DOI: https://doi.org/10.1038/s41598-026-34992-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41611828
تاريخ النشر: 2026-01-29
المؤلف: Pourya Nazartalab وآخرون
الموضوع الرئيسي: تحسين أنظمة الطاقة المتكاملة
نظرة عامة
تقدم هذه الدراسة إطار عمل مختلط للبرمجة الخطية الصحيحة (MILP) يركز على المرونة، مصمم لشبكات المستشفيات الصغيرة (MGs)، والذي يدمج توليد الطاقة الشمسية (PV)، وتنسيق نظام تخزين الطاقة متعدد العقد (ESS)، وأولوية الأحمال الطبية في ظل ظروف انقطاع غير متوقعة. تشير النتائج إلى أن تنسيق ESS متعدد العقد يقلل بشكل كبير من الطاقة غير المخدومة المتوقعة (ENS) بنسبة 55-63% عبر أنظمة حافلات IEEE المختلفة، مما يعزز الدعم خلال الانقطاعات الطويلة. بالإضافة إلى ذلك، يضمن تنفيذ أولوية قائمة على قيمة الحمل المفقود (VOLL) أن الأحمال الحرجة، مثل تلك الموجودة في وحدات العناية المركزة (ICUs) وغرف العمليات (ORs)، تتلقى على الأقل 95% من الإمداد خلال معظم سيناريوهات الانقطاع، مما يحسن من قدرة تحمل الأحمال الحيوية بنسبة 10-18% مقارنة بالأساليب السابقة للنمذجة الموحدة.
تستخدم الدراسة محاكاة مونت كارلو لتقييم المرونة في ظل الظروف العشوائية، كاشفة أن مؤشر المرونة المركب (RI) يحافظ على معامل تباين أقل من 10%، مما يدل على أداء مستقر وسط عدم اليقين في توقيت الانقطاع وتغير توليد الطاقة الشمسية. علاوة على ذلك، يعزز دمج توليد الطاقة الشمسية مع جدولة ESS المنسقة من استخدام الطاقة المتجددة بنسبة 22-37% ويخفف من إجهاد دورات ESS، بينما ي stabilizes ملفات حالة الشحن (SOC). تحدد تحليلات الحساسية سعة ESS، واختراق الطاقة الشمسية، ومدة الانقطاع كعوامل رئيسية تؤثر على المرونة، مع تقليل ملحوظ في ENS يمكن تحقيقه من خلال زيادة حجم ESS. بشكل عام، يقدم الإطار المقترح استراتيجية قوية لتعزيز مرونة MG في المستشفيات، مما يوفر رؤى قابلة للتنفيذ لمخططي الطاقة في إعدادات الرعاية الصحية لتحسين استمرارية العمليات خلال انقطاعات الشبكة.
مقدمة
توضح المقدمة إطار نمذجة شبكة المستشفيات الصغيرة (MG)، والذي يشكل أساس البحث. تفصل تكوينات نظام الاختبار ونمذجة المكونات المختلفة، بما في ذلك أنظمة الطاقة الشمسية (PV)، وأنظمة تخزين الطاقة بالبطاريات (BESS)، وتحليل الأحمال. بالإضافة إلى ذلك، تؤسس هذه القسم إطار سيناريو يسهل تقييم أداء الشبكة الصغيرة تحت ظروف تشغيلية متغيرة. تهدف هذه المقاربة الشاملة إلى تعزيز فهم ديناميات MG وإمكاناتها لتحسين إدارة الطاقة في المستشفيات.
طرق
يقدم قسم المنهجية في ورقة البحث إطار عمل منظم مكون من تسع خطوات مصمم لتقييم أداء الشبكات الصغيرة (MG) خلال الطوارئ، مع التركيز بشكل خاص على دعم الأحمال الحرجة في إعدادات المستشفيات. تتضمن المقاربة نموذج تحسين مقيد، ومقاييس موثوقية، وعملية محاكاة لتقييم المرونة والكفاءة التشغيلية لشبكات التوزيع المجهزة بأنظمة تخزين الطاقة (ESS) وموارد الطاقة الشمسية (PV) في ظل ظروف الانقطاع.
