Kostengünstiger und nachhaltiger Betrieb von Mikronetzen mit verbessertem Whale Optimization Algorithm

Warum unsere zukünftigen Stromnetze eine neue Art von „Gehirn“ brauchen

Die Stromversorgung wird komplizierter, da immer mehr Haushalte und Unternehmen statt auf Kohle und Gas auf Sonne und Wind setzen. Diese sauberen Quellen sind günstiger und klimafreundlicher, aber sie schwanken mit dem Wetter. Dieses Papier untersucht, wie ein intelligenteres digitales „Gehirn“ kleine lokale Stromnetze — sogenannte Mikronetze — betreiben kann, damit sie zuverlässig Strom zu geringeren Kosten und mit weniger Emissionen liefern, selbst wenn das Hauptnetz ausfällt. Die Autoren zeigen, dass ein neuer Computeralgorithmus, inspiriert vom Verhalten von Walen, die Betriebskosten für ein Testmikronetz im Vergleich zu gängigen Planungsmethoden um fast 40 % senken kann.

Kleine Stromnetze mit großen Zielen

Mikronetze sind kompakte Stromsysteme, die ein Viertel, einen Campus oder ein Dorf versorgen können. Statt ausschließlich auf entfernte Kraftwerke zu vertrauen, kombinieren sie lokale Quellen wie Solarmodule, Windturbinen, Brennstoffzellen, Dieselgeneratoren und Batteriespeicher. Mikronetze können sich mit dem Hauptversorgungsnetz verbinden, wenn es verfügbar ist, sie können sich aber auch „inseln“ und während Stürmen, Bränden oder Blackouts unabhängig betrieben werden. Diese Flexibilität macht sie zu einem vielversprechenden Baustein für ein saubereres und widerstandsfähigeres Energiesystem — sie erhöht aber auch die Komplexität ihres Betriebs. Jemand oder etwas muss ständig entscheiden, welche Geräte laufen, wie viel Strom vom Hauptnetz bezogen oder dorthin verkauft wird und wann Batterien geladen oder entladen werden.

Die Rolle eines digitalen Energiemanagers

Zur Bewältigung dieser Komplexität nutzen Mikronetze ein Energiemanagementsystem, kurz EMS. Das EMS sammelt Daten zu Wettervorhersagen, Strompreisen, Gerätegrenzen, Batterieladezuständen und Kundenbedarf. Anschließend gibt es Steuerbefehle aus — etwa Generatoren ein- oder auszuschalten, die Leistung anzupassen und den Batteriesatz zu planen — um mehrere Ziele gleichzeitig zu erreichen. Diese Ziele umfassen die stündliche Balance von Angebot und Nachfrage, die Minimierung der Gesamtkosten des Betriebs und die Reduzierung von Emissionen fossiler Generatoren. Im netzgekoppelten Modus entscheidet das EMS außerdem, wann es günstiger ist, billigen Strom vom Hauptnetz zu kaufen und wann überschüssige erneuerbare Energie verkauft werden sollte, sodass das Mikronetz zu einem aktiven Marktteilnehmer wird.

Eine walinspirierte Methode zur Suche besserer Zeitpläne

Die beste Betriebsreihenfolge für jeden Generator und jede Batterie über einen ganzen Tag zu bestimmen, ist ein schweres Rätsel: Es gibt viele Optionen, die Kosten sind nichtlinear und die Einspeisung aus erneuerbaren Quellen ist unsicher. Traditionelle mathematische Methoden oder klassische Suchalgorithmen bleiben oft in mittelmäßigen Lösungen stecken. Die Autoren wenden sich einer modernen Suchklasse zu, den Metaheuristiken, die lose davon inspiriert sind, wie Tiere jagen oder erkunden. Ihr verbesserter Whale Optimization Algorithm (IWOA) baut auf einer früheren Methode auf, die das Umkreisen und spiralförmige Annähern von Buckelwalen nachahmt. Die verbesserte Version verwendet einen sorgfältig abgestimmten „Schwimm“-Parameter, adaptive Gewichtungen und zufällige lange Sprünge, sogenannte Lévy-Flüge, um anfangs breit zu erkunden und dann in vielversprechende Regionen einzudringen, ohne in lokalen Sackgassen stecken zu bleiben.

