Quantifying Realizable Flexibility Limits in Fast and Ultra-Fast EV Charging Using Real-World Data

Resumo Técnico: Quantificando Limites de Flexibilidade Realizável em Carregamento de VE Rápido e Ultra-Rápido Usando Dados do Mundo Real

1. Definição do Problema

A rápida eletrificação dos transportes posicionou os Veículos Elétricos (VEs) como recursos de energia distribuída críticos, capazes de apoiar a estabilidade da rede, a integração de renováveis e a mitigação de congestionamentos. No entanto, a literatura existente frequentemente modela a flexibilidade dos VEs como um recurso de potência livremente despachável, baseando-se em suposições simplificadas, como o carregamento de potência constante ou deslocamentos temporais arbitrários. Esses modelos falham em considerar as restrições físicas intrínsecas do carregamento CC rápido e ultra-rápido, onde a trajetória de carregamento é rigorosamente governada pelo Sistema de Gestão de Bateria (BMS) do veículo, pela química da bateria e pelos limites de proteção.

O problema central abordado é a falta de um framework realista para quantificar a flexibilidade fisicamente alcançável das sessões de carregamento rápido e ultra-rápido. As abordagens atuais negligenciam a natureza não linear e dependente do estado da relação Potência–Estado de Carga (SoC) e o papel crítico da disponibilidade de tempo ocioso. Consequentemente, operadores de sistema e agregadores podem superestimar a controlabilidade das frotas de VEs, levando a escalonamentos inviáveis e potencial degradação da bateria.

2. Metodologia

O artigo propõe um framework orientado por dados e consciente da trajetória para quantificar a flexibilidade do VE como um processo limitado por energia e restrito no tempo. A metodologia é construída sobre os seguintes pilos:

• Conjunto de Dados do Mundo Real: O estudo utiliza 252 sessões de carregamento CC reais da Fastned, cobrindo 52 marcas de VE e 141 comportamentos distintos de Potência–SoC. Esses perfis abrangem capacidades de bateria de 18,7 kWh a 111,2 kWh e potências de pico de carregamento de 35 kW a 403 kW.
• Reconstrução de Perfil: Para garantir a consistência, dados de telemetria incompletos são reconstruídos em trajetórias completas de SoC de 1–100%. A extrapolação linear é aplicada nas extremidades com um piso de potência mínimo para preservar tendências sem suposições artificiais.
• Modelagem de Descarga Sintética: Dada a escassez de dados reais de Veículo-para-a-Rede (V2G), perfis de descarga sintéticos são gerados. Estes são derivados das curvas de carregamento medidas usando um modelo de bateria limitado por tensão. O método emprega mapeamento de espelhamento em torno de um SoC central (50%), escalonamento de amplitude, limitação suave de pico de potência (percentil 90) e limitação de taxa de rampa para criar envelopes de descarga fisicamente plausíveis e conservadores.
• Formulação de Flexibilidade:
  • Flexibilidade Unidirecional: Definida como a máxima energia de carregamento deslocável dentro de uma janela de tempo específica ($\Delta t$) enquanto se mantém o SoC alvo final. Uma análise de janela deslizante identifica os limites superior e inferior da energia que pode ser redistribuída temporalmente.
  • Flexibilidade Bidirecional: Definida como a máxima energia de descarga extraível seguida de um recarregamento até o SoC alvo. Isto é limitado por:
    1. Viabilidade Temporal: A descarga e o subsequente recarregamento devem caber no tempo ocioso disponível.
    2. Proteção da Bateria: As restrições incluem um limite mínimo de SoC ($SoC_{prot}$) e uma profundidade de descarga máxima ($\Delta SoC_{max} = 60\%$) por sessão para evitar degradação excessiva.
• Agregação de Nível de Frota: O framework agrega resultados de VEs individuais para gerar limites de flexibilidade e mapas de viabilidade ao nível da frota, além de indicadores estatísticos (ex: taxas de viabilidade, flexibilidade normalizada).

