Badanie wpływu pojazdów elektrycznych na zwiększanie niezawodności systemu dystrybucyjnego z wykorzystaniem usprawnionego modelu ewolucyjnego algorytmu szarego wilka

Samochody elektryczne jako ukryte źródło awaryjne dla sieci energetycznej

Pojazdy elektryczne zwykle postrzegane są jako nowe urządzenia, które podłączają się do sieci i pobierają dużo mocy. To badanie odwraca ten obraz. Pokazuje, że przy starannym planowaniu zaparkowane samochody elektryczne mogą działać jak tysiące małych elektrowni i magazynów energii. Ładując się w odpowiednich momentach i oddając energię w razie potrzeby, mogą uczynić lokalne sieci energetyczne bardziej niezawodnymi, czystszymi i tańszymi w eksploatacji.

Przekształcanie wyzwania w szansę

W miarę jak coraz więcej kierowców przechodzi na samochody elektryczne, lokalne linie energetyczne stoją przed poważnym wyzwaniem. Gdy wszyscy podłączą się naraz po pracy, napięcia mogą spaść, urządzenia pracować z przegrzaniem, a awarie stają się bardziej prawdopodobne. Jednak te same akumulatory samochodowe magazynują znaczną ilość energii, która często stoi niewykorzystana, gdy pojazdy są zaparkowane. Wykorzystując koncepcję vehicle-to-grid, badanie traktuje każdy zaparkowany samochód jako elastyczne źródło, które może albo pobierać energię, albo ją oddawać, w zależności od potrzeb sieci w danym momencie. Kluczowe pytanie, które stawiają autorzy, brzmi: jak zdecydować, gdzie budować stacje ładowania, jak duże powinny być i kiedy samochody powinny się ładować lub rozładowywać, aby cały system stał się silniejszy zamiast słabszego?

Trzy warstwy inteligentnego podejmowania decyzji

Naukowcy opracowali system planowania z trzema ściśle powiązanymi warstwami. Na szczycie zapadają decyzje długoterminowe o liczbie stacji ładowania, ich lokalizacji w testowej sieci 33-słupkowej oraz o pojemności każdej stacji, wszystko w ramach ustalonego budżetu. W środku harmonogram dzień poprzedzający decyduje, kiedy każda z 150 elektrycznych samochodów powinna się ładować lub rozładowywać, uwzględniając ceny energii, godziny przyjazdu i wyjazdu kierowców oraz ograniczenia chroniące żywotność baterii. U dołu szczegółowy model sieci sprawdza, czy światła pozostaną włączone w wielu scenariuszach „co jeśli”, takich jak nagłe skoki zapotrzebowania oraz awarie pojedynczych linii lub transformatorów. Trzy warstwy nieustannie wymieniają informacje: wybory inwestycyjne kształtują możliwości operacyjne, podczas gdy jakość codziennej pracy wpływa na to, które plany są uznawane za opłacalne.

Bardziej inteligentne algorytmy dla złożonego problemu

Ponieważ te warstwy oddziałują na siebie w skomplikowany sposób, zwykłe narzędzia planistyczne mają trudności ze znalezieniem dobrych rozwiązań. Autorzy adaptują zainspirowaną naturą metodę poszukiwania zwaną algorytmem szarego wilka i wzbogacają ją o kilka zabiegów: chaotyczne punkty startowe, by eksplorować więcej możliwości, kontrolowane losowe zmiany, by wydostać się z impasu, długie skoki badawcze zwane lotami Lévy’ego oraz lokalne dopracowywanie, gdy zostanie znaleziony obiecujący plan. Ten usprawniony algorytm ocenia tysiące połączonych układów stacji, wzorców ładowania i reakcji sieci, stopniowo wyławiając zestawy decyzji, które utrzymują niskie koszty przy znaczącej poprawie niezawodności.

Co dzieje się z siecią, gdy auta pomagają

Po zastosowaniu metody do standardowej sieci testowej wyniki są uderzające. Zoptymalizowany plan wybiera pięć stacji ładowania o łącznej mocy 1,55 megawata i przypisuje do nich 150 pojazdów. Dzięki skoordynowanemu ładowaniu i rozładowywaniu najniższe napięcia w systemie wzrastają o nieco ponad 4%, a ogólne wahania napięcia zmniejszają się o ponad połowę, utrzymując odbiorców bliżej idealnej jakości zasilania. Energia tracona na ciepło w liniach spada o około 23%, co oznacza, że mniej energii trzeba wytwarzać. Co najważniejsze, ilość energii, której nie można dostarczyć odbiorcom podczas awarii, spada o około 70%, a złożony wskaźnik niezawodności wzrasta ponad dwukrotnie. W symulowanych awariach linii i transformatorów potrzeba ograniczeń obciążenia zmniejsza się o dwie trzecie lub więcej, ponieważ pobliskie samochody przejmują wsparcie dla sieci.

Dlaczego ekonomia też się zgadza

Dla planistów i inwestorów zyski techniczne mają znaczenie tylko wtedy, gdy liczby się bilansują. Tutaj tak jest. Nawet po uwzględnieniu kosztów stacji, utrzymania, energii na ładowanie i dodatkowego zużycia baterii, badanie wykazuje, że korzyści z unikniętych przerw w dostawie, mniejszych strat i obniżonych opłat za zapotrzebowanie są tak duże, że pięcioletnia wartość bieżąca netto wynosi około 7,9 miliona dolarów USA. Wskaźnik korzyści do kosztów przekracza 17, a prosty okres zwrotu to zaledwie kilka miesięcy przy założeniach podstawowych. Autorzy podkreślają, że te liczby zależą od tego, ile przedsiębiorstwa energetyczne i regulatorzy przypisują wartości niezawodności, ale testy wrażliwości pokazują, że projekt pozostaje atrakcyjny nawet przy mniej hojnym założeniu i wyższych kosztach.

Co to oznacza dla życia codziennego

Dla osoby niespecjalistycznej wniosek jest taki, że samochody elektryczne mogą robić znacznie więcej niż przewozić ludzi: gdy są zaparkowane, mogą cicho wspierać lokalną sieć. Przy przemyślanym planowaniu lokalizacji stacji ładowania, inteligentnym sterowaniu momentami poboru i oddawania energii oraz nowoczesnych narzędziach optymalizacyjnych łączących to wszystko, pojazdy elektryczne mogą pomóc utrzymać światła podczas awarii urządzeń, wygładzać szczyty zapotrzebowania i obniżać całkowite koszty. Zamiast obciążać sieć, duża liczba skoordynowanych pojazdów elektrycznych może stać się filarem bardziej niezawodnego i efektywnego systemu energetycznego.

Cytowanie: Naeimi, M., Samiei Moghaddam, M., Azarfar, A. et al. Investigating the impact of electric vehicles on increasing the reliability of the distribution system using the enhanced gray wolf evolutionary algorithm model. Sci Rep 16, 10666 (2026). https://doi.org/10.1038/s41598-026-46206-5

Słowa kluczowe: pojazdy elektryczne, vehicle-to-grid, niezawodność sieci energetycznej, infrastruktura ładowania, optymalizacja metaheurystyczna