Techno-Economic Analysis of Shared Mobile Storage for Demand Charge Reduction

Resumo Técnico: Análise Técnico-Econômica de Armazenamento Móvel Compartilhado para Redução de Tarifas de Demanda

Definição do Problema
Usuários comerciais e industriais (C&I) frequentemente enfrentam custos de eletricidade significativos impulsionados por tarifas de demanda, que são baseadas na demanda máxima de potência real média em intervalos curtos. Embora os sistemas de armazenamento de energia por baterias (BESS) estacionários sejam uma solução convencional, eles sofrem com altos custos iniciais e rigidez espacial. Frotas compartilhadas de veículos elétricos (VE) oferecem uma alternativa de "armazenamento móvel" que pode atender múltiplos usuários em diferentes locais. No entanto, a literatura existente frequentemente se baseia em modelos idealizados que negligenciam restrições logísticas e operacionais críticas. Especificamente, estudos anteriores frequentemente ignoram o acoplamento espaço-temporal do consumo de energia (sobrecargas de trânsito), os custos de mão de obra dos motoristas de VE e os complexos compromissos envolvendo a degradação da bateria e as capacidades da infraestrutura de carregamento. O problema central abordado é determinar o verdadeiro valor econômico líquido das frotas de VE compartilhadas para a redução da tarifa de demanda uma vez que esses fatores granulares e práticos sejam rigorosamente contabilizados.

Metodologia
Os autores propõem um framework de gestão de frota de alta fidelidade que integra fatores operacionais e econômicos frequentemente omitidos em estudos anteriores de armazenamento móvel.

1. Formulação Matemática: O problema de despacho é formulado como um Programa Linear de Inteiros Mistos (MILP). O objetivo é minimizar conjuntamente as tarifas de demanda totais para usuários C&I e os custos operacionais da frota de VE. O modelo captura explicitamente:

   • Acoplamento espaço-temporal: Consumo de energia durante o trânsito entre a estação de carregamento central e as localizações dos usuários.
   • Custos de mão de obra: Modelados como um custo fixo por motorista baseado em horas de trabalho.
   • Degradação da bateria: Representada através da depreciação baseada no uso (custo por kWh ciclado) e depreciação baseada na idade.
   • Infraestrutura de carregamento: Custos e capacidades de carregadores tanto AC Level-2 quanto DC rápidos nos locais dos usuários e na estação central.
   • Restrições: A formulação inclui restrições para o estado de carga (SOC), eficiências de carga/descarga, tempos de trânsito (assumidos para durar um intervalo) e o requisito de que um VE deve estar em trânsito por um intervalo antes de poder iniciar a descarga em um local de usuário.

2. Desenvolvimento de Algoritmo: Devido à complexidade computacional do MILP, que cresce exponencialmente com o número de usuários e VEs, os autores desenvolvem um algoritmo heurístico baseado no valor marginal.

   • O algoritmo identifica iterativamente o "usuário de maior valor" (maior redução marginal de demanda por serviço) e o "VE disponível menos utilizado".
   • Ele despacha o VE selecionado para o usuário se a economia marginal da tarifa de demanda exceder os custos operacionais incrementais (carregamento e depreciação).
   • Esta abordagem alcança um desempenho próximo ao ótimo com tempo de computação significativamente reduzido em comparação com a resolução do MILP completo, tornando-a escalável para operações diárias de frotas.

3. Configuração do Estudo de Caso: O framework é validado usando dados reais de medidores inteligentes de 730 edifícios comerciais em San Francisco, Califórnia, atendidos pela PG&E. O estudo considera dois cronogramas tarifários de usuários (B-10 e B-19) e avalia três configurações de infraestrutura: Totalmente AC, Totalmente DC e uma configuração em Níveis (misturando AC para usuários menores e DC para usuários maiores).

