Un framework avanzato di gestione energetica basato su truppe di gorilla artificiali per il funzionamento ottimale di multi-nanogrid connessi alla rete

Energia più intelligente per luoghi quotidiani

Mantenere le luci accese in case, scuole e piccole imprese sta diventando più complicato man mano che sempre più pannelli solari sui tetti, piccole turbine eoliche e batterie si collegano alla rete. Questo studio esplora come gestire gruppi di questi minuscoli sistemi energetici locali, chiamati nanogrid, in modo da garantire l’affidabilità dell’elettricità riducendo al contempo la bolletta energetica quotidiana. I ricercatori prendono ispirazione dal comportamento sociale delle truppe di gorilla per progettare un nuovo “cervello” digitale che decide quando usare sole, vento, batterie, generatori diesel o la rete principale, in modo che gli edifici ricevano energia a basso costo e a bassa intensità di carbonio 24 ore su 24.

Piccole reti elettriche che lavorano insieme

Un nanogrid è come una mini rete elettrica per un singolo edificio o un sito di piccole dimensioni, di solito non superiore a 100 kilowatt. Può includere pannelli solari sul tetto, piccole turbine eoliche, batterie e un generatore diesel di riserva, tutti collegati su un bus in corrente continua (DC). Più nanogrid possono essere collegati in un cluster multi-nanogrid, condividendo energia in surplus tra loro e con la rete di servizio più ampia. Nel sistema studiato qui, quattro nanogrid — alcuni basati sul solare, altri sul vento — sono connessi tramite linee DC tra di loro e tramite una linea AC alla rete principale. Ognuno ha i propri dispositivi locali ma è coordinato da un sistema centrale di gestione dell’energia che bilancia continuamente offerta e domanda.

Pianificare in anticipo e adattarsi al volo

Il fulcro del lavoro è un sistema di gestione energetica migliorato che opera su due scale temporali. Innanzitutto, un pianificatore giorno-per-giorno usa previsioni di irraggiamento solare, vento, prezzi dell’elettricità e domanda degli edifici per tracciare un programma ottimale di 24 ore. Decide quando spostare apparecchi flessibili come scaldabagni o lavatrici verso ore più economiche, quando caricare o scaricare le batterie, con quale intensità far funzionare i generatori diesel e quando comprare o vendere energia alla rete. In secondo luogo, un controllore in tempo reale verifica cosa sta realmente accadendo — quanto è splendente il sole, quanto soffia il vento, quanto la rete sta facendo pagare e quanta elettricità viene consumata. Quando la realtà devia dalle previsioni, affina i flussi di potenza ogni ora per mantenere bassi i costi rispettando i limiti tecnici come lo stato di carica delle batterie e i margini di potenza dei generatori.

Risoluzione dei problemi digitale ispirata ai gorilla

Scegliere la migliore combinazione di azioni per dozzine di dispositivi su 24 ore è un problema di ottimizzazione complesso, con molti vincoli e incertezze. Invece di affidarsi a formule matematiche rigide che possono restare bloccate in soluzioni subottimali, gli autori ricorrono a una classe più recente di metodi di ricerca chiamata Artificial Gorilla Troops Optimizer (AGTO). AGTO imita il modo in cui una truppa di gorilla esplora l’ambiente e poi si riunisce attorno al leader più forte, il “silverback”. In questa analogia, ogni gorilla virtuale rappresenta un possibile piano energetico. Nella fase di esplorazione, la truppa si disperde per campionare schemi di funzionamento molto diversi, come quando si sposta verso nuovi territori di alimentazione. Nella fase di sfruttamento, i candidati si avvicinano alle soluzioni migliori note, proprio come seguire il silverback o competere per perfezionare la posizione del gruppo. Questo processo si ripete molte volte fino a quando l’algoritmo converge su un piano operativo a basso costo.

Bollettini più bassi tramite spostamento dei carichi e condivisione

I ricercatori testano il loro framework su dati realistici per una città costiera egiziana, utilizzando profili ora per ora di temperatura, intensità solare, velocità del vento e prezzi di rete. Confrontano AGTO con diversi strumenti di ottimizzazione consolidati, inclusi l’ottimizzazione a sciame di particelle e altri metodi ispirati al comportamento animale. Sia per singoli nanogrid sia per cluster di quattro nanogrid, il pianificatore basato sui gorilla trova costantemente soluzioni più economiche. Spostare i carichi flessibili lontano dai costosi picchi serali verso periodi a costo inferiore riduce le spese operative di circa il 7 percento da solo, oltre a livellare la curva di domanda. Quando i nanogrid possono cooperare e condividere energia, il costo energetico giornaliero totale cala di circa l’8 percento rispetto al funzionamento isolato. Complessivamente, AGTO offre risparmi sui costi dell’ordine del 15-16 percento rispetto agli algoritmi concorrenti quando si applicano sia la pianificazione giorno-per-giorno sia la gestione dei carichi.

Energia resiliente in un mondo che cambia

Per gli utenti comuni, la conclusione è che la coordinazione intelligente dell’energia pulita locale e dello stoccaggio può ridurre silenziosamente le bollette elettriche e la dipendenza dai combustibili fossili senza sacrificare comfort o affidabilità. Combinando pianificazione giorno-per-giorno, aggiustamenti in tempo reale e una strategia di ricerca efficiente ispirata al comportamento sociale dei gorilla, il sistema proposto mantiene in equilibrio i cluster multi-nanogrid anche quando meteo, prezzi e domanda non seguono lo script. Lo studio suggerisce che, mano a mano che più edifici adotteranno rinnovabili sui tetti e batterie, una gestione energetica intelligente di questo tipo potrebbe svolgere un ruolo chiave nel rendere le reti di quartiere sia economiche sia resilienti.

Citazione: Elsayed, W.T., Abdulnabi, A., Ali, A.A. et al. An enhanced energy management framework based on artificial gorilla troops for optimal operation of grid-connected multi-nanogrids. Sci Rep 16, 12741 (2026). https://doi.org/10.1038/s41598-026-45884-5

Parole chiave: nanogrid, gestione energetica, energie rinnovabili, algoritmi di ottimizzazione, gestione della domanda