Probabilistisk driftshantering av en förnyelsebarbaserad mikronät med hänsyn till osäkerheter med hjälp av den själv-adaptiva gravitationssökningsalgoritmen

Hålla lamporna tända när framtiden är osäker

När fler bostäder och företag får el från solpaneler på taken, lokala vindkraftverk och batterier blir det en klurig balansakt att hålla lamporna tända till ett rimligt pris. Solinstrålning, vind och elpriser förändras timme för timme, och små närområdesstorlekssystem kallade mikronät måste reagera i realtid. Denna artikel undersöker ett nytt sätt att driva sådana mikronät så att de förblir tillförlitliga, utnyttjar ren energi maximalt och håller kostnaderna nere även när framtiden är osäker.

Små elnät nära hemmet

Ett mikronät är i grunden ett litet elnät som betjänar en campus, ett kvarter eller en mindre ort. Istället för att enbart lita på ett avlägset kraftverk kan det dra från närliggande källor som en mikroturbin, bränsleceller, solpaneler, en vindturbin och en batteribank, samtidigt som det kan vara anslutet till stamnätet vid behov. En central styrenhet bestämmer timme för timme hur mycket effekt varje enhet ska producera eller lagra. Utmaningen är att denna styrenhet måste fatta beslut baserade på prognoser för hur mycket folk kommer att förbruka, hur starkt vinden kommer att blåsa, hur klart det blir och vad marknadspriset på elektricitet blir. Om dessa antaganden är felaktiga kan mikronätet gå miste om pengar eller riskera brist.

Att göra smarta antaganden om en osäker framtid

Många befintliga styrmetoder bortser antingen från osäkerhet eller försöker hantera den med tunga statistiska verktyg som är för långsamma för verklig drift. Författarna vänder sig till en lättviktsmetod kallad 2m-punktestimeringsmetod. Istället för att köra tusentals slumpmässiga simuleringar väljer denna metod bara ett litet antal noggrant utvalda "tänk om"-punkter kring de förväntade värdena för nyckelinsatser, såsom efterfrågan, förnybar produktion och marknadspris. Genom att lösa mikronätets planeringsproblem vid dessa punkter kan man uppskatta hur totalkostnad och effektflöden kommer att bete sig under ett brett spektrum av förhållanden. Detta ger styrenheten en praktisk bild av risk och variation utan att överväldiga beräkningsresurserna.

En gravitationsinspirerad sökning efter bättre scheman

För att avgöra det bästa schemat för alla generatorer, batteriet och nätanslutningen använder studien en sökmetod inspirerad av gravitation. I detta upplägg är varje möjligt schema som en partikel med en massa relaterad till hur bra schemat är: lägre kostnad och bättre användning av förnybar energi ger större massa. Dessa partiklar "drar" i varandra och rör sig mot bättre regioner i lösningsrymden. Författarna förbättrar idén med en själv-adaptiv vridning. De introducerar två typer av slumpmässiga knuffar, eller mutationsrörelser, som hjälper partiklarna att undkomma dåliga lokala fällor och utforska mer brett. Algoritmen följer vilken rörelse som fungerar bättre över tiden och skiftar automatiskt sitt beteende, vilket ger mer vikt åt den mer framgångsrika strategin. Denna självjusterande metod, kallad Self-Adaptive Gravitational Search Algorithm, hjälper den att hitta högkvalitativa scheman snabbare och mer pålitligt.

Sätta batterier och smartare styrning på prov

Teamet testar sitt kombinerade ramverk—som använder punktestimering för osäkerhet och den förbättrade gravitationsbaserade sökningen—på ett modellmikronät med lågspänning som innehåller sol, vind, en mikroturbin, en bränslecell och ett nickelmetallhydridbatteri. De jämför två huvudfall: ett utan batteri och ett med batteri under deras nya styrmetod. När batteriet inkluderas kan styrenheten förskjuta energi i tiden, ladda då el är billigt eller rikligt och leverera då efterfrågan eller priser peakar. I simuleringarna minskar detta den totala dagliga produktionskostnaden nästan till hälften och ökar andelen förnybar energi med ungefär 10 procentenheter under topptimmar. Den uppgraderade algoritmen konvergerar också ungefär en fjärdedel snabbare och ger lägre driftkostnader än standard gravitationsbaserade metoder och en ofta använd partikelstimulerad sökmetod (particle swarm).

Robust prestanda i en föränderlig värld

För att undersöka hur robust metoden är varierar författarna både efterfrågan och marknadspriser upp och ner med 10 och 20 procent. Även i värsta fall, när båda är 20 procent högre än förväntat, ökar de totala kostnaderna endast måttligt och minskningen i användning av förnybar energi är begränsad. Konkurrerande metoder visar större kostnadssvängningar och är lättare att rubba. Studien utforskar också framtidsscenarier där fallande priser för sol, vind och avancerade batterier ytterligare skulle öka besparingar och användning av ren energi. Sammanfattningsvis tyder arbetet på att kombinationen av smart osäkerhetsmodellering och en självjusterande sökalgoritm kan hjälpa mikronät att leverera billigare, renare och mer pålitlig el, även när morgondagens väder och priser är osäkra.

Citering: Ahmed, E.M., Zaki, Z.A., Kamarposhti, M.A. et al. Probabilistic operational management of a renewable-based microgrid considering uncertainties using the self-adaptive gravitational search algorithm. Sci Rep 16, 12313 (2026). https://doi.org/10.1038/s41598-026-42839-8

Nyckelord: mikronät, förnybar energi, batterilagring, optimeringsalgoritm, energiförvaltning