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

Resumo Técnico: Viabilidade Econômica e Técnica de V2G no Setor de Maquinário Móvel Não Rodoviário

Definição do Problema
O artigo aborda o potencial de integração da tecnologia Vehicle-to-Grid (V2G) no setor de Maquinário Móvel Não Rodoviário (NRMM), focando especificamente em tratores elétricos dentro de um modelo de serviço de aluguel. Embora o V2G seja bem explorado em veículos de passageiros e frotas de ônibus elétricos, sua aplicação ao NRMM permanece subinvestigada. Os autores postulam que as frotas de NRMM oferecem vantagens únicas sobre os EVs privados, incluindo cronogramas de uso previsíveis e altos tempos de ociosidade, o que mitiga barreções comuns como a ansiedade de autonomia e a incerteza de estacionamento. O problema central é determinar a viabilidade econômica e técnica de utilizar esses ativos frequentemente ociosos para fornecer serviços à rede, otimizar custos de energia por meio de carregamento consciente de preços e reduzir as cargas de pico da rede, enquanto dimensiona simultaneamente a infraestrutura de energia necessária (PV, armazenamento estacionário e equipamentos de carregamento).

Metodologia
O estudo emprega uma estrutura inovadora de simulação e otimização de duas camadas para avaliar uma frota de dez tratores elétricos em um cenário de concessionária de aluguel em Aldenhoven, Alemanha.

• Camada Interna (Otimização Operacional): Esta camada simula a operação diária e semanal da frota usando um solver de Programação Linear (LP) no MATLAB. O objetivo é minimizar os custos anuais de eletricidade otimizando os cronogramas de carga e descarga dos tratores e de um Sistema de Armazenamento de Energia de Bateria (BESS). O modelo incorpora:

  • Perfis de Uso: Três casos de uso de aluguel semanal distintos (aluguéis semanais de longo prazo, aluguéis diários e aluguéis de fim de semana), garantindo que os tratores partam com 100% de Estado de Carga (SoC) e retornem com 5% de SoC.
  • Componentes de Energia: Um sistema fotovoltaico (PV), um BESS, um EVSE bidirecional e a carga do edifício da concessionária.
  • Função de Custo: Minimiza a soma dos custos de compra de energia (baseados em preços dinâmicos de dia anterior) menos a receita da injeção de energia na rede (definida em 90% do preço de compra para contabilizar perdas e desencorajar trocas ineficientes), sujeito a limites de potência e restrições de SoC.
  • Simplificações: O modelo assume 100% de eficiência dos componentes, conhecimento perfeito de preços futuros e cronogramas de veículos (previsão perfeita) e negligencia o envelhecimento dos componentes durante a simulação.

• Camada Externa (Dimensionamento de Infraestrutura via Otimização Bayesiana): Um algoritmo de Otimização Bayesiana (BO) busca iterativamente o espaço de parâmetros multidimensional para encontrar o dimensionamento ideal da infraestrutura de energia. O BO otimiza:

  • Capacidade de potência de pico do PV.
  • Capacidade do BESS.
  • Potência máxima de conexão com a rede.
  • Configuração do EVSE (classificação de potência e capacidade unidirecional vs. bidirecional) para cada caso de uso.
    O BO minimiza o custo total ($c_{Tot}$), que é a soma dos custos de eletricidade cumulativos da camada interna e dos custos de capital dos componentes (baseados na depreciação ao longo da vida útil). Um modelo de erro dentro do BO penaliza configurações que violam o limite de potência máxima da rede, garantindo soluções viáveis.

Principais Contribuições

1. Caso de Uso Inovador: O artigo introduz a integração V2G especificamente para frotas de aluguel de NRMM, destacando a adequação do setor devido ao agendamento previsível e ao carregamento centralizado.
2. Estrutura de Otimização Integrada: Propõe uma metodologia que combina um Sistema de Gestão de Energia (EMS) para estratégia operacional com Otimização Bayesiana para dimensionamento de infraestrutura. Esta abordagem evita o custo computacional de treinar redes neurais ou de um Design de Experimentos (DoE) exaustivo, navegando efetivamente em espaços de parâmetros complexos e não lineares.
3. Análise Econômica de Modelos de Aluguel: O estudo quantifica o potencial financeiro de frotas de NRMM elétricas compartilhadas, demonstrando como estratégias coordenadas de V2G podem gerar receita e reduzir custos em diferentes estruturas de propriedade (aluguel vs. privado).

Resultos
A simulação, conduzida ao longo de 51 semanas com 100 iterações de BO, gerou as seguintes descobertas:

• Configuração Ótima: O BO identificou uma configuração consistindo em um sistema PV de 133,9 kWp, um BESS de 99,0 kWh, uma conexão de rede de 69,4 kW e carregadores bidirecionais de 11 kW para todos os tratores.
• Desempenho de Custos: O sistema otimizado alcançou um preço médio de eletricidade de €0,068/kWh. Ao longo do ano simulado, a concessionária obteve um lucro líquido de €695 da negociação de energia com a rede (receita da venda menos custo da compra), apesar do investimento de capital em hardware bidirecional.
• Comportamento Operacional: O EMS utilizou com sucesso os tratores (especificamente aqueles no Caso de Uso 3) como armazenamento temporário, carregando-os durante horas de baixo preço/produção de PV e descarregando-os durante as horas de preço de pico, de forma semelhante ao BESS. O sistema manteve o SoC de 100% exigido para todas as partidas.
• Ressalva Regulatória: Os autores observam que a viabilidade econômica depende da premissa de que as taxas fixas de rede e os encargos de energia renovável (que atualmente se aplicam ao consumo de eletricidade, mas não à injeção) serão reformados. Sem a remoção desta "dupla tributação", os benefícios econômicos do V2G poderiam ser anulados.

Significância e Alegações
O artigo alega que o NRMM eletrificado é não apenas ambientalmente benéfico, mas também economicamente viável quando combinado com V2G e gestão de energia inteligente. O estudo demonstra que a previsibilidade das frotas de aluguel as torna candidatas ideais para a interação com a rede, podendo oferecer benefícios semelhantes aos das frotas de ônibus elétricos.

No entanto, os autores mantêm um tom modesto em relação às suas descobertas. Eles declaram explicitamente que o estudo é limitado por:

• A falta de dados operacionais do mundo real para NRMM elétrico.
• Modelos simplificados que ignoram o envelhecimento dos componentes, perdas de conversão e incertezas regulatórias.
• A suposição de previsão perfeita em relação aos cronogramas dos veículos e preços de energia.

Consequentemente, o artigo conclui que, embora a metodologia e os resultados preliminares sejam promissores, pesquisas adicionais são necessárias para validar essas descobertas com dados do mundo real, refinar os modelos para maior precisão e abordar os desafios regulatórios — especificamente a tributação de fluxos de energia bidirecionais — que atualmente dificultam a adoção generalizada do V2G neste setor.