Sieci energetyczne inspirowane synapsami: neuromorficzne podejście do ochrony mikrosieci bez łączy komunikacyjnych

Dlaczego ochrona małych sieci energetycznych ma znaczenie

W miarę jak osiedla instalują panele słoneczne, akumulatory i lokalne generatory, coraz bardziej polegają na małych sieciach energetycznych zwanych mikrosieciami. Systemy te mogą utrzymać zasilanie podczas burz i zmniejszyć obciążenie dużych elektrowni, ale są też trudniejsze do zabezpieczenia przed zwarciami elektrycznymi i cyberatakami. Artykuł ten bada nowe podejście do ochrony mikrosieci, zapożyczając pomysły z komunikacji komórek nerwowych, dzięki czemu każda jednostka energetyczna może podejmować własne, ultrakrótkie decyzje bez polegania na zawodnych łączach komunikacyjnych.

Ograniczenia współczesnych narzędzi ochrony

Tradycyjne urządzenia ochronne oczekują bardzo dużych prądów zwarciowych i stosunkowo stabilnej topologii sieci. W nowoczesnych mikrosieciach falowniki ograniczają prąd ze względów bezpieczeństwa i efektywności, a linie często są rekonfigurowane w miarę podłączania i odłączania paneli czy akumulatorów. Utrudnia to odróżnienie niebezpiecznego zwarcia od zwykłej zmiany w poborze mocy. Nowsze rozwiązania próbują to naprawić za pomocą szybkiej komunikacji, zsynchronizowanych czujników lub złożonej logiki, ale wprowadzają opóźnienia, ryzyko utraty danych i podatności cybernetyczne. Inne podejścia, takie jak metody fal podróżujących, sprawdzają się na dużych liniach przesyłowych, lecz mają trudności w niskonapięciowych, gęsto połączonych mikrosieciach, gdzie sygnały są słabsze, a odbicia utrudniają analizę.

Zapożyczając pomysły z mózgu

Autorzy proponują inną strategię inspirowaną neuronami biologicznymi. W ich projekcie każdy rozproszony zasób energetyczny w mikrosieci zachowuje się jak prosty neuron typu leaky integrate-and-fire. Każda jednostka obserwuje lokalne napięcie, prąd i moc, i łączy odchylenia tych wielkości w pojedynczy wskaźnik zakłócenia. Gdy wskaźnik jest niewielki, wirtualny neuron pozostaje w większości cichy. W miarę narastania zakłócenia skraca się czas między jego „impulsami”. Silniejsze lub bliższe zwarcia powodują, że neuron wygeneruje impuls wcześniej, podobnie jak komórka nerwowa firemuje szybciej przy silniejszym bodźcu. Wbudowany adaptacyjny próg dostosowuje się do warunków pracy, aby rutynowe zmiany obciążenia nie wywoływały niepotrzebnych impulsów.

Pozwolić pierwszemu impulsowi zdecydować

Zamiast wysyłać szczegółowe pomiary do centralnego „mózgu”, wszystkie jednostki po prostu nasłuchują impulsów. Zasada ochrony jest prosta: urządzenie, którego neuron zaimpulsuje pierwsze, uznaje się za najbliższe zwarcia i wyłącza swój lokalny wyłącznik. Reguła First-To-Spike odzwierciedla sposób, w jaki systemy wykorzystujące fale podróżujące lokalizują problem na podstawie najwcześniej nadejścia sygnału, ale tutaj działa to bez GPS, komunikacji szerokopasmowej ani wyspecjalizowanych czujników wysokiej częstotliwości. Ponieważ każda jednostka działa wyłącznie na podstawie własnych pomiarów i czasowania, schemat jest z natury zdecentralizowany i znacznie mniej podatny na awarie komunikacji czy ataki cybernetyczne.

Jak nowe zabezpieczenie zachowuje się w praktyce

Zespół przetestował swoje podejście w szczegółowych modelach komputerowych sieci pierścieniowych i z gęstą siatką połączeń, a następnie na sprzęcie działającym w czasie rzeczywistym. Symulowali zwarcia jednofazowe do ziemi, międzyfazowe, trójfazowe oraz duże zmiany obciążenia przy różnych długościach linii i rezystencjach zwarciowych. System zwykle wykrywał i przerywał zwarcia w czasie 10–58 milisekund, znacznie szybciej niż konwencjonalne przekaźniki mikrosieci, które często potrzebują 200–450 milisekund, a nawet szybciej niż raportowane systemy fal podróżujących rzędu około 60 milisekund. Silniejsze zwarcia i zwarcia na krótszych liniach konsekwentnie powodowały wcześniejsze impulsy i szybsze zadziałanie wyłączników, naturalnie odtwarzając zachowanie „silniejsze zwarcie, szybsza reakcja” znane z klasycznych charakterystyk zabezpieczeń. Jednocześnie adaptacyjny próg utrzymywał neurony w spoczynku nawet przy znacznych wahnięciach obciążenia, osiągając skuteczność wykrywania powyżej 98 procent i selektywność przestrzenną powyżej 97 procent w ponad 300 zsymulowanych przypadkach zwarć.

Dlaczego to podejście może się skalować w przyszłych sieciach

Ponieważ każda jednostka energetyczna potrzebuje tylko lokalnych pomiarów i lekkiego modelu impulsującego, metoda jest energooszczędna i łatwa do skalowania. W normalnej pracy niemal nie generuje impulsów, a obliczenia wykonywane są tylko wokół rzadkich zdarzeń zwarciowych. Nowe jednostki słoneczne czy akumulatorowe mogą dołączać do mikrosieci bez przeprogramowywania centralnego sterownika, ponieważ po prostu występują jako nowe neurony przestrzegające tej samej reguły First-To-Spike. Autorzy wskazują na pewne pozostające wyzwania, takie jak zwarcia o bardzo wysokiej rezystancji powodujące jedynie słabe zaburzenia oraz zatłoczone sieci, w których wiele jednostek obserwuje podobne warunki, lecz twierdzą, że można je rozwiązać dalszym dostrojeniem i dodatkowymi filtrami.

Co to oznacza dla codziennych użytkowników energii

Dla osoby niebędącej specjalistą kluczowy przekaz jest taki, że autorzy pokazali, jak mikrosieci mogą chronić się, myśląc bardziej jak mózg niż tradycyjna maszyna. Każdy falownik solarny czy jednostka akumulatorowa uważnie nasłuchuje swojego lokalnego otoczenia, emituje impulsy tylko wtedy, gdy zdarzy się coś naprawdę nietypowego, i pozwala pierwszemu reagującemu niemal natychmiast odizolować problem. Ta neuromorficzna strategia zapewnia szybką, selektywną ochronę bez polegania na podatnych sieciach komunikacyjnych, oferując drogę do bezpieczniejszych, bardziej odpornych i elastycznych lokalnych systemów energetycznych w miarę rozwoju odnawialnych źródeł energii.

Cytowanie: Prabhakar, S., Panigrahi, B.K., Blaabjerg, F. et al. Synapse-inspired energy networks: a neuromorphic approach to microgrid protection without communication links. Commun Eng 5, 90 (2026). https://doi.org/10.1038/s44172-026-00643-2

Słowa kluczowe: ochrona mikrosieci, energetyka neuromorficzna, spiking neural networks, rozproszone źródła energii, wykrywanie zwarć