⚡ electrical engineering

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

Este estudo propõe uma estrutura de escalonamento multiobjetivo para clusters de microrredes rodoviárias fotovoltaicas-armazenamento-carregamento que integra um modelo de cascata de carga de VE espaço-temporal para considerar comportamentos de viagem dinâmicos, gerando com sucesso uma fronteira de Pareto viável que minimiza tanto os custos operacionais quanto as emissões de carbono, enquanto garante o cumprimento estrito de restrições.

Autores originais: Yanming Sun, Mohan Zhao, Pihong Gong

Publicado 2026-07-01

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yanming Sun, Mohan Zhao, Pihong Gong

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma rodovia movimentada como um longo rio de carros. Ao longo deste rio, existem três "estações de serviço" (vamos chamá-las de Estação A, Estação B e Estação C). Cada estação possui carregadores para veículos elétricos (VE), painéis solares no telhado e um enorme banco de baterias (como um enorme power bank para toda a estação).

O objetivo deste estudo é descobrir a melhor maneira de operar essas três estações para que elas economizem dinheiro e produzam menos poluição, enquanto lidam com um problema complicado: engarrafamentos mudam onde as pessoas querem carregar.

Aqui está a história de como os pesquisadores resolveram isso, explicada de forma simples:

1. O "Efeito Dominó" do Trânsito

Normalmente, os planejadores pensam na demanda de carregamento como um cronograma fixo: "A Estação A terá 100 carros às 17h". Mas, na vida real, os motoristas são espertos. Se a Estação A tiver uma fila enorme de carros esperando (uma fila de espera), os motoristas podem decidir: "Vou pular esta e dirigir até a Estação B em vez disso".

Os pesquisadores construíram um modelo digital que atua como um simulador de "efeito dominó".

O Gatilho: Se a Estação A ficar muito congestionada, o "tempo de espera" fica muito longo.
A Reação: Os motoristas verificam sua bateria. Se eles tiverem carga suficiente para chegar à Estação B com segurança, eles pulam a A e vão para a B.
O Resultado: A Estação B subitamente recebe um surto de carros que ela não estava esperando. Se a Estação B também ficar muito congestionada, alguns podem tentar pular para a Estação C.

O estudo descobriu que esse "pular" acontece principalmente entre as duas primeiras estações (A e B). Muito poucos carros pulam até a Estação C porque ficam sem bateria ou ficam cansados demais de dirigir mais longe apenas para economizar alguns minutos.

2. As Três Estações como Um Grande Time

Em vez de gerenciar a Estação A, B e C separadamente, os pesquisadores as trataram como um único grande time (um "cluster de microrrede").

Os Painéis Solares: Eles geram energia limpa e gratuita durante o dia.
A Bateria Gigante: Este é o "fundo de reserva" do time. Ela armazena o excesso de energia solar quando o sol está brilhando e a libera quando os carros chegam à noite.
A Rede (Grid): Esta é a conexão com a usina de energia principal da cidade.

O desafio era dizer à bateria quando carregar e quando descarregar para manter os custos baixos e a poluição reduzida, garantindo que nenhuma estação fique sem energia.

3. As Regras do "Não Trapacear"

Os pesquisadores usaram um algoritmo de computador inteligente (um otimizador digital) para encontrar o melhor plano. Mas eles adicionaram regras estritas de "não trapacear" para garantir que o plano realmente funcione no mundo real:

A Regra da "Bateria Vazia": Você não pode esvaziar a bateria completamente ao final do dia. Ela deve ser recarregada ao seu nível inicial para estar pronta para o dia seguinte. (Imagine que você não pode gastar todo o seu salário hoje se precisar de dinheiro para o café da manhã amanhã).
A Regra do "Não Exportar": A bateria não pode vender energia de volta para a rede elétrica principal da cidade apenas para obter um lucro rápido. Ela deve usar sua energia apenas para carregar os carros.
A Regra da "Margem de Segurança": A bateria não pode ficar cheia demais ou vazia demais, ou poderá quebrar.

4. O Resultado: Um Plano Equilibrado

O computador gerou 500 planos "perfeitos" diferentes. Os pesquisadores escolheram o que oferecia o melhor equilíbrio entre economizar dinheiro e salvar o planeta.

O que aconteceu no plano vencedor?

