Optimale plaatsing van oplaadpunten voor elektrische voertuigen en gedistribueerde opwekking door partitionering van het distributienet met de gemodificeerde Newman fast-algoritme

Schonere steden opladen

Naarmate meer bestuurders overstappen van benzineauto’s op elektrische voertuigen, moeten onze elektriciteitsnetten mee-evolueren. Snel en praktisch laden is essentieel, maar als veel auto’s tegelijk worden aangesloten, kan het lokale netwerk van palen, kabels en transformatoren worden overbelast. Dit artikel onderzoekt hoe oplaadpunten voor elektrische voertuigen en kleine lokale energiebronnen slimmer geplaatst kunnen worden, zodat buurten meer EV’s kunnen opnemen terwijl de verlichting stabiel blijft en de kosten dalen.

Grote netten opdelen in kleinere buurten

In plaats van het distributienet van een stad als één grote wirwar van kabels te behandelen, verdelen de auteurs het in kleinere, elektrisch hechte “buurten” die virtuele microgrids worden genoemd. Ze gebruiken een techniek uit de netwerkwetenschap, het gemodificeerde Newman fast-algoritme, maar passen deze aan voor elektriciteit door te meten hoe sterk twee punten in het net elektrisch met elkaar verbonden zijn, niet alleen op basis van fysieke afstand. Deze maat, elektrische koppelingssterkte genoemd, combineert hoe gemakkelijk vermogen tussen twee punten kan vloeien met hoeveel elk lijndeel veilig kan dragen. Het resultaat is een set clusters waarbij de lijnen binnen elk cluster sterk verbonden zijn en als een samenhangende lokale zone functioneren.

Oplaadpunten en kleine centrales toevoegen waar ze het meest helpen

Zodra het net is opgesplitst in deze virtuele buurten, is de volgende stap bepalen waar elk oplaadpunt voor EV’s en elke gedistribueerde generator, zoals een kleine synchrone generator of een windgestuurde eenheid, moet komen. De auteurs geven elk virtueel microgrid precies één oplaadpunt en één kleine energiebron. Ze zoeken vervolgens naar de beste bus, of knooppunt, binnen elke buurt door zich te concentreren op de zwakste plekken in het systeem—locaties waar de spanning het laagst is en de stabiliteit het slechtst. Door die punten te versterken, kunnen ze verloren energie verminderen en spanningen binnen veilige grenzen houden, zelfs naarmate de vraag naar EV-laden toeneemt.

Strategieën uit de natuur lenen om de beste indeling te vinden

Het vinden van de ideale combinatie van locaties en groottes voor oplaadpunten en generatoren is een groot puzzelstuk met veel variabelen. Om dit op te lossen vergelijken de auteurs drie geavanceerde zoekmethoden, bekend als metaheuristische algoritmen. Twee daarvan zijn nieuw en door de natuur geïnspireerd: het Starfish Optimization-algoritme, gebaseerd op hoe zeesterren foerageren en ledematen laten aangroeien, en het Puma Optimization-algoritme, gebaseerd op hoe poema’s hun territorium verkennen en jagen. De derde, Particle Swarm Optimization, is een meer gevestigde techniek die is gemodelleerd op vogelzwermen of scholen vissen. Alle drie hebben tot doel het energieverlies in de lijnen te minimaliseren en tegelijkertijd een maat voor spanningsstabiliteit te verbeteren, en ze moeten ook bedrijfsgrenzen respecteren zoals lijnopwarming en maximale generatorgrootte.

Grote verbeteringen in zowel kleine als grote netten

De onderzoekers testen hun raamwerk op twee standaard referentienetten: een bescheiden 33-bus systeem en een veel groter 118-bus systeem. In het kleinere geval vermindert hun methode het actieve energieverlies met ongeveer 82 procent en verhoogt de laagste spanning van een zorgwekkend niveau naar een waarde dicht bij de gewenste norm, terwijl ook een stabiliteitsindex sterk verbetert. In het grotere net dalen de verliezen met ongeveer 68–69 procent met vergelijkbare verbeteringen in spanningskwaliteit en stabiliteit. Onder de drie zoekmethoden convergeert het op puma gebaseerde algoritme het snelst naar hoogwaardige oplossingen, vooral in het grotere net, wat suggereert dat het goed geschikt is voor grootschalige planning waar tijd en rekenkracht beperkt zijn.

Toekomstblik: real‑time netten met veel hernieuwbaar

Buiten statische planning schetst de studie hoe deze strategie kan worden uitgebreid naar realistischere, tijdsvariërende omstandigheden. De auteurs bouwen dagelijkse belastingprofielen voor verschillende klanttypen en simuleren ongecoördineerd EV-laden, wat piekverbruik en netstress verhoogt. Ze voegen vervolgens windgestuurde generatoren binnen de virtuele microgrids toe en tonen aan dat deze lokale hernieuwbare bronnen pieken in zowel vraag als verliezen kunnen afvlakken en tegelijkertijd de spanningen verder ondersteunen. Hoewel het huidige werk meer gericht is op technische prestatie dan op kosten of emissies, wijst het op een toekomst waarin stadse netten in intelligente buurten worden verdeeld die EV-laders en lokale schone opwekking op zorgvuldig gekozen locaties huisvesten.

Wat dit betekent voor dagelijkse bestuurders

Voor niet‑experts is de kernboodschap dat waar we oplaadpunten en kleine energiecentrales plaatsen net zo belangrijk is als hoeveel we ervan bouwen. Door het net eerst op te delen in natuurlijke elektrische buurten en vervolgens slimme, door de natuur geïnspireerde zoekmethoden te gebruiken om de zwakste punten te versterken, kunnen nutsbedrijven het verlies drastisch terugdringen, spanningen stabiel houden en ruimte vrijmaken voor veel meer elektrische voertuigen. In de praktijk betekent dit minder storingen en spanningsdalingen, betrouwbaarder laden en een soepelere overgang naar schoner vervoer nu hernieuwbare energie en EV’s centraal komen te staan in het dagelijks leven.

Bronvermelding: Mohamed, M.A.E., Gawish, A.N.A. & Metwally, M.E. Optimal electric vehicle charging stations and distributed generation placement by partitioning the distribution network using the modified newman fast algorithm. Sci Rep 16, 6341 (2026). https://doi.org/10.1038/s41598-026-35433-5

Trefwoorden: opladen van elektrische voertuigen, stroomdistributienetwerken, gedistribueerde opwekking, netoptimalisatie, virtuele microgrids