Introducción
El principal beneficio ambiental de los vehículos eléctricos (EV) es la reducción de las emisiones de gases de escape, que ayuda a disminuir las emisiones totales de gases de efecto invernadero en el transporte. Un beneficio secundario emergente es la posibilidad de utilizar baterías de vehículos eléctricos como activo de almacenamiento de energía para mejorar la gestión energética de edificios y la respuesta a la demanda de la red, que se conocen como vehículo a edificio (V2B) y vehículo a red (V1G y V2G), respectivamente.
El beneficio específico de usar baterías de vehículos eléctricos para V2B y V2G es reducir la necesidad de más centrales eléctricas para el suministro del sistema, que generaría más emisiones, y ofrecer una operación más flexible y eficiente. Para V2B, la dependencia de la potencia de la red puede reducirse mediante el aumento del consumo de energía producida por recursos energéticos distribuidos (DER) locales como sistemas fotovoltaicos (PV). Además, presenta la oportunidad de ofrecer funcionamiento autónomo respecto de una conexión a la red principal, lo que se conoce como insularización, y mejorar la seguridad del suministro en caso de interrupción del suministro eléctrico.
En este white paper, descubrirá los beneficios y la importancia de optimizar la carga de vehículos eléctricos para mejorar la eficiencia de la red. El informe explica cómo los métodos de carga inteligente pueden beneficiar a la respuesta general del sistema de energía, examina prácticas recomendadas de optimización, y analiza cómo el modelado y la simulación pueden optimizar el desarrollo de infraestructura de carga, entre otras cuestiones.
Carga bidireccional
Para que las baterías de vehículos eléctricos actúen como activos despachables dentro de sistemas de mayor tamaño, deben conectarse mediante cargadores bidireccionales, que permiten la carga y descarga de la batería en el sistema de energía de un edificio o en la red. Estos cargadores bidireccionales son convertidores de potencia gestionados mediante controladores digitales. El diseño de estos controladores se puede efectuar mediante modelado y simulación. Este enfoque permite la verificación no solo del funcionamiento detallado del controlador del convertidor de potencia, sino también de la respuesta del sistema general en términos de restricciones de funcionamiento, como límites de tensión y corriente, y condiciones de fallo, como fallo de un interruptor electrónico de potencia.
La carga bidireccional se logra mediante un convertidor de potencia bidireccional que contiene interruptores electrónicos de potencia controlables, como IGBT o MOSFET. El control digital se utiliza para generar un ciclo de trabajo para la modulación por ancho de pulsos (PWM), que ordena a los interruptores electrónicos de potencia que se enciendan y apaguen. Si bien existen diferentes topologías de convertidores de potencia utilizados para carga de vehículos eléctricos, el puente activo dual (DAB) es una opción popular, debido a su eficiencia y flexibilidad de funcionamiento. La Figura 1 muestra la topología de un DAB modelado con Simscape Electrical™.
Figura 1. Topología de DAB.
Un DAB consta de dos puentes en H conectados mediante un transformador de aislamiento. Cada puente en H se controla de manera independiente para lograr el perfil de funcionamiento general deseado.
La Figura 2 a continuación muestra gráficos de MATLAB® que se basan en una simulación de Simscape Electrical. La Figura muestra un DAB que funciona utilizando control de desplazamiento de fase, donde las fases de las tensiones de los puentes en H primario y secundario se desplazan una con respecto a la otra para lograr una determinada magnitud y dirección del flujo de potencia. La visualización muestra que la potencia fluye desde el lado primario hasta el secundario, ya que la tensión de CA primaria (VACp) precede a la tensión de CA secundaria (VACs). En el caso de la inversión del flujo de potencia, VACp sigue a VACs. La simulación se utiliza no solo para diseñar el sistema de control, sino también para seleccionar componentes eléctricos apropiados con clasificaciones adecuadas para cumplir con los requisitos de funcionamiento.
