افزایش تا ۸۵ درصدی سود نیروگاه‌های مجازی با الگوریتمی الهام‌گرفته از مرغ مگس‌خوار
شبکه‌های برق در ابتدا برای انتقال انرژی تولیدشده در نیروگاه‌های بزرگ و متمرکز طراحی شدند، اما اکنون سریع‌ترین رشد ظرفیت تولید برق به منابع پراکنده‌ای تعلق دارد که روی پشت‌بام‌ها، در پست‌های برق و در شبکه‌های توزیع مستقر شده‌اند. پنل‌های خورشیدی، توربین‌های بادی، باتری‌ها و موتورهای کوچک گازسوز همگی در تأمین برق نقش دارند، اما عملکرد هیچ‌یک از آن‌ها دقیقاً مشابه نیروگاه‌های متعارف نیست. اکنون گروهی از پژوهشگران مصری یکی از پرسش‌های کمتر بررسی‌شده در برنامه‌ریزی این تحول را مطالعه کرده‌اند: مرز یک نیروگاه مجازی در شبکه واقعی انتقال برق دقیقاً باید از کجا آغاز شود و در کجا پایان یابد؟ نتایج این پژوهش که در مجله Neural Computing and Applications منتشر شده است، نشان می‌دهد تعیین درست این مرزهای نامرئی می‌تواند سود عملیاتی را در مقایسه با پیکربندی پایه تا ۸۵ درصد افزایش دهد.
نیروگاه مجازی یا VPP مجموعه‌ای از منابع انرژی پراکنده است که با کمک نرم‌افزار و به‌صورت هماهنگ مدیریت می‌شوند تا مانند یک واحد تولید برق واحد عمل کنند. در این مدل، به‌جای ساخت نیروگاه جدید، اپراتور مولدهای کوچک، بارهای قابل‌کنترل و سامانه‌های ذخیره‌سازی انرژی را در یک مجموعه گرد هم می‌آورد و برنامه بهره‌برداری آن‌ها را به‌طور هماهنگ تنظیم می‌کند. نیروگاه‌های مجازی از نظر کارکرد عملیاتی به دو دسته تقسیم می‌شوند: نیروگاه مجازی تجاری که تولید و مصرف را پیش‌بینی می‌کند، پیشنهادهای خود را به بازار برق ارائه می‌دهد و برنامه روزانه فعالیت‌ها را تنظیم می‌کند؛ و نیروگاه مجازی فنی که به‌طور پیوسته شبکه را پایش می‌کند، خطاها را تشخیص می‌دهد و محل وقوع آن‌ها را مشخص می‌کند. این دو کارکرد در کنار یکدیگر به منابع تجدیدپذیر با تولید متغیر امکان می‌دهند در بازار برق مشارکت کنند و در عین حال، از شبکه سراسری در برابر نوسان‌های ناشی از تولید آن‌ها محافظت می‌کنند.
گروه پژوهشی به سرپرستی فکری عواد از دانشگاه بنها، با همکاری رجب ا. السحیمی از دانشگاه کفرالشیخ و دیگر همکاران، بر مسئله‌ای در برنامه‌ریزی تمرکز کرد که بیشتر پژوهش‌های پیشین از پرداختن به آن صرف‌نظر کرده بودند. جانمایی بهینه و تعیین ظرفیت مولدهای پراکنده درون نیروگاه مجازی پیش‌تر بررسی شده بود، اما تنها شمار اندکی از مطالعات به این پرسش پرداخته‌اند که چند شین شبکه باید در محدوده نیروگاه مجازی قرار گیرد و کدام شین‌ها باید انتخاب شوند. این موضوع اهمیت دارد، زیرا پیکربندی نیروگاه مجازی مستقیماً بر تلفات برق، پروفیل ولتاژ، جریان توان در خطوط انتقال و در نهایت، میزان سود آن اثر می‌گذارد. پژوهشگران این مسئله را به‌صورت یک مسئله بهینه‌سازی تعریف کردند که هدف آن بیشینه‌سازی سود خالص کل است. این سود از کسر هزینه بهره‌برداری مولدهای متعارف و مولدهای تصادفی از درآمد حاصل از فروش برق به مشتریان و بازار به دست می‌آید و باید با مجموعه‌ای از محدودیت‌های فنی سازگار باشد.
