🔬 physics

Modeling medium and low voltage grids using population density

यह शोध पत्र एक स्केलेबल मॉडल प्रस्तुत करता है जो यथार्थवादी मध्यम और निम्न वोल्टेज ग्रिड संरचनाओं को उत्पन्न करने के लिए जनसंख्या घनत्व और क्रुस्कल एल्गोरिदम का उपयोग करता है, जिससे यह प्रकट होता है कि वैश्विक वितरण नेटवर्क की विशेषताएं जनसंख्या स्केलिंग द्वारा संचालित बहुभिन्नरूपी पावर लॉ (multivariate power laws) का पालन करती हैं।

मूल लेखक: Emile Emery, Joseph Le Bihan, José Halloy

प्रकाशित 2026-02-17

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Emile Emery, Joseph Le Bihan, José Halloy

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक विशाल, अदृश्य मकड़ी का जाल बनाने की कोशिश कर रहे हैं जो देश के हर घर, कारखाने और दुकान को बिजली ग्रिड से जोड़ता है। आपके पास तारों का कोई नक्शा नहीं है, और आपको यह भी नहीं पता कि हर ट्रांसफार्मर (खंभों पर लगे छोटे डिब्बे) वास्तव में कहाँ स्थित है। वास्तव में, दुनिया के कई हिस्सों में, वह डेटा या तो गुप्त है या उसका अस्तित्व ही नहीं है।

तो, आप यह कैसे पता लगाएंगे कि इस जाल को कहाँ बनाना है और आपको कितने तांबे के तार की आवश्यकता होगी?

एमरी, ले बिहान और हॉलो का यह शोध पत्र एक चतुर समाधान प्रस्तावित करता है: बस लोगों को देखें।

उनकी खोज की कहानी यहाँ है, जिसे सरल अवधारणाओं में विभाजित किया गया है।

1. बड़ा विचार: लोग = बिजली की ज़रूरतें

लेखकों ने एक सरल सहज ज्ञान से शुरुआत की: जहाँ लोग रहते हैं, वहाँ बिजली पहुँचनी चाहिए।
यदि आपके पास पेरिस जैसा घना शहर है, तो आपको तारों के एक सघन, जटिल जाल की आवश्यकता है। यदि आपके कुछ बिखरे हुए घरों वाले ग्रामीण इलाके में एक विरल गाँव है, तो आपको कुछ बिखरे हुए घरों को जोड़ने के लिए लंबी, सीधी रेखाओं की आवश्यकता है।

उन्होंने पूछा: क्या हम जनसंख्या घनत्व के मानचित्र को देखकर पूरे इलेक्ट्रिकल ग्रिड की भविष्यवाणी कर सकते हैं?

2. रेसिपी: उन्होंने "नकली" ग्रिड कैसे बनाया

इसकी जांच करने के लिए, उन्होंने फ्रांस को एक अभ्यास रन के रूप में उपयोग करके एक कंप्यूटर मॉडल बनाया (क्योंकि फ्रांस के पास बहुत अच्छा डेटा है)। यहाँ उनकी रेसिपी है:

चरण 1: जनसंख्या मानचित्र। उन्होंने फ्रांस का एक उच्च-रिज़ॉल्यूशन वाला मानचित्र लिया जो दिखाता है कि प्रत्येक छोटे से छोटे वर्ग किलोमीटर में कितने लोग रहते हैं। इसे मानवीय गतिविधि का "हीट मैप" समझें।
चरण 2: सबस्टेशन का अनुमान। उन्होंने एक नियम बनाया: "भीड़भाड़ वाले क्षेत्रों में, हमें प्रति व्यक्ति कम ट्रांसफार्मर की आवश्यकता होती है क्योंकि एक बड़ा ट्रांसफार्मर कई लोगों की सेवा कर सकता है। खाली क्षेत्रों में, हमें हर कुछ लोगों के लिए एक ट्रांसफार्मर की आवश्यकता होती है।" यह एक टैक्सी सेवा की तरह है: एक व्यस्त शहर में, एक बस कई जगहों पर रुकती है; ग्रामीण इलाकों में, आपको हर कुछ यात्रियों के लिए एक निजी कार की आवश्यकता हो सकती है।
चरण 3: कनेक्शन। एक बार जब उन्होंने जनसंख्या के आधार पर इन काल्पनिक ट्रांसफॉर्मरों को "रैंडमली" रखा, तो उन्होंने एक गणितीय ट्रिक (जिसे क्रुस्कल एल्गोरिदम कहा जाता है) का उपयोग करके उन्हें जोड़ा। कल्पना कीजिए कि आपके पास कागज पर बहुत सारे बिंदु हैं और आप बिना लूप बनाए उन्हें जोड़ने के लिए न्यूनतम संभव स्ट्रिंग (धागे) का उपयोग करना चाहते हैं। कंप्यूटर ने यही किया।

3. "आहा!" क्षण: मॉडल काम करता है!

