Інтелектуальне предиктивне керування навантаженням та оптимізація сонячних електростанцій у децентралізованих мікромережах

Abstract

Мета. Розробка та науково-практичне обґрунтування комплексної цифрової платформи керування децентралізованими мікромережами 0,4 кВ, яка поєднує оптимізацію виробітку сонячних електростанцій на основі штучного інтелекту з алгоритмом предиктивного цільового скидання навантаження для збереження стійкості енергосистеми та запобігання вимкненню просьюмерів. Методика. Дослідження базується на застосуванні алгоритмів градієнтного бустингу та рекурентних нейронних мереж для короткострокового прогнозування градієнтів напруги, математичного моделювання дискретної оптимізації адресного розвантаження мережі, а також методології симуляційного та техно-економічного моделювання у середовищах OpenDSS, MATLAB/Simulink та HOMER Pro з використанням емпіричного датасету телеметрії інвертора. Результати. Доведено, що адресне вимкнення лише пасивних споживачів (до 28 % навантаження лінії) через автоматизовані системи обліку та реле Інтернету речей дає змогу стабілізувати напругу в низьковольтній мережі вище нормативного порогу 207 В. Це запобігає спрацюванню апаратного захисту Anti-Islanding у мережевих інверторах та зберігає можливість експорту надлишків сонячної генерації в об’єднану енергосистему України (від 18,4 до 24,2 кВт · год з одного домогосподарства за 4 години обмежень). Наукова новизна. Дістала подальшого розвитку концепція протиаварійної авторегуляції в низьковольтних мережах за рахунок переходу від реактивного знеструмлення цілих фідерів до предиктивного адресного селективного розвантаження пасивних вузлів на основі ШІ-прогнозування динаміки зміни напруги dU/dt, що гарантує топологічну збереженість підключення генеруючих просьюмерів. Практична значимість. Впровадження розробленого підходу зменшує ймовірність дефіциту електропостачання з 14,2 % до 0,75 %, знижує зведену вартість енергії (LCOE) на 42,8 % та скорочує розрахунковий термін окупності гібридних сонячних систем до 4,1 року. Верифікацію здійснено на реальному емпіричному датасеті трифазного інвертора Deye обсягом понад 228 тис. записів.