تبدأ العملية بجمع ومعالجة البيانات المدخلة، بما في ذلك ملفات الأحمال، ومواصفات موارد الطاقة الموزعة (DER)، ومعلمات الانقطاع لأنظمة الحافلات IEEE 33 و69. ثم يتم استخدام محاكاة مونت كارلو لتوليد سيناريوهات عشوائية تعكس التغيرات في إنتاج الطاقة الشمسية، وعدم اليقين في الأحمال، وخصائص الانقطاع. يتم إعطاء الأولوية للأحمال الحرجة وغير الحرجة بناءً على قيمة الحمل المفقود (VOLL)، والتي توجه قرارات الإمداد خلال الظروف المقيدة. يتم استخدام نموذج البرمجة الخطية الصحيحة المختلطة (MILP) لتقليل الطاقة المتوقعة غير الموردة (ENS) والتكاليف التشغيلية مع الالتزام بتوازن الطاقة، وحالة الشحن (SOC)، وقيود الشبكة. تشمل المنهجية محاكاة ساعة على مدار 24 ساعة لتحليل أنماط شحن وتفريغ ESS، ومستويات إمداد الأحمال، ومساهمات الطاقة المتجددة. يتم حساب مؤشرات الأداء مثل احتمال فقدان الحمل (LOLP)، وENS، ومؤشرات المرونة المركبة لكل سيناريو، تليها تحليلات حساسية لتقييم تأثير المعلمات الرئيسية على نتائج المرونة. أخيرًا، يتم تجميع النتائج وتلخيصها لاستخلاص رؤى حول استراتيجيات التحكم الفعالة في ESS وتوصيات التخطيط لتعزيز مرونة شبكات التوزيع.
النتائج
يقيم قسم النتائج أداء الشبكات الصغيرة (MG) في إعدادات المستشفيات باستخدام أنظمة الحافلات IEEE 13 و33 و69، مع دمج وحدات الطاقة الشمسية (PV)، وأنظمة تخزين الطاقة بالبطاريات (BESS)، والأحمال الحرجة ذات الأولوية مثل وحدات العناية المركزة وغرف العمليات. تتضمن التحليل سيناريوهات انقطاع مختلفة لتقييم المرونة تحت عدم اليقين. يتميز نظام الحافلات 13 بتكوين مضغوط مع خدمات حرجة موزعة عبر أربع حافلات، بينما تمثل أنظمة الحافلات 33 و69 شبكات مستشفيات متوسطة وكبيرة، على التوالي، مع زيادة في قدرات الطاقة الشمسية والتخزين. تم تقييم أداء كل نظام من خلال محاكاة لمدة 24 ساعة تركز على خسائر الطاقة، واختراق الطاقة المتجددة، واستمرارية الأحمال، والمرونة العامة.
تشير النتائج الرئيسية إلى أن أداء النظام، وخاصة المرونة والطاقة المتوقعة غير الموردة (ENS)، حساس للغاية لمعايير أنظمة تخزين الطاقة. أدى زيادة سعة ESS من 1× إلى 1.5× إلى تقليل متوسط ENS بنسبة 63% وتحسين مؤشر المرونة من 0.58 إلى 1.05. حسنت معدلات الشحن/التفريغ المعززة وكفاءات البطاريات بشكل كبير من أوقات الاستجابة والموثوقية. ومع ذلك، أظهر حجم الطاقة الشمسية عوائد متناقصة بعد 1.5× من السعة الأساسية بسبب تقليل الإنتاج الزائد، مما يبرز أهمية تحسين التخزين وإدارة الطلب بشكل مشترك. تؤثر مدة الانقطاعات بشكل حاسم على المرونة، مع ملاحظات انخفاضات كبيرة في حالة الانقطاعات التي تتجاوز ست ساعات ما لم يتم زيادة سعة التخزين. تختتم الدراسة بأن إعطاء الأولوية للأحمال الحرجة من خلال البرمجة الخطية الصحيحة المختلطة (MILP) أمر ضروري للحفاظ على الإمداد، وأن تشغيل سيناريوهات انقطاع متعددة ي stabilizes مؤشرات الأداء، موازنة الكفاءة الحاسوبية مع الدقة.
