Optymalne planowanie mikro-sieci oparte na wielostrategicznym ulepszonym algorytmie sardynkowym

Dlaczego mądrzejsze małe sieci energetyczne mają znaczenie

Na całym świecie miasta i kampusy instalują małe lokalne systemy energetyczne zbudowane z paneli słonecznych, turbin wiatrowych, akumulatorów i małych generatorów. Te „mikro-sieci” mogą utrzymać zasilanie podczas awarii i lepiej wykorzystać czystą energię. Jednak wybór, kiedy korzystać z słońca, wiatru, baterii czy generatora zasilanego paliwem, to skomplikowana łamigłówka zmieniająca się z godziny na godzinę. Niniejsze badanie przedstawia nowy sposób planowania tych decyzji, dzięki któremu mikro-sieci jednocześnie redukują koszty i zanieczyszczenie.

Jak działają lokalne systemy zasilania

Mikro-sieć jest jak mała, inteligentna wersja większej sieci energetycznej. Może łączyć się z siecią główną, gdy jest to korzystne, albo działać autonomicznie w przypadku awarii zewnętrznej. W obrębie mikro-sieci kilka urządzeń dzieli się zadaniami: panele słoneczne i turbiny wiatrowe dostarczają czystą, lecz zmienną energię; akumulatory magazynują nadmiar elektryczności na później; a jednostki zasilane paliwem, takie jak mała turbina gazowa i generator diesla, zapewniają moc zapasową i szybką reakcję. Głównym celem jest dopasowanie tej zmiennej podaży do lokalnego zapotrzebowania bez marnowania energii ani pieniędzy.

Wyzwanie codziennego podejmowania decyzji

Efektywne zarządzanie mikro-siecią oznacza podejmowanie wielu powiązanych decyzji: kiedy ładować lub rozładowywać akumulatory, ile mocy kupić od sieci lub sprzedać do sieci oraz jak intensywnie eksploatować jednostki zasilane paliwem. Decyzje te muszą respektować liczne ograniczenia, takie jak maksymalne moce, bezpieczne poziomy baterii oraz tempo, w jakim urządzenia mogą zwiększać lub zmniejszać moc. Dodatkowo istnieje kompromis między niskimi rachunkami a czystszym powietrzem. Generatory paliwowe i energia z sieci mogą być tanie, lecz zanieczyszczające, podczas gdy słońce i wiatr są czyste, ale niepewne. Proste metody planowania często utkną w „wystarczająco dobrym” schemacie, który nie jest faktycznie optymalny i może przeoczyć tańsze, bardziej ekologiczne opcje ukryte w tym złożonym krajobrazie.

Nowa metoda wyszukiwania inspirowana szkołami ryb

Aby temu sprostać, autorzy budują szczegółowy model matematyczny mikro-sieci obejmujący turbiny wiatrowe, panele słoneczne, małą turbinę gazową, generator diesla i akumulator. Następnie projektują nową metodę przeszukiwania wielu możliwych harmonogramów. Metoda łączy dwie inspirowane naturą idee: niedawny algorytm „sardynkowy” oparty na tym, jak szkoły ryb poruszają się i dzielą, oraz dobrze znaną metodę „roju cząstek”, która prowadzi wirtualne cząstki ku lepszym rozwiązaniom. Ulepszone podejście stosuje kilka sztuczek: zaczyna od bardziej zróżnicowanego zestawu próbnych rozwiązań, dostosowuje odwagę przeszukiwania w miarę zdobywania wiedzy oraz dodaje losowe „skoki”, które pomagają wydostać się z lokalnych zastoju. Dwuwarstwowa struktura pozwala jednej grupie eksplorować szeroko, podczas gdy druga dopracowuje obiecujące opcje, dzieląc się między sobą najlepszymi wynikami.

Testowanie metody na standardowych zadaniach

Zanim zastosują metodę do rzeczywistych problemów mikro-sieci, zespół testuje ją na dwunastu standardowych funkcjach matematycznych powszechnie używanych do oceny algorytmów przeszukiwania. Przypadki testowe obejmują gładkie wzgórza, ostre grzbiety i krajobrazy z wieloma małymi dolinami. W bezpośrednich porównaniach z siedmioma innymi metodami, w tym oryginalnym algorytmem sardynkowym, optymalizacją rojem cząstek, algorytmami genetycznymi oraz kilkoma hybrydami, ulepszony algorytm sardynkowy znajduje lepsze rozwiązania szybciej i bardziej niezawodnie. Wykazuje silną zdolność do szerokiej eksploracji na początku, a następnie precyzyjnego skupienia się wokół najlepszego rozwiązania, bez utknięcia w kiepskich lokalizacjach.

Co dzieje się w modelowej mikro-sieci

Następnie autorzy stosują swoją metodę do przykładowej mikro-sieci działającej w typowym dniu z zmiennym słońcem, wiatrem i zapotrzebowaniem. Model uwzględnia koszty paliwa, eksploatacji i zanieczyszczenia dla każdego urządzenia, a także ceny zakupu od sieci lub sprzedaży do niej. Ulepszony schemat harmonogramowania wykorzystuje akumulatory jako inteligentny bufor: ładują się, gdy energia jest tania i czysta, oraz rozładowują, gdy ceny i emisje byłyby w przeciwnym razie wysokie. Słońce i wiatr są wykorzystywane maksymalnie, natomiast turbina gazowa i generator diesla pracują jedynie wtedy, gdy ich skumulowane korzyści ekonomiczne i środowiskowe przeważają nad importem z sieci. W porównaniu ze starszymi metodami planowania nowe podejście daje gładsze krzywe mocy i lepszą równowagę między lokalną generacją, magazynowaniem i mocą z sieci.

Dlaczego to nowe podejście ma znaczenie

W tych samych warunkach i przy tym samym sprzęcie, ulepszona metoda oparta na algorytmie sardynkowym zmniejsza całkowity dzienny koszt obsługi modelowej mikro-sieci o około jedną czwartą w porównaniu z oryginalnym algorytmem sardynkowym, jednocześnie obniżając zanieczyszczenie. Osiąga dobre rozwiązania szybciej i z mniejszym ryzykiem utknięcia w słabym rozwiązaniu. Chociaż praca opiera się nadal na modelach komputerowych i pomija niektóre szczegóły świata rzeczywistego, sugeruje, że starannie zaprojektowane metody przeszukiwania mogą sprawić, iż przyszłe mikro-sieci będą tańsze i czyściej eksploatowane. W miarę jak coraz więcej społeczności przyjmuje lokalne systemy energetyczne, takie inteligentne narzędzia do harmonogramowania mogą odegrać kluczową rolę w budowie bardziej niezawodnego i zrównoważonego zaopatrzenia w energię.

Cytowanie: Wei, L., Zhong, H. Optimal scheduling study of microgrids based on multistrategy improved sardine algorithm. Sci Rep 16, 15782 (2026). https://doi.org/10.1038/s41598-026-46654-z

Słowa kluczowe: mikro-sieć, energia odnawialna, magazynowanie energii, algorytm optymalizacyjny, rozdysponowanie ekonomiczne