Исследование методов оптимизации планов поэтапного расширения мультиэнергетического снабжения в промышленных парках на основе генетических алгоритмов

Почему важно сделать энергетику заводов умнее

В условиях глобальной борьбы с выбросами парниковых газов перед заводами стоит непростая задача: обеспечивать растущие производственные линии энергией, при этом увеличивая долю чистых источников и контролируя затраты. В этой статье рассматривается новый подход к долгосрочному планированию энергосистем в промышленных парках, который сочетает солнечную энергетику и эффективные локальные генераторы, так что мощность наращивается поэтапно в соответствии с ростом спроса. Показано, что тщательное планирование с использованием современных алгоритмов может существенно снизить как счета за энергию, так и углеродный след, не требуя от компаний крупных единовременных вложений.

От универсальных решений к индивидуальным планам энергоснабжения

Многие предприятия сегодня стремятся к «мультиэнергетическим» системам, объединяющим электроэнергию из сети, природный газ, солнечную генерацию и блоки комбинированного производства тепла и электроэнергии (КПУ). Существующие инструменты проектирования и коммерческое ПО могут создавать такие решения, но зачастую предполагают фиксированный энергодефицит и монтаж всего оборудования вначале. На практике спрос обычно растет по мере расширения производства, и редко целесообразно покупать всю будущую мощность одновременно. Авторы отмечают, что не хватает инструмента планирования для небольших промышленных участков, который учитывал бы меняющийся спрос и поэтапное строительство, оставаясь при этом практичным для инженеров и менеджеров.

Пусть эволюция ищет лучшие энергетические решения

Чтобы устранить этот пробел, исследователи создали модель оптимизации на основе «генетического алгоритма» — метода поиска, вдохновлённого биологической эволюцией. Вместо взятия производных сложной формулы затрат алгоритм рассматривает каждый возможный многолетний план как цепочку решений: сколько солнечных панелей и блоков КПУ установить в первый год, какие добавлять через несколько лет и когда заменять устаревшее оборудование. Каждый кандидат моделируется в течение 20 лет с учётом инвестиционных затрат, расхода топлива, закупок из сети и обслуживания. Затем алгоритм «отбирает» лучшие планы, «смешивает» их характеристики и время от времени «мутацирует» отдельные решения, постепенно эволюционируя к стратегиям, минимизирующим общие затраты или сокращающим срок окупаемости.

Проектирование того, как и когда строить

Модель разбивает каждую технологию на несколько простых регулируемых параметров: начальная мощность, размер каждой последующей наращиваемой партии, частота расширений и, при необходимости, выбранные аппаратные модули. Для солнечных панелей эти параметры должны учитывать ограничения площади кровли, минимальные практические размеры установок и типичную экономику проектов, чтобы избежать крошечных убыточных добавок. Для КПУ инструмент предполагает модульные блоки по 1000 кВт и предотвращает сверхпроектирование далеко сверх потребностей завода в тепле и электроэнергии. Поскольку переменные решения дискретны — добавляется целая турбина или блок КПУ за раз — авторы показывают, что генетические алгоритмы лучше подходят, чем многие традиционные методы, предполагающие гладкие непрерывные изменения.

Победа над коммерческим ПО и стратегиями «всё сразу»

Команда сначала сравнила свой подход с HOMER — широко используемым коммерческим инструментом планирования. В тестовом сценарии с возможностью использовать солнце, ветер и КПУ их модель нашла конфигурацию с одной ветряной турбиной, несколькими блоками КПУ и умеренной солнечной мощностью, что снизило общую стоимость проекта примерно на 23% по сравнению с проектом HOMER и сократило простой срок окупаемости с девяти до пяти лет. Во втором, более детальном случае исследовался промышленный парк в Хайнане (Китай) с большим спросом на электроэнергию и охлаждение и площадями для кровельных солнечных установок. Там оптимизированный план установил максимальные 1,6 мегаватта солнечных панелей и начал с девяти блоков КПУ, затем добавлял мощность КПУ каждые два года по мере роста спроса. За 20 лет такая «динамическая установка» сократила общие затраты на энергию на 77% по сравнению со сценарием «как обычно», при котором всё покупалось из сети и газовой инфраструктуры.

Почему выигрыш за поэтапным строительством

Авторы также сравнили поэтапный подход с более простым «фиксированным» сценарием, в котором всё оборудование устанавливается сразу. При одинаковой максимальной солнечной мощности фиксированный план предлагал 26 блоков КПУ с самого начала — больше, чем было нужно на ранних этапах. Этот вариант дал четырёхлетний срок окупаемости, но имел большие суммарные затраты и оставлял многие блоки малоиспользуемыми. Напротив, динамический план требовал менее половины начальных инвестиций, достигал окупаемости всего за два года и поддерживал более высокую загрузку блоков КПУ, что делало более эффективным каждую вложенную денежную единицу. Поэтапный подход также распределяет расходы на замену и даёт больше гибкости при изменении будущего спроса или цен на энергию по сравнению с сегодняшними прогнозами.

Что это означает для заводов и климатических целей

Для неспециалистов посыл прост: предприятиям не нужно выбирать между экономией денег и экологичностью. Планируя, когда и сколько оборудования устанавливать на месте, и используя умные методы поиска для изучения тысяч возможных путей расширения, промышленные парки могут значительно снизить счета за энергию, переходя к более чистым источникам, таким как солнечная энергия и высокоэффективные КПУ. Исследование показывает, что продуманная поэтапная инвестиция может сократить начальные расходы до 40%, ускорить срок окупаемости и снизить риски, одновременно поддерживая глобальные усилия по сокращению выбросов.

Цитирование: Guo, S., Wei, H., Li, F. et al. Research on optimization methods for multi-energy expansion supply plans in industrial parks based on genetic algorithms. Sci Rep 16, 5200 (2026). https://doi.org/10.1038/s41598-026-36503-4

Ключевые слова: планирование энергообеспечения предприятий, возобновляемая энергия на производствах, комбинированное производство тепла и электроэнергии, оптимизация генетическим алгоритмом, мультиэнергетические системы