Um novo algoritmo de otimização bioinspirado, desenvolvido por pesquisadores da Texas Tech University, da Universidade de Bolonha e da Universidade Islâmica Azad, promete reduzir custos e aumentar a estabilidade em redes elétricas que integram energia renovável. O algoritmo Boosting Circulatory System-Based Optimization (BCSBO), publicado na Frontiers of Engineering Management em 2025, imita o comportamento adaptativo do sistema circulatório humano para navegar por paisagens de decisão complexas nas redes elétricas modernas.
As redes elétricas modernas enfrentam desafios significativos, pois fontes de energia renovável, como eólica e solar, introduzem variabilidade e incerteza. Os métodos tradicionais de otimização, projetados para sistemas estáveis baseados em combustíveis fósseis, frequentemente lutam com restrições não lineares, efeitos de ponto de válvula e zonas de operação proibidas. Muitos algoritmos heurísticos existentes estagnam ou têm desempenho inconsistente sob condições renováveis estocásticas, criando uma necessidade urgente de estratégias de otimização mais rápidas e resilientes.
O algoritmo BCSBO aborda esses desafios aprimorando uma estrutura anterior inspirada no sistema circulatório. Ele equipa "agentes de massa sanguínea" com regras de movimento mais flexíveis e adaptativas, permitindo que circulem por espaços de solução, escapem de pontos de congestionamento e busquem continuamente caminhos melhores — semelhante à forma como o sistema circulatório humano otimiza para a sobrevivência. Esse design permite que o algoritmo supere armadilhas locais e mantenha a mobilidade de busca em paisagens de otimização difíceis.
Os pesquisadores testaram rigorosamente o BCSBO usando cinco objetivos distintos de fluxo de potência ótimo (OPF) em sistemas padrão IEEE de 30 e 118 barras. Os objetivos incluíram minimizar o custo de combustível com efeitos de ponto de válvula, minimizar o custo de geração sob imposto de carbono, abordar zonas de operação proibidas, reduzir perdas de potência na rede e limitar desvios de tensão. Em todos os testes, o BCSBO apresentou os menores custos operacionais, alcançando USD 781,86 no cenário de custo base e USD 810,77 sob condições de imposto de carbono. O algoritmo superou consistentemente concorrentes estabelecidos, como Particle Swarm Optimization (PSO), Moth–Flame Optimization (MFO), Thermal Exchange Optimization (TEO) e Elephant Herding Optimization (EHO).
Um aspecto crucial da pesquisa envolveu modelar a incerteza inerente da energia eólica e solar usando distribuições de Weibull e lognormal. Mesmo sob condições altamente variáveis, o BCSBO manteve a estabilidade e demonstrou forte robustez para sistemas renováveis do mundo real. Esses resultados ilustram a capacidade do algoritmo de navegar por paisagens de OPF multiobjetivo, não convexas e impulsionadas por renováveis com consistência excepcional, tornando-o particularmente valioso para regiões que implantam ativos renováveis em grande escala.
As implicações desse desenvolvimento são significativas para a transição global para energia renovável. Ao oferecer uma maneira mais inteligente e robusta de resolver problemas de OPF, o BCSBO fornece aos operadores da rede uma ferramenta poderosa para reduzir a dependência de combustíveis, melhorar a estabilidade de tensão e integrar energia solar e eólica sem comprometer a confiabilidade da rede. A mecânica computacional adaptável do algoritmo também o torna adequado para desafios de engenharia mais amplos, incluindo programação de armazenamento de energia, controle de redes inteligentes, logística de transporte e tarefas de otimização em escala industrial, onde a tomada de decisão rápida, precisa e tolerante à incerteza é essencial.
À medida que as redes de energia evoluem para ecossistemas dinâmicos governados por condições imprevisíveis, o BCSBO representa um passo decisivo para a otimização da rede na era renovável. A equipe de pesquisa enfatizou que seu design aprimorado inspirado no sistema circulatório permite que o algoritmo se adapte dinamicamente, evite a estagnação e forneça decisões confiáveis, mesmo quando a produção renovável é altamente incerta. Esse avanço apoia soluções mais econômicas, flexíveis e alinhadas ambientalmente para futuros sistemas elétricos em todo o mundo.
