Dağıtım şebekesini değiştirilmiş Newman hızlı algoritmasıyla bölümlendirerek elektrikli araç şarj istasyonları ve dağıtık üretimin optimal yerleştirilmesi

Daha temiz şehirleri şarj etmek

Benzinli otomobillerden elektrikli araçlara geçiş arttıkça, elektrik şebekelerimizin de bu talebi karşılaması gerekiyor. Hızlı ve uygun şarj hayati önemde; ancak birçok aracın aynı anda prize bağlanması yerel direk, kablo ve trafolardan oluşan ağda sınırların zorlanmasına yol açabilir. Bu makale, mahallelerin daha fazla EV’yi ağırlarken ışıkların sabit kalmasını ve faturaların düşük tutulmasını sağlamak için elektrikli araç şarj istasyonları ile küçük yerel enerji kaynaklarının daha akıllıca nasıl konumlandırılabileceğini inceliyor.

Büyük şebekeleri küçük mahallelere ayırmak

Bir kentin dağıtım şebekesini tek bir büyük kablo yığını olarak ele almak yerine, yazarlar onu sanal mikroşebekeler adı verilen daha küçük, elektriksel olarak sıkı “mahalleler”e bölüyor. Ağ bilimi kökenli bir teknik olan değiştirilmiş Newman hızlı algoritmasını kullanıyorlar, ancak elektrikte fiziksel mesafe yerine iki noktanın gerçek elektriksel olarak ne kadar bağlı olduğunu ölçerek uyarlıyorlar. Elektriksel bağlanma gücü olarak adlandırılan bu ölçüt, iki nokta arasında güç akışının ne kadar kolay olduğunu ve her hattın güvenle taşıyabileceği kapasiteyi harmanlıyor. Sonuç, her küme içinde hatların güçlü bir şekilde bağlı olduğu ve yerel olarak tutarlı bir bölge olarak çalıştığı bir küme seti oluyor.

Şarj cihazlarını ve küçük güç santrallerini en çok fayda sağlayacak yerlere koymak

Şebeke bu sanal mahallelere ayrıldıktan sonra bir sonraki adım, her elektrikli araç şarj istasyonunun ve her dağıtık jeneratörün—örneğin küçük bir senkron jeneratör veya rüzgâr tabanlı bir birim—nereye yerleştirileceğine karar vermek. Yazarlar her sanal mikroşebekeye tam olarak bir şarj istasyonu ve bir küçük enerji kaynağı tahsis ediyor. Ardından her mahalle içinde en iyi barayı ya da düğümü bulmak için sistemin en zayıf noktalarına—voltajın en düşük olduğu ve kararlılığın en zayıf olduğu yerlere—odaklanıyorlar. Bu noktaları güçlendirerek enerji israfını azaltabiliyor ve EV şarj talebi artsa bile voltajları güvenli sınırlarda tutabiliyorlar.

En iyi düzeni bulmak için doğadan stratejiler ödünç almak

Şarj cihazları ve jeneratörler için ideal konum ve boyut kombinasyonunu bulmak, çok sayıda değişkeni olan büyük bir bilmece. Bunu çözmek için yazarlar üç gelişmiş arama yöntemini, yani meta-sezgisel algoritmaları karşılaştırıyor. İkisi doğadan esinlenilmiş yeni yaklaşımlar: denizyıldızlarının beslenme ve uzuvları yeniden büyütme davranışından esinlenen Yıldızbalığı Optimizasyon algoritması ve puma nüfuslarının alanlarını keşfetme ve avlanma davranışlarından esinlenen Puma Optimizasyon algoritması. Üçüncüsü, Kuş Sürü Optimizasyonu (Particle Swarm Optimization), sürüler veya balık okulları modeli üzerine kurulmuş daha köklü bir teknik. Üçü de hatlardaki güç kayıplarını minimize etmeyi ve bir voltaj kararlılık ölçüsünü iyileştirmeyi amaçlıyor; ayrıca hat ısınması ve jeneratör büyüklüğü sınırları gibi işletme kısıtlarına da uymak zorundalar.

Hem küçük hem büyük şebekelerde büyük iyileşmeler

Araştırmacılar çerçevelerini iki standart ölçüt şebekede test ediyor: mütevazı bir 33-bara sistem ve çok daha büyük bir 118-bara sistem. Küçük örnekte, yöntemleri aktif güç kayıplarını yaklaşık %82 oranında azaltıyor ve en düşük voltajı endişe verici bir seviyeden arzu edilen değere yakın bir seviyeye yükseltiyor; ayrıca bir kararlılık indeksinde de büyük iyileşme sağlıyor. Daha büyük şebekede kayıplar yaklaşık %68–69 oranında düşüyor ve voltaj kalitesi ile kararlılık benzer şekilde gelişiyor. Üç arama yöntemi arasında, puma tabanlı algoritma özellikle büyük şebekede yüksek kaliteli çözümlere en hızlı yakınsamayı gösteriyor; bu da zaman ve hesaplama gücünün sınırlı olduğu büyük ölçekli planlama için uygun olduğunu düşündürüyor.

Gerçek zamanlı, yenilenebilir ağırlıklı şebekelere bakış

Statik planlamanın ötesinde çalışma, bu stratejinin daha gerçekçi, zamana bağlı koşullara nasıl genişletilebileceğini taslak halinde gösteriyor. Yazarlar farklı müşteri tipleri için günlük yük profilleri oluşturuyor ve organize olmayan EV şarjını simüle ediyor; bu da tepe talebi ve şebeke stresini artırıyor. Ardından sanal mikroşebekelerin içine rüzgâr kaynaklı jeneratörler ekliyorlar ve bu yerel yenilenebilirlerin hem talep hem de kayıplardaki tepe değerlerini törpüleyebildiğini ve voltajları daha da desteklediğini gösteriyorlar. Mevcut çalışma maliyet veya emisyonlardan çok teknik performansa odaklansa da, şehir şebekelerinin EV şarj cihazları ve yerel temiz üretimi hassas seçilmiş konumlarda barındıran akıllı mahallelere bölünebileceği bir geleceğe işaret ediyor.

Günlük sürücüler için anlamı nedir

Uzman olmayanlar için ana mesaj, şarj istasyonlarını ve küçük enerji santrallerini nereye koyduğumuzun sayılarından en az onlar kadar önemli olduğudur. Önce şebekeyi doğal elektriksel mahallelere ayırarak ve ardından en zayıf noktaları güçlendirmek için doğadan esinlenilmiş akıllı arama yöntemleri kullanarak, dağıtım şirketleri israfı dramatik şekilde azaltabilir, voltajları kararlı tutabilir ve çok daha fazla elektrikli araca yer açabilir. Pratikte bu, daha az kesinti ve gerilim düşmesi, daha güvenilir şarj ve yenilenebilirlerle EV’lerin günlük hayatın merkezine yerleşmesiyle daha düzgün bir geçiş anlamına geliyor.

Atıf: Mohamed, M.A.E., Gawish, A.N.A. & Metwally, M.E. Optimal electric vehicle charging stations and distributed generation placement by partitioning the distribution network using the modified newman fast algorithm. Sci Rep 16, 6341 (2026). https://doi.org/10.1038/s41598-026-35433-5

Anahtar kelimeler: elektrikli araç şarjı, güç dağıtım şebekeleri, dağıtık üretim, grid optimization, sanal mikroşebekeler