Un operador de flota EV y un operador de puntos de carga públicos enfrentan dos decisiones acopladas: qué vehículo cargar cuándo y a qué nivel de potencia; dónde desplegar nuevos puntos de carga y con qué capacidad. Problemas clásicos de OR EV: EV Charging Scheduling y Charging-Station Location Planning.
En pocas palabras
¿Te suena?
- Tenemos una flota de 50-500 EVs (mensajería, reparto, taxi, alquiler); la secuencia de carga nocturna en el depósito la decide el planificador por intuición.
- 30-100 puntos de carga instalados en el depósito; cuando se abren todos a la vez la potencia del transformador sube a la punta y la distribuidora aplica penalización por demanda punta.
- Tarifa time-of-use con precio nocturno a la mitad del diurno; pero la programación operativa no lo aprovecha — algunos vehículos se enchufan temprano y se cargan en horas caras.
- Tenemos 10-30 puntos de carga públicos; unos están llenos 8-12 horas al día y otros usados 1-2 horas — la ubicación se eligió históricamente por intuición.
- Evaluamos una nueva inversión en estación de carga; dónde ubicar, lenta o rápida, cuántos enchufes — sin previsión concreta de demanda ni modelo de costes.
- Nuestros puntos DC de carga rápida (50-150 kW) tienen alta utilización pero llegan quejas de envejecimiento de batería; no equilibramos precio vs OPEX de batería.
- Capacidad de conexión a la red: en zonas nuevas la construcción de transformador + línea puede tardar 6-18 meses; nuestra planificación conjunta es débil.
Por qué importa
Cómo se resuelve
Profundidad técnica
Cómo se resuelve
Profundidad técnicaEn una frase: Reparte la ventana entre el inicio de la tarifa nocturna y la hora límite a la que cada vehículo debe estar listo entre la flota sin superar la capacidad del transformador, y usa la carga rápida solo para urgencias — minimiza coste eléctrico y coste de reemplazo de batería a la vez.
El problema se trata en Investigación de Operaciones (disciplina que usa matemáticas e informática para resolver decisiones de negocio) como dos problemas acoplados: EV Charging Scheduling (operativo — qué vehículo cargar cuándo a qué potencia) y Charging-Station Location Planning (táctico — dónde colocar puntos de carga públicos y con qué capacidad). Tercera capa emergente: Vehicle-to-Grid (V2G — venta de la batería del vehículo a la red). Resolución en tres pasos:
1. Modelado. Para programación operativa — entradas: flota de vehículos (por vehículo: capacidad de batería kWh, estado de carga actual SoC — State-of-Charge, SoC mínimo necesario por la mañana — restricción de deadline, niveles de potencia permitidos), puntos de carga del depósito (número, máximo kW por punto), capacidad del transformador/red (límite instantáneo de kW), tarifa time-of-use — tarifa por franja horaria (curva de precio por hora — diurno/punta/nocturno). Restricciones: cada vehículo listo en su deadline, demanda simultánea total ≤ capacidad del transformador, límites superior e inferior de SoC, coste de envejecimiento de batería (la literatura moderna lo añade a la función objetivo). Objetivo: mínimo coste total eléctrico + coste de envejecimiento de batería + penalización por punta. Para ubicación — entradas: previsión regional de penetración EV (5-10 años), ubicaciones candidatas (aparcamientos, centros comerciales, paradas de autopista, renovación de gasolineras), por candidata coste del suelo + coste de conexión a la red + demanda diaria esperada, mezcla AC lenta vs DC rápida. Restricciones: presupuesto de inversión, cobertura regional (cada usuario EV dentro de X km de un punto), viabilidad de conexión a la red.