Principais Contribuições
O artigo apresenta três contribuições primárias:

1. Formulação Unificada de MILP: Apresenta um modelo que integra explicitamente o consumo de trânsito, custos de mão de obra e degradação da bateria em um único objetivo de despacho, garantindo viabilidade operacional e avaliação econômica precisa.
2. Heurística Eficiente: Propõe um algoritmo heurístico baseado no valor marginal que resolve o complexo problema de despacho em tempo polinomial, alcançando resultados próximos ao ótimo enquanto lida com a carga computacional de grandes frotas.
3. Avaliação Técnico-Econômica Abrangente: Através de um estudo de caso, identifica os custos de mão de obra como o fator dominante que afeta a receita e valida uma estratégia de implantação de carregadores em Níveis. Esta estratégia, que mistura carregadores DC para grandes usuários e carregadores AC para usuários menores, mostra-se superior em termos de economia líquida em comparação com configurações de infraestrutura uniformes.

Resultados
Usando dados de San Francisco, a análise revela várias descobertas principais:

• Viabilidade Econômica: Um número modesto de VEs pode alcançar economias significativas de tarifa de demanda suficientes para recuperar as despesas de propriedade e operacionais.
• Variação Sazonal: As economias líqupidas são substancialmente maiores no verão (média de $34.111 para um único VE) em comparação ao inverno ($18.025), impulsionadas por taxas de demanda de carga mais altas e picos de carga durante os meses de verão.
• Impacto da Infraestrutura: A configuração de infraestrutura em Níveis consistentemente gera as maiores economias líqumidas. Embora as configurações Totalmente DC ofereçam maiores economias no verão, o alto custo amortizado dos carregadores DC as torna menos viáveis para usuários menores (Schedule B-10). A abordagem em Níveis equilibra esses fatores de forma eficaz.
• Dimensionamento de Frota: Existe um ponto de retornos decrescentes. Para a configuração em Níveis, o tamanho ideal da frota é encontrado como três VEs no inverno e seis VEs no verão. Além desses tamanhos, a redução marginal da tarifa de demanda por VE adicional diminui enquanto os custos de mão de obra continuam a subir linearmente, eventualmente erodindo as economias líquidas.
• Direcionadores de Custo: Os custos de mão de obra são identificados como o fator dominante que afeta a lucratividade. O estudo calcula um "custo de mão de obra crítico" (aprox. $120–$210/hora dependendo da estação) além do qual o modelo de negócio torna-se não lucrativo. Os custos de mão de obra estimados atualmente ($19/hora) estão bem abaixo deste limiar.
• Sensibilidade à Incerteza: O modelo é sensível à incerteza da previsão de carga. As economias líquidas diminuem monotonicamente conforme o erro de previsão aumenta. No entanto, o modelo de negócio permanece viável sob níveis moderados de incerteza (até 10–15% de erro), particularmente se a operação autônoma (eliminando custos de mão de obra) for assumida.

Significância e Alegações
O artigo afirma que sua principal significância reside em preencher a lacuna entre o potencial teórico de armazenamento móvel e a viabilidade comercial prática. Ao modelar explicitamente as fricções do "mundo real" — especificamente o consumo de trânsito, a mão de obra do motorista e o desgaste da bateria — os autores demonstram que o armazenamento móvel compartilhado não é apenas teoricamente possível, mas economicamente atraente sob condições específicas.

Os autores observam modestamente que sua heurística é uma abordagem "míope" sem uma garantia de aproximação teórica universal, mas demonstra desempenho próximo ao ótimo empiricamente. Eles enfatizam que os tamanhos de frota ideais e as figuras de economia são específicos para cada caso, dependendo das estruturas tarifárias locais, características de carga e suposições de custo. O trabalho fornece uma linha de base realista para avaliar a viabilidade comercial do armazenamento de energia móvel compartilhado, indo além de suposições idealizadas para oferecer um framework que considera a complexa interação entre logística, energia e economia. Sugere-se que trabalhos futuros incorporem modelagem estocástica para variações de tempo de viagem, disponibilidade de VE e confiabilidade do carregador.