Encontrar el perfil de velocidad óptimo de un vehículo eléctrico autónomo (VEA) para una ruta dada (eco-conducción) puede llevar a una reducción en el consumo de energía. Esta reducción de energía es aún más notable cuando se considera cuidadosamente la capacidad de frenado regenerativo (FR) de los VEAs en la obtención del perfil de velocidad. En este documento, se formula un nuevo enfoque para calcular el perfil óptimo de eco-conducción de un VEA utilizando programación lineal entera mixta (MILP) mientras se integra cuidadosamente la capacidad de FR y sus limitaciones en el proceso de obtención de un perfil de conducción con el menor consumo de energía. Una de las limitaciones más importantes de FR que ha sido descuidada en estudios previos es la operación por debajo del límite de velocidad baja (LSB) de los motores eléctricos, lo que afecta la capacidad de extracción de energía de FR. La novedad de este trabajo es encontrar el perfil de velocidad óptimo dada esta limitación, lo que lleva a un perfil de eco-conducción mucho más realista. Se utiliza Python para codificar el problema MILP, y se emplea CPLEX como el solucionador. Para verificar los resultados, el problema de eco-conducción se aplica a dos escenarios para mostrar la importancia de considerar un LSB dinámico. Se muestra que para la ruta en estudio, hasta un 27% más de energía se puede recolectar al emplear el enfoque propuesto.