IEEE Power & Energy Magazine - Spanish - July/August 2021 - 26

cabida a la carga inteligente. La figura 7 compara las tasas
de desconexión en caliente para CrowdCharge y GreenFlux
en las distintas fases del estudio.
La tasa de desconexión en caliente se mantuvo baja en
todas las fases del estudio. En el grupo de GreenFlux, hubo
solo un pequeño (y estadísticamente insignificante) aumento
en la tasa de desconexión en caliente entre el periodo por
fuera de la gestión y el estudio 1. En todas las demás fases del
estudio, la tasa cayó a pesar de que la carga inteligente redujo
la velocidad de carga (estudio 2) o de que se retrasara la carga
hasta el periodo nocturno en respuesta al incentivo ToU.
Para CrowdCharge, el único aumento (aunque relativamente
bajo) en la tasa de desconexión en caliente ocurrió
entre los estudios 2 y 3. Esto probablemente se deba al
tabla 4. Tarifa ToU de recompensa de Electric Nation.
Periodo
Noche
Día
Pico
Disminución
gradual
vespertina
Periodo
10 p.m. - 6:30 a.m.
6:30 - 4:30 p.m.
4:30 - 7 p.m.
7 - 7:30 p.m.
7:30 - 8 p.m.
8 - 8:30 p.m.
8:30 - 9 p.m.
9 - 10 p.m.
Costo de
electricidad
(£) por
unidad
(kWh)
.10
.12
.28
.22
.18
.14
.12
.11
Cambio
en el valor
de la
recompensa
(£) por
unidad
(kWh)
utilizada
+.05
+.03
−.13
−.07
−.03
+.01
+.03
+.04
tabla 5. Las preferencias de carga
en el estudio 3 de GreenFlux.
Impacto
de la
Nombre de la
preferencia
Optimizar
tiempo
(opción por
defecto)
Optimizar
tiempo y
costos
Minimizar
costos
preferencia
de carga
Sin
restricciones
No cargar
entre las
4:30 p.m.
y las 7 p.m.
No cargar
entre las
4:30 p.m.
y las 10 p.m.
26
ieee power & energy magazine
Porcentaje
de los
eventos de
carga del
estudio 3
para cada
preferencia
54
Porcentaje de
participantes
que usan
esta opción
con mayor
frecuencia
47
algoritmo utilizado y el bajo nivel de interacción entre los
participantes y la aplicación de planificación de viajes. El
algoritmo del estudio 3 de CrowdCharge redujo la velocidad
de carga más de lo necesario para satisfacer los límites de
capacidad de la red. Sin este límite adicional, es improbable
que la tasa de desconexión en caliente hubiese subido.
La figura 7 muestra que a pesar de la gestión regular de
la demanda y de que los participantes retrasaran la carga
como respuesta al incentivo ToU, hubo un impacto bajo en
la proporción de los eventos de carga que no se completaron
antes de que se desconectara el vehículo. La flexibilidad
evidenciada en la figura 6 se puede aprovechar sin
alterar el estado de carga del vehículo cuando el conductor
lo desconecte.
¿Las recompensas financieras pueden fomentar
la carga flexible por parte de los conductores?
En el estudio 3, se ofreció a los usuarios una recompensa
financiera vinculada al momento del día en el que hacían
cargas mediante una tarifa ToU simulada. Se actualizó la
aplicación para apoyar el cambio de comportamiento de los
usuarios. El estudio 3 demostró la medida en la que los participantes
estaban dispuestos a cambiar su comportamiento
de carga (es decir, ser flexibles) cuando se les ofrecía un
incentivo financiero. Esta sección describe los resultados del
estudio 3 para la cohorte de GreenFlux.
La figura 8 presenta el perfil de carga del grupo de estudio
3 de GreenFlux para el periodo de mediados de octubre
a mediados de diciembre (azul) en comparación con los otros
dos periodos:
✔ el mes anterior al inicio del estudio 3 (naranja)
✔ el periodo invernal (enero a principios de marzo) durante
el estudio 1 (gris).
La diferencia en el perfil entre el estudio 3 y los estudios 1
y 2 es clara, particularmente durante el periodo pico vespertino
tradicional. El pico de demanda vespertino en los estudios
1 y 2 se suprimió mediante la gestión de la demanda. El
impacto del sistema ToU es claro: hay una reducción significativa
durante el periodo del pico vespertino. La reducción
en la demanda vespertina significa que no era necesaria la
gestión de la demanda durante el estudio 3 ya que siempre
había suficiente capacidad disponible. La demanda que dejó
de ocurrir durante el periodo del pico vespertino comenzaba
a las 10 p.m., lo que ocasionaba un pico en la demanda.
En una aplicación normal, el inicio de los eventos de carga
retrasados se distribuiría equitativamente durante el
ini6
6
cio
del periodo nocturno, para que no ocurra este pico. La
demanda en las primeras horas de la mañana (12 a.m. hasta
4 a.m.) fue mayor que los estudios 1 y 2 pero volvió a niveles
similares pasado este punto.
La figura 8 demuestra que la combinación de incentivos
40
47
financieros y la implementación de la aplicación por parte de
GreenFlux tuvo éxito en fomentar a los participantes para
que sean flexibles con su régimen de carga, y de esa manera
reduzcan el aumento del pico de la demanda comparado con
julio/agosto 2021
IEEE Power & Energy Magazine - Spanish - July/August 2021

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - July/August 2021
