Optymalizacja stochastycznej integracji PV-DG w sieciach rozdzielczych radialnych oparta na teorii beczki przy niepewnościach obciążenia i nasłonecznienia

Dlaczego instalacje fotowoltaiczne na dachach wymagają mądrzejszego planowania

W miarę jak coraz więcej domów i firm montuje panele fotowoltaiczne na dachach, lokalne linie energetyczne muszą dyskretnie radzić sobie z nasłonecznieniem, które przychodzi i odchodzi, oraz z zapotrzebowaniem na energię, które ciągle się zmienia. Przy złym planowaniu takie systemy mogą powodować straty energii, przeciążenia urządzeń i problemy z napięciem, które wpływają na codziennych odbiorców. W badaniu przedstawiono nowy sposób decydowania o rozmieszczeniu i wielkości jednostek solarnych w lokalnych sieciach, tak aby sieć pozostała wydajna, niezawodna i przygotowana na czystsze źródła energii.

Od jednokierunkowego przepływu mocy do sąsiedzkich elektrowni

Tradycyjne systemy energetyczne projektowano z myślą o przepływie energii w jednym kierunku: z dużych, odległych elektrowni do domów i fabryk. Dziś małe generatory, takie jak panele dachowe i lokalne farmy fotowoltaiczne, coraz częściej łącza się bezpośrednio z liniami dystrybucyjnymi. Ta zmiana przynosi duże korzyści: może zmniejszyć straty energii na długich przewodach, złagodzić przeciążenia na odcinkach zasilających, poprawić jakość napięcia i zwiększyć odporność na awarie. Ale wiąże się też z nowymi problemami. Gdy wiele systemów solarnych odprowadza energię do linii, napięcia mogą wzrastać ponad bezpieczne poziomy, prądy mogą zmieniać kierunek, a urządzenia pracować poza swymi parametrami. Wykorzystanie potencjału energii słonecznej wymaga więc starannego planowania lokalizacji i mocy tych jednostek.

Dlaczego niepewność ma znaczenie w praktyce

Wiele wcześniejszych badań planistycznych upraszczało sprawę: traktowano natężenie słońca i zapotrzebowanie odbiorców jako stałe albo używano zaledwie kilku ręcznie wybranych scenariuszy. W rzeczywistości chmury się przesuwają, pory roku się zmieniają, a ludzie włączają i wyłączają urządzenia w wzorcach dalekich od stałości. Ignorowanie tej zmienności może prowadzić do rozwiązań, które na papierze wyglądają dobrze, lecz w praktyce zawodzą. Inne podejścia próbowały radzić sobie z niepewnością przez kosztowne symulacje, takie jak próby Monte Carlo, które są dokładne, ale bardzo czasochłonne. Artykuł proponuje złoty środek: metodę, która uchwyci najważniejsze losowe zmiany w produkcji PV i zapotrzebowaniu, jednocześnie utrzymując liczbę obliczeń w rozsądnych granicach.

Metoda inspirowana beczką do poszukiwania lepszych rozwiązań

Aby sprostać temu wyzwaniu, autorzy łączą dwie kluczowe idee. Po pierwsze, wykorzystują zwarte narzędzie statystyczne zwane metodą estymacji punktowej, aby przedstawić wzloty i upadki nasłonecznienia i zapotrzebowania za pomocą zaledwie kilkunastu starannie dobranych scenariuszy. Scenariusze te zastępują tysiące możliwych warunków dobowa. Po drugie, stosują nową technikę przeszukiwania nazwaną Optymalizatorem opartym na Teorii Beczki. Inspirowany obrazem drewnianej beczki, której pojemność ograniczona jest przez najkrótszą klepkę, algorytm traktuje każdy możliwy plan rozmieszczenia paneli jak beczkę, a każdą zmienną decyzyjną (np. rozmiar czy lokalizację) jak klepkę. Zamiast jedynie doskonalić najlepsze beczki, metoda celowo wyszukuje słabe ogniwa i je poprawia, ucząc się przy tym od najbardziej obiecujących rozwiązań. Ta równowaga między eksploracją a udoskonaleniem pomaga algorytmowi poruszać się po złożonym krajobrazie decyzji w dużych sieciach energetycznych.

Testy na realistycznych sieciach dystrybucyjnych

Ramę badawczą przetestowano na dwóch wzorcowych systemach dystrybucyjnych: średniej wielkości sieci 85-węzłowej oraz większej 118-węzłowej, z których każda odwzorowuje realistyczny splot linii i odbiorców. Dla przypadku 85 węzłów badano scenariusze z trzema, czterema i pięcioma jednostkami solarnymi. We wszystkich przypadkach celem było wybranie lokalizacji, mocy i warunków pracy minimalizujących oczekiwane straty energii i utrzymujących napięcia w bezpiecznych granicach we wszystkich scenariuszach niepewności. Porównano optymalizator oparty na teorii beczki z kilkoma znanymi metodami przeszukiwania, w tym klasyczną różnicową ewolucją i dwoma niedawno zaproponowanymi technikami inspirowanymi naturą. Nowe podejście osiągnęło niższe straty, szybciej zbiegało i dawało bardziej spójne wyniki między kolejnymi uruchomieniami, szczególnie wraz ze wzrostem liczby jednostek solarnych i rozmiaru systemu.

Co wyniki oznaczają dla czystszych sieci lokalnych

W obu sieciach zoptymalizowane układy PV znacząco obniżyły straty energii — ponad dwukrotnie w porównaniu z brakiem instalacji słonecznych przy dużym obciążeniu — oraz podniosły najniższe napięcia do akceptowalnych zakresów w całym systemie. Optymalizator oparty na teorii beczki nie tylko znalazł rozwiązania o najmniejszych oczekiwanych stratach, ale robił to przy małej zmienności wyników między powtórzeniami, co sugeruje wysoką niezawodność. Wymagał też mniej czasu obliczeniowego i pamięci niż niektóre konkurencyjne metody, co jest istotne dla planistów badających wiele scenariuszy przyszłości. Mówiąc prościej, badanie pokazuje, że dzięki inteligentnemu połączeniu uproszczonego modelowania niepewności i starannie zaprojektowanej strategii przeszukiwania, operatorzy mogą umieszczać jednostki PV tak, by wydobyć znacznie więcej wartości z tego samego nasłonecznienia, przy jednoczesnym zachowaniu stabilności i efektywności sieci lokalnych.

Cytowanie: Alqahtani, M.H., Aljumah, A.S., Shaheen, A.M. et al. A barrel theory-based optimization of stochastic PV-DG integration in radial distribution networks under load and solar uncertainties. Sci Rep 16, 14040 (2026). https://doi.org/10.1038/s41598-026-49415-0

Słowa kluczowe: panele dachowe, sieci dystrybucji energii, integracja odnawialnych źródeł, optymalizacja sieci, zmienność nasłonecznienia