2. Decisión con solver. Programación operativa: flota pequeña-mediana (50-200 EVs) por MILP (Mixed-Integer Linear Programming — optimización con algunas variables 0/1 y otras continuas) — decisión de carga horaria binaria (slots de 1h on/off) o continua (kW), horizonte 24-48h. Se resuelve en minutos-horas en una sola máquina. Flota grande (200+ EVs) por relajación lagrangiana o descomposición (dividir un problema grande en piezas paralelas — subproblemas por vehículo en paralelo, capacidad de red como restricción global). Llegada dinámica (taxi, alquiler — llegada incierta): política online (regla de prioridad al llegar) o MILP de horizonte deslizante (resuelto cada media hora). Ubicación: enfoque clásico — formulación p-mediana o maximum-coverage (máxima cobertura), maximiza cobertura de usuarios entre ubicaciones candidatas bajo presupuesto. Para incertidumbre de penetración EV, programación estocástica en dos etapas (primera etapa ubicación, segunda etapa demanda por escenarios). V2G: oportunidad de arbitraje (cargar barato de noche, descargar caro de día) frente a coste de envejecimiento de batería; se resuelve con MILP o MPC estocástico (Model Predictive Control — control predictivo de horizonte deslizante).
3. Integración en campo. Salida en tres capas: programa diario (por vehículo: qué punto, qué hora, qué nivel de potencia — panel Gantt en centro operativo), comandos de control de puntos de carga vía OCPP (Open Charge Point Protocol — estándar industrial, protocolo abierto para abrir/cerrar puntos y ajustar potencia), informe mensual de ubicación (por sitio público: utilización, tendencia de demanda, recomendación de expansión de capacidad). El Sistema de Gestión de Flota (FMS) alimenta la telemática (SoC en vivo por vehículo, ubicación, turno previsto). Comité trimestral: punta real vs prevista, varianza de coste eléctrico, seguimiento de envejecimiento de batería, curva de utilización pública, decisiones de inversión.
Alternativas
Manual + hoja de cálculo + ordenación heurística
GratisCero licencia
Para quién: Flota pequeña (<30 EVs) o 1-3 puntos públicos
- + Cero coste software
- + Experiencia del planificador lidera
- + Regla simple (iniciar en tarifa nocturna) da 5-10% ahorro
- − Por encima de 30 EVs el control de punta satura cognitivamente
- − Coste de envejecimiento de batería no se contabiliza
- − A medida que crece la demanda la ubicación se hace sin modelo numérico
- − Oportunidad V2G perdida
Plataforma local de gestión de carga
Empresarial200K-800K TRY licencia + 80K-250K TRY/año mantenimiento (observación mercado TR)
Para quién: Flota media (30-150 EVs) u operador de 5-15 puntos públicos
- + Integración OCPP estándar
- + Interfaz en idioma local, soporte local
- + Facturación + integración de pago incluida
- + Reglas básicas de optimización time-of-use
- − Módulo de programación MILP típicamente ausente — reglas heurísticas
- − Modelado de coste de envejecimiento de batería débil
- − Módulo de planificación de ubicación limitado
Paquete internacional de gestión de carga + optimización
Empresarial400K-2M EUR licencia + 100K-500K EUR/año mantenimiento
Para quién: Flota grande (150+ EVs) u operador multi-sitio (20+) de red de carga
- + Módulo MILP o MPC de horizonte deslizante maduro
- + Modelo de envejecimiento de batería integrado
- + Análisis de ubicación con GIS + previsión de demanda bidireccional
- + Módulo V2G disponible (en mercados avanzados)
- − Licencia alta + 9-18 meses de implantación
- − Adaptación a tarifa local alarga el proyecto
- − Amplio programa de formación para el equipo operativo
Solver de código abierto + módulo propio
Código abiertoLicencia gratis; desarrollo interno 16-32 semanas o 600K-1,5M TRY consultoría
Para quién: Operador con equipo técnico, integración con FMS / plataforma existente
- + Sin coste de licencia
- + Métodos de programación de carga de vehículos eléctricos bien definidos para solvers abiertos
- + Modelado de ubicación bajo incertidumbre de demanda disponible en literatura abierta
- + OCPP es protocolo abierto — independencia de hardware de carga
- − Requiere especialista en OR + ingeniero eléctrico + equipo de integración internos
- − Pasar de prototipo académico a sistema de campo 6-12 meses
- − Mantenimiento queda con el operador
Recomendación
Pregunta en la reunión
- ¿El módulo de programación de carga usa MILP, MPC de horizonte deslizante o solo regla heurística?
