Мультистратегический усовершенствованный алгоритм «сада» для оптимальной интеграции возобновляемых источников энергии и станций зарядки электромобилей в микросетях

Почему умная зарядка важна в повседневной жизни

По мере того как всё больше людей переходит на электромобили, а дома и предприятия устанавливают солнечные панели и ветряные установки, локальные электрические сети испытывают всё большую нагрузку. Если эти технологии подключать без плана, в районах могут появиться мерцания напряжения, возрасти потери энергии и увеличиться нагрузка на магистральную сеть. В этой статье рассматривается более продуманный способ выбора мест для установки солнечных батарей, ветряков и зарядных станций в микросети, чтобы водители могли надёжно заряжать машины, освещение оставалось стабильным, а система теряла меньше энергии.

Растущая проблема в районах с чистой энергией

Современные распределительные сети превращаются в активные микросети, которым приходится балансировать бытовой спрос, солнечные крыши, небольшие ветряки и скопления зарядных станций для электромобилей. Мощность солнца и ветра меняется с погодой, а водители подключаются в непредсказуемое время и на разную продолжительность. Вместе эти колебания могут привести к отклонению напряжения от безопасных пределов, перегрузке отдельных линий и возникновению нежелательных потоков мощности между микросетью и основной энергосетью. Многие существующие методы планирования рассматривают каждую технологию отдельно или предполагают стабильные, предсказуемые условия, поэтому они с трудом справляются, когда все эти подвижные элементы взаимодействуют одновременно.

Новый инструмент планирования, вдохновлённый садами

Авторы предлагают метод планирования под названием Мультистратегический Усиленный Алгоритм Оптимизации «Сада». В этом подходе каждая возможная конфигурация микросети рассматривается как дерево в саду, и алгоритм позволяет таким «деревьям» «расти» в сторону лучших решений в течение множества итераций. Он объединяет несколько поисковых приёмов: локальную тонкую настройку вокруг удачных вариантов, смешивание свойств разных кандидатов и выборочную замену слабых вариантов для сохранения разнообразия. Все эти шаги управляются функцией оценки, объединяющей три цели: удержание напряжений близко к идеальным значениям, сглаживание мощности, обмениваемой с магистральной сетью, и сокращение активных потерь в линиях. В отличие от простого перебора или ранних метаэвристических методов, эта мультистратегическая версия создана, чтобы не застревать в посредственных решениях при конкурирующих целевых показателях.

Как моделируются электромобили и возобновляемые источники

Чтобы реалистично проверить инструмент планирования, исследование строит детализированные модели солнечных панелей, ветряков и электромобилей. Выработка солнечных панелей зависит от освещённости и температуры ячеек, выработка ветра — от меняющейся скорости ветра и условий воздуха, а зарядка транспортных средств — от пробега людей, времени прибытия, продолжительности пребывания и состояния заряда батареи. Эти поведения представляются с помощью распределений вероятностей и множества возможных суточных сценариев, а не одного фиксированного шаблона. Оптимизация затем выбирает как лучшие места и мощности для солнечных и ветряных установок, так и оптимальные точки и ёмкости зарядных станций на стандартной тестовой сети с 33 шинами, одновременно корректируя режимы зарядки, чтобы лучше согласовать их с выработкой ВИЭ и ценовыми сигналами.

Как выглядит оптимизированная микросеть

Запуск усовершенствованного алгоритма «сада» на этой тестовой системе даёт план, в котором размещены несколько средних по мощности солнечных и ветровых установок и десять зарядных станций на конкретных шинах сети. По сравнению с конфигурацией, полученной более простым алгоритмом «сада», а также с известными методами — генетическими алгоритмами, роями частиц и оптимизацией кита — новый метод обеспечивает меньшие колебания напряжения, меньшие потери мощности и более стабильную мощность на связующей линии. В числовом выражении отклонение напряжения и потери в линиях сокращаются примерно на одну шестую, а вариация мощности на связующей линии падает примерно на одну восьмую. Алгоритм также достигает этих решений быстрее, требуя меньше итераций и меньше вычислительного времени, что важно, если планировщикам нужно исследовать множество разных сценариев будущего.

Почему эти результаты важны для будущих сетей

Для неспециалиста главный вывод в том, что место и способ добавления чистой энергии и зарядных станций так же важны, как и их количество. Рассматривая локальную сеть как единую систему и учитывая неопределённости по солнцу, ветру и поведению водителей, предложенный метод планирования находит компоновки, которые поддерживают здоровые уровни напряжения, сокращают потери и уменьшают нагрузку на связь с основной сетью. Это означает, что водители электромобилей смогут заряжаться надёжнее, возобновляемая энергия будет использоваться эффективнее, а энергокомпании смогут отложить дорогостоящие обновления, помогая сообществам двигаться к более чистой и устойчивой энергетике без утраты повседневной производительности.

Цитирование: V., K., Thirumalaisamy, S.K., M., M. et al. Multi-strategy enhanced orchard algorithm for optimal integration of renewable energy sources and EV charging stations in microgrids. Sci Rep 16, 15588 (2026). https://doi.org/10.1038/s41598-026-46503-z

Ключевые слова: микрoсети, зарядка электромобилей, интеграция возобновляемой энергии, снижение потерь мощности, алгоритм оптимизации