این محدودیت‌ها سخت‌گیرانه‌اند. در هر ساعت باید توازن توان اکتیو و راکتیو برقرار باشد، ولتاژ شین‌ها در محدوده‌های تعیین‌شده باقی بماند و توان ظاهری عبوری از هر خط از ظرفیت حرارتی آن فراتر نرود. همچنین، تعداد شین‌های متعلق به نیروگاه مجازی باید بین ۱۰ تا ۳۵ درصد کل شین‌های سیستم باشد. پژوهشگران شین‌های منفصل از شبکه را نیز از مجموعه گزینه‌های قابل‌انتخاب کنار گذاشتند، زیرا این شین‌ها عملاً نمی‌توانند به‌عنوان شین مرزی نیروگاه مجازی عمل کنند. این کار فضای جست‌وجو را کوچک‌تر می‌کند و مانع انتخاب راه‌حل‌های ناممکن می‌شود. عدم‌قطعیت در قیمت‌های بازار، میزان تولید برق بادی و خورشیدی و تقاضای بار نیز با استفاده از توابع توزیع احتمال، از جمله توزیع‌های گاما، بتا و نرمال، مدل‌سازی شد و خروجی این توابع مستقیماً در فرایند بهینه‌سازی به کار رفت.
برای حل این مسئله، پژوهشگران از الگوریتم مرغ مگس‌خوار مصنوعی (AHA) استفاده کردند؛ الگوریتمی فراابتکاری و الهام‌گرفته از طبیعت که در سال ۲۰۲۲ معرفی شد و سه راهبرد جست‌وجوی غذا و سه مهارت پرواز مرغ مگس‌خوارهای واقعی را شبیه‌سازی می‌کند. جست‌وجوی هدایت‌شده غذا، جست‌وجوی قلمرویی غذا و جست‌وجوی مهاجرتی غذا، روش‌های متفاوتی برای کاوش فضای راه‌حل‌ها یا بهره‌برداری از گزینه‌های مناسب را نشان می‌دهند. در مقابل، پرواز محوری، قطری و همه‌جهته، شیوه حرکت گزینه‌های کاندید به سمت منابع غذایی را توصیف می‌کنند. یکی از ویژگی‌های متمایز این الگوریتم، جدول بازدید است که با ثبت تعداد دفعات مراجعه به هر منبع غذایی، سازوکار به‌روزرسانی حافظه مرغ مگس‌خوار را تقلید می‌کند. راهبرد مهاجرتی هنگام کمبود منابع در یک ناحیه، جست‌وجوی گسترده‌تر را تقویت می‌کند؛ جست‌وجوی قلمرویی نمایانگر بهره‌برداری از گزینه‌های موجود است و جست‌وجوی هدایت‌شده در مراحل پیشرفته، میان این دو رویکرد تعادل برقرار می‌کند. این الگوریتم پیش‌تر در برآورد پارامترهای پنل‌های خورشیدی، بهینه‌سازی تخصیص توان راکتیو، تعیین وضعیت شارژ باتری‌های لیتیوم‌یونی و بهبود پایداری فرکانس در شبکه‌های دارای سهم بالای انرژی تجدیدپذیر نیز عملکرد مؤثری نشان داده بود.
پژوهشگران روش خود را روی دو شبکه استاندارد آزمایش کردند: شبکه ۵۷ شینه IEEE که یک سیستم با اندازه متوسط و شامل ۸۰ خط انتقال و ۷ مولد است و حدود ۱۲۵۰٫۸ مگاوات بار را تأمین می‌کند؛ و شبکه ۳۹ شینه نیوانگلند IEEE که ۱۰ مولد دارد. برای شبکه ۵۷ شینه، شش سناریو تعریف شد. در سناریوی نخست، شرایط عادی با بار پایه ۱۰۰ درصد و قیمت برق شبکه معادل ۱۰۰ درصد مقدار پایه بررسی شد. در سناریوی دوم، مولد متصل به شین ۱۲ از مدار خارج شد. در سناریوی سوم، با حفظ همین خروج مولد، بار به ۱۵۰ درصد مقدار پایه افزایش یافت. در سناریوهای چهارم و پنجم، قیمت برق خریداری‌شده از شبکه به‌ترتیب به ۲۰۰ و ۲۵۰ درصد مقدار پایه افزایش داده شد. در سناریوی ششم نیز پاسخ‌گویی بار با استفاده از منحنی تقاضای حساس به قیمت و یک بار قابل‌کنترل به میزان ۰٫۵ در شین ۱۴ وارد مدل شد.