3. Principais Contribuições

O artigo apresenta quatro contribuições primárias para o estado da arte:

1. Dataset Abrangente Consciente do BMS: A criação de um conjunto de dados unificado de 141 trajetórias distintas de Potência–SoC derivadas de 252 sessões de carregamento rápido/ultra-rápido reais, categorizadas em três grupos baseados na capacidade de carregamento (Rápido Padrão, Rápido de Alta Potência e Ultra-Rápido).
2. Avaliação Sistemática de Desempenho: Uma análise sistemática do desempenho de carregamento através de várias classificações de carregadores (7–480 kW), quantificando os retornos decrescentes de maiores potências de carregador devido à saturação do BMS, particularmente na faixa de 80–100% de SoC.
3. Métricas de Flexibilidade Intra-Sessão Orientadas por Dados: A introdução de métricas de janela deslizante para estimar a energia deslocável e a flexibilidade de SoC normalizada, fornecendo uma avaliação empírica do potencial de flexibilidade sem depender de suposições arbitrárias de controle de potência.
4. Framework de Flexibilidade Bidirecional Limitada: Um método inovador para estimar limites de flexibilidade bidirecional usando apenas dados de carregamento. Ao combinar envelopes de descarga baseados em simetria escalonada com métricas de janela, o estudo fornece limites realistas para energia extraível sob restrições de tempo ocioso e proteção de bateria.

4. Resultados Principais

• Dinâmica de Carregamento: O tempo de carregamento na faixa de 20%–80% de SoC cai mais de 60% em comparação com o ciclo completo, e a potência média aumenta em até 40%. No entanto, o carregamento além de 80% de SoC gera ganhos limitados em velocidade devido ao escalonamento de potência imposto pelo BMS.
• Flexibilidade Unidirecional: A flexibilidade não é uma reserva de potência fixa, mas uma capacidade limitada por energia. Janelas ociosas curtas (5–10 minutos) permitem algumas porcentagens de variação de SoC, enquanto janelas de 20 minutos ou mais expandem significativamente o intervalo de deslocamento de energia viável.
• Flexibilidade Bidirecional: A máxima energia de descarga extraível é altamente dependente do momento de ativação e do tempo ocioso disponível. O estudo descobre que a energia extraível pode exceder o dobro do seu valor dependendo de quando a manobra de flexibilidade é iniciada.
• Restrições: As restrições de proteção da bateria (especificamente o limite de 60% de profundidade de descarga) e o tempo ocioso são os fatores limitantes dominantes. Para tempos ociosos curtos, a viabilidade é limitada pelo tempo; para tempos ociosos longos, torna-se limitada pela bateria.
• Heterogeneidade da Frota: Existe uma variabilidade significativa entre a frota. Alguns veículos de carregamento ultra-rápido exibem potencial bidirecional limitado mesmo com longos tempos ociosos, enquanto outros podem extrair substancialmente mais energia, destacando a necessidade de agregação ao nível da frota em vez de modelagem uniforme.

5. Significância e Alegações

O artigo alega que a flexibilidade dos VEs nos contextos de carregamento rápido e ultra-rápido não deve ser interpretada como um recurso de potência controlável, mas sim como uma capacidade de energia limitada, dependente do estado e acoplada ao tempo.

• Realidade Operacional: O estudo afirma que a flexibilidade fisicamente alcançável é determinada conjuntamente pelas características de Potência–SoC específicas do VE, o tempo de conexão disponível além da duração de carregamento obrigatória e os limites de proteção da bateria.
• Limites Acionáveis: O framework proposto fornece limites inferiores e superiores (LB/UB) acionáveis para a flexibilidade. Esses limites definem a região viável para qualquer trajetória de carregamento ou descarga admissível, ofereção aos operadores de sistema e agregadores limites realistas para escalonamento, redução de picos (peak shaving) e serviços de flexibilidade de curta duração.
• Implicação Estratégica: Os achados sugerem que as estratégias para extrair valor da flexibilidade dos VEs devem priorizar a gestão de conexão (ex: gerir o tempo ocioso) em vez de simplesmente aumentar as classificações de potência dos carregadores. Além disso, os serviços de energia visando VEs de carregamento rápido devem ser desenhados em torno da janela de SoC intermediária (20–80%), onde os níveis de potência são altos e as limitações do BMS são menos restritivas.
• Mudança Metodológica: Ao mudar a perspectiva de "potência controlável" para "limites de energia realizáveis", o framework oferece uma base fisicamente consistente para integrar VEs em estudos de nível de sistema, evitando as armadilias de superestimar a despachabilidade inerentes a modelos simplificados.

O artigo conclui que, embora o framework permita a quantificação prática da flexibilidade sem medições diretas de V2G, trabalhos futuros são necessários para traduzir esses limites em ferramentas operacionais em tempo real e para estender a análise para aplicações de eletrificação de veículos pesados e portuários.