תצורת קיבולת מיטבית של מערכות היברידיות רוח-פוטו-וולטאית-אחסון המבוססת על אלגוריתם אופטימיזציה אבולוציוני כאוטי משופר

להמשיך להאיר בעזרת אנרגיה נקייה

כשיותר ויותר חשמל מגיע מטורבינות רוח ופנלים סולאריים, שמירה על מערכת חשמל אמינה וזולה הופכת לאתגר עדין. מאחר שהרוח אינה נושבת תמיד והשמש אינה זורחת תמיד, מפעילי הרשת צריכים להחליט כמה כוח רוח, שמש ואחסון סוללות לבנות כדי שהאורות ימשיכו לדלוק מבלי לגרום לעלויות מופרזות. המחקר הזה בוחן דרך חכמה יותר לבחור את הקיבולות הללו, באמצעות אלגוריתם חיפוש מתקדם הסורק שפע של תצורות אפשריות כדי למצוא שילובים שמספקים חשמל נקי בעלות כוללת נמוכה יותר.

מדוע איזון בין רוח, שמש וסוללות קשה

עיצוב מערכת כוח היברידית המשולבת משדות רוח, מערכי שמש ומערכות אחסון אינו פשוט חיבור של תוצרים ממוצעים. מהירות הרוח, השמש וביקוש החשמל משתנים שעה שעה, ומכשירי האחסון כפופים למגבלות נוקשות לגבי כמה מהר וכמה עמוק הם יכולים לטעון ולפרוק. המחברים בונים מודל מתמטי שמתאר כמה כוח יכולים טורבינות ופנלים לייצר בתנאי מזג אוויר משתנים, איך סוללות מאחסנות ומשחררות אנרגיה, וכיצד כל זה חייב להתאים לצרכי בתים ועסקים. המטרה שלהם היא למזער את עלות הבנייה והתפעול השנתית הכוללת, תוך עמידה בביקוש ושמירה על מגבלות טכניות על הרשת והסוללות.

דרך חדשה לחיפוש השילוב הטוב ביותר

מכיוון שהקשרים בין רוח, שמש, אחסון והרשת סבוכים מאוד, שיטות תכנון מסורתיות יכולות בקלות לפספס פתרונות טובים. לכן הצוות פונה למחלקת כלים ממוחשבים המכונים אלגוריתמים מטה-הריסטיים, שמדמים תהליכים טבעיים כגון אבולוציה או התנהגות קבוצתית של בעלי חיים כדי לחפש בנופים מורכבים. בהתבסס על שיטה קודמת בשם אופטימיזציה אבולוציונית כאוטית, הם מציגים גרסה משופרת (ICEO) שמשלבת שלוש רעיונות: תבנית כאוטית לחקירה בכיוונים רבים בו־זמנית, שלב למידה עצמית שמתקן בעדינות פתרונות מבטיחים באמצעות ״דחיפות״ אקראיות, וקפיצות ארוכות מזדמנות שעוזרות להימלט מבחירות מקומיות גרועות. כשהתקדמות מאטה, מופעל חיפוש מקומי ממוקד כדי ללטש באופן עדין את התצורה הטובה הנוכחית.

ניסוי האלגוריתם במבחן

לפני שיאמינו ב־ICEO על מערכת חשמל אמיתית, החוקרים מתחרים בו מול שיטות אופטימיזציה ידועות אחרות על סט של בעיות מבחן סטנדרטיות בשדה. לבעיות אלה יש תשובות ידועות והן נעות מנופים חלקים בצורת קערה ועד שטחים משוננים עם פסגות ועמקים מזויפים רבים. בשמונה מבחנים כאלה, ICEO מוצא שוב ושוב פתרונות הטובים כמו או טובים יותר מאלו שמצאו תשע אלגוריתמים מתחרים, ועושה זאת באמינות מריצה לריצה. אף שהשיטה צורכת מעט יותר זמן חישוב מאשר כמה יריבים פשוטים יותר, המאמץ הנוסף משתלם בדיוק גבוה יותר ועמידות גדולה יותר מפני گیرור באזורים נמוכים של מרחב החיפוש.

עיצוב מערכת כוח היברידית אמיתית

המחברים לאחר מכן מיישמים את שיטתם על מקרה מעשי שבו חוות רוח, תחנת שמש ומערכת סוללות צריכות לשרת ביקוש מקומי לחשמל תחת דפוסי מזג אוויר ריאליסטיים. באמצעות פרופילים מדודים יומיים של רוח, שמש, טמפרטורה וצריכה, ICEO קובע מהי גודל כל רכיב. התוצאה היא תצורה עם כ־48.6 מגה־וואט קיבולת רוח, 50 מגה־וואט קיבולת שמש ו־65 מגה־וואט־שעה של אחסון סוללות. בהפעלה מדומה, הפנלים הסולאריים מטפלים בחלק רב מהביקוש ביום, עודף הכוח טוען את הסוללות, ורוחות חזקות יותר בלילה מסייעות לעמוד בעומס תוך מתן מנוחה לסוללות. כאשר תפוקת המתחדשים יורדת, משוחררת האנרגיה המאוחסנת כדי לכסות את הגל, וכל זאת תוך שמירה על מגבלות הסוללות וההחלפה ברשת בתוך גבולות בטוחים.

מה המשמעות עבור רשתות העתיד

עבור לא־מומחים, המסר המרכזי הוא שטכניקות חיפוש מתוחכמות כמו ICEO יכולות להפוך מערכות כוח נקיות לזולות ואמינות יותר. על ידי בחירה מדוקדקת יותר של כמה רוח, שמש ואחסון להתקין, מתכננים יכולים להוריד עלויות השקעה ותפעול ועדיין להבטיח שהספקת החשמל תעקוב אחרי הביקוש בימים מעוננים, שקטים או בשיאי שימוש. אף שהמתמטיקה שמאחורי זה מורכבת, התוצאה ברורה: תכנון מונחה מחשב טוב יותר יכול לסייע לשילוב נתח גדול יותר של אנרגיה מתחדשת ברשת מבלי להקריב יציבות או יכולת תשלום.

ציטוט: Dong, Y., Zhou, X., Cao, X. et al. Optimal capacity configuration of wind-photovoltaic-storage hybrid systems based on improved chaotic evolution optimization algorithm. Sci Rep 16, 9990 (2026). https://doi.org/10.1038/s41598-026-40610-7

מילות מפתח: תכנון אנרגיה מתחדשת, מערכות רוח-שמש-אחסון, אחסון אנרגיה, אלגוריתמי אופטימיזציה, אמינות מערכת חשמל