Rigorosa della Fattibilità: Il documento introduce un workflow che impone vincoli rigidi (SOC terminale, divieto di esportazione ESS-rete) durante il processo di ottimizzazione, garantendo che il fronte Pareto risultante consista interamente in programmi eseguibili piuttosto che in approssimazioni a penalità morbida.
Riproducibilità: Lo studio fornisce un workflow NSGA-II completamente riproducibile con seed casuali fissi e specifici meccanismi di riparazione, producendo 500 soluzioni Pareto completamente fattibili.

Risultati
Il caso di studio si concentra su un corridoio con tre aree di servizio.

Dinamiche della Cascata del Carico: I risultati mostrano un trasferimento di carico asimmetrico. L'Area di Servizio A (a monte) sperimenta una significativa pressione di coda (tempi di attesa fino a 21,46 min), portando a una probabilità media di salto della stazione di 0,215. Questa domanda è in gran parte assorbita dall'Area di Servizio B (a valle), che vede un aumento del carico. Il trasferimento verso l'Area di Servizio C rimane limitato (probabilità media di salto 0,041) a causa dei vincoli del SOC residuo e della distanza di viaggio.
Esiti dell'Ottimizzazione: Dalle 500 soluzioni Pareto completamente fattibili, è stata selezionata una soluzione di compromesso:
- Costo Operativo Netto: 13.515,78 CNY/giorno.
- Emissioni di Carbonio Nette: 12.067,92 kg CO₂/giorno.
- Metriche Operative: L'ESS opera principalmente per spostare l'energia all'interno del corridoio (caricamento durante la disponibilità PV, scaricamento durante i picchi serali) piuttosto che esportare verso la rete. L'esportazione totale dalla rete, l'esportazione PV e l'esportazione ESS-rete sono tutte pari a 0,00 kWh.
- Soddisfacimento dei Vincoli: La soluzione mantiene il SOC entro [0,2577, 0,9000], riporta il SOC terminale al valore iniziale di 0,5000 e registra zero violazioni per i limiti del SOC, la capacità del trasformatore e l'esportazione ESS-rete.

Significatività e Rivendicazioni
Il documento sostiene che trattare la domanda di ricarica autostradale come un processo spazialmente trasferibile, modellato dalle condizioni di coda e dai vincoli di autonomia, fornisce un'interfaccia più chiara tra la dinamica del traffico e le operazioni del sistema energetico. La significatività del lavoro non risiede nella novità dell'ottimizzatore (NSGA-II) in sé, ma nel collegamento riproducibile tra la modellazione della cascata del carico guidata dalle code e la programmazione a livello di corridoio che preserva la fattibilità.

Gli autori sottolineano che, imponendo il recupero del SOC terminale e proibendo l'esportazione ESS-rete, il compromesso costo-emissioni riportato è più auditabile e interpretabile operativamente. La soluzione di compromesso selezionata è presentata non come un ottimo numerico non vincolato, ma come un programma fattibile che rispetta i limiti fisici della microrete e le realtà comportamentali dei conducenti di EV. Lo studio conclude che tale framework supporta un'operazione tecnicamente interpretabile, conforme ai vincoli e a basse emissioni di carbonio per i cluster di microreti dei corridoi autostradali, pur riconoscendo limitazioni riguardanti i fattori di carbonio fissi, gli orizzonti temporali di un singolo giorno e la mancanza di vincoli di potenza AC.