Deadline-Aware Electric Vehicles Charging with Distribution Transformer Overload Mitigation

Resumo Técnico: Carregamento de Veículos Elétricos Consciente de Prazos com Mitigação de Sobrecarga de Transformadores de Distribuição

Definição do Problema
A rápida adoção de veículos elétricos (VEs) exerce uma pressão significativa sobre a infraestrutura de nível de distribuição, particularmente em transformadores residenciais e comerciais que não foram projetados para grandes cargas de carregamento coincidentes. Embora o carregamento de VEs seja inerentemente flexível no tempo, o agrupamento de chegadas e os prazos de partida heterogêneos podem causar sobrecargas de curta duração, mas severas. Essas sobrecargas aceleram o envelhecimento do isolamento do transformador e aumentam o risco de falha prematura do ativo.

Os esquemas de coordenação existentes tipicamente impõem prazos rígidos e limites estritos de transformador, assumindo implicitamente que existe capacidade suficiente para satisfazer todas as demandas. Sob alta penetração de VEs ou infraestrutura restrita, essas formulações tornam-se infactíveis. Por outroulo, estratégias conscientes do transformador que limitam estritamente a carga frequentemente restringem o carregamento de forma uniforme, falhando em considerar a urgência heterogênea de diferentes VEs (por exemplo, motoristas que viajam para o trabalho com partidas fixas versus carregamento noturno flexível). Isso cria uma lacuna operacional crítica: como alocar a capacidade limitada do transformador entre VEs com diferentes prazos quando satisfazer todos os pedidos sem sobrecarregar o transformador é impossível.

Metodologia
O artigo propõe uma estrutura de carregamento de VE consciente de prazos que explicitamente negocia o envelhecimento térmico do transformador versus a qualidade do serviço de carregamento. A abordagem é desenvolvida em três estágios:

1. Formulação Determinística Offline:
   Os autores formulam primeiro um problema de otimização determinística assumindo conhecimento total das chegadas de VEs, demandas e cargas de base.

• Envelhecimento do Transformador: O estresse é modelado usando uma proxy de sobrecarga convexa, $\Phi(P_t) = (P_t / P_{rated})^\alpha$, onde $\alpha > 1$. Isso captura o aumento rápido do envelhecimento conforme a carga se aproxima da capacidade nominal.
• Prazos Suaves (Soft Deadlines): Em vez de restrições rígidas, o modelo utiliza um termo de energia não atendida ponderado por penalidade no momento da partida. Cada VE $j$ possui um coeficiente $\pi_j$ que reflete sua flexibilidade de carregamento (maior $\pi_j$ para veículos críticos em relação ao tempo). O objetivo minimiza a soma do envelhecimento cumulativo do transformador e das penalidades de energia não atendida normalizadas.

2. Formulação de MDP Estocástica:
   Para abordar a incerteza do mundo real (chegadas aleatórias, partidas e evolução da carga de base), o problema é estendido para um Processo de Decisão de Markov (MDP) de horizonte finito.

• Estado: Inclui a carga de base e a energia restante/prazos dos VEs conectados.
• Custo: O custo de um passo combina a proxy de envelhecimento instantâneo do transformador e a penalidade pela energia não atendida de veículos que partem.
• Desafio: Resolver a recursão de Bellman exatamente é computacionalmente intratável devido ao espaço de estados de alta dimensão.

3. Política Online de Baixa Complexidade:
   Aproveitando insights estruturais do MDP, os autores desenvolvem uma política de carregamento em tempo real baseada em um Índice de Urgência Consciente do Custo Marginal.

• Mecanismo: Em cada passo de tempo, o algoritmo calcula o custo marginal de envelhecimento ($g_t$) de aumentar a carga do transformador. Em seguida, calcula um índice de urgência $U_j(t)$ para cada VE conectado, definido como a razão entre o benefício marginal do serviço (baseado na energia restante, tempo até o prazo e coeficiente de flexibilidade) e o custo marginal de envelhecimento.
• Alocação: Os VEs são ordenados por $U_j(t)$ em ordem decrescente. A potência de carregamento é alocada sequencialmente até que a capacidade do transformador seja esgotada ou que o benefício marginal de atender o próximo VE caia abaixo do custo marginal de envelhecimento ($U_j(t) < 1$). Isso garante que a capacidade seja alocada preferencialmente para VEs críticos no tempo apenas quando o custo de saúde do ativo é justificado.

Principais Resultados
A abordagem proposta foi avaliada através de estudos de caso em um transformador de distribuição de 100 kW sob quatro cenários variando de baixa a alta penetração de VE e congestionamento:

• Troca entre Envelhecimento vs. Serviço: Considerar explicitamente o envelhecimento do transformador na função objetivo reduziu consistentemente o estresse térmico em todos os cenários. No entanto, conforme o congestionamento aumentava, tanto o envelhecimento quanto a energia não atendida aumentavam, destacando o compromisso inerente.
• Desempenho Online vs. Offline: A política online resultou em um envelhecimento equivalente do transformador ligeiramente maior em comparação com o benchmark offline (que possui conhecimento perfeito do futuro), mas alcançou menor energia de carregamento não atendida. Isso indica que a política online aloca potência de forma mais agressiva para atender à demanda realizada, melhorando a conclusão do serviço a um custo modesto para a vida útil do ativo.
• Sensibilidade ao Expoente de Envelhecimento ($\alpha$): Aumentar o expoente de envelhecimento $\alpha$ tornou o custo de envelhecimento mais convexo, levando o otimizador a evitar o carregamento em horários de pico de forma mais agressiva. Isso reduziu o envelhecimento, mas aumentou a energia não atendida, confirmando que $\alpha$ controla efetivamente a agressividade da proteção do ativo.
• Diferenciação de Serviço: Em cenários com VEs "críticos" (coeficientes de penalidade elevados), a política conseguiu priorizar esses veículos, demonstrando a capacidade do framework de lidar com a heterogeneidade do serviço sob congestionamento severo.

Significância e Alegações
O artigo afirma abordar uma lacuna operacional fundamental no carregamento de VEs onde restrições rígidas falham sob congestionamento. Suas principais contribuições são:

1. Viabilidade sob Congestionamento: Ao suavizar os prazos via energia não atendida ponderada por penalidade, a estrutura permanece viável mesmo quando a capacidade do transformador é insuficiente para satisfazer todas as demandas, ao contrário de abordagens de restrição rígida.
2. Priorização Consciente do Ativo: A política online proposta permite um compromisso fundamentado entre proteger os ativos de distribuição (via custos marginais de envelhecimento) e manter a qualidade do serviço (via índices de urgência), permitindo a alocação preferencial para VEs críticos em relação ao tempo.
3. Aplicabilidade em Tempo Real: A política online de baixa complexidade aproxima o desempenho do benchmark offline usando apenas informações locais e em tempo real, tornando-a adequada para implantação prática sem a necessidade de conhecimento futuro.

Os autores concluem que considerar explicitamente a saúde do ativo e a flexibilidade de prazos é essencial para a coordenação de carregamento de VE sob congestionamento, oferecendo um caminho para equilibrar a preservação da vida útil do transformador com as expectativas de carregamento do cliente. Um trabalho futuro é mencionado para estender esta estrutura para restrições de nível de alimentador e coordenação de múltiplos transformadores.