Estudio de programación óptima de microrredes basado en un algoritmo mejorado de sardinas con múltiples estrategias

Por qué importan las redes eléctricas pequeñas más inteligentes

En todo el mundo, ciudades y campus están incorporando pequeños sistemas eléctricos locales compuestos por paneles solares, aerogeneradores, baterías y pequeños generadores. Estas “microrredes” pueden mantener la energía en cortes de suministro y aprovechar mejor la energía limpia. Pero elegir cuándo usar el sol, el viento, una batería o un generador que funciona con combustible es un rompecabezas complejo que cambia cada hora. Este estudio presenta una nueva forma de planificar esas decisiones para que las microrredes reduzcan costes y contaminación al mismo tiempo.

Cómo funcionan los sistemas de energía local

Una microrred es como una versión pequeña y inteligente de la red eléctrica mayor. Puede conectarse a la red principal cuando convenga, o funcionar de forma autónoma si hay una avería externa. En el interior de la microrred, varios dispositivos comparten la carga: paneles solares y aerogeneradores aportan energía limpia pero variable, las baterías almacenan electricidad sobrante para usarla después, y unidades a base de combustible como generadores diésel y turbinas de gas ofrecen energía de respaldo y respuesta rápida. El objetivo principal es adaptar todo este suministro variable a la demanda local sin desperdiciar energía ni dinero.

El reto de la toma de decisiones diaria

Gestionar bien una microrred implica tomar muchas decisiones interrelacionadas: cuándo cargar o descargar baterías, cuánta energía comprar o vender a la red principal y con qué intensidad operar las máquinas a base de combustible. Estas decisiones deben respetar numerosos límites, como potencias máximas, niveles seguros de batería y la velocidad con que los equipos pueden subir o bajar su producción. Además, existe una compensación entre facturas bajas y aire limpio. Los generadores de combustible y la energía de la red pueden ser baratos pero contaminantes, mientras que la solar y la eólica son limpias pero inciertas. Los métodos de planificación simples a menudo se quedan atrapados en soluciones “suficientemente buenas” que no son realmente óptimas y pueden pasar por alto opciones más baratas y limpias ocultas en este paisaje complejo.

Un nuevo método de búsqueda inspirado en los cardúmenes

Para abordar esto, los autores construyen un modelo matemático detallado de una microrred que incluye aerogeneradores, paneles solares, una microturbina de gas, un generador diésel y una batería. A continuación diseñan un nuevo método de búsqueda para explorar los numerosos horarios posibles. El método mezcla dos ideas inspiradas en la naturaleza: un algoritmo reciente tipo “sardina” basado en cómo se mueven y se dividen los cardúmenes, y un conocido método de “enjambre de partículas” que guía partículas virtuales hacia mejores soluciones. El enfoque mejorado usa varios trucos: comienza con un conjunto de soluciones iniciales más diverso, ajusta con qué audacia explora a medida que aprende y añade “saltos” aleatorios que le ayudan a escapar de callejones locales. Una estructura de dos capas permite que un grupo explore de forma amplia mientras otro afina las opciones prometedoras, compartiendo entre ellos los mejores hallazgos.

Pruebas del método en problemas estándar

Antes de aplicar el método a problemas reales de microrredes, el equipo lo prueba en doce funciones matemáticas estándar ampliamente usadas para evaluar algoritmos de búsqueda. Estos casos de prueba incluyen colinas suaves, crestas afiladas y paisajes con muchos valles pequeños. En enfrentamientos directos contra siete métodos diferentes, incluido el algoritmo sardina original, la optimización por enjambre de partículas, algoritmos genéticos y varios híbridos, el enfoque sardina mejorado encuentra soluciones superiores más rápido y con mayor fiabilidad. Muestra una notable capacidad para explorar ampliamente al principio y luego concentrarse cerca de la mejor respuesta, sin quedar atrapado en zonas pobres.

Qué ocurre dentro de una microrred modelo

A continuación, los autores aplican su método a una microrred de muestra que opera durante un día típico con cambios en sol, viento y demanda. El modelo incluye los costes de combustible, operación y contaminación de cada equipo, así como los precios de compra y venta con la red principal. El patrón de programación mejorado usa las baterías como un amortiguador inteligente, cargándolas cuando la energía es barata y limpia y descargándolas cuando los precios y la contaminación serían altos. Se aprovecha la solar y la eólica tanto como es posible, mientras que la microturbina de gas y el generador diésel funcionan solo cuando sus beneficios económicos y ambientales combinados superan las importaciones de la red. En comparación con métodos de planificación anteriores, el nuevo enfoque produce curvas de salida más suaves y un mejor equilibrio entre generación local, almacenamiento y energía de la red.

Por qué importa este nuevo enfoque

Bajo las mismas condiciones y con el mismo equipamiento, el método mejorado basado en sardinas reduce el coste diario total de operación de la microrred de muestra en aproximadamente una cuarta parte en comparación con el algoritmo sardina original, al tiempo que disminuye la contaminación. Llega a buenas soluciones más rápido y con menos riesgo de quedarse estancado en una solución deficiente. Aunque el trabajo todavía se basa en modelos por ordenador y omite algunos detalles del mundo real, sugiere que métodos de búsqueda cuidadosamente diseñados pueden hacer que las futuras microrredes sean más baratas y limpias de operar. A medida que más comunidades adopten sistemas energéticos locales, herramientas de programación inteligentes como esta podrían desempeñar un papel clave en la construcción de un suministro eléctrico más fiable y sostenible.

Cita: Wei, L., Zhong, H. Optimal scheduling study of microgrids based on multistrategy improved sardine algorithm. Sci Rep 16, 15782 (2026). https://doi.org/10.1038/s41598-026-46654-z

Palabras clave: microrred, energía renovable, almacenamiento de energía, algoritmo de optimización, despacho económico