Carga inteligente
Conectar varios vehículos eléctricos a sistemas V2B o V1G/V2G presenta la oportunidad de aplicar carga inteligente. En V1G, se trata de carga unidireccional, mientras que en V2G es carga bidireccional. La carga inteligente es aquella donde se pueden utilizar técnicas de optimización para ajustar los perfiles de carga individuales de cada batería y lograr algún beneficio en nivel de sistema.
Por ejemplo, la siguiente visualización (Figura 3) muestra un sistema V2G en el que cuatro vehículos eléctricos están conectados a una red. Supongamos que los cuatro vehículos eléctricos se conectan y desconectan en diferentes momentos y, al final del tiempo de conexión, cada vehículo eléctrico está completamente cargado. Supongamos también que se conocen de antemano los tiempos de conexión y desconexión; esta suposición es una simplificación con fines meramente ilustrativos. Cuando los vehículos eléctricos se cargan a una potencia constante, de manera no inteligente, los patrones de carga resultantes se muestran en rojo, donde observará que cada vehículo eléctrico está completamente cargado al final del ciclo de carga. Observe que la potencia de la red muestra un pico considerable en este escenario. En cambio, se pueden aplicar métodos de optimización e imponer una restricción para reducir la potencia de red pico mientras se asegura que cada vehículo eléctrico esté completamente cargado al final de su período de conexión. Estos patrones de carga se muestran en verde. Observe que durante los períodos de conexión las baterías pueden cargarse y descargarse para desplazar la energía en el tiempo, lo que reduce la potencia de red pico. Un posible inconveniente de la carga inteligente es que las baterías de vehículos eléctricos pueden someterse a más ciclos que con una carga constante, lo que reduce su vida útil restante. El marco de optimización se puede mejorar para que contemple otras restricciones técnicas, como reducir los ciclos de carga/descarga de cada batería.
Optimización tecnoeconómica de estaciones de carga
El análisis tecnoeconómico (TEA) es una parte importante del dimensionamiento y funcionamiento del sistema general, y suele realizarse empleando métodos de optimización aplicados a modelos de balance energético simples. El objetivo del TEA es determinar un funcionamiento optimizado según ciertos criterios, como reducción de ciclos de carga de baterías individuales de vehículos eléctricos o suministro de almacenamiento suficiente para satisfacer la respuesta a la demanda de la red, y garantizar que no se excedan los límites de funcionamiento. Una vez que se realiza el TEA, se puede agregar un modelado detallado que capture los aspectos más técnicos del desarrollo del sistema de gestión de energía y haga referencia al TEA para comprobar que el diseño detallado cumple con los requisitos de funcionamiento previstos.
En la Figura 4 a continuación, considere una estructura de sistema de microrred que incluye energía renovable y almacenamiento en nivel de red, además de una conexión a la red pública que proporciona suministro a una estación de carga de vehículos eléctricos y cargas industriales. El escenario en consideración es que la estación de carga de vehículos eléctricos solo puede usar energía renovable, mientras que la carga industrial puede utilizar energía renovable y la red pública. En este caso, una restricción técnica es que el almacenamiento en nivel de red solo puede cargarse cuando existe energía renovable disponible, y que la estación de carga de vehículos eléctricos solo puede tomar energía de fuentes renovables y almacenamiento en nivel de red.
Además de la restricción técnica que supone el flujo de potencia, una optimización tecnoeconómica también tiene como objetivo dimensionar los componentes del sistema para reducir el coste de capital y el coste de funcionamiento durante la vida útil del sistema prevista. El análisis y optimización tecnoeconómicos suelen considerar períodos de un año en intervalos de una hora, que se conoce como simulación 8760 (un año estándar tiene 8.760 horas). La Figura 5 muestra el resultado de una optimización tecnoeconómica, la potencia de cada componente a cada hora, para garantizar un balance energético entre suministro y demanda.
