Algoritmos Genéticos na Otimização da Recarga de Veículos Elétricos

Compartilhar no facebook
Compartilhar no linkedin
Compartilhar no whatsapp

Introdução

A eletrificação dos meios de transporte vem se consolidando mundialmente como uma das soluções para combater as mudanças climáticas e o aquecimento global. Entretanto, a popularização dos veículos elétricos ainda esbarra na ausência de uma infraestrutura de recarga que atenda as necessidades dos motoristas.

Diferentemente dos veículos a combustão, onde o abastecimento é feito apenas em postos de combustíveis, os veículos elétricos podem ser abastecidos em casa, ou em locais onde os veículos ficam parados por um longo período de tempo, como o estacionamento do local de trabalho, shopping centers, supermercados, academias, etc.

Essa flexibilidade de realizar a recarga dos veículos em diferente locais sugere que o problema da criação de uma infraestrutura de eletropostos poderia ser resolvido pela simples instalação de estações de recarga Brasil afora. Entretanto, uma análise da demanda de energia desses veículos mostra que o problema não é tão simples assim.

Um veículo elétrico de porte médio, como o Renault Zoe, possui um banco de baterias com capacidade de 41KWh. Estações de recarga de baixa potência, que são os modelos frequentemente utilizadas em estacionamentos, tem potência da ordem de 7 a 22KW. Assim, a recarga completa de um veículo com capacidade de bateria equivalente ao Renault Zoe levaria em torno de 6 horas numa estação de 7KW.

Além da demora na recarga, a demanda por energia também pode ser bastante elevada, principalmente se várias estações de recarga forem instaladas num mesmo estacionamento. Essa alta demanda exigiria investimentos adicionais na infraestrutura elétrica do estabelecimento, o que poderia tornar o modelo de negócios inviável economicamente para muitos estabelecimentos comerciais.

Uma solução para o problema seria criar um sistema de otimização capaz de gerenciar as várias estações de recarga do estacionamento, controlando a energia de cada uma delas de modo a garantir que todos os veículos conectados sejam carregados no menor tempo possível, mas sem ultrapassar os limites de potência da instalação elétrica do estacionamento.

Além da quantidade de estações de recarga e da capacidade da instalação elétrica do estacionamento, o algoritmo de otimização pode ainda levar em conta outros fatores que podem ter influência sobre o planejamento da recarga de cada veículo. Por exemplo, o sistema poderia levar em conta o estado inicial das baterias de cada veículo, a necessidade de energia de acordo com a demanda de deslocamento de cada motorista, o tempo que o motorista poderá deixar o veículo conectado a estação, a curva de carga da instalação elétrica do estabelecimento, variações no custo da energia, etc.

A pesquisa desenvolvida

O desenvolvimento de um algorítmo capaz de otimizar o processo de recarga de diversos veículos elétricos, num estacionamento com várias estações de recarga, pode ser um desafio bastante complexo. Aliar a experiência prática de profissionais envolvidos com o tema de mobilidade elétrica, com a excelência em pesquisa da universidade foi o caminho encontrado por PUC e Venturus para propor soluções para esse problema.

O desafio foi proposto como tema do Trabalho de Conclusão de Curso (TCC) de 3 alunos do curso de Bacharelado em Engenharia Elétrica da PUC Campinas. Ao longo do ano de 2020, os alunos Bruno Romão, Euler B.P. dos Santos e Gabriel Marinelli debruçaram-se sobre o problema, contanto com o apoio dos profissionais do Venturus e dos professores da PUC nessa trajetória.

Os alunos ficaram responsáveis pelo desenvolvimento prático do trabalho, realizando pesquisas, implementando algorítmos, executando simulações e avaliando os resultados. Os profissionais do Venturus contribuiram com seu expertise relacionado à mobilidade elétrica, oferecendo suporte no desenvolvimento de software e orientações práticas relacionadas à implementação de algoritmos genéticos. Os professores da PUC contribuiram com sua experiência acadêmica, trazendo uma abordagem científica para a correta modelagem do problema e orientando os alunos sobre as soluções da literatura.

Para trazer um viés mais prático para a pesquisa, o trabalho tomou como referência o estacionamento de uma empresa, utilizando dados reais da rede elétrica e do perfil de carga da empresa na modelagem do problema. Além dos limites da instalação elétrica da empresa, fatores como tempo que os veículos estariam conectados a rede e o estado inicial da bateria de cada veículo foram também considerados.

Os algoritmos desenvolvidos tinham como objetivo garantir que todos os veículos conectados as estações de recarga do estacionamento da empresa fossem carregados completamente no menor tempo possível e dentro dos limites de carga da instalação elétrica.

As soluções propostas

A solução proposta pelos alunos baseou-se no uso de Algoritmos Genéticos, uma técnica computacional para otimização inspirada na teoria de Seleção Natural de Charles Darwin. De forma semelhante a teoria de Darwin, essa técnica computacional baseia-se na criação de uma população inicial (isso é, um conjunto de soluções geradas artificialmente) e no cruzamento, reprodução e mutação dos individuos dessa população para criar individuos melhores, no caso, soluções melhores para o problema.

No caso da otimização de recarga, a população inicial do algoritmo corresponte a potência elétrica que será entregue por cada estação de recarga. Essa população então passa pelos processos de cruzamento, reprodução e mutação para gerar novas soluções, isso é, novos conjuntos de valores com a potência de cada estação.

