Optymalna konfiguracja mocy hybrydowych systemów wiatr-fotowoltaika-magnes w oparciu o ulepszony chaotyczny algorytm ewolucji optymalizacyjnej

Utrzymanie światła dzięki czystej energii

W miarę jak coraz większy odsetek energii elektrycznej pochodzi z turbin wiatrowych i paneli słonecznych, zapewnienie jednocześnie niezawodności i przystępności systemu energetycznego staje się delikatnym zadaniem równoważenia. Ponieważ wiatr nie zawsze wieje, a słońce nie zawsze świeci, operatorzy sieci muszą zdecydować, ile mocy wiatrowej, słonecznej i magazynów akumulatorowych zbudować, aby światła pozostały włączone bez drastycznego wzrostu kosztów. Niniejsze badanie przedstawia mądrzejszy sposób wyboru tych mocy, wykorzystując zaawansowany algorytm przeszukiwania, który analizuje wiele możliwych projektów, aby znaleźć kombinacje dostarczające czystą energię przy niższym całkowitym koszcie.

Dlaczego równoważenie wiatru, słońca i baterii jest trudne

Projektowanie hybrydowego systemu z mieszanką farm wiatrowych, instalacji fotowoltaicznych i magazynów energii nie sprowadza się do prostego sumowania średnich mocy. Prędkości wiatru, nasłonecznienie i zapotrzebowanie na energię elektryczną zmieniają się z godziny na godzinę, a urządzenia magazynujące mają ścisłe ograniczenia dotyczące szybkości i głębokości ładowania oraz rozładowywania. Autorzy tworzą model matematyczny opisujący, ile energii mogą generować turbiny i panele przy zmiennej pogodzie, jak baterie przechowują i oddają energię oraz jak wszystko to musi odpowiadać potrzebom domów i przedsiębiorstw. Ich celem jest minimalizacja całkowitych rocznych kosztów budowy i eksploatacji urządzeń, przy jednoczesnym zaspokojeniu zapotrzebowania oraz przestrzeganiu ograniczeń technicznych dotyczących sieci i akumulatorów.

Nowy sposób poszukiwania najlepszej mieszanki

Ponieważ relacje między wiatrem, energią słoneczną, magazynowaniem i siecią są wysoce splątane, tradycyjne metody planowania łatwo mogą przeoczyć dobre rozwiązania. Zespół zwraca się więc ku klasie narzędzi komputerowych zwanych metaheurystycznymi algorytmami, które naśladują procesy naturalne, takie jak ewolucja czy stada zwierząt, aby przeszukiwać złożone przestrzenie rozwiązań. Bazując na wcześniejszej metodzie zwanej chaotyczną ewolucyjną optymalizacją, przedstawiają jej ulepszoną wersję (ICEO), która łączy trzy pomysły: chaotyczny wzorzec do jednoczesnego badania wielu kierunków, krok samouczenia się delikatnie dostosowujący obiecujące rozwiązania za pomocą losowych „pchnięć” oraz sporadyczne długie skoki pomagające wyskoczyć z niekorzystnych lokalnych minimów. Gdy postęp zwalnia, uruchamiane jest ukierunkowane wyszukiwanie lokalne, które precyzyjnie dopracowuje obecnie najlepszy projekt.

Sprawdzenie algorytmu w praktyce

Zanim zaufa się ICEO w rzeczywistym systemie energetycznym, badacze porównują go z innymi dobrze znanymi metodami optymalizacyjnymi na zestawie standardowych problemów testowych stosowanych w tej dziedzinie. Problemy te mają znane rozwiązania i obejmują zarówno gładkie, miseczkowate krajobrazy, jak i skaliste tereny z wieloma fałszywymi szczytami i dolinami. W ośmiu takich testach ICEO wielokrotnie znajduje rozwiązania równie dobre lub lepsze niż te uzyskane przez dziewięć konkurencyjnych algorytmów i robi to w sposób powtarzalny w kolejnych uruchomieniach. Chociaż metoda zużywa nieco więcej czasu obliczeniowego niż niektóre prostsze rywale, dodatkowy wysiłek opłaca się w postaci wyższej dokładności i większej odporności na utknięcie w nieoptymalnych obszarach przestrzeni poszukiwań.

Projektowanie rzeczywistego hybrydowego systemu energetycznego

Następnie autorzy stosują swoją metodę do praktycznego przypadku, w którym farma wiatrowa, elektrownia słoneczna i system baterii muszą obsłużyć lokalne zapotrzebowanie na energię w warunkach realistycznych wzorców pogodowych. Korzystając z mierzonych dziennych profili wiatru, nasłonecznienia, temperatury i zużycia, ICEO decyduje, jak duże powinny być poszczególne komponenty. Wynik to projekt z około 48,6 megawatów mocy wiatrowej, 50 megawatów mocy słonecznej oraz 65 megawatogodzinami pojemności baterii. W symulowanej eksploatacji panele słoneczne pokrywają dużą część zapotrzebowania w ciągu dnia, nadmiar mocy ładuje akumulatory, a silniejsze nocne wiatry pomagają zaspokoić obciążenie, dając bateriom odpoczynek. Gdy produkcja z odnawialnych źródeł spada, uwalniana jest zgromadzona energia, aby pokryć lukę, przy jednoczesnym zachowaniu ograniczeń baterii i wymiany energii z siecią w bezpiecznych granicach.

Co to oznacza dla przyszłych sieci

Dla czytelników niebędących specjalistami kluczowy przekaz jest taki, że wyrafinowane techniki poszukiwania, takie jak ICEO, mogą uczynić systemy zasilane czystą energią tańszymi i bardziej niezawodnymi. Poprzez staranniejszy wybór wielkości instalacji wiatrowych, słonecznych i magazynowych, planujący mogą obniżyć koszty inwestycji i eksploatacji, jednocześnie zapewniając, że dostawy energii śledzą zapotrzebowanie w warunkach zachmurzenia, ciszy wiatrowej czy okresów szczytowego zużycia. Chociaż leżąca u podstaw matematyka jest złożona, rezultat jest prosty: lepsze planowanie wspierane komputerowo może pomóc zintegrować większe udziały energii odnawialnej w sieci, bez poświęcania stabilności ani przystępności cenowej.

Cytowanie: Dong, Y., Zhou, X., Cao, X. et al. Optimal capacity configuration of wind-photovoltaic-storage hybrid systems based on improved chaotic evolution optimization algorithm. Sci Rep 16, 9990 (2026). https://doi.org/10.1038/s41598-026-40610-7

Słowa kluczowe: planowanie energii odnawialnej, systemy wiatr-słońce-magnes, magazynowanie energii, algorytmy optymalizacyjne, niezawodność systemu energetycznego