Dinheiro Economizado: O custo diário foi de cerca de 13.516 CNY.
Poluição Reduzida: As emissões diárias de carbono foram de cerca de 12.068 kg de CO2.
Como funcionou: A bateria carregou durante o dia, quando os painéis solares estavam trabalhando intensamente. Depois, à noite, quando os carros chegaram, a bateria liberou essa energia armazenada para carregar os veículos. Isso significou que as estações não precisaram comprar tanta energia cara e suja da rede principal.
A Verificação de Segurança: O plano passou em todos os testes. A bateria nunca secou, nunca transbordou e as linhas de energia nunca ficaram sobrecarregadas.

A Grande Conclusão

Este estudo mostra que você não pode olhar para uma estação de carregamento isoladamente. Você tem que olhar para todo o corredor da rodovia. Quando ocorre um engarrafamento na primeira parada, ele envia um efeito de ondulação ao longo da estrada, mudando para onde os carros vão. Ao entender essa "ondulação" e gerenciar os painéis solares e as baterias como um único time, as estações de rodovia podem operar de forma mais barata, limpa e confiável.

Os pesquisadores provaram que, se você construir seu plano com esses comportamentos de tráfego do "mundo real" e regras de segurança rigorosas, você obtém uma solução que não é apenas um número em uma tela, mas um plano que pode realmente funcionar amanhã.

Resumo Técnico: Escalonamento Multiobjetivo de Clusters de Microredes PV-Armazenamento-Recarga em Rodovias com Cascata de Carga de VE

Definição do Problema
As áreas de serviço em rodovias estão evoluindo para nós acoplados de transporte e energia, onde a demanda de recarga de veículos elétricos (VE) é frequentemente modelada como um perfil de carga fixo e exógeno. Essa abordagem tradicional falha em capturar a realidade dinâmica das viagens de longa distância, onde a pressão de fila, o estado de carga (SOC) restante, os atrasos de viagem e as decisões de pular estações fazem com que a demanda de recarga se desloque espacialmente ao longo de um corredor. Além disso, os modelos de escalonamento existentes frequentemente tratam a demanda de VE como estática, ignorando o comportamento de "pular a estação" (station-skipping), no qual motoristas ignoram estações congestionadas a montante para recarregar jusante. Esse descompasso cria uma lacuna entre as respostas comportamentais do tráfego e as operações de microredes do lado da energia. Adicionalmente, a otimização multiobjetivo para microredes frequentemente depende de métodos de penalidade suave (soft-penalty), que podem gerar soluções que parecem ótimas no espaço de objetivos (custo/emissões), mas violam restrições físicas críticas, como limites de SOC, capacidade do transformador ou requisitos de SOC terminal, tornando-as operacionalmente inviáveis.

Metodologia
O estudo propõe uma estrutura de duas camadas que vincula um modelo de cascata de carga de VE espaço-temporal a um modelo de escalonamento de microrede de PV-armazenamento-recarga em nível de corredor agregado.

Modelo de Cascata de Carga de VE:
- Lógica Comportamental: O modelo trata o ato de pular a estação como uma resposta comportamental restrita, em vez de uma redistribuição livre. Utiliza uma formulação logit binária para calcular as probabilidades de pular a estação com base em custos generalizados. Esses custos ponderam o tempo de espera na fila, o atraso de viagem entre estações, o SOC restante e o risco de autonomia.
- Restrições Físicas: Uma restrição rígida garante que o ato de pular a estação só seja permitido se o SOC restante for suficiente para atingir a próxima estação mantendo uma margem de segurança.
- Mecanismo de Cascata: A demanda saltada de uma estação a montante (ex: Estação A) é atrasada pelo tempo de viagem e adicionada à taxa de chegada da estação a jusante (ex: Estação B), criando uma cascata de carga espaço-temporal.
Modelo de Escalonamento de Microrede:
- Escopo do Sistema: Três áreas de serviço consecutivas (A, B, C) são agregadas em um único cluster de microrede de nível de corredor para avaliar a operação conjunta de PV compartilhada, Sistemas de Armazenamento de Energia (ESS) e transformadores.
- Objetivos: O modelo minimiza dois objetivos conflitantes: custo operacional líquido diário (incluindo compra, venda de eletricidade e degradação do ESS) e emissões líquidas de carbono diárias.
- Restrições: O horizonte de escalonamento é de 24 horas (144 intervalos de dez minutos). As principais restrições incluem limites de SOC ([0,1, 0,9]), limites de potência ativa do transformador, um requisito de SOC terminal (SOC final $\ge$ SOC inicial para evitar empréstimo de energia entre dias) e a proibição de exportação de ESS para a rede (impedindo o arbitramento mediado por baterias).
Fluxo de Trabalho de Otimização:
- Algoritmo: O Algoritmo Genético de Ordenação Não Dominada II (NSGA-II) é empregado.
- Preservação de Viabilidade: Diferente das abordagens padrão, este fluxo de trabalho integra inicialização orientada à viabilidade, reparo de restrição progressivo (limitação de limites de potência, ajuste sequencial de SOC) e filtragem de Pareto totalmente viável.
- Seleção: Apenas os cronogramas que satisfazem todas as restrições rígidas (zero violações de SOC, capacidade do transformador e SOC terminal) são retidos. Uma solução de compromisso é selecionada desta fronte de Pareto "totalmente viável" usando uma pontuação de pertinência normalizada com pesos iguais para custo e carbono.

