Como otimizar o carregamento de veículos elétricos em microrredes com fontes renováveis e restrições complexas?

O problema do agendamento ótimo de carregamento de veículos elétricos (VEs) em uma microrrede insere-se na classe dos problemas clássicos de escalonamento de recursos escassos a clientes ao longo do tempo. No entanto, a sua especificidade — dada pela variabilidade dos custos de energia, a integração com fontes renováveis intermitentes e a existência de restrições rígidas — exige abordagens modeladas com alto grau de sofisticação. A formulação e solução desse problema devem considerar o comportamento dinâmico do sistema em um contexto de eventos discretos e operando sob o paradigma de controle preditivo.

A otimização tem como objetivo determinar os instantes de início e as durações ideais dos carregamentos, tendo como horizonte temporal um intervalo constante que se desloca com o tempo. A cada novo passo de controle, o problema é reavaliado com previsões atualizadas dos insumos não manipuláveis — produção de fontes renováveis e demandas locais. Estas previsões são tratadas como determinísticas com base nas informações disponíveis no momento da decisão.

A modelagem matemática do sistema utiliza as seguintes variáveis principais de fluxo de potência ao longo do tempo:

• PEV(t): potência unidirecional fornecida à estação de carregamento dos VEs; assume valor zero na ausência de veículos em carregamento.

• PG(t): potência bidirecional trocada com a rede elétrica principal, positiva quando há consumo e negativa quando há injeção.

• PR(t): potência proveniente das fontes renováveis, dada pela soma das contribuições eólica e solar.

• PF,l(t): potência fornecida por cada uma das L fontes fósseis da microrrede.

• PD(t): demanda de carga não adiável, também prevista ao longo do horizonte.

• PS(t): fluxo bidirecional com o sistema de armazenamento de energia, positivo quando há descarga.

• SOCS(t): estado de carga do sistema de armazenamento no instante t.

Para cada veículo $V_i$, os parâmetros conhecidos são:

• rti: instante em que o veículo está disponível para carregamento.

• ddi: data preferencial de entrega.

• dli: prazo máximo de conclusão do serviço.

• ERi: quantidade de energia solicitada.

• αi: penalidade por atraso, expressa como custo por unidade de energia por unidade de tempo de atraso.

A complexidade adicional introduzida pelas flutuações nos custos de energia ao longo do tempo, e pela interação entre diferentes fontes de energia dentro de uma infraestrutura com fluxos bidirecionais e múltiplos subsistemas, impõe a necessidade de abordagens otimizadas e específicas. A utilização de controle preditivo em horizonte móvel oferece uma resposta robusta a essa complexidade, permitindo reagir dinamicamente a atualizações de previsão e garantir uma operação eficiente, segura e economicamente viável.

Em termos práticos, a implementação do modelo exige:

• coleta e interpolação analítica de dados de previsão de geração renovável, consumo e preços de energia;

• caracterização completa dos VEs a serem carregados;

• integração das diferentes fontes de geração e do sistema de armazenamento em um modelo unificado;

• formulação matemática precisa do problema de otimização com restrições rígidas de tempo, capacidade e atendimento integral da demanda energética dos veículos;

• solução recorrente do problema

Como garantir a otimização no carregamento de veículos elétricos em redes inteligentes?

A otimização do processo de carregamento de veículos elétricos (EVs) em redes inteligentes envolve uma complexa modelagem matemática que considera tanto os custos associados à geração de energia como as restrições físicas e temporais dos sistemas envolvidos. Os custos relacionados às usinas movidas a combustíveis fósseis são calculados somando-se o produto do custo unitário da energia produzida e a energia gerada por cada usina ao longo dos intervalos de tempo considerados. Paralelamente, é fundamental contabilizar as penalidades associadas ao atraso no carregamento dos veículos, que são proporcionalmente relacionadas à quantidade de energia requerida e ao tempo excedido após o prazo máximo permitido.

A equação do balanço de potência em cada intervalo de tempo estabelece que a soma da potência gerada pelas usinas convencionais, pela geração fotovoltaica e pela energia armazenada deve ser igual à demanda líquida da rede mais a potência destinada ao carregamento dos veículos. Nesse contexto, a dinâmica do armazenamento energético é representada por uma equação que incorpora as eficiências de carga e descarga, a capacidade máxima da bateria e o fluxo de potência, considerando que as potências de carga e descarga não podem ocorrer simultaneamente no mesmo intervalo.

Cada veículo elétrico possui uma demanda energética que deve ser satisfeita integralmente, o que implica que a soma da potência destinada ao seu carregamento ao longo dos intervalos, multiplicada pela duração desses intervalos, deve ser igual à energia requerida para completar a carga. Para modelar a ativação do carregamento, introduz-se uma variável binária que indica se o veículo está sendo carregado naquele intervalo, vinculando essa decisão à potência efetivamente entregue, com o uso de uma constante arbitrariamente grande para garantir a coerência das restrições.

Adotando uma simplificação, considera-se que a potência média do carregamento de cada veículo é constante em todos os intervalos em que ele está sendo alimentado, facilitando o cálculo do perfil de potência total da estação. Também são impostas restrições temporais, garantindo que o carregamento seja concluído antes dos prazos estabelecidos e que a duração total do carregamento respeite limites mínimos.

A determinação da potência inicial para o carregamento de cada veículo é feita a partir da avaliação da potência média e da integração da função de potência ao longo do intervalo, considerando a eficiência do processo. A solução dessa equação permite definir numericamente o valor ótimo da potência inicial, que será a base para o cálculo do perfil de potência ao longo do tempo.

Além dos aspectos técnicos aqui apresentados, é essencial compreender que o gerenciamento otimizado do carregamento de veículos elétricos deve integrar variáveis externas como a previsão da geração renovável, as condições de operação da rede e as preferências dos usuários, criando um sistema dinâmico e resiliente. O equilíbrio entre custos, eficiência energética, limitações físicas e prazos de atendimento é o cerne do desafio, sendo a modelagem matemática uma ferramenta fundamental para o planejamento e a operação dessas redes inteligentes. Ademais, o impacto ambiental e a sustentabilidade econômica devem estar sempre presentes na análise, considerando que a integração eficaz dos veículos elétricos pode contribuir significativamente para a redução das emissões de carbono e a melhoria da qualidade energética no sistema elétrico.