Optimaler fraktionaler PID-Lastfrequenzregler für mehrfach verbundene Mikronetze einschließlich erneuerbarer Energien und Speichersystemen

Die Spannung halten in einer erneuerbaren Welt

Wenn immer mehr Haushalte und Industriebetriebe Strom aus Windparks, Wasserkraftwerken und modernen Batterien beziehen, wird es schwieriger, das Stromnetz stabil zu halten. Wenn Erzeugung und Verbrauch aus dem Gleichgewicht geraten, driftet die Netzfrequenz, was Ausrüstungen schädigen und Blackouts auslösen kann. Dieses Papier untersucht einen neuen Ansatz, um viele kleine, miteinander verbundene Stromnetze — sogenannte Mikronetze — stabil zu betreiben, selbst wenn erneuerbare Quellen und die Kundennachfrage stark unvorhersehbar sind.

Warum die Netzfrequenz für den Alltag wichtig ist

Elektrische Energiesysteme sind auf eine sehr spezielle Frequenz ausgelegt (50 oder 60 Hertz, je nach Region). Schalten sich zu viele Geräte gleichzeitig ein oder legt der Wind plötzlich nach, kann die Frequenz fallen oder steigen. Kleine Abweichungen sind normal, aber große oder länger andauernde können Leitungen überlasten, Schutzeinrichtungen verwirren und die Lebensdauer empfindlicher Elektronik verkürzen. Die Herausforderung wird noch größer, wenn mehrere Länder oder Regionen gekoppelt sind: eine Störung in einem Gebiet kann über Verbindungsleitungen weitergetragen werden und Nachbarn destabilisieren. Traditionelle Methoden der Lastfrequenzregelung funktionieren auf einfachen, fossilen Netzen gut, stoßen jedoch an ihre Grenzen, wenn erneuerbare Quellen und Speichergeräte in großer Zahl hinzukommen.

Von einzelnen großen Netzen zu vielen intelligenten Mikronetzen

Um den steigenden Strombedarf zu decken und gleichzeitig den Verbrauch fossiler Brennstoffe zu reduzieren, wandeln sich Energiesysteme von wenigen großen Kraftwerken zu Netzwerken kleinerer Mikronetze. Jedes in dieser Studie betrachtete Mikronetz kombiniert konventionelle thermische Kraftwerke, Wasserkraft, Windturbinen und zwei fortschrittliche Speichertechnologien: Redox-Flow-Batterien, die Energie in flüssigen Elektrolyten speichern, und Wasserstoffsysteme, die überschüssigen Strom in Wasserstoff umwandeln und diesen über Brennstoffzellen wieder in Strom zurückführen. Diese Mikronetze sind miteinander verbunden, sodass sie Energie teilen können. Der Vorteil ist Flexibilität und Resilienz; der Nachteil ist ein Geflecht von Wechselwirkungen, das es deutlich schwieriger macht, Frequenz und getauschte Leistungen bei plötzlichen Laständerungen innerhalb sicherer Grenzen zu halten.

Eine intelligentere Methode zur Abstimmung des Netz-„Autopiloten“

Ingenieure verlassen sich oft auf PID-Regler — automatische Systeme, die Erzeuger kontinuierlich leicht nachregeln — um Frequenzfehler zu korrigieren. Diese Arbeit verwendet eine flexiblere Variante, den fraktionalen PID-Regler, der zusätzliche Einstellparameter bietet und die zeitliche Reaktion des Systems besser formen kann. Der Haken ist, dass das Abstimmen dieser Regler in großen, erneuerungsreichen Netzen ein komplexes Suchproblem mit vielen lokalen Sackgassen ist. Um damit umzugehen, verfeinern die Autoren einen sogenannten political optimizer, einen Suchalgorithmus, der von Mehrparteienwahlen inspiriert ist. Ihre neue, speicherbasierte Version mPO lässt virtuelle „Kandidaten“ ihre besten bisherigen Positionen merken und diese Erfahrung nutzen, um künftige Schritte zu lenken, während ein spezieller Explorationsschritt die Suche vielfältig hält, damit sie nicht zu früh stecken bleibt.

Den Algorithmus testen, bevor er ans Netz geht

Bevor mPO auf reale Energieprobleme angewendet wird, testen die Autoren ihn an einer Reihe gängiger mathematischer Benchmark-Funktionen, die zur Bewertung von Optimierungsmethoden verwendet werden. Bei 12 dieser Testfunktionen konvergiert mPO durchweg schneller und zuverlässiger als mehrere populäre naturinspirierte Algorithmen, darunter Grey Wolf, Sand Cat Swarm und Sine–Cosine-Ansätze sowie der ursprüngliche political optimizer. Er zeigt hohe Genauigkeit, gute Robustheit und eine geringere Neigung, in lokalen Optima steckenzubleiben, was darauf hindeutet, dass die Speicher- und Explorationsanpassungen den Suchprozess tatsächlich verbessern.

Netze mit vielen erneuerbaren Energien stabilisieren

Im Zentrum des Papiers stehen Simulationen zu zwei miteinander verbundenen Mikronetzen und anschließend zu einem größeren System mit vier Gebieten. In jedem Fall enthalten die Mikronetze thermische, Wasser- und Windanlagen sowie Speicher und werden scharfen Laständerungen und realistischen nichtlinearen Effekten ausgesetzt. Der mPO-Algorithmus wird eingesetzt, um die fraktionalen PID-Regler so einzustellen, dass eine kombinierte Fehlermessgröße — die sowohl Frequenzabweichungen als auch unerwünschte Leistungsverflechtungen erfasst — minimiert wird. Im Vergleich zum traditionellen political optimizer und anderen Methoden reduziert mPO diesen Fehler um etwa 8 % bei hybridem Wasserstoff–Batterie-Speicher im Zwei-Gebiets-System und um etwa 20 % im Vier-Gebiets-System. Außerdem verkürzt er Einschwingzeiten und verringert Überschwinger, sodass die Mikronetze schneller und mit geringeren Schwankungen wieder in den Normalbetrieb zurückkehren.

Was das für zukünftige Energiesysteme bedeutet

Kurz gesagt bietet diese Studie einen intelligenteren „Autopiloten“ für die komplexen, erneuerungsintensiven Netze von morgen. Durch die Kombination eines fortschrittlichen Reglertyps mit einem speicherverstärkten Suchalgorithmus zeigen die Autoren, dass mehrfach verbundene Mikronetze plötzliche Nachfragespitzen und Schwankungen erneuerbarer Einspeisung mit kleineren Frequenzabweichungen und gleichmäßigeren Leistungsflüssen abfedern können. Obwohl die Arbeit auf detaillierten Simulationen basiert, legt sie nahe, dass solche intelligenten Abstimmmethoden realen Netzbetreibern helfen könnten, mehr saubere Energie zu integrieren, ohne die Stabilität zu opfern, und so den Weg für größere, grünere und zuverlässigere Stromnetze ebnen.

Zitation: Alshahir, A., Fathy, A., A. Hashim, F. et al. Optimal fractional order PID-load frequency controller for multi-interconnected microgrids including renewable energy and storage system. Sci Rep 16, 14342 (2026). https://doi.org/10.1038/s41598-026-43080-z

Schlüsselwörter: Mikronetze, erneuerbare Energien, Frequenzregelung, Optimierungsalgorithmus, Energiespeicherung