Flerstrategisk förbättrad orchard-algoritm för optimal integrering av förnybara energikällor och laddstationer för elfordon i mikronät

Varför smartare laddning är viktigt i vardagen

När fler människor byter till elbilar och fler hem och företag installerar solpaneler och vindkraftsaggregat blir de lokala elnäten mer belastade än tidigare. Om dessa tekniker kopplas in utan plan kan grannskap få fladdrande spänningar, ökade energiförluster och större påfrestningar på det överordnade nätet. Denna artikel undersöker ett smartare sätt att bestämma var solceller, vindkraftverk och laddstationer för elfordon ska placeras i ett mikronät så att förare får tillförlitlig laddning, belysningen förblir stabil och systemet slösar mindre energi.

En växande utmaning i grannskap med ren el

Moderna distributionsnät blir aktiva mikronät som måste balansera hushållens efterfrågan, soltak, små vindkraftverk och kluster av laddstationer för elfordon. Sol- och vindproduktion varierar med vädret, medan förare kopplar in sina fordon vid oförutsägbara tider och under olika långa perioder. Tillsammans kan dessa variationer få spänningen att avvika från säkra gränser, överbelasta vissa ledningar och orsaka oönskade effektflöden fram och tillbaka mellan mikronätet och huvudnätet. Många befintliga planeringsmetoder behandlar varje teknik separat eller antar stabila, förutsägbara förhållanden, och de har därför svårt när alla dessa rörliga delar samverkar samtidigt.

Nytt planeringsverktyg inspirerat av fruktodlingar

Författarna introducerar en planeringsmetod kallad Multi-Strategy Enhanced Orchard Optimization Algorithm. I denna metod behandlas varje möjlig mikronätskonstruktion som ett träd i en fruktodling, och algoritmen låter dessa träd ”växa” mot bättre lösningar över många cykler. Den kombinerar flera sökstrategier: lokal finjustering kring lovande lösningar, kombination av egenskaper från olika kandidater och selektiv ersättning av svaga lösningar för att bevara mångfald. Alla dessa steg styrs av ett poängsystem som väger samman tre mål: att hålla spänningarna nära deras ideala värde, att jämna ut den effekt som utbyts med huvudnätet och att minska verkliga effektförluster i ledningarna. Till skillnad från enkel trial-and-error eller tidigare metaheuristiska metoder är denna flerstrategiska version konstruerad för att undvika att fastna i mediokra lösningar när många mål konkurrerar.

Hur elbilar och förnybart modelleras

För att testa detta planeringsverktyg realistiskt bygger studien detaljerade modeller för solpaneler, vindkraftverk och elfordon. Solproduktionen beror på solinstrålning och celltemperatur, vindproduktionen på varierande vindhastighet och luftförhållanden, och fordonens laddning på körsträckor, ankomsttider, vistelsetider och batteriets laddningsnivå. Dessa beteenden representeras med sannolikhetsfördelningar och många tänkbara dagscenarier istället för ett enda fast mönster. Optimeringen väljer sedan både bästa platser och storlekar för sol- och vindenheter samt bästa positioner och kapaciteter för laddstationer i ett standardiserat 33-nods testnät, samtidigt som laddbeteenden formas för att bättre matcha förnybar produktion och prisincitament.

Hur det optimerade mikronätet ser ut

Att köra den förbättrade orchard-algoritmen på detta testsystem ger en plan som placerar flera medelstora sol- och vindenheter samt tio laddstationer vid specifika noder i nätet. Jämfört med en uppställning baserad på en enklare orchard-algoritm och välkända metoder som genetiska algoritmer, partikelsvärmoptimering och whale-optimering levererar den nya metoden mindre spänningsvariationer, lägre effektförluster och stabilare effekt på förbindelsen mot huvudnätet. I numeriska termer minskar spänningsavvikelse och linjeförluster med ungefär en sjättedel, och variationen i förbindningseffekt minskar med cirka en åttondel. Algoritmen når också dessa lösningar snabbare, med färre iterationer och mindre beräkningstid, vilket är viktigt om planerare vill pröva många olika framtidsscenarier.

Varför dessa resultat är viktiga för framtidens nät

För en icke-specialist är huvudbudskapet att var och hur vi lägger till ren energi och laddstationer är lika viktigt som hur mycket vi installerar. Genom att betrakta det lokala nätet som ett helt system och genom att ta hänsyn till osäkerheter i sol, vind och förarbeteende hittar den föreslagna planeringsmetoden layouter som håller spänningarna inom hälsosamma gränser, minskar spill och reducerar belastningen på anslutningen till huvudnätet. Det innebär att elbilsförare kan ladda mer pålitligt, att förnybar energi kan användas mer effektivt och att nätägare kan skjuta upp kostsamma uppgraderingar, vilket hjälper samhällen att gå mot renare, mer motståndskraftig elförsörjning utan att offra vardagsprestanda.

Citering: 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

Nyckelord: mikronät, laddning av elfordon, integration av förnybar energi, minskning av effektförluster, optimeringsalgoritm