- ¿El coste de envejecimiento de batería es parte de la función objetivo? ¿Qué modelado (curva calendario + ciclos, basada en profundidad de descarga) se usa?
- ¿La estructura tarifaria time-of-use (precio horario, ventanas diurna/punta/nocturna, variación estacional) es configurable o hard-coded?
- ¿La restricción de demanda punta (kW) es dinámica (capacidad variable en el tiempo) o fija? ¿Se admiten varios transformadores / depósitos?
- ¿El módulo de ubicación pública admite p-mediana, maximum-coverage o formulaciones estocásticas? ¿Cómo se modela la incertidumbre de penetración EV?
- ¿Qué versión de OCPP (Open Charge Point Protocol) se soporta? ¿Se ha probado integración multi-marca?
- ¿Hay módulo V2G disponible? ¿Cómo se optimiza el trade-off ingreso por arbitraje vs coste envejecimiento batería?
- Al finalizar el contrato, ¿en qué formato podemos exportar historial de carga, datos SoC, reglas de precios e informes de análisis de ubicación?
Detalles técnicos
Nota editorial
Coloquialmente el problema se llama “plan de carga EV”, “despliegue de estaciones de carga” o “gestión de carga de flota”. En la literatura tiene dos nombres distintos pero ligados: la decisión operativa diaria es EV Charging Scheduling, la inversión de infraestructura es Charging-Station Location Planning. Una tercera capa emergente es Vehicle-to-Grid (V2G) — venta de la batería del vehículo a la red. Sin distinguir los tres nombres, en una presentación de una plataforma de gestión de carga no puedes verificar qué capa de decisión se está optimizando — “seguimiento de puntos de carga” es una cosa, “programación basada en MILP” otra.
Distinguir estos tres problemas de otros problemas OR de energía: Unit commitment + economic dispatch (#029) es lado de generación — encendido/apagado de planta y MW de salida. Demand response + nivelación de punta (#020) es lado consumidor de forma general de carga. EV Charging Scheduling (#052) está entre ambos: tanto forma de demanda (qué vehículo cargar cuándo) como planificación de infraestructura (cuántos puntos dónde). El EV tiene una característica especial: la restricción de deadline de cada vehículo (listo por la mañana) — lo separa de demand response. Y el envejecimiento de batería (envejecimiento por ciclos) — un coste operativo ausente en los otros problemas energéticos.
Lo más omitido en el sector: el coste de envejecimiento de batería. Los cálculos de campo suelen incluir solo precio eléctrico y penalización de punta; omiten que la batería envejece más rápido bajo carga rápida (DC 50-350 kW), con 15-30% menos vida de ciclos. El coste de reemplazo de batería es 25-40% del valor de un vehículo nuevo; sin incluirlo en el coste total de propiedad (TCO — Total Cost of Ownership), una política de “usar carga rápida barata siempre” parece óptima a corto plazo — la factura de reemplazo de batería golpea al operador a 3-5 años. La literatura moderna incluye el coste de envejecimiento de batería en la función objetivo; un plan “óptimo” construido sin él se convierte en pérdida a largo plazo en campo. Segundo punto omitido: viabilidad de conexión a la red. Tras decidir un nuevo sitio de carga, la construcción de transformador + línea por la distribuidora puede tardar 6-18 meses; si el plan de ubicación no modela el tiempo, la estación está construida pero “no llega electricidad”. Un modelo estocástico de ubicación debe tener el plazo de conexión como variable de escenario.