Principais Contribuições

Modelagem Acoplada: O estudo vincula explicitamente as respostas de transporte induzidas por filas (tempo de espera, salto de estação) com as entradas de carga de microredes a jusante, indo além dos perfis de carga fixos.
Agregação de Nível de Corredor: Demonstra que, embora ocorra redistribuição de demanda no nível do nó, o escalonamento operacional deve considerar os recursos agregados (PV, ESS, capacidade da rede) de todo o corredor.
Tratamento de Viabilidade Estrita: O artigo introduz um fluxo de trabalho que impõe restrições rígidas (SOC terminal, não exportação de ESS para a rede) durante o processo de otimização, garantindo que a fronte de Pareto resultante consista inteiramente de cronogramas executáveis, em vez de aproximações de penalidade suave.
Reprodutibilidade: O estudo fornece um fluxo de trabalho NSGA-II totalmente reproduzível com sementes aleatórias fixas e mecanismos de reparo específicos, gerando 500 soluções de Pareto totalmente viáveis.

Resultados
O estudo de caso foca em um corredor com três áreas de serviço.

Dinâmica de Cascata de Carga: Os resultados mostram uma transferência de carga assimétrica. A Área de Serviço A (a montante) experimenta pressão de fila significativa (tempos de espera de até 21,46 min), levando a uma probabilidade média de salto de estação de 0,215. Esta demanda é amplamente absorvida pela Área de Serviço B (a jusante), que observa um aumento de carga. A transferência para a Área de Serviço C permanece limitada (probabilidade média de salto de 0,041) devido às restrições de SOC restante e distância de viagem.
Resultados da Otimização: Dos 500 cronogramas de Pareto totalmente viáveis, um compromisso foi selecionado:
- Custo Operacional Líquido: 13.515,78 CNY/dia.
- Emissões Líquidas de Carbono: 12.067,92 kg CO₂/dia.
- Métricas Operacionais: O ESS opera principalmente para deslocar energia dentro do corredor (carregando durante a disponibilidade de PV, descarregando durante os picos da noite) em vez de exportar para a rede. A exportação total de rede, exportação de PV e exportação de ESS para a rede são todas de 0,00 kWh.
- Satisfação de Restrições: A solução mantém o SOC dentro de [0,2577, 0,9000], retorna o SOC terminal ao valor inicial de 0,5000 e registra zero violações para os limites de SOC, capacidade do transformador e exportação de ESS para a rede.

Significância e Alegações
O artigo alega que tratar a demanda de recarga em rodovias como um processo espacialmente transferível, moldado pelas condições de fila e restrições de autonomia, fornece uma interface mais clara entre a dinâmica do tráfego e as operações do sistema de energia. A significância do trabalho não reside na novidade do otimizador (NSGA-II) em si, mas no acoplamento reproduzível da modelagem de cascata de carga induzida por filas com o escalonamento de nível de corredor preservador de viabilidade.

Os autores enfatizam que, ao impor a recuperação do SOC terminal e proibir a exportação de ESS para a rede, o equilíbrio custo-emissão relatado é mais auditável e operacionalmente interpretável. O compromisso selecionado é apresentado não como um ótimo numérico sem restrições, mas como um cronograma viável que respeita os limites físicos da microrede e as realidades comportamentais dos motoristas de VE. O estudo conclui que tal estrutura apoia a operação de baixo carbono, tecnicamente interpretável e com conformidade de restrições de clusters de microredes de corredores rodoviários, embora reconheça limitações relativas a fatores de carbono fixos, horizontes de um único dia e a auste de restrições de fluxo de potência CA.