Come il mio impianto decide da solo quando caricare l'auto · Il collante

Co-ottimizzazione predittiva tra clima, ricarica dell'auto elettrica e 36 kWh di batterie LiFePO4: cannibalizzazione calcolata, inerzia termica e previsioni Solcast ad anello chiuso.

Ricaricare un’auto elettrica a casa con l’energia del sole sembra un’operazione banale, finché non arriva una giornata di cielo variabile: appena passa una nuvola, la maggior parte dei sistemi commerciali sul mercato stacca bruscamente la ricarica, per poi riavviarla pochi minuti dopo. Il risultato sono componenti meccanici stressati, batterie dell’auto ricaricate a singhiozzo e prelievi imprevisti dalla rete elettrica a pagamento.

Avendo a disposizione un impianto con 36 kWh di batterie stazionarie, ci siamo chiesti: perché non insegnare alla casa a prevedere il meteo e decidere autonomamente quando conviene caricare?

C’è un momento preciso, quando sviluppi un sistema di automazione energetica, in cui la semplice logica reattiva non basta più.

La logica reattiva è quella standard:

C’è il sole e il contatore immette 2.0 kW in rete? $\to$ Accendi la pompa di calore o fai partire la ricarica dell’auto elettrica.
Passa una nuvola per 5 minuti e l’immissione si azzera? $\to$ Spegni tutto all’istante, stacca il compressore, azzera la Wallbox a 0A.
Torna il sole? $\to$ Riavvia tutto.

Se avete un’auto elettrica o una pompa di calore, sapete esattamente cosa succede: la Wallbox si blocca o riparte da zero, i contattori meccanici sbattono continuamente e il compressore dell’aria condizionata subisce uno stress termico e meccanico devastante.

Ma la cosa ancora più assurda è questa: nella nostra centrale solare abbiamo 36 kWh di batterie stazionarie LiFePO4 (20 kWh ad alto voltaggio della Huawei LUNA2000 sul tetto da 14 kWp + 16 kWh a 48V dell’inverter Datouboss sulla pergola da 11 kWp).

Se abbiamo decine di chilowattora stipati nelle batterie, perché trattare una nuvola passeggera o una giornata variabile come un’emergenza da blackout? Perché non permettere al sistema di “cannibalizzare” un po’ di carica dalle batterie stazionarie per mantenere viva la ricarica dell’auto o preriscaldare la casa, sapendo già matematicamente se e quando il sole pomeridiano ripristinerà quell’energia prima del tramonto?

È nata così quella che scherzosamente abbiamo chiamato “Fantascienza Decisionale”: trasformare il nostro HEMS in un cervello predittivo a circuito chiuso. Ecco come lo abbiamo progettato, i colli di bottiglia fisici scoperti sul campo e come funziona oggi in produzione sul nostro nodo Proxmox VE (LXC CT 110).

1. I Due Bug Architetturali Che Bloccavano Tutto

Prima di poter implementare qualsiasi algoritmo predittivo, abbiamo dovuto fare i conti con la realtà del codice. Un’ispezione chirurgica del backend ha rivelato due problemi strutturali che rendevano impossibile la cooperazione:

Bug 1: La Direttiva “Fantasma” del Solutore MILP

Il nostro pianificatore orario su Proxmox esegue ogni 60 minuti un’ottimizzazione matematica globale (MILP con solutore HiGHS) che incrocia le curve di irraggiamento solare Solcast a 48 ore con i prezzi orari PUN dell’energia. Il piano calcolava la potenza ideale per il comfort termico (thermal_w), ma… il messaggio MQTT veniva scartato dal router dei comandi e il dominio termico non lo riceveva affatto. Il volano termico dell’edificio era di fatto sordo alle previsioni del giorno dopo.

Bug 2: La Guerra Cieca per il Surplus (Overbooking da 3.8 kW)

Quando a mezzogiorno si liberava un surplus solare di 2.5 kW al contatore, sia il modulo dell’auto elettrica che quello dei climatizzatori leggevano contemporaneamente l’intero valore. Risultato?

La Wallbox Tuya impostava 10A (~2.3 kW).
I climatizzatori avviavano il compressore (~1.5 kW).
Totale richiesto: 3.8 kW, a fronte dei 2.5 kW disponibili! La casa finiva istantaneamente per prelevare 1.3 kW dalla rete Enel o scaricare a tradimento le batterie, facendo scattare le protezioni anti-crossfeed e azzerando la ricarica. Un classico problema di concorrenza non coordinata.

La Cura: Il Water-Filling Budget Allocator

Abbiamo riscritto l’arbitraggio centralizzato in DeviceManager: $$P_{\text{ev_budget}} + P_{\text{th_budget}} \le P_{\text{avail_surplus}} + P_{\text{bess_boost}}$$

Ora un unico arbitro valuta i contratti energetici:

Se l’auto ha una partenza imminente o la batteria è sotto il 50%, l’EV ha priorità assoluta.
Se il piano MILP ha individuato una finestra pomeridiana ad altissima efficienza o la casa è fuori comfort, la climatizzazione prende i suoi 1.5 kW e il residuo esatto va all’auto.
Se il surplus supera i 2.8 kW, entrambi i vettori modulano contemporaneamente in perfetta armonia, con zero prelievi dalla rete.