المناقشة
في هذا القسم، تناقش الدراسة تكوين واستراتيجيات التشغيل لأنظمة الشبكات الصغيرة (MG) التي تم نمذجتها على شبكات الحافلات القياسية IEEE 13 و33 و69، المصممة خصيصًا للبنية التحتية الحرجة للرعاية الصحية. تتضمن الأنظمة موارد الطاقة الموزعة (DERs) مثل أنظمة الطاقة الشمسية (PV) وأنظمة تخزين الطاقة بالبطاريات (BESS)، وهي مصممة للانتقال بين أوضاع الاتصال بالشبكة والوضع المعزول. يتم استخدام استراتيجية وضع الأحمال الحرجة لضمان أن الخدمات الأساسية في المستشفى، المصنفة إلى أحمال دعم الحياة، وأحمال سريرية، وأحمال داعمة، يتم إعطاؤها الأولوية بناءً على قربها الكهربائي من DERs، واستقرار الجهد، وموثوقية التغذية. يستخدم إطار التحسين البرمجة الخطية الصحيحة المختلطة (MILP) لتعظيم إمداد الأحمال الحرجة خلال الانقطاعات مع الالتزام بمختلف القيود التشغيلية.
تكشف التحليلات عن تباين كبير في خسائر الطاقة واختراق مصادر الطاقة المتجددة (RES) على مدار اليوم، مع تقلبات ملحوظة مرتبطة بطلب الأحمال وأنماط توليد الطاقة الشمسية. تشير مقاييس الموثوقية مثل احتمال فقدان الحمل (LOLP) والطاقة غير المخدومة (ENS) إلى فترات من الضعف، خاصة خلال ساعات الذروة. تؤكد الدراسة على أهمية نمذجة أحمال المستشفيات بدقة والحاجة إلى استراتيجيات تحكم قوية لإدارة تكامل RES بشكل فعال. تسلط الشذوذ في البيانات، مثل قيم LOLP السلبية ونسب اختراق RES المتطرفة، الضوء على ضرورة تحسين تقنيات التطبيع والتعديلات التشغيلية لتعزيز مرونة النظام. بشكل عام، يظهر الإطار المقترح نهجًا شاملاً لتحسين أداء MG في إعدادات الرعاية الصحية، مما يضمن الحفاظ على الأحمال الحرجة حتى في ظل الظروف السلبية.
DOI: https://doi.org/10.1038/s41598-026-34992-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41611828
Publication Date: 2026-01-29
Author(s): Pourya Nazartalab et al.
Primary Topic: Integrated Energy Systems Optimization
Overview
This study presents a resilience-oriented mixed-integer linear programming (MILP) framework designed for hospital microgrids (MGs), which integrates photovoltaic (PV) generation, multi-node energy storage system (ESS) coordination, and medical load prioritization under stochastic outage conditions. The findings indicate that multi-node ESS coordination significantly reduces expected unserved energy (ENS) by 55-63% across various IEEE bus systems, particularly enhancing support during prolonged outages. Additionally, the implementation of Value of Lost Load (VOLL)-based prioritization ensures that critical loads, such as those in intensive care units (ICUs) and operating rooms (ORs), receive at least 95% supply during most outage scenarios, improving the survivability of life-critical loads by 10-18% compared to previous uniform modeling approaches.
The study employs Monte Carlo simulations to assess resilience under stochastic conditions, revealing that the composite resilience index (RI) maintains a coefficient of variation below 10%, indicating stable performance amidst uncertainties in outage timing and PV generation variability. Furthermore, the integration of PV generation with coordinated ESS scheduling enhances renewable energy utilization by 22-37% and mitigates ESS cycling stress, while also stabilizing state of charge (SOC) profiles. Sensitivity analyses identify ESS capacity, PV penetration, and outage duration as key factors influencing resilience, with a notable reduction in ENS achievable through increased ESS size. Overall, the proposed framework offers a robust strategy for enhancing hospital MG resilience, providing actionable insights for energy planners in healthcare settings to improve operational continuity during grid disruptions.
Introduction
The introduction outlines the hospital microgrid (MG) modeling framework, which serves as the foundation for the research. It details the test system configurations and the modeling of various components, including photovoltaic (PV) systems, battery energy storage systems (BESS), and load decomposition. Additionally, the section establishes a scenario framework that facilitates the performance evaluation of the microgrid under varying operational conditions. This comprehensive approach aims to enhance understanding of the MG’s dynamics and its potential for improving hospital energy management.