Paso a paso — para la PYME
Fase 1 — Medir primero, planificar después. Al menos 6 meses de datos de vehículos + carga: por vehículo perfil diario (duración de viaje, distancia, entrada/salida de depósito, ciclo medio de SoC); por punto de carga curva diaria de utilización (encendido/apagado horario, kW, eventos OCPP); factura mensual y estructura tarifaria (ventanas TOU, cálculo de punta). Inventario de red: potencia de transformador, límite instantáneo de punta, curva de penalización contractual. Inventario de batería: por vehículo capacidad, año, ciclos de garantía, salud actual.
Fase 2 — Extraer el capital de conocimiento. Disponibilidad de vehículo por hora (mensajería 8-22h; taxi 24/7; servicio municipal 100-200 km/día). Ventanas TOU y curva de precio horaria. Límite de transformador y variación estacional. Curva de envejecimiento de batería (pérdida de vida en rápida vs lenta — fabricante + literatura). Para operadores públicos: distribución de llegadas, tiempo medio de estancia, tasa de balking.
Fase 3 — Piloto. 8-12 semanas. Para un subconjunto (30-50% de flota, o un depósito, o 3-5 sitios públicos) ejecutar la salida MILP en paralelo a la asignación heurística actual. La decisión sigue en operaciones; MILP recomienda. Criterios de éxito definidos por adelantado: coste eléctrico mensual -10% mínimo, penalización de punta -50% mínimo, seguimiento de envejecimiento batería incluido.
Fase 4 — Despliegue. 9-15 meses hasta flota completa + todos los sitios públicos + planificación de ubicación + módulo V2G. Compatibilidad multi-marca vía OCPP. Comité trimestral: rendimiento de programación, tendencia de envejecimiento batería, curva de utilización, decisiones de inversión, actualizaciones regulatorias (política de incentivos EV en TR, reglas de apoyo a producción local).
Riesgos — qué puede salir mal
- Coste de envejecimiento de batería fuera del objetivo. Optimizar solo precio + penalización de punta hace que un plan “óptimo” con mucha carga rápida parezca bueno a corto plazo; la factura de reemplazo de batería voltea el TCO a 3-5 años. Modelos modernos lo incluyen; la cobertura del módulo debe probarse antes de comprar.
- Retraso de conexión a la red. Para nuevos sitios públicos, la construcción de transformador + línea puede tardar 6-18 meses; si el plan de ubicación no modela el tiempo, la estación está pero sin energía. El modelo estocástico de ubicación debe tener el plazo como variable de escenario.
- Cambios regulatorios. Los incentivos EV en TR (apoyo a producción local, exenciones fiscales, permisos de estación) se actualizan anualmente; en UE están el CBAM y los objetivos de penetración EV en 2030/2035. Horizonte de inversión 5-10 años; plan de un solo escenario es frágil. Análisis por escenarios e inversión por fases esencial.
- Lock-in con un único proveedor de gestión de carga. Aunque OCPP es abierto, sin cláusula contractual de exportación de reglas de facturación + parámetros tarifarios + curvas de envejecimiento de batería, abandonar el sistema implica perder la memoria operativa del operador.
- Ingreso V2G por arbitraje sobreestimado. El marketing afirma X-Y% de ingreso V2G; el neto tras coste de envejecimiento de batería suele ser 2-3 veces menor. La contabilidad neta debe ser por escenarios.
