Оптимальное размещение станций зарядки электромобилей и распределённой генерации путём разбиения распределительной сети с использованием модифицированного алгоритма Ньюмана (fast)

Заряжая более чистые города

По мере того как всё больше водителей переходят с бензиновых автомобилей на электромобили, наши энергосети должны поспевать за этим изменением. Быстрая и удобная зарядка необходима, но если многие машины подключаются одновременно, локальная сеть опор, проводов и трансформаторов может оказаться перегруженной. В этой статье рассматривается, как умнее размещать как станции зарядки электромобилей, так и небольшие локальные источники энергии, чтобы микрорайоны могли принять больше электромобилей при сохранении устойчивости электроснабжения и снижении расходов.

Разбиение больших сетей на меньшие районы

Вместо того чтобы рассматривать распределительную сеть города как один большой клубок проводов, авторы делят её на более мелкие, электрически связные «районы», называемые виртуальными микросетями. Они применяют приём из теории сетей — модифицированный быстрый алгоритм Ньюмана, но адаптируют его к электричеству, измеряя, насколько сильно связаны две точки в сети в реальных электрических терминах, а не только по физическому расстоянию. Эта метрика, называемая силой электрического сопряжения, сочетает легкость протекания мощности между двумя точками и пропускную способность линий. В результате получаются кластеры, внутри которых линии тесно связаны и работают как единая локальная зона.

Размещение зарядных станций и малой генерации там, где это наиболее эффективно

После разбиения сети на такие виртуальные районы следующий шаг — решить, где разместить каждую станцию зарядки электромобилей и каждый распределённый генератор, например небольшой синхронный генератор или ветровую установку. Авторы выделяют каждой виртуальной микросети ровно одну зарядную станцию и один небольшой источник энергии. Затем они ищут лучший узел внутри каждого района, фокусируясь на наиболее уязвимых точках системы — местах с наименьшим напряжением и худшей устойчивостью. Усиливая именно эти участки, можно сократить потери энергии и удерживать напряжения в безопасных пределах, даже при росте спроса на зарядку ЭМ.

Заимствование стратегий у природы для поиска наилучшей компоновки

Поиск оптимального сочетания мест и мощностей для зарядных станций и генераторов — большая задача с множеством взаимосвязанных параметров. Для её решения авторы сравнивают три продвинутых метода поиска, известные как метаэвристические алгоритмы. Два из них — новые, натуралистически вдохновлённые подходы: алгоритм оптимизации морских звёзд, основанный на способах питания и регенерации щупалец морских звёзд, и алгоритм оптимизации пума, основанный на том, как пумы исследуют и охотятся на своей территории. Третий, оптимизация роя частиц, — более устоявшаяся техника, моделируемая по образцу стаек птиц или косяков рыб. Все три стремятся минимизировать потери мощности в линиях и одновременно улучшить показатель устойчивости напряжения, при этом соблюдая эксплуатационные ограничения, такие как нагрев линий и пределы мощности генераторов.

Значительные улучшения на малых и больших сетях

Исследователи проверяют свою методику на двух стандартных эталонных сетях: относительно небольшой системе на 33 узла и значительно большей системе на 118 узлов. В меньшем случае их метод сокращает активные потери примерно на 82% и повышает минимальное напряжение с тревожного уровня до близкого к желаемому, одновременно значительно улучшая индекс устойчивости. В большой сети потери снижаются примерно на 68–69% с сопоставимыми улучшениями качества напряжения и устойчивости. Среди трёх методов поиска алгоритм на основе пума сходится быстрее к высококачественным решениям, особенно в большой сети, что говорит о его пригодности для планирования в крупном масштабе, где важны время и вычислительные ресурсы.

Взгляд в сторону сетей в реальном времени с большим количеством возобновляемых источников

Помимо статического планирования, работа показывает, как эту стратегию можно расширить на более реалистичные, изменяющиеся во времени условия. Авторы формируют суточные профили нагрузки для разных типов потребителей и моделируют некоординированную зарядку электромобилей, что повышает пиковый спрос и нагрузку на сеть. Затем они добавляют ветровые генераторы внутри виртуальных микросетей и демонстрируют, что эти локальные возобновляемые источники могут сглаживать пики как по спросу, так и по потерям, одновременно дополнительно поддерживая напряжения. Хотя текущая работа сосредоточена на технической производительности, а не на стоимости или выбросах, она указывает на будущее, в котором городские сети разделены на интеллектуальные районы, в которых размещены зарядки и локальная чистая генерация в тщательно подобранных точках.

Что это значит для обычных водителей

Для непрофессионалов основной вывод таков: то, где мы размещаем зарядные станции и малые электростанции, так же важно, как и их количество. Сначала выделяя сеть на естественные электрические районы, а затем используя умные, вдохновлённые природой методы поиска для укрепления слабейших звеньев, коммунальные службы могут значительно сократить потери, сохранить стабильность напряжения и освободить место для гораздо большего числа электромобилей. На практике это означает меньше отключений и провалов напряжения, более надёжную зарядку и более плавный путь к чистому транспорту по мере того, как возобновляемые источники и электромобили становятся повседневной нормой.

Цитирование: Mohamed, M.A.E., Gawish, A.N.A. & Metwally, M.E. Optimal electric vehicle charging stations and distributed generation placement by partitioning the distribution network using the modified newman fast algorithm. Sci Rep 16, 6341 (2026). https://doi.org/10.1038/s41598-026-35433-5

Ключевые слова: зарядка электромобилей, сети распределения электроэнергии, распределённая генерация, оптимизация сети, виртуальные микросети