Un algoritmo di generazione ispirato ai materiali migliorato per il controllo della frequenza di carico in sistemi elettrici integrati con veicoli elettrici

Perché mantenere le luci accese in modo stabile è importante

Ogni apparecchio nelle nostre case, dai frigoriferi ai caricatori per cellulari, dipende dal fatto che la rete elettrica mantenga una frequenza quasi costante. Con l'aumento dei veicoli elettrici (EV) connessi e con regioni che condividono energia su lunghe distanze, mantenere stabile quella frequenza diventa più difficile. Questo studio esplora un nuovo modo di mettere a punto i regolatori di rete in modo che possano bilanciare centrali tradizionali e grandi flotte di EV mantenendo il sistema stabile e affidabile.

Le auto elettriche come aiuto, non solo consumatori

Le reti elettriche moderne sono sempre più interconnesse, con vaste aree che condividono elettricità tramite linee di collegamento. Allo stesso tempo, milioni di EV emergono come carichi flessibili e a risposta rapida. Gli EV non si limitano a consumare energia; se connessi tramite elettronica adeguata, possono temporaneamente reimmettere potenza nella rete, contribuendo a stabilizzare la frequenza dopo una perturbazione come un improvviso aumento della domanda. Tuttavia, i modelli di carica e guida degli EV sono imprevedibili, e le fonti rinnovabili come vento e sole aggiungono ulteriori variazioni. Gli schemi di controllo tradizionali che si basano su semplici regole di taratura spesso faticano con questa miscela di incertezze, portando a oscillazioni indesiderate nella frequenza di rete e nei flussi di potenza tra aree.

Un modo ispirato alla chimica per cercare impostazioni migliori

Gli autori si basano su un recente algoritmo di “generazione dei materiali” che prende spunto da come gli atomi formano composti chimici stabili. In questa visione, ogni possibile insieme di impostazioni del regolatore è come un materiale composto da diversi elementi. L'algoritmo forma, rompe e ricombina questi materiali virtuali, giudicandone la “stabilità” in base a quanto bene mantengono la frequenza di rete e la potenza delle linee di collegamento entro limiti nelle simulazioni al computer. Ma la versione originale di questo metodo aveva una debolezza comune a molte tecniche di ricerca: poteva convergere prematuramente su una soluzione solo adeguata e smettere di esplorare opzioni migliori, soprattutto in problemi complessi e ad alta dimensionalità.

Aggiungere una curva più intelligente per evitare di restare bloccati

Per superare questo limite, lo studio introduce un Algoritmo di Generazione dei Materiali Migliorato (IMGA). Oltre alle mosse ispirate alla chimica, IMGA esegue periodicamente un piccolo passo locale di “fitting della curva”: considera tre soluzioni vicine e adatta una semplice curva (una parabola) alle loro prestazioni. Da questa curva stima un punto vicino migliore da testare successivamente. Questo passaggio di interpolazione quadratica fornisce alla ricerca un senso di direzione, permettendole di concentrarsi su regioni promettenti senza dipendere da una singola soluzione migliore come leader. Un interruttore probabilistico decide quando usare questa mossa basata sulla curva rispetto alla ricombinazione casuale originale, preservando la diversità nella popolazione di candidati e aiutando la ricerca a sfuggire a vicoli ciechi locali.

Testare l'idea su una rete condivisa con flotte di EV

Per verificare se questa ricerca più intelligente offre vantaggi nella pratica, gli autori modellano una rete con due aree collegate, ciascuna alimentata da centrali termiche convenzionali e da grandi flotte di EV. Usano un controllore a strati: un anello esterno che risponde rapidamente a cambiamenti improvvisi, mentre un anello interno elimina eventuali errori a regime. IMGA taratura i guadagni di questo controllore a cascata in modo che, nelle simulazioni, le deviazioni di frequenza e le oscillazioni di potenza sulle linee di collegamento siano il più piccole e brevi possibili. L'algoritmo migliorato è confrontato con diversi altri metodi di ricerca noti, inclusa l'ottimizzazione tramite sciame di particelle e altre metaeuristiche moderne, in una serie di scenari: con e senza partecipazione degli EV, disturbi in una o nell'altra area e cambiamenti di domanda irregolari a gradino.

Cosa rivelano le simulazioni

In tutti i casi, IMGA trova costantemente impostazioni del regolatore che rendono la risposta della rete più uniforme rispetto alle alternative. Converge più rapidamente e in modo più affidabile, mostrando una dispersione minore tra le migliori e le peggiori esecuzioni. Con gli EV che cooperano attivamente, il regolatore tarato riduce la profondità dell'immersione iniziale della frequenza fino a circa la metà e accorcia il tempo necessario al sistema per stabilizzarsi di alcuni secondi, rispetto al funzionamento senza supporto degli EV. In presenza di variazioni arbitrarie del carico, il controllore ottimizzato con IMGA mantiene sia la frequenza sia lo scambio di potenza tra le due aree più vicini ai valori desiderati rispetto a un progetto proposto in precedenza, smorzando le oscillazioni più rapidamente e limitando il sovraelongamento.

Cosa significa per le reti future

In termini chiari, lo studio dimostra che un metodo di ricerca più intelligente, ispirato alla chimica e alle curve, può trovare modi migliori per regolare i controllori di rete in modo che sfruttino efficacemente le flotte di EV come partner stabilizzanti. L'algoritmo migliorato fornisce un controllo più stretto della frequenza e una condivisione della potenza più uniforme tra le regioni nelle simulazioni, anche quando le condizioni sono rumorose e variabili. Sebbene i modelli di EV e di rete siano ancora semplificati e testati su un sistema a due aree, i risultati suggeriscono che tali strumenti avanzati di taratura potrebbero aiutare i futuri sistemi elettrici ricchi di EV a rimanere stabili e affidabili senza ricorrere a costose sovraingegnerizzazioni.

Citazione: 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

Parole chiave: veicoli elettrici, stabilità della rete elettrica, controllo della frequenza, algoritmi di ottimizzazione, reti intelligenti