Gestione operativa probabilistica di una microrete basata su rinnovabili considerando le incertezze tramite l'algoritmo di ricerca gravitazionale auto-adattivo

Mantenere le luci accese quando il futuro è incerto

Con sempre più abitazioni e imprese che ricavano energia da pannelli solari sul tetto, piccole turbine eoliche e batterie, mantenere l'elettricità disponibile a un prezzo equo diventa un difficile esercizio di equilibrio. Sole, vento e prezzi dell'elettricità variano di ora in ora, e i piccoli sistemi elettrici locali denominati microreti devono reagire in tempo reale. Questo articolo esplora un nuovo modo di gestire tali microreti affinché rimangano affidabili, sfruttino al massimo l'energia pulita e mantengano bassi i costi anche quando il futuro è incerto.

Piccole reti elettriche vicine a casa

Una microrete è essenzialmente una mini rete elettrica che serve un campus, un quartiere o una piccola città. Invece di dipendere soltanto da una centrale distante, può attingere a fonti vicine come una microturbina, una pila a combustibile, pannelli solari, una turbina eolica e un banco di batterie, pur restando collegata alla rete principale quando necessario. Un controllore centrale decide, ora per ora, quanta energia ogni dispositivo debba produrre o immagazzinare. La sfida è che questo controllore deve prendere decisioni basate su previsioni di quanto useranno le persone, della forza del vento, dell'intensità della radiazione solare e del prezzo di mercato dell'elettricità. Se queste ipotesi sono sbagliate, la microrete potrebbe finire per pagare troppo o rischiare carenze.

Fare previsioni intelligenti su un futuro incerto

Molti metodi di controllo esistenti o ignorano l'incertezza o cercano di gestirla con strumenti statistici pesanti troppo lenti per l'uso operativo reale. Gli autori ricorrono a una tecnica più leggera chiamata Metodo di Stima a 2m Punti. Invece di eseguire migliaia di simulazioni casuali, questo metodo seleziona un piccolo numero di punti «e se» scelti con cura attorno ai valori attesi degli input chiave, come la domanda, la produzione rinnovabile e il prezzo di mercato. Risolvendo il problema di pianificazione della microrete in questi punti, è possibile stimare come si comporteranno costo totale e flussi di potenza in un ampio spettro di condizioni. Ciò fornisce al controllore un quadro pratico del rischio e della variabilità senza sovraccaricare le risorse di calcolo.

Una ricerca ispirata alla gravità per programmi migliori

Per decidere il miglior piano per tutti i generatori, la batteria e il collegamento alla rete, lo studio utilizza un metodo di ricerca ispirato alla gravità. In questo schema, ogni possibile piano è come una particella con una massa legata a quanto è buono quel piano: costo più basso e migliore uso delle rinnovabili significano una massa maggiore. Queste particelle si «attraggono» a vicenda, spostandosi verso regioni migliori dello spazio delle soluzioni. Gli autori migliorano questa idea con una svolta auto-adattiva. Introducono due tipi di spinte casuali, o mosse di mutazione, che aiutano le particelle a sfuggire a trappole locali e a esplorare più a fondo. L'algoritmo monitora quale mossa funziona meglio nel tempo e adatta automaticamente il proprio comportamento, dando più peso alla strategia più efficace. Questo approccio auto-tarabile, chiamato Algoritmo di Ricerca Gravitazionale Auto-Adattivo, aiuta a trovare piani di alta qualità più rapidamente e in modo più affidabile.

Mettere alla prova batterie e controllo più intelligente

Il team testa il loro quadro combinato—utilizzando la stima a punti per l'incertezza e la ricerca migliorata basata sulla gravità—su un modello di microrete in bassa tensione con solare, eolico, una microturbina, una pila a combustibile e una batteria nickel–metal idruro. Confrontano due casi principali: uno senza batteria e uno con batteria sotto il loro nuovo metodo di controllo. Quando la batteria è inclusa, il controllore può spostare energia nel tempo, caricando quando l'energia è economica o abbondante e scaricando quando la domanda o i prezzi aumentano. Nelle simulazioni, ciò riduce il costo totale giornaliero di generazione quasi della metà e aumenta la quota di energia rinnovabile di circa 10 punti percentuali nelle ore di punta. L'algoritmo migliorato converge inoltre circa un quarto più velocemente e fornisce costi operativi inferiori rispetto ai metodi gravitazionali standard e a un diffuso approccio di particle swarm.

Prestazioni robuste in un mondo che cambia

Per verificare la robustezza del metodo, gli autori variano domanda e prezzi di mercato su e giù del 10 e del 20 percento. Anche nel caso peggiore, quando entrambi sono del 20 percento superiori al previsto, i costi totali aumentano solo modestamente e la diminuzione dell'uso delle rinnovabili è limitata. I metodi concorrenti mostrano oscillazioni di costo maggiori e vengono più facilmente perturbati. Lo studio esplora anche scenari futuri in cui la riduzione dei costi di solare, eolico e batterie avanzate aumenterebbe ulteriormente i risparmi e l'uso di energia pulita. Nel complesso, il lavoro suggerisce che combinare una modellizzazione intelligente dell'incertezza con un algoritmo di ricerca auto-tarabile può aiutare le microreti a fornire energia più economica, più pulita e più affidabile, anche quando il tempo e i prezzi di domani sono incerti.

Citazione: 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

Parole chiave: microrete, energia rinnovabile, accumulo a batteria, algoritmo di ottimizzazione, gestione dell'energia