Ottimizzazione combinata per la localizzazione e gestione di infrastrutture di ricarica per veicoli elettrici commerciali

Descrizione di uno script di ottimizzazione implementato in MatLab attraverso l’interfaccia YALMIP e il solver Gurobi. Lo script implementa una serie di funzioni, tra le quali il calcolo del power-flow (BFM) di una rete radiale impostata dall’utente (p.e. rete standard IEEE33 Bus). Nel calcolo del power flow verranno tenuti in considerazione i carichi e la generazione presente nella rete. Il software comprende inoltre una funzione per la gestione di una flotta di veicoli elettrici commerciali, i quali verranno collegati dall’ottimizzatore a dei nodi resi disponibili dall’utente. Tali nodi, sono associati a dei siti candidati alla costruzione di strutture di stoccaggio con infrastrutture di ricarica per gli EVs. Ciascun veicolo può fornire servizi di rete attraverso il vehicle-to-grid (V2G). L’ottimizzatore in funzione dei profili di carico e generazione inseriti, può attivare servizi come il V2G, il load-curtailment o il generation-curtailment. All’interno dello script è presente, inoltre, una funzione che implementa il capacitated-facility-location-problem (CFLP), attraverso il quale l’ottimizzatore selezionerà in quali, tra i vari siti candidati, costruire le strutture di stoccaggio. Questa scelta verrà effettuata tenendo i considerazione la posizione e la domanda dei clienti presenti nello spazio considerato. Lo scopo della ricerca è di sfruttare il software per realizzare delle ottimizzazioni dal punto di vista di due figure distinte: il DSO e un’azienda di trasporti. Lo scopo del DSO è di gestire la rete minimizzando le perdite, mentre l’azienda è focalizzata sulla minimizzazione dei costi fissi e variabili derivati dalla costruzione delle strutture e dalla soddisfazione dei suoi clienti. Sono stati proposti due scenari, ottenuti apportando delle modifiche alla struttura della rete e alle sue caratteristiche, compreso il carico e la generazione. Tali scenari sono utili per confrontare i risultati ottenuti dalle due figure che svolgono l’ottimizzazione in situazioni differenti (p.e. congestioni e/o sovratensioni e sotto tensioni nodali). Si dimostra inoltre, il risparmio in termini di costi, ottenuto attraverso la combinazione congiunta.