Método de solución — vista técnica
| Enfoque | Escala típica | Tiempo | ¿Óptimo garantizado? |
|---|---|---|---|
| Regla heurística (iniciar de noche, umbral SoC) | Flota pequeña, <30 EVs | instantáneo | No, 50-70% óptimo |
| MILP — programación operativa | Flota media, 30-200 EVs, horizonte 24-48h | minutos-horas | Sí (dentro del límite) |
| Relajación lagrangiana / descomposición | Flota grande, 200-1000 EVs | horas | Buenas cotas |
| MPC de horizonte deslizante | Dinámica (taxi, alquiler), replan horario | minutos por hora | Calidad práctica |
| Política online (heurística de inserción) | Sitio público — llegadas en vivo | segundos | No, calidad transitoria |
| p-mediana / maximum-coverage (ubicación) | Infraestructura regional, 5-50 candidatas | minutos-horas | Sí (dentro del límite) |
| Ubicación estocástica (dos etapas) | Incertidumbre de penetración EV | horas | Sí (por escenario) |
| MPC estocástico V2G | Arbitraje + envejecimiento batería | horas | Calidad práctica |
Elección de la función objetivo:
- Objetivo 1 — Coste eléctrico total mínimo: El más simple, ignora envejecimiento.
- Objetivo 2 — Coste eléctrico + envejecimiento batería mínimo: Alineado con TCO, preciso pero exige datos.
- Objetivo 3 — Penalización de punta mínima (suprimir punta kW): Para flotas cerca del límite contractual.
- Objetivo 4 — Utilización máxima (sitio público): Ubicación orientada al ingreso.
- Objetivo 5 — Ingreso neto V2G por arbitraje menos envejecimiento batería máximo: Operación avanzada.
Multi-objetivo: suma ponderada o jerárquica (primero deadline + punta, luego coste eléctrico, luego envejecimiento batería).
Fuentes académicas
Listadas en el frontmatter en sources.
Fuentes
- Sortomme, E., Hindi, M. M., MacPherson, S. D. J. y Venkata, S. S. (2011). Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses. IEEE Transactions on Smart Grid, 2(1), 198-205. Trabajo fundacional sobre carga EV coordinada.
- Sweda, T. M. y Klabjan, D. (2012). An agent-based decision support system for electric vehicle charging infrastructure deployment. IEEE Vehicle Power and Propulsion Conference (VPPC). Referencia fundacional de ubicación de estaciones de carga.
- Mukherjee, J. C. y Gupta, A. (2015). A review of charge scheduling of electric vehicles in smart grid. IEEE Systems Journal, 9(4), 1541-1553. Revisión de programación de carga EV.
- Rahman, I., Vasant, P. M., Singh, B. S. M., Abdullah-Al-Wadud, M. y Adnan, N. (2016). Review of recent trends in optimization techniques for plug-in hybrid, and electric vehicle charging infrastructures. Renewable and Sustainable Energy Reviews, 58, 1039-1047. Revisión de técnicas de optimización.
- Ko, J. y Shang, J. S. (2010). Locating refueling stations for alternative-fuel vehicles. Transportation Research Part C, 18(5), 700-710. Ubicación de estaciones de combustible alternativo.
- YÖK Tez Merkezi — palabras clave: ’elektrikli araç şarj’, ‘EV şarj çizelgeleme’ o ‘şarj istasyonu yerleşim’ — 15+ tesis (campo creciente). tez.yok.gov.tr
Glosario
- EV Charging Scheduling
- Problema OR operativo de decidir cuándo y a qué nivel de potencia cargar cada EV de una flota o cola, sujeto a deadline, límite de potencia de red, límites de SoC de batería, tarifa time-of-use y coste de envejecimiento de batería.
- Charging-Station Location Planning
- Problema OR estratégico de seleccionar ubicaciones, tipos (AC lenta vs DC rápida) y cantidades de estaciones públicas de carga EV a desplegar en una región, equilibrando coste de capital y operación frente a cobertura de usuario esperada y tiempo de espera.
- MIP
- Modelo de optimización donde parte de las variables de decisión deben ser números enteros (p. ej. número de camiones o de turnos).
- Demand Response
- Enfoque de gestión energética que optimiza cuándo se ejecutan las cargas del lado del consumidor según tarifa, condiciones del sistema o incentivos.