Synaps-geïnspireerde energienetwerken: een neuromorfe benadering voor microgrid-bescherming zonder communicatielinks

Waarom het beschermen van kleine netten belangrijk is

Nu buurten zonnepanelen, batterijen en lokale generatoren toevoegen, gaan ze steeds meer vertrouwen op kleine elektriciteitsnetten die microgrids worden genoemd. Deze systemen kunnen verlichting aanhouden tijdens stormen en de belasting van grote elektriciteitscentrales verminderen, maar ze zijn ook lastiger te beschermen tegen elektrische fouten en cyberaanvallen. Dit artikel onderzoekt een nieuwe manier om microgrids te beveiligen door ideeën te lenen van hoe hersencellen communiceren, waardoor elke energie-eenheid zijn eigen ultrakorte beslissingen kan nemen zonder afhankelijk te zijn van kwetsbare communicatielinks.

Beperkingen van huidige beschermingsmiddelen

Traditionele beschermingsapparaten rekenen op zeer grote foutstromen en een redelijk stabiele netconfiguratie. In moderne microgrids beperken inverters de stroom om veiligheids- en efficiëntieredenen, en lijnen worden vaak herconfigureerd als zonnepanelen of batterijen in- en uitschakelen. Daardoor is het moeilijk om een gevaarlijke fout te onderscheiden van een normale verandering in het vermogen. Nieuwere schema’s proberen dit op te lossen met high-speed communicatie, gesynchroniseerde sensoren of complexe logica, maar dat introduceert vertragingen, risico’s op dataverlies en cyberkwetsbaarheden. Andere benaderingen, zoals travelling-wave-methoden, werken goed op grote transmissielijnen maar hebben moeite in laagspannings, strak vermaasde microgrids waar signalen zwakker zijn en reflecties rommelig.

Ideeën van de hersenen lenen

De auteurs stellen een andere strategie voor, geïnspireerd door biologische neuronen. In hun ontwerp gedraagt elke gedistribueerde energiebron in een microgrid zich als een eenvoudige hersencel, een zogeheten leaky integrate-and-fire neuron. Elke eenheid bewaakt zijn lokale spanning, stroom en vermogen en combineert afwijkingen daarvan in een enkele verstoringsindex. Wanneer deze index klein is, blijft de virtuele neuron grotendeels stil. Naarmate de verstoring groeit, verkort de tijd tussen zijn elektrische “spikes”. Sterkere of dichtsbijzijnde fouten laten de neuron eerder spiken, net zoals een zenuwcel sneller vuurt bij een sterke prikkel. Een ingebouwde adaptieve drempel verschuift met de bedrijfsomstandigheden zodat routinematige belastingsveranderingen geen onnodige spikes veroorzaken.

De eerste spike laat beslissen

In plaats van gedetailleerde metingen naar een centraal brein te sturen, letten alle eenheden eenvoudig op spikes. De beschermingsregel is rechttoe rechtaan: het apparaat waarvan de neuron het eerst spikt, wordt verondersteld het dichtst bij de fout te zitten en schakelt zijn lokale stroomonderbreker uit. Deze First-To-Spike-regel weerspiegelt hoe travelling-wave-systemen het vroegst binnenkomende signaal gebruiken om een probleem te lokaliseren, maar hier werkt het zonder GPS, wijdverspreide communicatie of gespecialiseerde hoogfrequente sensoren. Omdat elke eenheid alleen op zijn eigen metingen en timing handelt, is het schema inherent gedecentraliseerd en veel minder blootgesteld aan communicatiestoringen of cyberaanvallen.

Hoe de nieuwe bescherming zich in de praktijk gedraagt

Het team testte hun benadering in gedetailleerde computermodellen van ring- en vermaasde microgrids, en vervolgens op realtime hardware. Ze simuleerden enkel-geleiderfouten, lijn-naar-lijn-fouten, driefasige fouten en grote belastingveranderingen over vele lijnafsnijdingen en foutweerstanden. Het systeem detecteerde en schakelde fouten doorgaans binnen 10 tot 58 milliseconden, veel sneller dan conventionele microgrid-relais die vaak 200 tot 450 milliseconden nemen, en zelfs sneller dan travelling-wave-systemen die rond de 60 milliseconden worden gerapporteerd. Sterkere fouten en fouten op kortere lijnen produceerden consequent eerdere spikes en snellere uitschakeling, en lieten zo het klassieke gedrag “sterkere fout, snellere actie” zien. Tegelijkertijd hield de adaptieve drempel de neuronen stil tijdens zelfs aanzienlijke belastingfluctuaties, met een detectienauwkeurigheid boven 98 procent en ruimtelijke selectiviteit boven 97 procent in meer dan 300 gesimuleerde foutgevallen.

Waarom deze aanpak met toekomstige netten kan meegroeien

Aangezien elke energie-eenheid alleen lokale metingen en een lichtgewicht spiking-model nodig heeft, is de methode energie-efficiënt en eenvoudig op te schalen. Tijdens normaal bedrijf worden bijna geen spikes geproduceerd en vindt berekening alleen plaats rond zeldzame foutgebeurtenissen. Nieuwe zonne- of batterijeenheden kunnen zich bij het microgrid voegen zonder een centrale controller te herprogrammeren, omdat ze simpelweg als nieuwe neuronen fungeren die dezelfde First-To-Spike-regel volgen. De auteurs noemen enkele resterende uitdagingen, zoals zeer hoogohmige fouten die slechts zwakke verstoringen veroorzaken en drukke netwerken waar veel eenheden vergelijkbare omstandigheden zien, maar zij stellen dat deze met verdere afstemming en extra filtering kunnen worden aangepakt.

Wat dit betekent voor alledaagse energiebgebruikers

Voor niet-specialisten is de kernboodschap dat de auteurs hebben laten zien hoe microgrids zichzelf kunnen beschermen door meer als een brein te denken dan als een traditionele machine. Elke zonne-inverter of batterijunit luistert nauwkeurig naar zijn lokale omgeving, vuurt alleen spikes wanneer iets echt ongewoons gebeurt, en laat de eerste responder het probleem bijna onmiddellijk isoleren. Deze neuromorfe strategie levert snelle, selectieve bescherming zonder te vertrouwen op kwetsbare communicatienetwerken, en biedt een weg naar veiligere, veerkrachtigere en flexibelere lokale energiesystemen naarmate hernieuwbare energie zich blijft verspreiden.

Bronvermelding: Prabhakar, S., Panigrahi, B.K., Blaabjerg, F. et al. Synapse-inspired energy networks: a neuromorphic approach to microgrid protection without communication links. Commun Eng 5, 90 (2026). https://doi.org/10.1038/s44172-026-00643-2

Trefwoorden: microgrid-bescherming, neuromorfe energie, spiking neurale netwerken, gedistribueerde energiebronnen, foutdetectie