Estudo de escalonamento ótimo de microrredes baseado em algoritmo de sardinha melhorado por multiestratégias

Por que redes elétricas pequenas e mais inteligentes importam

Ao redor do mundo, cidades e campi estão incorporando pequenos sistemas elétricos locais compostos por painéis solares, turbinas eólicas, baterias e pequenos geradores. Essas “microrredes” podem manter a energia durante apagões e aproveitar melhor a energia limpa. Mas escolher quando usar o sol, o vento, uma bateria ou um gerador a combustíveis é um quebra‑cabeça complicado que muda a cada hora. Este estudo apresenta uma nova forma de planejar essas escolhas para que microrredes reduzam simultaneamente custos e poluição.

Como funcionam os sistemas de energia locais

Uma microrrede é como uma versão pequena e inteligente da rede elétrica maior. Ela pode se conectar à rede principal quando isso é vantajoso, ou operar isolada se houver uma falha externa. Dentro da microrrede, vários equipamentos compartilham o trabalho: painéis solares e turbinas eólicas fornecem energia limpa, porém variável; baterias armazenam eletricidade excedente para uso posterior; e unidades a combustível, como geradores diesel e turbinas a gás, fornecem energia de reserva e resposta rápida. O objetivo principal é equilibrar essa oferta variável com a demanda local sem desperdiçar energia ou dinheiro.

O desafio das decisões diárias

Operar bem uma microrrede implica tomar muitas decisões interdependentes: quando carregar ou descarregar baterias, quanto comprar ou vender da rede principal e em que intensidade acionar máquinas a combustível. Essas decisões devem respeitar diversos limites, como potências máximas, níveis seguros das baterias e a rapidez com que os equipamentos podem alterar sua geração. Além disso, há um compromisso entre contas baixas e ar mais limpo. Geradores a combustível e energia da rede podem ser baratos, porém poluentes, enquanto solar e eólica são limpos, porém incertos. Métodos simples de planejamento frequentemente ficam presos em soluções “razoáveis” que não são ótimas e podem deixar passar alternativas mais baratas e mais limpas escondidas nesse cenário complexo.

Um novo método de busca inspirado em cardumes

Para enfrentar isso, os autores constroem um modelo matemático detalhado de uma microrrede que inclui turbinas eólicas, painéis solares, uma microturbina a gás, um gerador diesel e uma bateria. Em seguida, projetam um novo método de busca para explorar os muitos possíveis cronogramas. O método mistura duas ideias inspiradas na natureza: um algoritmo recente tipo “sardinha”, baseado em como cardumes se movem e se dividem, e um conhecido método “particle swarm” que guia partículas virtuais em direção a soluções melhores. A abordagem melhorada usa vários artifícios: começa com um conjunto de soluções teste mais diversificado, ajusta a intensidade da busca à medida que aprende e adiciona “saltos” randômicos que ajudam a escapar de becos sem saída locais. Uma estrutura em duas camadas permite que um grupo explore amplamente enquanto outro aperfeiçoa opções promissoras, compartilhando entre si os melhores achados.

Testando o método em problemas padrão

Antes de aplicar o método a problemas reais de microrrede, a equipe o testa em doze funções matemáticas padrão amplamente usadas para avaliar algoritmos de busca. Esses casos de teste incluem colinas suaves, cristas abruptas e paisagens com muitos vales pequenos. Em confrontos diretos contra sete outros métodos, incluindo o algoritmo sardinha original, particle swarm, algoritmos genéticos e vários híbridos, a versão sardinha melhorada encontra soluções melhores mais rapidamente e com mais confiabilidade. Demonstra forte capacidade de explorar amplamente no início e depois concentrar-se perto da melhor resposta, sem ficar presa em regiões de baixa qualidade.

O que acontece dentro de uma microrrede modelo

Em seguida, os autores aplicam seu método a uma microrrede exemplo que opera ao longo de um dia típico com variação de sol, vento e demanda. O modelo inclui os custos de combustível, operação e poluição para cada equipamento, assim como preços de compra e venda com a rede principal. O padrão de escalonamento melhorado usa as baterias como um amortecedor inteligente, carregando quando a energia está barata e limpa e descarregando quando preços e poluição seriam elevados. Solar e eólica são aproveitadas ao máximo, enquanto a microturbina a gás e o gerador diesel operam apenas quando seus benefícios econômicos e ambientais combinados superam as importações da rede. Em comparação com métodos de planejamento mais antigos, a nova abordagem produz curvas de saída mais suaves e um equilíbrio melhor entre geração local, armazenamento e energia da rede.

Por que essa nova abordagem é importante

Nessas mesmas condições e com o mesmo equipamento, o método baseado na sardinha melhorada reduz o custo diário total de operação da microrrede exemplo em cerca de um quarto em comparação com o algoritmo sardinha original, ao mesmo tempo em que diminui a poluição. Alcança boas respostas mais rapidamente e com menor risco de travar em soluções ruins. Embora o trabalho ainda se baseie em modelos computacionais e ignore alguns detalhes do mundo real, sugere que métodos de busca bem projetados podem tornar as futuras microrredes mais baratas e mais limpas de operar. À medida que mais comunidades adotam sistemas locais de energia, ferramentas inteligentes de escalonamento como essa poderão desempenhar papel chave na construção de um fornecimento de energia mais confiável e sustentável.

Citação: Wei, L., Zhong, H. Optimal scheduling study of microgrids based on multistrategy improved sardine algorithm. Sci Rep 16, 15782 (2026). https://doi.org/10.1038/s41598-026-46654-z

Palavras-chave: microrrede, energia renovável, armazenamento de energia, algoritmo de otimização, despacho econômico