जब उन्होंने अपने कंप्यूटर द्वारा निर्मित "नकली" ग्रिड की तुलना वास्तविक फ्रांसीसी ग्रिड से की, तो परिणाम आश्चर्यजनक रूप से सटीक थे।

आकार: नकली ग्रिड बिल्कुल असली ग्रिड की तरह दिखा। यह शहरों में शाखाओं की तरह फैला और ग्रामीण इलाकों में पतला होता गया।
लंबाई: भले ही कंप्यूटर को यह नहीं पता था कि वास्तविक सड़कें कहाँ हैं (और वास्तविक तार अक्सर सड़कों का अनुसरण करते हैं), मॉडल में तारों की कुल लंबाई वास्तविक कुल लंबाई के 6% के भीतर थी।

उपमा: कल्पना कीजिए कि आप बिना कभी नक्शा देखे किसी शहर की सभी सड़कों की कुल लंबाई का अनुमान लगाने की कोशिश कर रहे हैं। यदि आप केवल घरों की संख्या गिनते हैं और मान लेते हैं कि सड़कें उन्हें कुशलतापूर्वक जोड़ती हैं, तो आप आश्चर्यजनक रूप रूप से करीब होंगे। उन्होंने बिजली के साथ यही किया।

4. वैश्विक परीक्षण: क्या यह हर जगह काम करता है?

उन्होंने इस "फ्रांसीसी रेसिपी" को लगभग 35 अन्य देशों (जैसे अमेरिका, भारत और चीन) पर लागू किया जहाँ उनके पास विस्तृत ग्रिड मानचित्र नहीं थे।

ट्विस्ट: यह तारों की कुल लंबाई के लिए बहुत अच्छा रहा। चाहे अमेरिका हो या भारत, यदि आप जनसंख्या और देश के आकार को जानते हैं, तो आप उच्च सटीकता के साथ तार की कुल मात्रा का अनुमान लगा सकते हैं।
ग्लिच: यह ट्रांसफॉर्मरों की संख्या गिनने के लिए कम सटीक था। क्यों? क्योंकि अलग-अलग देश अपने ग्रिड अलग तरह से बनाते हैं।
- यूरोप (जैसे फ्रांस): कम, बड़े और शक्तिशाली ट्रांसफार्मर का उपयोग करता है।
- अमेरिका: घरों के करीब कई छोटे ट्रांसफार्मर का उपयोग करता है।
- परिणाम: मॉडल ने तारों की मात्रा का सही अनुमान लगाया, लेकिन वह खंभों पर लगे डिब्बों की शैली का अनुमान नहीं लगा सका क्योंकि यह स्थानीय इंजीनियरिंग विकल्पों पर निर्भर करता है, न कि केवल जनसंख्या पर।

5. यह क्यों मायने रखता है: "कॉपर" कनेक्शन

हम तारों की लंबाई का अनुमान लगाने की परवाह क्यों करते हैं? क्योंकि तार तांबे (और एल्युमीनियम) से बने होते हैं।

रीसाइक्लिंग: यदि हमें पता है कि ग्रिड में कितना तांबा "लॉक" है, तो हम जानते हैं कि भविष्य में हम कितना रीसायकल कर सकते हैं।
भविष्य का निर्माण: जैसे-जैसे दुनिया विद्युतीकृत हो रही है (अधिक इलेक्ट्रिक कारें, अधिक हीट पंप), हमें अधिक ग्रिड बनाने की आवश्यकता है। यह मॉडल सरकारों और कंपनियों को बताता है: "हे, यदि आप इस क्षेत्र में 10 लाख लोग जोड़ने की योजना बना रहे हैं, तो आपको लगभग X टन तांबे और Y किलोमीटर तार की आवश्यकता होगी।"

6. खोज का "सीक्रेट सॉस"

इस शोध पत्र का सबसे दिलचस्प हिस्सा एक गणितीय पैटर्न है जिसे उन्होंने खोजा। उन्होंने पाया कि ग्रिड की कुल लंबाई एक सरल "पावर लॉ" (Power Law) का पालन करती है।

इसे इस तरह सोचें:

यदि आप जनसंख्या को दोगुना करते हैं, तो ग्रिड की लंबाई दोगुनी नहीं होती; यह दोगुने से थोड़ा कम बढ़ता है (क्योंकि आप शहरों में तारों को अधिक कुशलता से साझा कर सकते हैं)।
यदि आप देश के आकार को दोगुना करते हैं (लेकिन जनसंख्या को समान रखते हैं), तो ग्रिड लंबा हो जाता है क्योंकि तारों को उन्हीं लोगों तक पहुँचने के लिए अधिक दूरी तय करनी पड़ती है।

उन्होंने पाया कि जनसंख्या और भूमि क्षेत्र दो मुख्य सामग्रियां हैं जो ग्रिड के आकार को निर्धारित करती हैं। आश्चर्यजनक रूप से, लोग वास्तव में कितनी बिजली का उपयोग करते हैं इससे तारों की लंबाई पर ज्यादा फर्क नहीं पड़ता। चाहे एक घर बहुत अधिक बिजली का उपयोग करे या बहुत कम, उसे जोड़ने वाला तार लगभग समान लंबाई का होता है।

सारांश

यह शोध पत्र बुनियादी ढांचे के लिए एक क्रिस्टल बॉल की तरह है।
दुनिया भर में बिजली की लाइनें कहाँ हैं, यह जानने के लिए सरकार के गुप्त ब्लूप्रिंट की आवश्यकता होने के बजाय, हम बस यह देख सकते हैं कि लोग कहाँ रहते हैं। लोग और स्थान के बीच के संबंध को समझकर, हम दुनिया में कहीं भी विद्युत ग्रिड बनाने के लिए आवश्यक सामग्री की जरूरतों (जैसे तांबा) की भविष्यवाणी कर सकते हैं।

यह एक जटिल इंजीनियरिंग समस्या को एक सरल भूगोल की समस्या में बदल देता है: लोगों का पीछा करें, और तार उनका पीछा करेंगे।

यहाँ एमरी, ले बिहान और हैलोय के शोध पत्र "पