Probabilistyczne zarządzanie eksploatacyjne mikro-siecią opartą na odnawialnych źródłach z uwzględnieniem niepewności przy użyciu samo-adaptacyjnego algorytmu wyszukiwania grawitacyjnego

Utrzymanie światła, gdy przyszłość jest niepewna

W miarę jak coraz więcej domów i firm czerpie energię z paneli fotowoltaicznych na dachach, lokalnych turbin wiatrowych i baterii, utrzymanie dostaw prądu przy rozsądnej cenie staje się trudnym zadaniem wymagającym wyważenia wielu czynników. Nasłonecznienie, wiatr i ceny energii zmieniają się z godziny na godzinę, a niewielkie systemy zasilania wielkości sąsiedztwa, zwane mikrosieciami, muszą reagować w czasie rzeczywistym. Artykuł bada nową metodę zarządzania takimi mikrosieciami, dzięki której pozostają one niezawodne, maksymalnie wykorzystują czystą energię i ograniczają koszty nawet przy niepewnej przyszłości.

Małe sieci energetyczne blisko domu

Mikrosieć to w istocie miniaturowa sieć energetyczna obsługująca kampus, osiedle lub małe miasteczko. Zamiast polegać wyłącznie na odległej elektrowni, może czerpać z lokalnych źródeł, takich jak mikroturbina, ogniwo paliwowe, panele słoneczne, turbina wiatrowa i bank baterii, a jednocześnie pozostawać podłączona do sieci głównej w razie potrzeby. Centralny kontroler decyduje, godzina po godzinie, ile mocy każdy element powinien wytwarzać lub magazynować. Wyzwanie polega na tym, że kontroler musi podejmować decyzje na podstawie prognoz dotyczących zużycia, siły wiatru, nasłonecznienia i rynkowej ceny energii. Jeśli te przewidywania są błędne, mikrosieć może ponieść nadmierne koszty lub narazić się na niedobory.

Sprytne przewidywania wobec niepewnej przyszłości

Wiele istniejących metod sterowania albo ignoruje niepewność, albo próbuje ją uwzględnić za pomocą ciężkich narzędzi statystycznych, które są zbyt wolne do zastosowań w praktyce. Autorzy sięgają po lżejszą technikę nazwaną metodą estymacji 2m-punktów. Zamiast uruchamiać tysiące losowych symulacji, metoda ta wybiera jedynie niewielką liczbę starannie dobranych punktów „co jeśli” wokół wartości oczekiwanych kluczowych wejść, takich jak zapotrzebowanie, produkcja z odnawialnych źródeł i cena rynkowa. Rozwiązując problem planowania mikrosieci dla tych punktów, można oszacować, jak łączne koszty i przepływy mocy zachowają się w różnych warunkach. Daje to kontrolerowi praktyczny obraz ryzyka i zmienności bez przeciążania zasobów obliczeniowych.

Poszukiwanie lepszych harmonogramów inspirowane grawitacją

Aby wyznaczyć optymalny harmonogram działania wszystkich generatorów, baterii i połączenia z siecią, badanie wykorzystuje metodę wyszukiwania inspirowaną grawitacją. W tym schemacie każdy możliwy harmonogram zachowuje się jak cząstka o masie powiązanej z jakością tego harmonogramu: niższy koszt i lepsze wykorzystanie odnawialnych źródeł przekładają się na większą „masę”. Te cząstki „przyciągają się” nawzajem, przesuwając się w kierunku lepszych rejonów przestrzeni rozwiązań. Autorzy ulepszają tę koncepcję przez element samo-adaptacji. Wprowadzają dwa typy losowych impulsów, czyli operacji mutacji, które pomagają cząstkom wydostać się z niekorzystnych lokalnych minimów i szerzej eksplorować przestrzeń rozwiązań. Algorytm śledzi, która z operacji działa lepiej w czasie, i automatycznie dostosowuje swoje zachowanie, nadając większą wagę skuteczniejszej strategii. To samo-dopasowujące się podejście, nazwane Samo-Adaptive Gravitational Search Algorithm, pomaga szybciej i bardziej niezawodnie znaleźć wysokiej jakości harmonogramy.

Testowanie baterii i inteligentniejszego sterowania

Zespół przetestował swoje zintegrowane rozwiązanie — estymację punktową niepewności połączoną z ulepszonym wyszukiwaniem opartym na grawitacji — na modelu mikrosieci niskiego napięcia zasilanej przez słońce, wiatr, mikroturbinę, ogniwo paliwowe oraz baterię niklowo-wodorkową. Porównano dwa główne przypadki: bez baterii oraz z baterią zarządzaną nową metodą sterowania. Gdy bateria była uwzględniona, kontroler mógł przesuwać energię w czasie: ładować, gdy energia była tania lub obfita, i rozładowywać przy skokach zapotrzebowania lub cen. W symulacjach zmniejszyło to całkowity dzienny koszt wytwarzania niemal o połowę i zwiększyło udział energii odnawialnej o około 10 punktów procentowych w godzinach szczytu. Ulepszony algorytm zbiegał też w przybliżeniu o jedną czwartą szybciej i dawał niższe koszty operacyjne niż standardowe metody oparte na grawitacji oraz szeroko stosowane podejście roju cząstek.

Odporna wydajność w zmieniającym się świecie

Aby sprawdzić odporność metody, autorzy zmienili zarówno zapotrzebowanie, jak i ceny rynkowe o ±10 i ±20 procent. Nawet w najgorszym scenariuszu, gdy obie wartości są o 20 procent wyższe niż oczekiwano, koszty rosną tylko umiarkowanie, a spadek wykorzystania odnawialnych źródeł jest ograniczony. Konkurencyjne metody wykazują większe wahania kosztów i są łatwiej zaburzane. Badanie rozważa także przyszłe scenariusze, w których spadające ceny paneli słonecznych, turbin wiatrowych i zaawansowanych baterii dalej zwiększałyby oszczędności i udział czystej energii. Ogólnie praca sugeruje, że połączenie inteligentnego modelowania niepewności z samo-dopasowującym się algorytmem wyszukiwania może pomóc mikrosieciom dostarczać tańszą, czystszą i bardziej niezawodną energię, nawet gdy jutrzejsza pogoda i ceny są nieprzewidywalne.

Cytowanie: Ahmed, E.M., Zaki, Z.A., Kamarposhti, M.A. et al. Probabilistic operational management of a renewable-based microgrid considering uncertainties using the self-adaptive gravitational search algorithm. Sci Rep 16, 12313 (2026). https://doi.org/10.1038/s41598-026-42839-8

Słowa kluczowe: mikrosieć, energia odnawialna, magazyn baterii, algorytm optymalizacji, zarządzanie energią