Proyectos de investigación
Comienza el contenido principal
Algoritmos de fijación de precios basados en el aprendizaje automático, para una coordinación inteligente de la recarga de vehículos eléctricos
XXII Concurso Nacional para la Adjudicación de Ayudas a la Investigación en Ciencias Sociales
Economía Aplicada
Investigador Principal: Konstantina Valogianni
Centro de investigación o Institución: IE Business School
Sinopsis
Este estudio tiene como objetivo proponer nuevos algoritmos de fijación de precios basados en el aprendizaje automático, para la carga de vehículos eléctricos (VE). Los VE pueden ayudar significativamente a las ciudades modernas, como Madrid o Barcelona, a reducir su huella de carbono en áreas centrales, y son considerados importantes contribuyentes a la sostenibilidad de una ciudad. Sin embargo, las ciudades actuales y su infraestructura eléctrica no están diseñadas para manejar grandes cantidades de VE cargando en el mismo lugar al mismo tiempo, pues los VE tienden a requerir cantidades sustanciales de electricidad de la red, lo que resulta en picos de demanda eléctrica. Tales picos representan amenazas para la estabilidad y fiabilidad de la red eléctrica.
Los enfoques existentes para coordinar la carga de VE tienen limitaciones, tales como la falta de alineación de incentivos entre los objetivos de la red y los objetivos individuales de los conductores de VE. Estas limitaciones pueden llevar a resultados subóptimos o a crear peores picos de demanda. Para abordar este problema, el objetivo es presentar algoritmos de fijación de precios que puedan aprovechar la variedad de información disponible en el entorno, para tomar decisiones más informadas. Los precios pueden actuar como señales para los propietarios de VE sobre cuándo y cómo cargar. Luego, utilizar los precios puede ayudar a las ciudades inteligentes a alinear los objetivos de los propietarios de VE y los de la red. Sin embargo, estos precios se diseñan en escenarios de información imperfecta. Para abordar esta falta de información, este proyecto utilizará algoritmos de aprendizaje automático para aprender o aproximar parámetros desconocidos, que ayudarán a coordinar la carga de VE.
Los beneficios se mostrarán en simulaciones empíricas basadas en agentes en diversos escenarios, semejantes a escenarios de ciudades inteligentes. Los beneficios esperados son numerosos para las partes interesadas. Los operadores de la red, como el operador de red español, recibirán ayuda en su proceso de toma de decisiones sobre cómo lidiar con las grandes cantidades de electricidad solicitadas por los VE. Los gestores de carteras de electricidad pueden utilizar los algoritmos propuestos para incentivar la carga de VE que siga los patrones de producción de fuentes renovables. Esto puede ayudar a las compañías eléctricas a integrar de manera confiable más fuentes renovables en su cartera. Finalmente, los propietarios de VE podrán tener una visión general de sus costes de electricidad y beneficiarse de intervalos de precios más bajos.
- Actividades relacionadas
- Proyectos relacionados
- Noticias relacionadas
- Publicaciones relacionadas
- Tesis relacionadas
-
1
oct
2024
Presentación y coloquio Handbook sobre Economía de la Educación Martes, 1 de octubre de 2024, 19:00 horas
-
4
nov
2024
Mesa Redonda-Premios Nobel Economía 2024 Calidad de las instituciones y desarrollo económico Madrid, Lunes 04, de noviembre de 2024, 19:00 horas
-
18
nov
2024
Conferencia Más ricos y más iguales: una nueva historia de la riqueza en Occidente Madrid, Lunes, 18 de noviembre de 2024, 19:00 horas
- Las habilidades blandas: determinantes, futuro y diferencias de género 2023 Investigador Principal: Luis Alejandro López Agudo Centro de investigación o Institución: Universidad de Málaga
- Cuando el permiso de paternidad iguala al de maternidad: Impacto en la igualdad de género y resultados en el mercado laboral 2023 Investigador Principal: Jenifer Ruiz Valenzuela Centro de investigación o Institución: Institut d’Economia de Barcelona
- Precios de productos sostenibles 2023 Investigador Principal: Diego Aparicio Adatto Centro de investigación o Institución: IESE Business School. Universidad de Navarra
- Desigualdad Multigeneracional en España Investigador Principal: Andrea Pîzzo Centro de investigación o Institución: Universidad Carlos III de Madrid.
Fin del contenido principal