Probabilistische Betriebsführung eines erneuerbaren-basierten Mikronetzes unter Berücksichtigung von Unsicherheiten mit dem selbstadaptiven Gravitationssuchalgorithmus

Die Lichter anlassen, wenn die Zukunft unsicher ist

Je mehr Haushalte und Unternehmen Strom von Dachsolaranlagen, lokalen Windturbinen und Batterien beziehen, desto komplizierter wird es, die Versorgung zuverlässig und zu fairen Preisen sicherzustellen. Sonneneinstrahlung, Wind und Strompreise ändern sich von Stunde zu Stunde, und kleine, nachbarschafts­große Stromsysteme, sogenannte Mikronetze, müssen in Echtzeit reagieren. Dieser Artikel untersucht einen neuen Ansatz, um solche Mikronetze zu betreiben, damit sie zuverlässig bleiben, erneuerbare Energie optimal nutzen und die Kosten auch bei unsicherer Zukunft niedrig halten.

Kleine Stromnetze ganz in der Nähe

Ein Mikronetz ist im Grunde ein kleines Stromnetz, das einen Campus, ein Wohnviertel oder eine Kleinstadt versorgt. Statt sich ausschließlich auf ein entferntes Kraftwerk zu verlassen, kann es nahe Quellen wie eine Mikroturbine, Brennstoffzelle, Solarmodule, Windturbine und einen Batteriespeicher nutzen und sich bei Bedarf mit dem Hauptnetz verbinden. Ein zentraler Regler entscheidet stündlich, wie viel Leistung jedes Gerät liefern oder speichern soll. Die Herausforderung besteht darin, dass dieser Regler Entscheidungen auf Grundlage von Vorhersagen treffen muss: wie viel Strom verbraucht wird, wie stark der Wind weht, wie hell die Sonne scheint und wie der Marktpreis für Strom ausfällt. Liegen diese Schätzungen falsch, kann das Mikronetz zu hohe Kosten verursachen oder Versorgungsengpässe riskieren.

Intelligente Annahmen über eine unsichere Zukunft

Viele bestehende Regelungs­methoden ignorieren Unsicherheiten oder versuchen, sie mit aufwendigen statistischen Verfahren zu handhaben, die für den Echtbetrieb zu langsam sind. Die Autoren greifen auf eine leichtere Methode zurück: die 2m-Punkt-Schätzmethode. Anstatt tausende zufällige Simulationen durchzuführen, wählt diese Methode nur eine kleine Anzahl sorgfältig ausgewählter „Was-wäre-wenn“-Punkte um die erwarteten Werte wichtiger Eingangsgrößen wie Nachfrage, Erzeugung aus erneuerbaren Quellen und Marktpreis. Indem das Mikronetzplanungsproblem an diesen Punkten gelöst wird, lässt sich schätzen, wie sich Gesamtkosten und Leistungsflüsse unter einer breiten Palette von Bedingungen verhalten. Das gibt dem Regler ein praktikables Bild von Risiken und Variabilität, ohne die Rechenressourcen zu überlasten.

Eine von der Gravitation inspirierte Suche nach besseren Fahrplänen

Um den besten Fahrplan für alle Erzeuger, die Batterie und die Netzverbindung zu bestimmen, verwendet die Studie eine Suchmethode, die von der Gravitation inspiriert ist. In diesem Konzept ist jeder mögliche Fahrplan wie ein Partikel mit einer Masse, die mit der Güte dieses Fahrplans zusammenhängt: Niedrigere Kosten und bessere Nutzung von erneuerbaren Energien bedeuten eine größere Masse. Diese Partikel „ziehen“ einander an und bewegen sich zu besseren Bereichen des Lösungsraums. Die Autoren verbessern diese Idee mit einer selbstadaptiven Komponente. Sie führen zwei Arten zufälliger Störungen, sogenannte Mutationsbewegungen, ein, die den Partikeln helfen, aus schlechten lokalen Fallen zu entkommen und weiter zu erkunden. Der Algorithmus verfolgt, welche Bewegung im Laufe der Zeit besser funktioniert, und passt sein Verhalten automatisch an, indem er der erfolgreicheren Strategie mehr Gewicht gibt. Dieser selbstabstimmende Ansatz, genannt Self-Adaptive Gravitational Search Algorithm, hilft, qualitativ hochwertige Fahrpläne schneller und zuverlässiger zu finden.

Batterien und smartere Steuerung im Praxistest

Das Team testet sein kombiniertes Rahmenkonzept – Punkt­schätzung für Unsicherheit und die verbesserte gravitationsbasierte Suche – an einem Modell eines Niederspannungs­mikronetzes mit Solar, Wind, einer Mikroturbine, einer Brennstoffzelle und einer Nickel-Metallhydrid-Batterie. Sie vergleichen zwei Hauptfälle: einen ohne Batterie und einen mit Batterie unter ihrer neuen Steuerungsmethode. Wird die Batterie einbezogen, kann der Regler Energie zeitlich verschieben, indem er bei günstigem oder reichlichem Strom lädt und bei Nachfrage- oder Preisspitzen entlädt. In Simulationen reduziert dies die täglichen Erzeugungskosten fast um die Hälfte und erhöht den Anteil erneuerbarer Energie während Spitzenstunden um etwa 10 Prozentpunkte. Der verbesserte Algorithmus konvergiert zudem rund ein Viertel schneller und liefert niedrigere Betriebskosten als Standard-gravitationsbasierte Methoden und einen weitverbreiteten Particle-Swarm-Ansatz.

Robuste Leistung in einer sich wandelnden Welt

Um die Robustheit der Methode zu prüfen, variieren die Autoren sowohl Nachfrage als auch Marktpreise um 10 und 20 Prozent nach oben und unten. Selbst im schlimmsten Fall, wenn beide Werte 20 Prozent höher als erwartet sind, steigen die Gesamtkosten nur moderat und der Rückgang beim Einsatz erneuerbarer Energien bleibt begrenzt. Konkurrenzmethoden zeigen größere Kostenschwankungen und lassen sich leichter aus dem Konzept bringen. Die Studie untersucht zudem Zukunftsszenarien, in denen fallende Preise für Solar-, Wind- und fortschrittliche Batterietechnologien die Einsparungen und den Einsatz sauberer Energie weiter steigern würden. Insgesamt deutet die Arbeit darauf hin, dass die Kombination aus intelligenter Unsicherheitsmodellierung und einem selbstabstimmenden Suchalgorithmus Mikronetzen helfen kann, günstigeren, saubereren und zuverlässigeren Strom zu liefern, auch wenn Wetter und Preise von morgen schwer vorhersehbar sind.

Zitation: Ahmed, E.M., Zaki, Z.A., Kamarposhti, M.A. et al. Probabilistic operational management of a renewable-based microgrid considering uncertainties using the self-adaptive gravitational search algorithm. Sci Rep 16, 12313 (2026). https://doi.org/10.1038/s41598-026-42839-8

Schlüsselwörter: Mikronetz, erneuerbare Energie, Batteriespeicher, Optimierungsalgorithmus, Energiemanagement