2. Il Modello $E_{\text{free}}$: Quanta Batteria Possiamo Sacrificare?

“Cannibalizzare” la batteria di casa per caricare l’auto o riscaldare le stanze è un’idea brillante solo se non ti lascia al buio alle due di notte.

Per formalizzare questo concetto, abbiamo creato il modello deterministico in tempo reale di $E_{\text{free}}$ (Energia Libera Sacrificabile):

┌────────────────────────────────────────────────────────┐
│  ENERGIA TOTALE NEI BESS: 36.0 kWh Max                 │
│  (LUNA2000 HV 20 kWh + HumsiENK LV 16 kWh)             │
└───────────────────────────┬────────────────────────────┘
                            │
                            ▼
 ┌──────────────────────────────────────────────────────┐
 │ [-] Fabbisogno Notturno Casa (P_baseline x ore_buio) │
 └──────────────────────────┬───────────────────────────┘
                            │
                            ▼
 ┌──────────────────────────────────────────────────────┐
 │ [-] Riserva Anti-Blackout (Humsi 20% + LUNA 15%)     │
 └──────────────────────────┬───────────────────────────┘
                            │
                            ▼
 ┌──────────────────────────────────────────────────────┐
 │ [+] Contrazione Riserva se Solcast Domani >= 35 kWh  │
 └──────────────────────────┬───────────────────────────┘
                            │
                            ▼
                 ═════════════════════════
                   E_free (Energia Libera)
                 ═════════════════════════
                   │                   │
                   ▼                   ▼
           Se E_free >= 2.5 kWh   Se E_free >= 1.2 kWh
           [Abilita EV Boost]     [Abilita Clima Boost]

La formula matematica: $$E_{\text{free}} = \max\left(0, , E_{\text{stored}} - E_{\text{night_need}} - E_{\text{reserve}}\right)$$

Se le batterie stazionarie hanno 30 kWh e la casa la notte ne consumerà al massimo 5 kWh con una riserva di emergenza di 6 kWh, abbiamo 19 kWh di $E_{\text{free}}$. Bloccare la ricarica dell’auto solo perché una nuvola oscura il sole per venti minuti sarebbe un’assurdità ingegneristica!

3. La Sorpresa dell’OBC: Perché Non Bisogna Caricare a 6A

Quando si collega un’auto elettrica (nel nostro caso una Dacia Spring da 26.8 kWh) a una presa domestica o a una Wallbox, l’auto deve convertire la corrente alternata (AC) della casa in continua (DC) per la batteria chimica tramite il caricatore di bordo (OBC, On-Board Charger).

Molti pensano che l’auto assorba energia come una stufetta elettrica: se le dai 1.38 kW (6A monofase), lei immagazzina 1.38 kW. Falso.

A bordo dell’auto ci sono ausiliari fissi sempre attivi durante la carica:

Il computer di bordo (ECU) e il display del cruscotto.
La pompa di circolazione del liquido refrigerante della batteria.
Il circuito di controllo del BMS.

Questi ausiliari assorbono una potenza fissa parassita tra i 150 W e i 250 W costanti.

Se caricate l’auto a 6A (1380 W):

250 W se ne vanno per tenere accesa l’auto.
Altri 120 W si perdono per il calore dei semiconduttori del convertitore AC/DC.
Alla batteria arrivano a malapena 1000 W. La resa è di appena il 73%!

Se quell’energia la state prendendo dalle batterie di casa (che già hanno subito una perdita chimica del 15% nel ciclo di carica/scarica), l’efficienza complessiva crolla al: $$\eta_{\text{tot}} = 0.85 \times 0.73 \approx 62%$$ State letteralmente buttando via quasi il 40% dell’energia in calore!

Abbiamo quindi implementato la curva di efficienza dinamica dell’OBC nel modulo di surplus:

6A (1.38 kW): Efficienza $73%$.
10A (2.30 kW): Efficienza $79%$.
16A (3.68 kW): Efficienza $84%$.
32A (7.36 kW): Efficienza $>87%$.

La decisione dell’HEMS: quando si decide di cannibalizzare la batteria stazionaria con $E_{\text{free}}$, il sistema evita i 6A e spinge preferenzialmente a $\ge 10\text{A}-16\text{A}$, dove l’OBC lavora al massimo della sua resa termodinamica.