Methods
The methodology section of the research paper presents a structured nine-step framework designed to evaluate the performance of microgrids (MG) during contingencies, particularly focusing on critical load support in hospital settings. The approach incorporates a constrained optimization model, reliability metrics, and a simulation process to assess the resilience and operational efficiency of distribution networks equipped with energy storage systems (ESS) and photovoltaic (PV) resources under outage conditions.
The process begins with the collection and pre-processing of input data, including load profiles, distributed energy resource (DER) specifications, and outage parameters for the IEEE 33- and 69-bus systems. Monte Carlo simulations are then employed to generate stochastic scenarios that reflect variations in PV output, load uncertainty, and outage characteristics. Critical and non-critical loads are prioritized based on the Value of Lost Load (VOLL), which informs supply decisions during constrained conditions. A mixed-integer linear programming (MILP) model is utilized to minimize expected energy not supplied (ENS) and operational costs while adhering to power balance, state of charge (SOC), and network constraints. The methodology includes hourly simulations over a 24-hour period to analyze ESS charging and discharging patterns, load supply levels, and renewable contributions. Performance indicators such as Loss of Load Probability (LOLP), ENS, and composite resilience indices are computed for each scenario, followed by sensitivity analyses to evaluate the impact of key parameters on resilience outcomes. Finally, results are aggregated and synthesized to derive insights on effective ESS control strategies and planning recommendations for enhancing the resilience of distribution networks.
Results
The results section evaluates the performance of microgrids (MG) in hospital settings using IEEE 13-, 33-, and 69-bus systems, incorporating photovoltaic (PV) units, battery energy storage systems (BESS), and prioritized critical loads such as ICUs and operating rooms. The analysis includes various outage scenarios to assess resilience under uncertainty. The 13-bus system features a compact configuration with critical services distributed across four buses, while the 33-bus and 69-bus systems represent medium and large-scale hospital grids, respectively, with increased PV and storage capacities. Each system’s performance was evaluated through 24-hour simulations focusing on power losses, renewable energy penetration, load continuity, and overall resilience.
Key findings indicate that system performance, particularly resilience and expected energy not supplied (ENS), is highly sensitive to the parameters of the energy storage systems. Increasing the capacity of ESS from 1× to 1.5× led to a 63% reduction in average ENS and improved the resilience index from 0.58 to 1.05. Enhanced charge/discharge rates and battery efficiencies significantly improved response times and reliability. However, PV sizing showed diminishing returns beyond 1.5× base capacity due to excess generation curtailment, emphasizing the importance of co-optimizing storage and demand management. The duration of outages critically affects resilience, with significant declines observed for outages exceeding six hours unless storage capacity is increased. The study concludes that prioritizing critical loads through mixed-integer linear programming (MILP) is essential for maintaining supply, and running multiple outage scenarios stabilizes performance metrics, balancing computational efficiency with accuracy.
Discussion
In this section, the research discusses the configuration and operational strategies of microgrid (MG) systems modeled on standard IEEE 13-, 33-, and 69-bus networks, specifically tailored for critical healthcare infrastructure. The systems incorporate distributed energy resources (DERs) such as photovoltaic (PV) systems and battery energy storage systems (BESS), and are designed to transition between grid-connected and islanded modes. A critical load placement strategy is employed to ensure that essential hospital services, categorized into life-support, clinical, and supportive loads, are prioritized based on their electrical proximity to DERs, voltage stability, and feeder reliability. The optimization framework utilizes mixed-integer linear programming (MILP) to maximize critical load supply during outages while adhering to various operational constraints.
The analysis reveals significant variability in power losses and renewable energy source (RES) penetration throughout the day, with notable fluctuations linked to load demand and solar generation patterns. Reliability metrics such as Loss of Load Probability (LOLP) and Energy Not Served (ENS) indicate periods of vulnerability, particularly during peak load hours. The study emphasizes the importance of accurately modeling hospital loads and the need for robust control strategies to manage RES integration effectively. Anomalies in the data, such as negative LOLP values and extreme RES penetration percentages, highlight the necessity for improved normalization techniques and operational adjustments to enhance system resilience. Overall, the proposed framework demonstrates a comprehensive approach to optimizing MG performance in healthcare settings, ensuring that critical loads are maintained even under adverse conditions.