Un algoritmo mejorado inspirado en la generación de materiales para el control de frecuencia de carga en sistemas eléctricos integrados con VE

Por qué mantener la frecuencia estable importa

Cada aparato en nuestros hogares, desde frigoríficos hasta cargadores de teléfono, depende de que la red eléctrica mantenga una frecuencia casi constante. A medida que se conectan más vehículos eléctricos (VE) y más regiones comparten energía a larga distancia, mantener esa frecuencia estable se vuelve más difícil. Este estudio explora una nueva forma de afinar los controladores de la red para que puedan gestionar plantas convencionales y grandes flotas de VE sin perder la estabilidad y la fiabilidad del sistema.

Los coches eléctricos como colaboradores, no solo consumidores

Las redes modernas están cada vez más interconectadas, con grandes áreas compartiendo electricidad a través de líneas de enlace. Al mismo tiempo, millones de VE aparecen como cargas flexibles y de respuesta rápida. Los VE no solo consumen energía; cuando están conectados mediante electrónica adecuada, pueden inyectar brevemente potencia a la red, contribuyendo a estabilizar la frecuencia tras una perturbación como un aumento repentino de la demanda. Sin embargo, los patrones de carga y conducción de los VE son impredecibles, y las fuentes renovables como el viento y la solar añaden oscilaciones adicionales. Los esquemas de control tradicionales que se basan en reglas de ajuste simples suelen tener dificultades con esta mezcla de incertidumbres, lo que provoca oscilaciones indeseadas en la frecuencia de la red y en los flujos de potencia entre áreas.

Una forma inspirada en la química de buscar mejores ajustes

Los autores parten de un reciente algoritmo de “generación de materiales” que toma ideas de cómo los átomos forman compuestos químicos estables. En este enfoque, cada conjunto posible de ajustes de controlador es como un material formado por distintos elementos. El algoritmo forma, rompe y recombina estos materiales virtuales, valorando su “estabilidad” según lo bien que mantengan la frecuencia y la potencia en las líneas de enlace dentro de límites en simulaciones por ordenador. Pero la versión original de este método tenía una debilidad común en muchas técnicas de búsqueda: podía conformarse demasiado pronto con una solución meramente aceptable y dejar de explorar mejores opciones, especialmente en problemas complejos y de alta dimensión.

Añadir una curva más inteligente para evitar estancarse

Para superar esto, el estudio presenta un Algoritmo Mejorado de Generación de Materiales (IMGA). Además de los movimientos inspirados en la química, IMGA realiza periódicamente un pequeño paso local de “ajuste de curva”: observa tres soluciones vecinas y ajusta una línea curva simple (una parábola) a su comportamiento. A partir de esta curva estima un punto cercano mejor para probar a continuación. Este paso de interpolación cuadrática aporta a la búsqueda una sensación de dirección, permitiéndole concentrarse en regiones prometedoras sin depender de una única mejor solución como guía. Un interruptor probabilístico decide cuándo usar este movimiento basado en la curva frente a la recombinación aleatoria original, preservando la diversidad de la población de candidatos y ayudando a la búsqueda a escapar de callejones locales.

Probar la idea en una red compartida con flotas de VE

Para comprobar si esta búsqueda más inteligente funciona en la práctica, los autores modelan una red con dos áreas conectadas, cada una alimentada por centrales térmicas convencionales y grandes flotas de VE. Emplean un controlador en capas: un lazo exterior responde rápidamente a cambios bruscos, mientras que un lazo interior elimina cualquier error en estado estacionario. IMGA ajusta las ganancias de este controlador en cascada de modo que, en simulación, las desviaciones de frecuencia y las oscilaciones de potencia en las líneas de enlace sean lo más pequeñas y breves posible. El algoritmo mejorado se compara con varios métodos de búsqueda conocidos, incluyendo optimización por enjambre de partículas y otras metaheurísticas modernas, bajo una variedad de escenarios: con y sin participación de VE, perturbaciones en una u otra área y cambios irregulares en la demanda en forma de escalones.

Qué revelan las simulaciones

En todos los casos, IMGA encuentra de forma consistente ajustes de controlador que hacen que la red responda más suavemente que las alternativas. Converge más rápido y con mayor fiabilidad, mostrando una dispersión menor entre las ejecuciones mejores y peores. Con los VE ayudando activamente, el controlador afinado reduce la profundidad de la caída inicial de frecuencia hasta en aproximadamente la mitad y acorta el tiempo de asentamiento del sistema en varios segundos, en comparación con la operación sin apoyo de VE. Frente a cambios arbitrarios de carga, el controlador afinado por IMGA mantiene tanto la frecuencia como el intercambio de potencia entre las dos áreas más cerca de sus valores deseados que un diseño propuesto anteriormente, amortiguando las oscilaciones más rápidamente y limitando el sobreimpulso.

Qué implica esto para las redes del futuro

En términos sencillos, el estudio demuestra que un método de búsqueda más inteligente, inspirado en la química y en el ajuste por curvas, puede encontrar mejores formas de ajustar los controladores de la red para aprovechar eficazmente a las flotas de VE como socios estabilizadores. El algoritmo mejorado ofrece un control más preciso de la frecuencia y una compartición de potencia más suave entre regiones en simulaciones, incluso cuando las condiciones son ruidosas y cambiantes. Aunque los modelos de VE y de la red siguen siendo simplificados y se probaron en un sistema de dos áreas, los resultados sugieren que herramientas avanzadas de afinado podrían ayudar a que los sistemas eléctricos futuros, ricos en VE, se mantengan estables y fiables sin necesidad de sobredimensionamiento costoso.

Cita: Almutairi, S.Z., Ginidi, A.R. An improved material-inspired generation algorithm for load frequency control in EV-integrated power systems. Sci Rep 16, 13020 (2026). https://doi.org/10.1038/s41598-026-47360-6

Palabras clave: vehículos eléctricos, estabilidad de la red eléctrica, control de frecuencia, algoritmos de optimización, redes inteligentes