4. La Matrice di Saturazione a 4 Batterie

A questo punto avevamo un quadro chiaro: in casa non abbiamo “una batteria e dei carichi”, ma 4 serbatoi di accumulo energetico interconnessi:

Vettore	Capacità / Dimensione	Monitoraggio Hardware	Obiettivo di Saturazione
1. Huawei LUNA2000	20.0 kWh (LiFePO4 HV)	Modbus TCP (Porta 6607)	100% (o cut-off hardware 90%) entro il tramonto
2. Datouboss HumsiENK	16.0 kWh (LiFePO4 48V)	Seriale RS232 PI30	Raggiungimento soglia Float (54.0V) senza clipping solare
3. EV Dacia Spring	26.8 kWh (Trazione)	Tuya Local DPS + HA	Target SoC desiderato prima dell’orario di partenza
4. Volano Termico Casa	$\tau = 65\text{h}$, $H_{\text{tr}} = 84.6\text{W/K}$	Submetering PZEM Ch2 + Sensori HA	Accumulo termico nelle pareti sfruttando ore ad alto COP

Il nuovo modulo MultiBatterySaturationTracker calcola in tempo reale il tempo a saturazione $t_{\text{full}}$ per tutti e 4 i vettori.

L’Inerzia della Casa: Una Batteria Termica da 65 Ore

La nostra calibrazione sperimentale dell’edificio ha dimostrato che la casa ha una costante di tempo termica di $\tau = 65.0\text{ ore}$ e una trasmittanza globale di $H_{\text{tr}} = 84.6\text{ W/K}$. Significa che se spegnete il riscaldamento o l’aria condizionata durante un transitorio nuvoloso di 30 minuti, la temperatura interna cala (o sale) di meno di $0.04^\circ\text{C}$!

Allo stesso tempo, il coefficiente di prestazione ($COP$) della nostra pompa di calore (monitorata dal canale submetering dedicato PZEM Ch2) varia con la temperatura esterna:

In inverno a $2^\circ\text{C}$ di notte: $COP \approx 2.7$.
Nel primo pomeriggio a $15^\circ\text{C}$: $COP > 4.2$.

Sfruttare $E_{\text{free}}$ della batteria alle due del pomeriggio per saturare il volano termico delle pareti al doppio dell’efficienza è mille volte più intelligente che scaldare la casa di notte a basso COP.

5. La Garanzia Matematica: Solcast Solar Recovery Margin

Resta un’ultima domanda cruciale: come fa il sistema a sapere con certezza se può svuotare 5 kWh di batteria nell’auto a mezzogiorno senza rimpiangerlo la sera?

Semplice: con il margine di recupero solare. L’algoritmo integra la produzione solare residua prevista dai satelliti meteo di Solcast da adesso fino al tramonto: $$E_{\text{pv_remaining}} = \int_{t_{\text{now}}}^{t_{\text{sunset}}} P_{\text{solcast}}(t) , dt$$

E la confronta con l’energia necessaria per riempire al 100% le due batterie stazionarie: $$E_{\text{deficit_bess}} = E_{\text{mancante_luna}} + E_{\text{mancante_humsi}}$$

La Regola Aurea:

$$E_{\text{pv_remaining}} \ge 1.2 \times E_{\text{deficit_bess}}$$

Se il sole residuo atteso copre il deficit delle batterie con un margine di sicurezza del 20%, scatta il flag: is_solar_recovery_guaranteed = True

Il motore decisionale AI System 1 (Jev-like Scorer a sub-millisecondo) riceve il segnale e attiva senza esitazione la macro-strategia: STRATEGY_PREDICTIVE_BESS_CANNIBALIZATION_EV

L’auto carica a piena potenza, la nuvola passa inosservata grazie al cuscinetto BESS e alle 17:30 entrambe le batterie di casa sono regolarmente al 100%.

6. Risultati dal Campo su Proxmox CT 110

Tutto questo non è rimasto su un foglio di calcolo. È stato interamente tradotto in codice Python modulare, integrato nei tre demoni systemd (core_daemon, planner_daemon, web_daemon) e verificato con 206 test unitari deterministici:

Ran 206 tests in 40.361s
OK (failures=0, errors=0)

Sul nostro container Proxmox CT 110 (solar-hub), il log live di solar-core testimonia la nuova sinfonia:

[INFO] SolarCoreDaemon: Starting Solar Core Daemon loop...
[INFO] Domain.BuildingEnvelope: Historical thermodynamic calibration SUCCESSFUL: Tau=65.0h, H_tr=84.6W/K
[INFO] TuyaEVCharger: Polled DPS: {'3': 'charger_free', '4': 6, '14': 'charge_now', '27': 'online'}
[INFO] HEMSActuator: AI Auto-Adaptive Resolver: Selected 'SUMMER_AUTONOMY'
[INFO] HEMSActuator: Inverter Relays ACK: POP01, MUCHGC002, PCP02 (Only Solar)
[INFO] DeviceManager: [HEMS Arbitration] Proposta emessa da 'thermal' (23.0°C rispetto al setpoint)
[INFO] DeviceManager: [HEMS Arbitration] Proposta emessa da 'ev' (Fabbisogno deficit 0.8 kWh)

Niente più ricariche a singhiozzo. Niente più scatti parassiti della rete. Niente più energia solare sprecata a basso rendimento.

Quando la fisica dell’edificio, l’elettronica di potenza degli inverter e l’Intelligenza Artificiale decisionale si incontrano su una solida architettura locale, la casa smette di essere un semplice consumatore passivo: diventa una vera e propria micro-centrale energetica autonoma e predittiva.