Tesi doctoral de Marc Cañigueral Maurici: "Modelling of electric vehicle user profiles for flexibility managementand charging infrastructure planning". Direcció: Dr. Joaquim Melèndez Frigola. Departament d'Enginyeria Elèctrica, Electrònica i Automàtica
La transició a la mobilitat elèctrica s'enfronta a múltiples reptes, generalment associats amb el desplegament de la infraestructura de càrrega. D'una banda, les ciutats han de desenvolupar una infraestructura de càrrega que satisfaci les necessitats dels usuaris, mentre que el tipus d'usuaris de vehicles elèctrics (VE) són específics per a cada àrea de càrrega. D'altra banda, una alta demanda de VE en el sistema d'energia pot portar problemes de congestió a la xarxa elèctrica de baixa tensió i això pot implicar problemes en la qualitat del subministrament elèctric i una barrera per a un major desenvolupament de la infraestructura de càrrega. Aquesta tesi pretén proporcionar eines per resoldre els reptes plantejats en les dues etapes de l'adopció de la mobilitat elèctrica. Amb aquest objectiu, es proposa una metodologia per agrupar i modelar perfils d'usuari genèrics de VEs basats en patrons de connexió, la qual s'aplica en dues àrees clau: gestió de la flexibilitat i planificació d'infraestructures de càrrega.
El concepte de perfils d'usuari s'introdueix com una eina per identificar patrons de connexió comuns amb un potencial de flexibilitat característic. Una metodologia d'agrupament que utilitza Models Mixtos Gaussians (MMG) s'aplica basant-se en variables com l'hora d'inici i la durada de la connexió. S'observen patrons d'ús comuns en la infraestructura de càrrega pública, proporcionant informació sobre el comportament dels usuaris de VEs. La metodologia d'elaboració de perfils es valida amb tres conjunts de dades reals de sessions de càrrega juntament amb els tres articles de revista que configuren el nucli d'aquesta tesi.
La metodologia de clustering és seguida per una metodologia de modelatge per realitzar simulacions estocàstiques de les sessions de càrrega del VE en termes de temps de connexió, energia requerida i potència de càrrega. Modelar cada perfil d'usuari independentment permet simular una àmplia gamma d'escenaris, ja que la presència de cada perfil d'usuari sobre la demanda total del VE es pot configurar segons l'entorn, és a dir, la ubicació, l'horitzó temporal, etc. Aquesta aplicació s'explora amb dos articles de revista on es simulen escenaris amb alta penetració de sessions de VE per (1) dimensionar de manera òptima una àrea de càrrega i (2) analitzar el nombre requerit de punts de càrrega a nivell de ciutat. En ambdues contribucions, la configuració de perfils d'usuari en àrees específiques és crucial per un dimensionament adequat de la infraestructura de càrrega, evitant costos addicionals que perjudiquin el model de negoci o la pèrdua de confiança dels usuaris del VE amb instal·lacions sotadimensionades.
Aquesta tesi també compara diferents estratègies de càrrega intel·ligent a través de simulacions, així com els beneficis que l'enfocament de perfilat d'usuaris podria aportar als programes de càrrega intel·ligents. Quan es programen sessions individuals d'acord amb una consigna de demanda agregada, el coneixement addicional de perfils de VE poden proporcionar informació per a una predicció de flexibilitat més fiable. A més, les sessions de programació dels perfils seleccionats podrien conduir a un estalvi de costos d'explotació i a una reducció de l'impacte sobre els usuaris de VEs. En general, aquesta tesi millora la comprensió del comportament de l'usuari de VE, analitza diferents estratègies de càrrega intel·ligents i proporciona informació per a la planificació de la infraestructura de càrrega. Aquests resultats tenen implicacions pràctiques per a les parts implicades en l'ecosistema del VE, contribuint a la transició cap a la mobilitat elèctrica.
Lectura de la tesi: 16/06/23, Sala de Graus de la Facultat de Ciències (informació extreta de l’Agenda activitats de la web Escola de Doctorat)