نتایج، رابطه اقتصادی روشنی را نشان می‌دهند. هنگامی که قیمت برق شبکه از هزینه تولید برق با منابع پراکنده کمتر است، سود در سناریوهای اول، دوم و سوم تقریباً ثابت می‌ماند؛ زیرا نیروگاه مجازی انگیزه چندانی برای اتکا به مولدهای خود ندارد. اما وقتی قیمت برق شبکه از هزینه تولید فراتر می‌رود، وضعیت به‌طور چشمگیری تغییر می‌کند. در سناریوی پنجم، سود در ساعت دوم نسبت به سناریوی اول ۷۸٫۶ درصد، در ساعت هفتم ۸۵٫۲ درصد و در ساعت بیست‌ویکم ۸۲٫۷ درصد افزایش یافت. هم‌زمان، میزان برق خریداری‌شده از شبکه در این ساعات به‌ترتیب ۷۵ درصد، ۶۶٫۲ درصد و ۴۷٫۷۶ درصد کاهش پیدا کرد، زیرا سیستم به استفاده از مولدهای پراکنده ارزان‌تر روی آورد. در شرایط وقوع اختلال نیز تعداد شین‌های متعلق به نیروگاه مجازی افزایش یافت و پروفیل ولتاژ در تمام مدت در محدوده مجاز باقی ماند.
پاسخ‌گویی بار نیز سود بیشتری به همراه داشت. در سناریوی ششم، مرز نیروگاه مجازی تغییر کرد: در ساعت دوم، شین‌های ۱۵ و ۴۷ به محدوده آن اضافه شدند؛ در ساعت هفتم، شین ۳۸ از محدوده خارج شد و در ساعت بیست‌ویکم نیز شین‌های ۳۸، ۴۸ و ۴۹ از آن خارج شدند. در مقایسه با حالت پایه و بدون پاسخ‌گویی بار، سود عملیاتی کل در ساعت دوم ۱۴٫۸۹ درصد، در ساعت هفتم ۰٫۶۳ درصد و در ساعت بیست‌ویکم ۷٫۸۴ درصد افزایش یافت. این بهبود عمدتاً ناشی از کاهش بار در ساعات اوج مصرف و بهره‌برداری از اختلاف قیمت‌ها در بازار برق بود. در شبکه بزرگ‌تر ۳۹ شینه IEEE، مرز نیروگاه مجازی در سناریوهای مختلف ثبات قابل‌توجهی داشت و عمدتاً شین‌های ۴، ۵، ۸، ۱۴، ۱۵، ۱۶، ۱۷ و ۲۷ را در بر می‌گرفت. مولدهای پراکنده نیز در شین‌های ۱۴ تا ۱۷ متمرکز بودند. این الگو حتی با خروج مولد شین ۳۰ از مدار و خارج شدن خط بین شین‌های ۱۶ و ۲۴ از سرویس، حفظ شد.
