גודל ומיקום רב-מטרי של DG ברשת ההפצה באמצעות אופטימיזציה היברידית של להקת גורילות-אלגוריתם גנטי: מקרה בוחן אמיתי

חשמל מקומי חכם לאמינות יומיומית

כשאתה מדליק מתג, אתה מצפה לחשמל מיידי ויציב — אבל לספק את האמינות הזו נעשה קשה יותר ככל שדרישת החשמל גדלה ויותר מקורות מתחדשים מתחברים לרשת. רעיון מבטיח הוא לפזר יחידות כוח קטנות יותר, הנקראות גנרטורים מבוזרים, ברחבי הרשתות המקומיות במקום להסתמך רק על תחנות מרוחקות וגדולות. המחקר הזה מראה כיצד שיטת תכנון ממוחשבת חדשה יכולה להחליט היכן למקם יחידות אלה וכמה כל אחת מהן צריכה להיות גדולה, כך שהרשת תבזבז פחות אנרגיה, תשמור על יציבות המתח ותחסוך כסף משמעותי מדי שנה.

למה גנרטורים מקומיים חשובים

מערכות כוח מסורתיות דוחפות חשמל למרחקים ארוכים מתחנות גדולות אל בתים ומפעלים. בדרך חלק מהאנרגיה אובדת כחום בקווים, והמתח עלול לרדת בשכונות מרוחקות, במיוחד כשהביקוש עולה. התקנת גנרטורים מבוזרים — כמו יחידות גז קטנות או מתחדשות כגון סולארי ורוח — ישירות ברשתות מקומיות יכולה להקל על קווים עמוסים, לצמצם אובדנים ולשפר את איכות המתח. אבל מיקום היחידות אינו פשוט כמו למלא מקומות ריקים: כל מיקום וגודל פוטנציאלי משפיעים על שאר הרשת, וההחלטות חייבות גם לעמוד במגבלות הנדסיות מחמירות. משימת התכנון הופכת לתפזורת מסובכת שמשלבת בחירות בינאריות (איפה למקם יחידות) עם בחירות רציפות (כמה כל יחידה תפיק), בעוד שמאזנים מספר מטרות בו‑זמנית.

"נבחרת חיפוש" היברידית דיגיטלית

כדי להתמודד עם התפזורת הזו, המחברים תיכננו שיטת חיפוש היברידית שמחברת שתי משפחות מוכרות של כלים לאופטימיזציה. חלק אחד הוא אלגוריתם גנטי, בהשראת האבולוציה, שמתמודד עם החלטות כן–לא וצעדיות — כמו אילו צמתים ברשת צריכים לארח גנרטורים חדשים. החלק השני הוא אופטימיזר להקת גורילות, שיטת עדר המבוססת על תנועת הקבוצה והנהגה בלהקות גורילות, שמצטיינת בחקירת תחומי ערכים חלקים — כמו התפוקה המדויקת של כל גנרטור. בכל מחזור שני הרכיבים מציעים תוכניות מועמדות, משלבים אותן לפריסות רשת שלמות ובודקים עד כמה הן טובות. תוכניות שמפחיתות אובדן אנרגיה ומשפרות מתח נשמרות ומעודנות, בעוד חלשות נזרקות. בכך שכל שיטה מתמקדת במה שהיא יודעת לעשות היטב, הגישה ההיברידית מסוגלת לחפש בתור ההחלטות המורכב יותר ביעילות גבוהה יותר ולהימנע משקיעה בפתרונות תת‑אופטימליים.

בדיקה על רשתות חשמל ריאליסטיות

החוקרים קודם לכן אימתו את הכלי ההיברידי על 23 פונקציות מתמטיות תקניות המשמשות לעתים קרובות להערכת יכולת החיפוש של שיטות אופטימיזציה במרחבים מורכבים. ההיברידי מצא בעקביות פתרונות מצויינים והתכנס מהר יותר ממספר טכניקות מבוססות, כולל אלגוריתמים גנטיים קלאסיים ושיטות עדר נוספות. לאחר מכן הם יישמו את השיטה על שתי רשתות הפצה חשמליות: מערכת תקנית נפוצה עם 33 נקודות חיבור, ורשת מציאותית גדולה יותר שפושטה ל‑143 נקודות. בשני המקרים הכלי חקר תנאי פעולה שונים לגנרטורים המבוזרים ובדק מטרות בודדות (רק הפחתת אובדן או רק שיפור מתח) ומטרות משולבות (איזון בין השניים). השיטה לא רק מצאה מיקומים שהורידו באופן חד את האובדנים והחליקו את המתח, אלא גם מיפתה עקומות פשרה שמראות כמה מאחד היתרונות יש להקריב כדי לזכות ביותר מהשני.

צמצומים משמעותיים בבזבוז ובעלות

התועלות המדווחות מרשימות. במערכת הבדיקה עם 33 הנקודות, הפתרונות הטובים ביותר צמצמו אובדני כוח בעד כ‑94% ושיפרו את איכות המתח בכמעט 100% בהשוואה לרשת המקורית ללא גנרטורים נוספים. במונחים כלכליים מעשיים, האובדנים השנתיים במערכת זו ירדו מכ‑92,000 דולר לכ‑14,000 דולר — חיסכון של יותר מ‑78,000 דולר לשנה. ברשת המציאותית הגדולה של 143 התשתיות, האובדנים ירדו בכמעט 94 ובעיות המתח נחתכו בכמעט 100%, והפכו הפסד שנתי של כ‑178,000 דולר לכ‑32,000 דולר בלבד, לחיסכון של מעל 145,000 דולר. הניתוח גם חשף אילו חלקים ספציפיים של הרשת רגישים ביותר, וסיפק למתכננים מטרות ברורות לשדרוגים.

מה זה אומר לרשת העתידית

ללא מומחים, המסר המרכזי הוא שכלים תכנוניים חכמים יכולים לשחרר ערך רב יותר ממקורות כוח מקומיים שכבר נעשים נפוצים, כגון סולארי על גגות, סוללות קהילתיות וגנרטורים קטנים. במקום למקם יחידות אלה בניסיון וטעייה או לפי כללים פשוטים, הגישה ההיברידית המתוארת כאן סורקת אינסוף אפשרויות כדי למצוא פריסות שמבזבזות הרבה פחות אנרגיה, מייצבות מתח ומפחיתות משמעותית עלויות תפעול. ככל שרשתות חשמל יספגו יותר מתחדשים ויכללו ביקושים גדלים, תכנון אוטומטי וחכם כזה יכול לעזור להפוך רשתות מקומיות ליעילות יותר, אמינות יותר ומוכנות יותר לעתיד אנרגיה נקי.

ציטוט: Gacem, A., Romdhane, M., Kechida, R. et al. Multi-objective sizing and location of DG in distribution network by hybrid gorilla troops optimization-genetic algorithm: a real case study. Sci Rep 16, 11334 (2026). https://doi.org/10.1038/s41598-026-41868-7

מילות מפתח: ייצור מבוזר, רשתות הפצת חשמל, אלגוריתמי אופטימיזציה, יציבות מתח, הפחתת אובדן אנרגיה