Inteligentne sterowanie oparte na sieci neuronowej RBF dla stabilności dynamicznej i kontroli mocy w mikrosieciach z odnawialnymi źródłami

Dlaczego inteligentniejsza lokalna energia ma znaczenie

W miarę jak domy, kampusy i małe społeczności instalują coraz więcej paneli dachowych i turbin wiatrowych, utrzymanie ciągłości zasilania staje się zaskakująco skomplikowane. Nasłonecznienie i wiatr zmieniają się z minuty na minutę, co sprawia, że lokalne systemy energetyczne, czyli mikrosieci, są narażone na migotania, spadki napięcia i marnowanie czystej energii. Artykuł opisuje inteligentne podejście sterujące, łączące zaawansowaną elektronikę i szybko uczącą się sieć neuronową, które utrzymuje mikrosieć opartą na odnawialnych źródłach stabilną, wydajną i gotową do pracy w warunkach rzeczywistych.

Utrzymanie równowagi w małej sieci

Mikrosieć działa jak system energetyczny na skalę sąsiedztwa, łączący panele słoneczne, turbiny wiatrowe, baterie i połączenie z większą siecią elektroenergetyczną. Trudność polega na tym, że każdy element zachowuje się inaczej: panele słoneczne generują prąd stały (DC), sieć korzysta z prądu zmiennego (AC), a turbiny wiatrowe zmieniają moc wraz z porywami wiatru. Autorzy projektują mikrosieć, w której energia słoneczna, wiatrowa i bateria zasilają wspólną szynę DC, która następnie zasila lokalną sieć. Aby utrzymać równowagę tego miniaturowego systemu, koncentrują się na dwóch celach istotnych dla zwykłych użytkowników: stabilnym napięciu i częstotliwości (aby urządzenia działały poprawnie) oraz wysokiej sprawności (by jak najmniej odnawialnej energii traciło się na ciepło w elektronice).

Inteligentniejsze „mózgi” dla energii odnawialnej

Rdzeniem systemu jest inteligentny sterownik zbudowany w oparciu o radialną funkcję bazową sieć neuronową (RBFNN). W prostych słowach jest to „mózg” uczący się maszynowo, który potrafi szybko poznać zachowanie mikrosieci w wielu warunkach, a następnie na bieżąco dostosowywać ustawienia sterowania. Zbiera pomiary takie jak napięcie, prąd i moc z całej mikrosieci, analizuje je i wysyła zoptymalizowane polecenia do lokalnych sterowników obsługujących elektronikę połączoną z panelami słonecznymi, turbiną wiatrową, baterią i interfejsem sieciowym. Dzięki temu, że RBFNN uczy się szybko i potrafi adaptować się w locie, lepiej radzi sobie z nagłymi zmianami nasłonecznienia, wiatru czy zapotrzebowania na energię niż tradycyjne regulatory, które często wymagają czasochłonnego ręcznego dostrajania.

Zwiększanie mocy słonecznej i tłumienie fluktuacji

Panele słoneczne naturalnie generują stosunkowo niskie napięcia, które trzeba zwiększyć, zanim trafią do mikrosieci. Autorzy przedstawiają specjalizowane urządzenie mocy, zwane przetwornikiem Z-source zintegrowanym z sprzężonym induktorem podwyższającym (Z-SCIB), które potrafi podnieść napięcie z paneli do znacznie wyższego, bardziej użytecznego poziomu, przy jednoczesnym zmniejszeniu obciążeń wewnętrznych elementów. Ten przetwornik jest sterowany przez klasyczny regulator proporcjonalno-całkujący (PI), którego nastawy są automatycznie optymalizowane przez inspirowaną biologią metodę poszukiwania wzorowaną na migracji gęsi – zwaną Grey Lag Goose Optimization (GGO). W połączeniu przetwornik Z-SCIB i regulator PI dostrojony przez GGO szybko stabilizują napięcie słoneczne na docelowym poziomie, osiągając sprawność około 97%, co oznacza bardzo niewielkie straty energii słonecznej w procesie konwersji.

Wiatr, akumulatory i jakość czystej energii

Energia wiatrowa trafia do mikrosieci przez generator zasilany dwustronnie (doubly fed induction generator), typ generatora wiatrowego, który może regulować zarówno moc czynną dostarczaną do sieci, jak i moc bierną wspierającą napięcie sieci. Jego wyjście jest przekształcane na DC i ściśle regulowane przed dołączeniem do wspólnej szyny. Dwukierunkowy przetwornik łączy baterię z tą samą szyną, pozwalając baterii pochłaniać nadmiar mocy, gdy słońce i wiatr są obfite, oraz oddawać ją, gdy zapotrzebowanie rośnie lub produkcja odnawialna spada. Dodatkowe regulatory PI utrzymują bezpieczny prąd ładowania baterii i synchronizują falownik skierowany do sieci z siecią główną. Symulacje pokazują, że nawet gdy temperatura, nasłonecznienie, prędkość wiatru i obciążenie się zmieniają, system utrzymuje stabilne napięcie i prąd oraz bardzo niskie zniekształcenia elektryczne (szkodliwe harmoniczne).

Co to oznacza dla codziennego korzystania z energii

Badanie konkluduje, że połączenie wydajnego przetwornika podwyższającego dla paneli słonecznych, elastycznego generatora wiatrowego, inteligentnego zarządzania baterią i nadzorczego sterownika opartego na RBFNN może uczynić mikrosieci z przewagą odnawialnych źródeł zarówno stabilnymi, jak i wysoce wydajnymi. W praktyce oznacza to mniej migotań, lepsze wykorzystanie czystej energii i większą niezawodność dla miejsc polegających na lokalnej generacji, od odległych wiosek po kampusy miejskie. Choć podejście wymaga dobrych danych treningowych dla sieci neuronowej i wprowadza pewną złożoność obliczeniową, wskazuje jasną drogę ku mikrosieciom, które potrafią automatycznie adaptować się do chaotycznego zachowania rzeczywistej pogody i zapotrzebowania na energię, przybliżając niezawodną czystą energię do codziennego życia.

Cytowanie: Chiluka, V., Sekhar, G.G.R., Reddy, C.R. et al. Intelligent RBF neural network-based control for dynamic stability and power control in renewable-integrated microgrids. Sci Rep 16, 6250 (2026). https://doi.org/10.1038/s41598-026-36641-9

Słowa kluczowe: sterowanie mikrosiecią, energia odnawialna, energia słoneczna i wiatrowa, magazynowanie w bateriach, sterownik oparty na sieciach neuronowych