Противодействие молниям и неопределённости рынка при самопланировании: нечетко-марковский подход для интеллектуальных сетей

Почему поддерживать свет включённым становится труднее

Электричество уже не течёт только в одном направлении от крупных электростанций к домам. Современные «умные сети» балансируют энергию с крышных солнечных панелей, ветропарков, хранилищ и меняющихся потребительских потребностей, одновременно реагируя на рынки и погодные изменения по часам. В этой работе рассматривается новый способ помочь операторам сети планировать наперёд, когда и цены на энергию, и сильные грозы — в особенности молнии — делают будущее неясным, используя сочетание нечеткого и вероятностного представления возможных сценариев.

Энергосети в мире гроз и бурых цен

Умные сети обещают более чистую энергию и повышенную эффективность, но им приходится постоянно принимать решения о том, когда покупать, продавать или вырабатывать электричество. Рыночные условия — такие как цены, спрос и выручка — могут быстро меняться под влиянием экономических новостей, регулирования или поведения потребителей. В то же время удары молнии и тяжёлая погода могут повредить линии, привести к отключениям или вынудить потребителей сокращать потребление. Традиционные инструменты планирования обычно учитывают либо числовой, «числово-ориентированный» аспект (например, цены), либо неопределённый, событийный аспект (например, риск молний), но редко оба вместе. Авторы утверждают, что такой раздельный подход оставляет операторов уязвимыми, когда физические удары и финансовые колебания совпадают.

Сочетание человеческого суждения и математики

Чтобы устранить этот разрыв, исследование предлагает гибридную схему, совмещающую нечеткую логику с марковскими цепями. Нечеткая логика имитирует способ, которым люди говорят об неопределённых величинах — используя термины вроде «низкая цена», «средние продажи» или «высокая выручка» вместо жёстких порогов. Метод берёт три ключевых финансовых показателя — цену, выручку и продажи — и преобразует каждое почасовое значение в такие качественные категории. Момент времени затем описывается простым тройственным обозначением, например (высокая цена, низкая выручка, низкие продажи), отражая общее состояние рынка словами, понятными людям и одновременно обрабатываемыми компьютером.

Отслеживание настроения сети во времени

После того как каждому часу присвоена такая метка, подход рассматривает умную сеть как перемещающуюся по конечному набору нечетких «состояний». Здесь вступают в дело марковские цепи: они оценивают вероятность перехода системы из одного состояния в другое в следующий час. Подсчитывая, насколько часто, например, спокойное состояние переходит в напряжённое, с высокой ценой и низкими продажами — особенно в дни с имитируемыми ударами молнии — модель формирует матрицу переходов, своего рода карту типичных рыночных траекторий. Исследователи также вычисляют скользящие статистики, такие как скользящие средние и волатильность цен и выручки, чтобы выделить периоды особенно спокойных или, напротив, бурных условий.

Тестирование идеи в безопасной песочнице

Поскольку подробные реальные данные, объединяющие рыночные записи и удары молнии, трудно получить, авторы создают синтетический годовой набор данных. Они моделируют почасовые цены, выручку и продажи с реалистичными трендами и шумом, а затем добавляют искусственные события молний, которые вызывают скачки цен и снижение продаж, имитируя повреждения от шторма и профилактические отключения. Первые девять месяцев данных используются для обучения нечетких категорий и вероятностей переходов; последние три месяца применяются для проверки способности модели предсказать следующее нечеткое состояние по текущему. Рамка правильно предсказывает следующее состояние примерно в 56% случаев — значительно выше случайного угадывания при шести возможных состояниях — одновременно выявляя, какие паттерны склонны к сохранению, а какие быстро меняются.

От предсказаний к практическим действиям

Авторы демонстрируют, как этот инструмент прогнозирования может направлять конкретные решения для гипотетической городской микросети мощностью 100 МВт. Если модель предсказывает, что нормальное состояние, вероятно, перейдёт в ситуацию с высокой ценой и низкими продажами в бурный полдень, операторы могут заранее купить резервную энергию, заблаговременно перевести чувствительные нагрузки на резервные источники или скорректировать стратегии торгов на электрическом рынке. Скользящие индикаторы риска помогают оценить, насколько можно доверять прогнозу и насколько агрессивно реагировать, превращая абстрактные вероятности в целенаправленные финансовые и технические меры.

Что это значит для будущих энергосистем

Проще говоря, посыл статьи в том, что представление будущего сети как частично расплывчатого и частично управляемого правилами даёт более полезные рекомендации, чем опора только на один из подходов. Смешивая категории, близкие к человеческому суждению, с математикой, отслеживающей эволюцию состояний, нечетко-марковская схема даёт операторам сети более ясную, хотя и несовершенную, картину того, как может выглядеть завтрашний микс цен, спроса и последствий штормов. Даже при умеренной точности такой взгляд помогает подготовиться к неблагоприятным сочетаниям — например, высоким ценам и низким продажам — до того как они произойдут. По мере усложнения умных сетей и усиления погодных экстремов такие гибридные инструменты могут стать необходимыми для обеспечения надёжности, доступности и устойчивости электроснабжения.

Цитирование: Benistan, I.S., Shahbazzadeh, M.J. & Eslami, M. Addressing lightning and market uncertainties in self-scheduling: A fuzzy-markov approach for smart grids. Sci Rep 16, 12904 (2026). https://doi.org/10.1038/s41598-026-42588-8

Ключевые слова: интеллектуальные сети, энергетические рынки, управление рисками, возобновляемая энергия, надёжность электроэнергетики