Gestão operacional probabilística de uma microrrede baseada em renováveis considerando incertezas usando o algoritmo de busca gravitacional auto-adaptativo

Manter as Luzes Acesas Quando o Futuro é Incerto

À medida que mais residências e empresas passam a obter energia de painéis solares no telhado, turbinas eólicas locais e baterias, manter a eletricidade disponível a um preço justo torna-se um delicado ato de equilíbrio. A luz do sol, o vento e os preços da eletricidade variam de hora em hora, e pequenos sistemas de energia em escala de bairro, chamados microrredes, devem reagir em tempo real. Este artigo explora uma nova maneira de operar essas microrredes para que permaneçam confiáveis, aproveitem ao máximo a energia limpa e mantenham os custos baixos mesmo quando o futuro é incerto.

Pequenas Redes de Energia Perto de Casa

Uma microrrede é, essencialmente, uma mini rede elétrica que atende um campus, bairro ou pequena cidade. Em vez de depender apenas de uma usina distante, ela pode extrair energia de fontes próximas, como uma microturbina, célula a combustível, painéis solares, turbina eólica e um banco de baterias, mantendo-se conectada à rede principal quando necessário. Um controlador central decide, hora a hora, quanto cada dispositivo deve gerar ou armazenar. O desafio é que esse controlador precisa tomar decisões com base em previsões de quanto as pessoas vão consumir, quão forte o vento vai soprar, quão intenso será o sol e qual será o preço de mercado da eletricidade. Se essas estimativas estiverem erradas, a microrrede pode acabar pagando demais ou correr risco de falta de energia.

Fazendo Estimativas Inteligentes Sobre um Futuro Incerto

Muitos métodos de controle existentes ou ignoram a incerteza ou tentam tratá-la com ferramentas estatísticas pesadas que são lentas demais para operação em tempo real. Os autores recorrem a uma técnica mais leve chamada Método de Estimação por 2m Pontos. Em vez de executar milhares de simulações aleatórias, esse método escolhe apenas um pequeno número de pontos “e se” cuidadosamente selecionados ao redor dos valores esperados das entradas principais, como demanda, geração renovável e preço de mercado. Ao resolver o problema de planejamento da microrrede nesses pontos, é possível estimar como o custo total e os fluxos de energia se comportarão sob uma ampla gama de condições. Isso fornece ao controlador uma visão prática do risco e da variabilidade sem sobrecarregar os recursos computacionais.

Uma Busca Inspirada na Gravidade por Melhores Escalas

Para decidir a melhor programação para todos os geradores, a bateria e a conexão com a rede, o estudo utiliza um método de busca inspirado na gravidade. Nesse esquema, cada programação possível é como uma partícula com uma massa relacionada à qualidade dessa programação: menor custo e melhor aproveitamento das renováveis significam maior massa. Essas partículas se “atraem”, deslocando-se em direção a melhores regiões do espaço de soluções. Os autores aprimoram essa ideia com um ajuste auto-adaptativo. Introduzem dois tipos de impulsos aleatórios, ou movimentos de mutação, que ajudam as partículas a escapar de armadilhas locais e explorar mais amplamente. O algoritmo monitora qual movimento funciona melhor ao longo do tempo e ajusta automaticamente seu comportamento, dando mais peso à estratégia mais bem-sucedida. Essa abordagem de autoajuste, chamada Algoritmo de Busca Gravitacional Auto-Adapatativo, ajuda a encontrar programações de alta qualidade de forma mais rápida e confiável.

Testando Baterias e Controle Mais Inteligente

A equipe testa sua estrutura combinada — usando estimação por pontos para a incerteza e a busca melhorada baseada na gravidade — em um modelo de microrrede de baixa tensão com solar, eólico, uma microturbina, uma célula a combustível e uma bateria de níquel-hidreto metálico. Eles comparam dois casos principais: um sem bateria e outro com bateria sob seu novo método de controle. Quando a bateria é incluída, o controlador pode deslocar energia no tempo, carregando quando a energia está barata ou abundante e descarregando quando a demanda ou os preços disparam. Em simulações, isso reduz o custo diário total de geração quase pela metade e aumenta a participação de energia renovável em cerca de 10 pontos percentuais durante as horas de pico. O algoritmo aprimorado também converge cerca de um quarto mais rápido e oferece custos operacionais menores do que os métodos gravitacionais padrão e uma abordagem amplamente usada de enxame de partículas.

Desempenho Robusto em um Mundo em Mudança

Para avaliar a robustez do método, os autores variam tanto a demanda quanto os preços de mercado para cima e para baixo em 10 e 20 por cento. Mesmo no pior cenário, quando ambos estão 20% maiores do que o esperado, os custos totais aumentam apenas modestamente e a queda no uso de renováveis é limitada. Métodos concorrentes mostram oscilações de custo maiores e são mais facilmente desestabilizados. O estudo também explora cenários futuros em que a queda de preços para solar, eólico e baterias avançadas poderia aumentar ainda mais as economias e o uso de energia limpa. Em suma, o trabalho sugere que combinar modelagem inteligente da incerteza com um algoritmo de busca autoajustável pode ajudar microrredes a fornecer energia mais barata, mais limpa e mais confiável, mesmo quando o tempo e os preços de amanhã são imprevisíveis.

Citação: Ahmed, E.M., Zaki, Z.A., Kamarposhti, M.A. et al. Probabilistic operational management of a renewable-based microgrid considering uncertainties using the self-adaptive gravitational search algorithm. Sci Rep 16, 12313 (2026). https://doi.org/10.1038/s41598-026-42839-8

Palavras-chave: microrrede, energia renovável, armazenamento em bateria, algoritmo de otimização, gestão de energia