Estudios de integración a la red
Si bien las ecuaciones de balance energético simplificadas utilizadas en los análisis anteriores son valiosas para aplicar técnicas de optimización, las perspectivas de ingeniería que ofrecen son limitadas. Para evaluar el impacto de la carga de vehículos eléctricos en la respuesta de la red se requieren estudios de simulación de sistemas de energía más detallados. A grandes rasgos, las simulaciones de sistemas de energía se clasifican en dos tipos: fasoriales y de transitorios electromagnéticos (EMT). La Figura 6 muestra la principal diferencia entre la simulación EMT y la simulación fasorial. El método EMT simula las formas de onda detalladas, mientras que el fasorial simplifica la simulación sirviéndose de valores RMS, lo que significa que se pueden aumentar los pasos de tiempo de la simulación. Tenga en cuenta que la simulación fasorial no captura los transitorios de forma de onda, sino las condiciones de funcionamiento en estado estacionario.
Figura 6. Métodos de simulación de sistemas de energía.
Las simulaciones fasoriales son más adecuadas para estudios de impacto en la red a largo plazo de la carga de vehículos eléctricos, ya que permiten realizar simulaciones cuasiestáticas con unidades de tiempo más amplias y períodos de tiempo más prolongados. Una simulación cuasiestática no necesita que se simulen respuestas dinámicas detalladas. En cambio, se centra en desplazarse a través de un número de puntos de funcionamiento, donde las unidades de tiempo pueden variar entre unos minutos y una hora, y los períodos de tiempo bajo estudio, entre unas horas y un año o más.
La Figura 7 muestra las tensiones de nodo de un modelo de sistema de distribución representativo con unidades de tiempo de 10 minutos durante un período de 24 horas utilizando simulación fasorial cuasiestática. En la parte izquierda aparecen las magnitudes de tensión en cada período de tiempo, y en la derecha un histograma de las magnitudes de tensión durante un período de 24 horas. El análisis estadístico es un complemento valioso del análisis en el dominio del tiempo para obtener una perspectiva adicional de patrones de funcionamiento en múltiples escenarios.
Figura 7. Visualización de variaciones de tensiones de nodo a lo largo del tiempo y su perfil de distribución.
Por lo general, los estudios de impacto en la red requieren tener en cuenta muchos escenarios de funcionamiento, que pueden llegar a ser miles. Para simular un gran número de escenarios de funcionamiento de manera eficiente, se puede recurrir al cálculo paralelo para distribuir los escenarios en múltiples núcleos. En el siguiente ejemplo, se utilizan cuatro núcleos para distribuir múltiples escenarios, lo que incrementa 3,5 veces la velocidad. Cuantos más núcleos haya disponibles, mayor será la velocidad.
Los estudios EMT son necesarios cuando se precisa información más detallada sobre el funcionamiento de una tecnología específica; por ejemplo, cuando se evalúa el impacto de armónicos de conmutación de electrónica de potencia en el sistema de energía. Las estaciones de carga de vehículos eléctricos suelen conectarse a la red mediante recursos basados en inversores (IBR), que son convertidores de potencia gestionados mediante control digital. La simulación de IBR requiere unidades de tiempo pequeñas, del orden de microsegundos o nanosegundos, para capturar el efecto de la conmutación de electrónica de potencia, y también exige modelar el sistema de control y la topología detallada del convertidor de potencia. La siguiente visualización dinámica muestra la respuesta de un inversor trifásico controlado mediante modulación por ancho de pulsos (PWM). Observe los armónicos de mayor frecuencia causados por la conmutación de electrónica de potencia.
Conclusión
El modelado y la simulación, junto con otras herramientas computacionales como la optimización, pueden proporcionar información a los equipos de diseño de sistemas en una etapa inicial del desarrollo tecnológico. Esto puede ayudar a mitigar errores de diseño e infundir confianza en que el sistema que se está desarrollando trabajará de manera resiliente y eficiente en el rango de funcionamiento previsto.
