Een verbeterd materiaalinspirerend generatie-algoritme voor last‑frequentie‑regeling in stroomnetten met geïntegreerde elektrische voertuigen

Waarom het belangrijk is dat de verlichting stabiel blijft

Elk apparaat in onze huizen, van koelkasten tot telefoonladers, is afhankelijk van dat het elektriciteitsnet een vrijwel constante frequentie behoudt. Naarmate meer elektrische voertuigen (EV's) worden aangesloten en regio's elektriciteit over grotere afstanden delen, wordt het moeilijker die frequentie stabiel te houden. Deze studie onderzoekt een nieuwe manier om netcontrollers fijn af te stellen zodat ze traditionele elektriciteitscentrales en enorme vlootgroepen van EV's kunnen combineren en tegelijkertijd het systeem stabiel en betrouwbaar houden.

Elektrische auto's als hulp, niet alleen als verbruikers

Moderne elektriciteitsnetten zijn steeds meer onderling verbonden, waarbij grote gebieden stroom delen via koppellijnen. Tegelijkertijd verschijnen miljoenen EV's als flexibele, snel reagerende belastingen. EV's verbruiken niet alleen stroom; wanneer ze zijn aangesloten via geschikte elektronica, kunnen ze tijdelijk stroom terugleveren aan het net en zo de frequentie helpen stabiliseren na een verstoring, zoals een plotselinge toename van de vraag. EV-laad- en rijpatronen zijn echter onvoorspelbaar, en hernieuwbare bronnen zoals wind en zon zorgen voor extra schommelingen. Traditionele regelschema's die op eenvoudige afstemmingsregels vertrouwen, hebben vaak moeite met deze mix van onzekerheden, wat leidt tot ongewenste oscillaties in netfrequentie en stroomstromen tussen gebieden.

Een chemie-geïnspireerde manier om naar betere instellingen te zoeken

De auteurs bouwen voort op een recent "material generation"-algoritme dat ideeën ontleent aan hoe atomen stabiele chemische verbindingen vormen. In dit beeld is elke mogelijke set controllerinstellingen als een materiaal samengesteld uit verschillende elementen. Het algoritme vormt, breekt en recombineert deze virtuele materialen en beoordeelt hun "stabiliteit" aan de hand van hoe goed ze in computersimulaties frequentie en koppellijnvermogen binnen grenzen houden. De oorspronkelijke versie van deze methode had echter een zwakte die veel zoektaken gemeen hebben: het kon te snel tevreden zijn met een slechts voldoende oplossing en stoppen met zoeken naar betere opties, vooral bij complexe problemen met hoge dimensionaliteit.

Een slimmer kromme‑onderdeel om vastlopen te voorkomen

Om dit te overwinnen introduceert de studie een Improved Material Generation Algorithm (IMGA). Naast de chemie‑geïnspireerde bewegingen voert IMGA periodiek een kleine, lokale "curve fit"-stap uit: het bekijkt drie naburige oplossingen en past een eenvoudige kromme (een parabool) toe op hun prestaties. Vanuit deze curve schat het een beter nabijgelegen punt om vervolgens te testen. Deze kwadratische interpolatiestap geeft de zoekprocedure een richtinggevoel, waardoor het zich kan concentreren op veelbelovende regio's zonder afhankelijk te zijn van één beste oplossing als leider. Een probabilistische schakelaar beslist wanneer deze op curve gebaseerde zet wordt gebruikt versus de oorspronkelijke willekeurige recombinatie, waardoor diversiteit in de pool van kandidaten behouden blijft en de zoektocht uit lokale doodlopende wegen kan ontsnappen.

Het idee testen op een gedeeld net met EV-vloten

Om te zien of deze slimere zoekmethode in de praktijk oplevert, modelleren de auteurs een net met twee verbonden gebieden, elk gevoed door conventionele thermische centrales en grote vlootgroepen van EV's. Ze gebruiken een gelaagde controller: een buitenlus reageert snel op plotselinge veranderingen, terwijl een binnenlus eventuele stationaire fout wegneemt. IMGA stemt de versterkingen van deze cascadecontroller af zodat frequentieafwijkingen en koppellijnvermogen in simulatie zo klein en kortstondig mogelijk zijn. Het verbeterde algoritme wordt vergeleken met verschillende andere bekende zoekmethoden, waaronder particle swarm optimization en andere moderne metaheuristieken, onder een reeks scenario's: met en zonder deelname van EV's, verstoringen in het ene of het andere gebied, en onregelmatige, trapachtige vraagveranderingen.

Wat de simulaties aantonen

In alle gevallen vindt IMGA consequent controllerinstellingen die het net vloeiender laten reageren dan de alternatieven. Het convergeert sneller en betrouwbaarder, met een kleinere spreiding tussen de beste en slechtste runs. Met EV's die actief helpen, vermindert de afgestelde controller de diepte van de initiële frequentiedaling tot ongeveer de helft en verkort hij de hersteltijd met enkele seconden, vergeleken met bedrijf zonder EV‑ondersteuning. Bij willekeurige belastingwijzigingen houdt de door IMGA afgestemde controller zowel frequentie als vermogenstransfers tussen de twee gebieden dichter bij de gewenste waarden dan een eerder voorgesteld ontwerp, dempt oscillaties sneller en beperkt overshoot.

Wat dit betekent voor toekomstige netten

Kort gezegd laat de studie zien dat een slimmer, door chemie en kromme geïnspireerd zoekmechanisme betere manieren kan vinden om netcontrollers af te stemmen zodat ze vlootgroepen van EV's effectief kunnen inzetten als stabiliserende partners. Het verbeterde algoritme levert strakkere frequentieregeling en vlottere vermogensdeling tussen regio's in simulaties, zelfs wanneer de omstandigheden ruisachtig en veranderlijk zijn. Hoewel de EV‑ en netmodellen nog vereenvoudigd zijn en getest op een twee‑gebiedsysteem, suggereren de resultaten dat zulke geavanceerde afstemmingshulpmiddelen toekomstige, EV‑rijke energiesystemen kunnen helpen stabiel en betrouwbaar te blijven zonder kostbare overengineering.

Bronvermelding: 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

Trefwoorden: elektrische voertuigen, stabiliteit van het elektriciteitsnet, frequentieregeling, optimalisatie-algoritmen, slimme netten