Gestión operativa probabilística de una microrred basada en renovables considerando incertidumbres mediante el algoritmo de búsqueda gravitacional autoadaptativo

Mantener las luces encendidas cuando el futuro es incierto

A medida que más hogares y negocios obtienen energía de paneles solares en tejados, turbinas eólicas locales y baterías, mantener las luces encendidas a un precio razonable se convierte en un delicado acto de equilibrio. La radiación solar, el viento y los precios de la electricidad cambian de hora en hora, y los sistemas eléctricos de tamaño vecinal conocidos como microrredes deben reaccionar en tiempo real. Este artículo explora una nueva forma de operar dichas microrredes para que sigan siendo fiables, aprovechen al máximo la energía limpia y mantengan bajos los costes incluso cuando el futuro es incierto.

Pequeñas redes eléctricas cerca de casa

Una microrred es, básicamente, una red eléctrica en miniatura que sirve a un campus, un vecindario o un pequeño municipio. En lugar de depender únicamente de una planta de energía lejana, puede extraer energía de fuentes cercanas como una microturbina, una pila de combustible, paneles solares, una turbina eólica y un banco de baterías, manteniendo al mismo tiempo la conexión con la red principal cuando sea necesario. Un controlador central decide, hora a hora, cuánto debe producir o almacenar cada dispositivo. El reto es que este controlador debe tomar decisiones basadas en predicciones sobre cuánto consumirá la gente, qué intensidad tendrá el viento, cuánta radiación solar habrá y cuál será el precio del mercado de la electricidad. Si estas estimaciones fallan, la microrred puede acabar pagando de más o arriesgando cortes de suministro.

Hacer conjeturas inteligentes sobre un futuro incierto

Muchos métodos de control existentes o bien ignoran la incertidumbre o intentan manejarla con herramientas estadísticas muy complejas que resultan demasiado lentas para la operación en el mundo real. Los autores recurren a una técnica más ligera llamada Método de Estimación de 2m Puntos. En lugar de ejecutar miles de simulaciones aleatorias, este método selecciona solo un pequeño número de puntos «qué pasaría si» cuidadosamente escogidos alrededor de los valores esperados de las entradas clave, como la demanda, la producción renovable y el precio de mercado. Al resolver el problema de planificación de la microrred en estos puntos, puede estimar cómo se comportarán el coste total y los flujos de energía bajo una amplia gama de condiciones. Esto ofrece al controlador una imagen práctica del riesgo y la variabilidad sin sobrecargar los recursos informáticos.

Una búsqueda inspirada en la gravedad para mejores horarios

Para decidir el mejor calendario de operación de todos los generadores, la batería y la conexión a la red, el estudio utiliza un método de búsqueda inspirado en la gravedad. En este esquema, cada posible calendario es como una partícula con una masa relacionada con la calidad de ese calendario: menor coste y mejor aprovechamiento de las renovables implican una masa mayor. Estas partículas se “atraen” entre sí, desplazándose hacia regiones mejores del espacio de soluciones. Los autores mejoran esta idea con un giro autoadaptativo. Introducen dos tipos de empujones aleatorios, o movimientos de mutación, que ayudan a las partículas a escapar de trampas locales y explorar con mayor amplitud. El algoritmo monitoriza qué movimiento funciona mejor con el tiempo y ajusta automáticamente su comportamiento, otorgando más peso a la estrategia más exitosa. Este enfoque de autoajuste, denominado Algoritmo de Búsqueda Gravitacional Autoadaptativo, le permite encontrar horarios de alta calidad más rápido y de forma más fiable.

Poniendo a prueba baterías y control más inteligente

El equipo prueba su marco combinado —que utiliza estimación puntual para la incertidumbre y la búsqueda mejorada basada en la gravedad— en un modelo de microrred de baja tensión con solar, eólica, una microturbina, una pila de combustible y una batería de hidruro metálico de níquel. Comparan dos casos principales: uno sin batería y otro con batería bajo su nuevo método de control. Cuando se incluye la batería, el controlador puede desplazar energía en el tiempo, cargando cuando la energía es barata o abundante y descargando cuando la demanda o los precios se disparan. En las simulaciones, esto reduce el coste total diario de generación casi a la mitad y aumenta la proporción de energía renovable en aproximadamente 10 puntos porcentuales durante las horas punta. El algoritmo mejorado también converge alrededor de un cuarto más rápido y ofrece menores costes operativos que los métodos gravitacionales estándar y un enfoque ampliamente usado de enjambre de partículas.

Rendimiento robusto en un mundo cambiante

Para evaluar la solidez del método, los autores varían tanto la demanda como los precios de mercado al alza y a la baja en un 10 y un 20 por ciento. Incluso en el peor de los casos, cuando ambos son un 20 por ciento mayores de lo esperado, los costes totales aumentan solo de forma moderada y la caída en el uso de renovables es limitada. Los métodos competidores muestran oscilaciones de coste mayores y son más susceptibles de desestabilizarse. El estudio también explora escenarios futuros en los que la caída de los precios del solar, la eólica y las baterías avanzadas potenciaría aún más los ahorros y el uso de energía limpia. En conjunto, el trabajo sugiere que combinar un modelado inteligente de la incertidumbre con un algoritmo de búsqueda autoajustable puede ayudar a las microrredes a ofrecer energía más barata, limpia y fiable, incluso cuando el tiempo y los precios de mañana son imprevisibles.

Cita: 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

Palabras clave: microrred, energía renovable, almacenamiento en baterías, algoritmo de optimización, gestión energética