Operação econômica e sustentável de microrredes usando Algoritmo de Otimização da Baleia Aprimorado

Por que nossas redes de energia futuras precisam de um novo tipo de “cérebro”

Manter as luzes acesas está ficando mais complicado à medida que mais residências e empresas usam sol e vento em vez de carvão e gás. Essas fontes limpas são mais baratas e melhores para o clima, mas variam conforme o tempo. Este artigo explora como um “cérebro” digital mais inteligente pode operar redes elétricas locais menores — conhecidas como microrredes — para fornecer eletricidade confiável a custo menor e com menos emissões, mesmo quando a rede principal está fora do ar. Os autores demonstram que um novo algoritmo de computador, inspirado no comportamento de baleias, pode reduzir os custos operacionais de uma microrrede de teste em quase 40% em comparação com métodos de planejamento comuns.

Redes de energia pequenas com grandes ambições

Microrredes são sistemas elétricos compactos que podem atender um bairro, um campus ou uma aldeia. Em vez de depender apenas de usinas distantes, elas combinam fontes locais como painéis solares, turbinas eólicas, células a combustível, geradores a diesel e armazenamento por bateria. Microrredes podem se conectar à rede elétrica principal quando disponível, mas também podem operar de forma “ilhada” e funcionar de forma independente durante tempestades, incêndios florestais ou quedas de energia. Essa flexibilidade as torna um bloco promissor para um sistema energético mais limpo e resiliente — mas também torna sua operação mais complexa. Alguém, ou algo, precisa decidir constantemente quais dispositivos acionar, quanto de energia comprar ou vender à rede principal e quando carregar ou descarregar as baterias.

O papel de um gerente digital de energia

Para lidar com essa complexidade, as microrredes utilizam um Sistema de Gerenciamento de Energia, ou EMS. O EMS reúne dados sobre previsões meteorológicas, preços de eletricidade, limites dos equipamentos, níveis de carga das baterias e demanda dos consumidores. Em seguida, emite comandos de controle — como ligar ou desligar geradores, ajustar a produção e programar o uso das baterias — para cumprir vários objetivos ao mesmo tempo. Esses objetivos incluem manter o equilíbrio entre oferta e demanda a cada hora, minimizar o custo total de operação e reduzir as emissões dos geradores movidos a combustíveis fósseis. No modo conectado à rede, o EMS também decide quando é mais vantajoso comprar energia barata da rede principal e quando vender o excesso de eletricidade renovável, transformando a microrrede em um agente ativo no mercado.

Uma forma inspirada em baleias de buscar melhores escalonamentos

Decidir o melhor escalonamento para cada gerador e bateria ao longo de um dia inteiro é um quebra-cabeça difícil: há muitas opções, os custos são não lineares e a geração renovável é incerta. Métodos matemáticos tradicionais ou algoritmos clássicos de busca frequentemente ficam presos em soluções medianas. Os autores recorrem a um tipo moderno de busca chamado metaheurística, vagamente modelado em como animais caçam ou exploram. O Algoritmo de Otimização da Baleia Aprimorado (IWOA) deles baseia-se em um método anterior inspirado em como as baleias-jubarte cercam a presa e espiralam para dentro. A versão aprimorada usa um parâmetro de “natação” cuidadosamente ajustado, pesos adaptativos e saltos longos aleatórios conhecidos como voos de Lévy para explorar amplamente no início e depois concentrar-se em regiões promissoras sem ficar presa em ótimos locais.

Testando a abordagem em uma microrrede realista

A equipe testou seu EMS em um benchmark bem conhecido: uma microrrede de baixa tensão que combina uma célula a combustível, microturbina, gerador a diesel, painéis solares, uma turbina eólica e uma bateria conectada à rede principal. Eles examinaram tanto a operação ilhada, na qual a microrrede deve suprir a demanda inteiramente com recursos locais, quanto a operação conectada à rede, em que pode negociar energia com a rede maior. Em ambos os modos, o algoritmo buscou minimizar um custo combinado que inclui combustível e manutenção para cada equipamento, o preço de compra ou venda de eletricidade e uma penalidade por emissões de dióxido de carbono e outros poluentes. Os resultados mostraram que o EMS favoreceu naturalmente tecnologias mais limpas e mais baratas, operando a célula a combustível como principal fonte, usando a microturbina como reserva e acionando o diesel apenas quando absolutamente necessário.

Uso mais inteligente de baterias e da rede principal

Uma descoberta chave é como o algoritmo aprimorado usa a bateria e a conexão com a rede como alavancas financeiras e ambientais. No modo ilhado, a bateria suaviza as variações da geração solar e eólica, descarregando durante picos de demanda e carregando quando há excedente de energia renovável, o que reduz a dependência do diesel. No modo conectado à rede, o EMS aprende uma estratégia de “arbitragens energéticas”: carrega a bateria quando a eletricidade da rede está mais barata e descarrega quando os preços disparam, além de exportar o excedente renovável quando a demanda local e os limites da bateria permitem. Ao longo de muitos dias simulados, o Algoritmo de Otimização da Baleia Aprimorado reduziu os custos operacionais da microrrede em cerca de 39,66% em comparação com algoritmos genéticos tradicionais, métodos de enxame de partículas e o algoritmo da baleia padrão, mantendo as emissões mais baixas.

O que isso significa para usuários de energia no dia a dia

Para quem não é especialista, a conclusão é simples: operar um sistema de energia local limpo e confiável não se resume mais apenas a comprar hardware — depende muito de software inteligente. Ao fornecer às microrredes um “piloto automático” mais capaz, esse algoritmo inspirado em baleias permite que cada quilowatt-hora renda mais, que se dependa mais de renováveis e menos de geradores de reserva poluentes e de importações caras da rede. Se amplamente implantados, esses gerenciadores de energia inteligentes poderiam tornar bairros mais resilientes a quedas de energia, ajudar as concessionárias a lidar com o aumento de solar e eólica sem grandes upgrades e apoiar metas climáticas ao privilegiar automaticamente energia mais limpa sempre que disponível e economicamente viável.

Citação: El-Zaher, S.M., Ahmed, A.M., Ahmed, E.M. et al. Cost-effective and sustainable operation of microgrids using Improved Whale Optimization Algorithm. Sci Rep 16, 4811 (2026). https://doi.org/10.1038/s41598-026-35529-y

Palavras-chave: microrredes, sistema de gerenciamento de energia, energia renovável, algoritmo de otimização, armazenamento por bateria