El uso de vehículos eléctricos en todo el mundo es cada vez mayor: privados, compartidos, transporte público e incluso taxis. La preocupación por el medio ambiente, la sostenibilidad y el bajo coste en mantenimiento y energía hacen que cada vez más usuarios se decidan por esta opción, observándose un crecimiento exponencial anual en el número de unidades vendidas.
El reto para la red de distribución consiste en dar servicio a este nuevo segmento de usuarios con una alta demanda en periodos cortos de tiempo sin tener que realizar nuevas inversiones en infraestructura de red. La inteligencia artificial ayuda a minimizar el impacto de la movilidad eléctrica.
Aunque los usuarios seguirán decidiendo dónde quieren cargar, el uso de Machine Learning facilitará recomendar la mejor estación de carga para cada momento. Estudiando su comportamiento y los datos de demanda frente a capacidad de la red, podemos crear modelos predictivos que animen a los usuarios a usar estaciones con baja ocupación, y que tengan en cuenta las condiciones meteorológicas para recomendar el uso de estaciones de carga alimentadas por energías renovables en el momento óptimo.
Toda la demanda no será planificada, algunos usuarios acudirán a las estaciones de carga de manera impredecible, por lo que es necesario usar un algoritmo que asigne la cantidad de energía adecuada a cada vehículo para hacer rentable el proceso. Mediante aprendizaje por refuerzo, el algoritmo se penaliza a sí mismo al superarse la capacidad de carga contratada por la estación. El sistema aprende de estos comportamientos y ajusta sus parámetros ante la demanda y la energía disponible en la red en tiempo real para optimizar el uso de las estaciones de carga. Al dirigir a los usuarios el algoritmo ofrece un esquema dinámico de precios, mejorando el rendimiento económico de una estación en un 15%.
Un buen ejemplo es la investigación realizada en el marco europeo H2020 por el proyecto Electrific liderado por Gfi, que utiliza este tipo de modelos basados en inteligencia artificial junto a los datos de navegación y nivel de carga de los vehículos para proponer rutas que incluyan estaciones de carga en función del trayecto, el estado de la red y el nivel de carga del vehículo.
Durante el confinamiento por COVID-19 vivimos una caída drástica en la contaminación atmosférica por la reducción del tráfico rodado, en ciudades como Madrid se registra el 20% del habitual. Lo podemos considerar como un viaje en el tiempo, en el que obtenemos datos de calidad del aire del futuro, en el que el 80% de los vehículos producen cero emisiones.
Este registro supone un objetivo que animará a los gobiernos a acelerar políticas de adopción del vehículo eléctrico y eficiencia energética inteligente como revulsivo al consumo insostenible de estos últimos años. La inteligencia artificial será la base para el despliegue de un nuevo paradigma energético, extendiendo sus usos actuales en la gestión de la demanda a la gestión integral inteligente desde la producción hasta el usuario final.