برای ارزیابی استحکام روش، پژوهشگران الگوریتم مرغ مگس‌خوار مصنوعی را با بهینه‌ساز گرگ خاکستری (GWO) و نسخه ترکیبی الگوریتم گرگ خاکستری و جست‌وجوی فاخته مقایسه کردند. در سناریوی چهارم، الگوریتم AHA در ساعات دوم، هفتم و بیست‌ویکم به‌ترتیب ۰٫۹، ۹٫۶ و ۱۵ درصد سود بیشتری نسبت به GWO به دست آورد. در سناریوی پنجم، برتری آن در همین ساعات به‌ترتیب ۸٫۴، ۱۵٫۴ و ۱۳٫۴ درصد بود. در مقایسه با الگوریتم ترکیبی GWOCS نیز سود حاصل از AHA در این سه ساعت به‌ترتیب ۶٫۹۷، ۱۹٫۵۸ و ۱۵ درصد بیشتر بود. شاخص‌های آماری حاصل از ۲۰ اجرای مستقل تأیید کردند که AHA با تکرارهای کمتر به راه‌حل‌هایی نزدیک به مقدار بهینه می‌رسد. با این حال، GWO از نظر زمان اجرا و شاخص‌های پایداری اندکی بهتر عمل کرد. این تفاوت نشان می‌دهد AHA برای جست‌وجوی راه‌حل در مسئله‌ای گسسته و مقید، مانند تعیین مرز نیروگاه مجازی، توان جست‌وجوی بیشتری دارد.
اهمیت این یافته‌ها فراتر از مقایسه‌های دانشگاهی است. با افزایش استفاده از برق خورشیدی پشت‌بامی، انرژی بادی، باتری‌ها و بارهای انعطاف‌پذیر در شبکه‌های برق سراسر جهان، تقسیم این منابع به نیروگاه‌های مجازی منسجم، سودآور و سازگار با الزامات فنی به یکی از چالش‌های اصلی برنامه‌ریزی تبدیل شده است. پژوهشگران چند مسیر را برای ادامه این کار پیشنهاد می‌کنند: بررسی برنامه بهره‌برداری نیروگاه‌های مجازی در شرایط خروج خطوط از مدار و عدم‌قطعیت قیمت‌ها؛ کاهش تلفات برق هم‌زمان با بیشینه‌سازی سود؛ مدیریت چند نیروگاه مجازی متصل به یکدیگر؛ استفاده از تجهیزات سیستم‌های انتقال انعطاف‌پذیر جریان متناوب (FACTS) در حضور منابع تجدیدپذیر؛ و اعتبارسنجی روش با استفاده از داده‌های اندازه‌گیری‌شده قیمت برق و تولید بادی و خورشیدی در شبکه‌های توزیع منطقه‌ای، از جمله PJM، CAISO و بازار ملی برق استرالیا. اگر این توسعه‌ها به نتیجه برسند، تعیین مرزهای نامرئی نیروگاه‌های مجازی ممکن است به‌زودی به‌جای اتکا به قضاوت و تجربه، با الگوریتم‌هایی انجام شود که از شیوه جست‌وجوی غذا در مرغ مگس‌خوارها الهام گرفته‌اند.
موضوع پژوهش: شناسایی پایدار مرزهای نیروگاه‌های مجازی با تخصیص بهینه منابع انرژی پراکنده برای بیشینه‌سازی سود به کمک الگوریتم مرغ مگس‌خوار مصنوعی
عنوان مقاله: شناسایی پایدار مرزهای نیروگاه‌های مجازی با تخصیص بهینه منابع انرژی پراکنده برای بیشینه‌سازی سود به کمک الگوریتم مرغ مگس‌خوار مصنوعی
مشخصات منبع: عواد، ف.، السحیمی، ر. ا.، عامر، گ.، عزیز، ب. ا. و صقر، و. س. (۲۰۲۶). «شناسایی پایدار مرزهای نیروگاه‌های مجازی با تخصیص بهینه منابع انرژی پراکنده برای بیشینه‌سازی سود به کمک الگوریتم مرغ مگس‌خوار مصنوعی». Neural Computing and Applications، جلد ۳۸، شماره ۲۰، مقاله ۸۱۸. https://doi.org/10.1007/s00521-026-12617-8
اعتبار تصویر: تولیدشده با هوش مصنوعی
شناسه دیجیتال مقاله (DOI): 10.1007/s00521-026-12617-8
کلیدواژه‌ها: شناسایی پایدار، مرزهای نیروگاه مجازی، تخصیص بهینه، منابع انرژی پراکنده، بیشینه‌سازی سود، الگوریتم مرغ مگس‌خوار مصنوعی