O processo é repetido e validado contra critérios de parada que estão relacionados às limitações do problema e aos parâmetros a serem otimizados (no caso, o tempo de recarga e a capacidade da instalação elétrica). No fim das contas, após várias interações, o algorítmo gera um conjunto de valores que pode ser utilizado para calibrar a potência de cada uma das estações de recarga.

Os alunos desenvolveram e testaram três algorítmos genéticos distindos e executaram experimentos para validar a eficiência de cada abordagem. A figura abaixo mostra os resultados obtidos em uma das simulações que considerou 12 carregadores de 22KW de potência.

A figura 1 mostra a variação da potência calculada pelo algoritmo para cada uma das estações de recarga ao londo do tempo, pode-se observar que a potência entregue a cada estação varia ao longo do tempo, chegando a zero quando todos os veículos foram carregados.

Figura 1

 

A figura 2 mostra o estado da bateria (SoC, State of Charge) de cada veículo ao longo do tempo. Pode-se observar que os veículos iniciam com o estado da bateria baixo e após aproximadamente 2h todos estão completamente carregados, um tempo adequado se considerarmos que os funcionários tipicamente ficam na empresa por períodos maiores que esse.

Figura 2

A figura 3 mostra a potencia total utilizada por todas as estações de recarga (área cinza) e a capacidade da instalação elétrica da empresa (área azul). Analisando a figura pode-se observar que ao longo do dia a potência entregue aos veiculos (área cinza) não ultrapassa a potência máxima disponível (área azul), respeitando assim os limites da infraestrutura elétrica da empresa, evitando sobrecargas ou mesmo custos adicionais com energia.

Figura 3

Em resumo, o algorítmo garantiu a recarga completa de todos os veículos, num tempo aceitável e dentro dos limites de carga da rede elétrica do estabelecimento. Outras análises e simulações foram executadas e documentadas (Ref.1, Ref.2 e Ref.3) e seus resultados também sugerem que algorítmos genéticos podem ser adequados para o problema de otimização de recarga de veículos elétricos.

Além dos resultados diretos, acima descritos, o trabalho trouxe muitos outros resultados, nas palavas dos alunos que participaram do projeto:

“A realização do trabalho de conclusão de curso me auxiliou no desenvolvimento pessoal e profissional e me proporcionou novos conhecimentos e experiências na área de conhecimento de veículos elétricos e de gestão de projetos. A colaboração entre a Venturus e a PUC me proporcionou uma experiência de como é realizar um projeto real dentro de uma organização.”, Gabriel.

“A experiência do TCC contribuiu bastante nos meus conhecimentos acadêmico. Grande parte dos conhecimentos nós aprimoramos ao longo do desenvolvimento do trabalho como metaheurística, programar em Python e Matlab, entre outros conceitos.”, Bruno.

“ O TCC para mim foi um projeto muito intenso: eu trabalhei nele quase todos os dias desde março até novembro…No início a Venturus ajudou em uma das maiores dificuldades de quem vai fazer o TCC, que é definir o tema e esboçar o problema. Além disso, o conhecimento que a Venturus trouxe para a mesa também foi de grande valor e além do que esperávamos. A colaboração entre o Venturus e a PUC-Campinas foi incrível porque trouxe o desafio de manter um equilíbrio entre as demandas da universidade e as da empresa.”, Euler.

Conclusão

A mobilidade elétrica terá um papel importante nos próximos anos na busca da humanidade por um futuro sustentável. Nesse caminho de grandes oportunidades teremos também desafios a serem superados, o tema proposto para o trabalhou buscou endereçar um desses problemas.

Os resultados obtidos mostram que algorítmos de otimização podem ser adotados para viabilizar a ampliação da infraestrutura de recarga de veículos elétricos, garantindo recargas rápidas sem ultrapassar os limites da infraestrutura elétrica local. Trabalhos futuros podem evoluir as soluções propostas, possivelmente gerando novos produtos para o setor de mobilidade elétrica.

O trabalho mostrou ainda que a colaboração entre universidade, intitutos de pesquisa e empresas pode gerar outros resultados, como networking, conhecimento e experiência a todos os envolvidos, além da oportunidade para os alunos trabalharem num contexto mais próximo daquele que enfrentarão no mercado de trabalho.

O Venturus agradece a PUC Campinas, em especial ao Prof. Frank Herman Behrens e ao Prof. Ralph Robert Heinrich, pela oportunidade e cooperação na realização desse trabalho. Agradecemos também os colaboradores do Venturus Rhuan E.C. Costa e Lucas P. Maziero por compartilharem seu tempo e conhecimento para a viabilização do trabalho.

Parabenizamos também os alunos Bruno, Euler e Gabriel pelo excelente trabalho e desejamos muito sucesso em sua carreira profissional, que venham novos desafios para todos nós!

Referências

 

[Ref.1] Algoritmo Genético aplicado a otimização instantânea para gerenciamento do carregamento de veículos elétricos em ambientes empresariais; Euler B.P. Santos; PUC Campinas; 2020.

 

[Ref.2] Algoritmo Genético aplicado a otimização do planejamento do carregamento de veículos elétricos em ambientes empresariais; Gabriel M. Galhardo; PUC Campinas; 2020.

 

[Ref.3] Algoritmo Genético com Chaves Aleatórias Tendenciosas aplicado a otimização para gerenciamento do carregamento de veículos elétricos em ambientes empresariais; Bruno Romão; PUC Campinas; 2020.

Veja mais
Indústria 4.0
Pedro Almeida

Desmistificando a Indústria 4.0

O termo Indústria 4.0, apesar de já ter se popularizado, ainda traz muita dúvida. A maioria das pessoas vincula o conceito a fábricas e indústrias
Leia mais »
Bitnami