Test der Methode an einem realistischen Mikronetz

Das Team prüfte sein EMS an einem bekannten Benchmark: einem Niederspannungs-Mikronetz, das eine Brennstoffzelle, eine Mikroturbine, einen Dieselgenerator, Solarmodule, eine Windturbine und eine Batterie umfasst, die mit dem Hauptnetz verbunden ist. Untersucht wurden sowohl der Inselbetrieb, bei dem das Mikronetz den Bedarf vollständig aus lokalen Quellen decken muss, als auch der netzgekoppelte Betrieb, bei dem es Strom mit dem größeren Netz handeln kann. In beiden Modi versuchte der Algorithmus, eine kombinierte Kostenfunktion zu minimieren, die Brennstoff- und Wartungskosten für jedes Gerät, den Kauf- oder Verkaufspreis von Elektrizität und eine Strafkomponente für CO2- und andere Schadstoffemissionen umfasst. Die Ergebnisse zeigten, dass das EMS natürlicherweise sauberere und günstigere Technologien bevorzugte: Die Brennstoffzelle fungierte als Hauptarbeitspferd, die Mikroturbine diente als Reserve und der Diesel wurde nur bei absoluter Notwendigkeit eingesetzt.

Intelligenter Einsatz von Batterien und Hauptnetz

Eine zentrale Erkenntnis ist, wie der verbesserte Algorithmus Batterie und Netzanschluss als finanzielle und ökologische Hebel nutzt. Im Inselbetrieb glättet die Batterie Schwankungen von Solar- und Windleistung, entlädt bei hoher Nachfrage und lädt bei überschüssiger erneuerbarer Erzeugung, wodurch die Abhängigkeit von Diesel reduziert wird. Im netzgekoppelten Modus lernt das EMS eine „Energiearbitrage“-Strategie: Es lädt die Batterie, wenn Netzstrom günstig ist, und entlädt sie bei Preisspitzen, während es gleichzeitig überschüssige erneuerbare Energie exportiert, wenn lokale Nachfrage und Batteriekapazität dies zulassen. Über viele simulierte Tage senkte der verbesserte Whale Optimization Algorithm die Betriebskosten des Mikronetzes um etwa 39,66 % gegenüber traditionellen genetischen Algorithmen, Particle-Swarm-Verfahren und dem Standard-Whale-Algorithmus, und hielt dabei die Emissionen niedriger.

Was das für den alltäglichen Energieverbraucher bedeutet

Für Nichtfachleute ist die Botschaft einfach: Einen sauberen, zuverlässigen lokalen Strombetrieb herzustellen, ist nicht mehr nur eine Frage der Hardware — er hängt stark von intelligenter Software ab. Indem Mikronetzen ein leistungsfähigeres „Autopilot“-System gegeben wird, ermöglicht dieser walinspirierte Algorithmus, jede Kilowattstunde weiter auszuschöpfen, stärker auf erneuerbare Energien zu setzen und weniger auf umweltschädliche Reservegeneratoren und teure Netzimporte angewiesen zu sein. Bei breiter Anwendung könnten solche intelligenten Energiemanager Viertel widerstandsfähiger gegen Ausfälle machen, Versorger dabei unterstützen, den Anstieg von Solar- und Windstrom ohne teure Netzaufrüstungen zu bewältigen, und Klimaziele fördern, indem sie automatisch sauberere Energie bevorzugen, wenn sie verfügbar und bezahlbar ist.

Zitation: El-Zaher, S.M., Ahmed, A.M., Ahmed, E.M. et al. Cost-effective and sustainable operation of microgrids using Improved Whale Optimization Algorithm. Sci Rep 16, 4811 (2026). https://doi.org/10.1038/s41598-026-35529-y

Schlüsselwörter: Mikronetze, Energiemanagementsystem, erneuerbare Energie, Optimierungsalgorithmus, Batteriespeicher