Operación rentable y sostenible de microrredes mediante el Algoritmo Mejorado de Optimización de Ballenas

Por qué nuestras redes eléctricas futuras necesitan un nuevo tipo de “cerebro”

Mantener las luces encendidas se está volviendo más complicado a medida que más hogares y negocios funcionan con sol y viento en lugar de carbón y gas. Estas fuentes limpias son más baratas y mejores para el clima, pero dependen del tiempo. Este artículo explora cómo un “cerebro” digital más inteligente puede gestionar pequeñas redes eléctricas locales —conocidas como microrredes— para ofrecer electricidad fiable a menor coste y con menos emisiones, incluso cuando la red principal está caída. Los autores muestran que un nuevo algoritmo informático, inspirado en el comportamiento de las ballenas, puede reducir los costes de operación de una microrred de prueba en casi un 40 % en comparación con métodos de planificación habituales.

Redes eléctricas pequeñas con grandes ambiciones

Las microrredes son sistemas eléctricos compactos que pueden servir a un barrio, un campus o una aldea. En lugar de depender únicamente de centrales lejanas, combinan fuentes locales como paneles solares, aerogeneradores, pilas de combustible, generadores diésel y almacenamiento en baterías. Las microrredes pueden conectarse a la red eléctrica principal cuando está disponible, pero también pueden “aislarse” y funcionar de forma independiente durante tormentas, incendios forestales o cortes de suministro. Esta flexibilidad las convierte en un elemento prometedor para un sistema energético más limpio y resistente, pero también complica su operación. Alguien, o algo, debe decidir constantemente qué equipos poner en marcha, cuánta energía tomar o vender a la red principal y cuándo cargar o descargar las baterías.

El papel de un gestor de energía digital

Para gestionar esta complejidad, las microrredes emplean un Sistema de Gestión de Energía, o EMS. El EMS recopila datos sobre pronósticos meteorológicos, precios de la electricidad, límites de equipos, niveles de carga de las baterías y demanda de los clientes. Luego emite órdenes de control —como encender o apagar generadores, ajustar la potencia y programar el uso de baterías— para cumplir varios objetivos a la vez. Entre ellos están mantener el equilibrio entre oferta y demanda cada hora, minimizar el coste total de operación y reducir las emisiones de los generadores que usan combustibles fósiles. En modo conectado a la red, el EMS también decide cuándo es más conveniente comprar energía barata de la red principal y cuándo vender el excedente renovable, convirtiendo a la microrred en un actor activo del mercado.

Una manera inspirada en ballenas de buscar mejores horarios

Decidir el mejor horario para cada generador y batería a lo largo de un día entero es un rompecabezas difícil: hay muchas opciones, los costes son no lineales y la producción renovable es incierta. Los métodos matemáticos tradicionales o los algoritmos clásicos de búsqueda a menudo quedan atrapados en soluciones mediocres. Los autores recurren a un tipo moderno de búsqueda llamado metaheurística, vagamente modelada en cómo cazan o exploran los animales. Su Algoritmo Mejorado de Optimización de Ballenas (IWOA) se basa en un método anterior inspirado en cómo las jorobadas rodean a su presa y espiralizan hacia el interior. La versión mejorada usa un parámetro de “natación” cuidadosamente ajustado, pesos adaptativos y saltos largos aleatorios conocidos como vuelos de Lévy para explorar ampliamente al principio y luego concentrarse en regiones prometedoras sin quedar atrapada en óptimos locales.

Prueba del enfoque en una microrred realista

El equipo probó su EMS en un banco de pruebas conocido: una microrred de baja tensión que combina una pila de combustible, una microturbina, un generador diésel, paneles solares, un aerogenerador y una batería conectada a la red principal. Examinaron tanto la operación en isla, donde la microrred debe cubrir la demanda únicamente con recursos locales, como la operación conectada, donde puede intercambiar energía con la red mayor. En ambos modos, el algoritmo buscó minimizar un coste combinado que incluye combustible y mantenimiento de cada equipo, el precio de comprar o vender electricidad y una penalización por emisiones de dióxido de carbono y otros contaminantes. Los resultados mostraron que el EMS favoreció de forma natural tecnologías más limpias y baratas, ejecutando la pila de combustible como el caballo de trabajo principal, usando la microturbina como respaldo y recurriendo al diésel solo cuando fue estrictamente necesario.

Uso más inteligente de las baterías y la red principal

Un hallazgo clave es cómo el algoritmo mejorado utiliza la batería y la conexión a la red como palancas financieras y medioambientales. En modo isla, la batería suaviza las variaciones de la producción solar y eólica, descargándose durante picos de demanda y cargándose cuando hay excedente renovable, lo que reduce la dependencia del diésel. En modo conectado a la red, el EMS aprende una estrategia de “arbitraje energético”: carga la batería cuando la electricidad de la red es barata y la descarga cuando los precios alcanzan su pico, mientras exporta el exceso renovable cuando la demanda local y los límites de la batería lo permiten. A lo largo de muchos días simulados, el Algoritmo Mejorado de Optimización de Ballenas redujo los costes de operación de la microrred en aproximadamente un 39,66 % respecto a algoritmos genéticos tradicionales, métodos de enjambre de partículas y el algoritmo estándar de ballenas, todo ello manteniendo las emisiones más bajas.

Qué significa esto para los usuarios de energía cotidianos

Para los no especialistas, la conclusión es sencilla: operar un sistema de energía local limpio y fiable ya no depende solo de comprar hardware, sino en gran medida de un software inteligente. Al dar a las microrredes un “piloto automático” más capacitado, este algoritmo inspirado en ballenas les permite aprovechar mejor cada kilovatio-hora, apoyarse más en renovables y depender menos de generadores de respaldo contaminantes y de costosas importaciones de la red. Si se implantaran ampliamente, estos gestores energéticos inteligentes podrían hacer los barrios más resilientes ante cortes, ayudar a las compañías eléctricas a manejar el auge de la solar y la eólica sin costosas mejoras y apoyar los objetivos climáticos favoreciendo automáticamente la energía más limpia siempre que esté disponible y sea asequible.

Cita: 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

Palabras clave: microrredes, sistema de gestión de energía, energía renovable, algoritmo de optimización, almacenamiento en baterías