Agendamento otimizado de sistemas de energia integrados: uma abordagem sinérgica multidimensional de eletricidade, hidrogênio, amônia e calor usando o algoritmo LSDBO-WOA

Por que armazenar energia limpa de novas maneiras importa

Turbinas eólicas e painéis solares estão se espalhando rapidamente, mas a eletricidade que produzem nem sempre chega quando as pessoas precisam. Esse desalinhamento desperdiça energia limpa e obriga as redes a recorrerem aos combustíveis fósseis. Este estudo explora uma nova forma de suavizar esses altos e baixos usando amônia líquida como uma espécie de cola energética multipropósito, conectando eletricidade, hidrogênio, calor e combustível para que mais energia renovável possa ser capturada, armazenada e usada quando for mais valiosa.

Um ecossistema de energia limpa em escala de parque

Os pesquisadores projetam um parque de energia virtual que combina eólica, solar, a rede elétrica principal e gás natural com uma rede de dispositivos avançados. No centro do sistema há um tanque de amônia líquida, tratado como um armazenamento de energia de longo prazo. O excedente de eletricidade renovável primeiro produz hidrogênio a partir da água e, em seguida, junta-se ao nitrogênio do ar para formar amônia. Mais tarde, essa amônia pode ser reconvertida em hidrogênio, queimada junto com gás natural em uma turbina a gás ou alimentada em células a combustível especiais. O calor que normalmente seria desperdiçado — proveniente de turbinas, células a combustível e reações químicas — é capturado e reutilizado para aquecimento distrital ou para geração adicional de energia, de modo que muito pouco da energia de entrada é descartado.

Planejando a combinação certa de equipamentos

Projetar uma configuração tão intrincada é como planejar uma pequena cidade: o número e o tamanho de cada componente devem ser escolhidos para que o sistema opere de forma econômica, limpa e confiável. Os autores constroem um modelo de planejamento e controle em duas camadas. A camada superior decide capacidades e projeto de longo prazo, buscando quatro objetivos ao mesmo tempo: reduzir o custo anual, reduzir as emissões de carbono, aumentar a eficiência geral e diminuir a energia renovável desperdiçada. A camada inferior então simula a operação cotidiana sob vento, sol e demanda incertos, ajustando a intensidade de operação de cada dispositivo e estimando os custos reais de funcionamento. Informações fluem entre as camadas até emergir um bom equilíbrio entre esses objetivos.

Uma busca mais inteligente por projetos melhores

Como o espaço de projeto é enorme e complexo, a equipe usa um algoritmo de busca personalizado em vez de tentativas e erros simples. Eles combinam dois métodos inspirados na natureza — um modelado no forrageamento de besouros esterqueiros e outro na caça de baleias — em um híbrido conhecido como LSDBO-WOA. Esse híbrido percorre muitas possíveis configurações do sistema, ampliando para explorar amplamente e focando para refinar candidatos promissores. Quando testado contra otimizadores multiobjetivo populares, o LSDBO-WOA encontra conjuntos de soluções que ficam mais próximos do equilíbrio ideal entre custo, emissões, eficiência e uso de renováveis, ao custo de tempos de execução um pouco maiores em um laptop padrão.

O que acontece quando mais amônia é misturada

O estudo então investiga com que intensidade a amônia deve ser usada na mistura de combustível da turbina a gás. Os cenários variam de nenhuma amônia até uma mistura relativamente alta. À medida que a participação da amônia aumenta, a capacidade do sistema de absorver eletricidade renovável melhora, e a eficiência energética geral sobe de cerca de 84% para quase 98%. Os custos operacionais geralmente caem, mas não de forma linear: produzir e manusear mais amônia adiciona seus próprios custos. As emissões de carbono caem mais — cerca de 7,3% em comparação com o cenário de referência — quando a amônia fornece cerca de 15% do combustível da turbina a gás. Além desse ponto, a mistura adicional traz benefícios menores e pode até elevar ligeiramente as emissões quando todos os efeitos colaterais são considerados.

Gerenciando a incerteza em um mundo real desordenado

O clima e o consumo de energia do mundo real nunca são perfeitamente previsíveis, então os autores comparam três formas de lidar com a incerteza em sua camada de agendamento. Um método baseado em probabilidade, que assume que erros de previsão seguem padrões conhecidos, mantém tanto o custo quanto as emissões relativamente baixos, mas aceita um desperdício ocasional maior de energia renovável. Métodos mais defensivos que se protegem contra oscilações no pior cenário reduzem ainda mais o desperdício, porém exigem maiores gastos e levam a mais emissões no geral. Para um sistema em escala de campus bem monitorado com dados históricos razoáveis, o estudo sugere que uma abordagem probabilística moderadamente cautelosa oferece o melhor compromisso entre risco, custo e impacto climático.

O que isso significa para futuros parques de energia limpa

Em termos cotidianos, o trabalho mostra que transformar excedente de energia eólica e solar em amônia líquida — e então reconverter essa amônia de forma flexível em eletricidade, hidrogênio ou calor — pode tornar um sistema energético local mais autossuficiente, eficiente e favorável ao clima. Com a combinação certa de equipamentos e uma estratégia de agendamento cuidadosamente ajustada, o sistema modelado usa quase toda a energia que recebe enquanto reduz emissões e custos. Embora questões práticas como segurança da amônia e futuros preços de equipamentos ainda exijam atenção cuidadosa, o estudo aponta para uma receita promissora para hubs de energia limpa que podem apoiar cortes profundos nas emissões de carbono sem sacrificar a confiabilidade.

Citação: Tu, N., Yang, J., Yan, X. et al. Optimized scheduling of integrated energy systems: a multi-dimensional electricity, hydrogen, ammonia, heat synergy approach using the LSDBO-WOA algorithm. Sci Rep 16, 13130 (2026). https://doi.org/10.1038/s41598-026-41136-8

Palavras-chave: sistemas de energia integrados, armazenamento de energia em amônia, agendamento de energia renovável, energia de baixo carbono, otimização multienergia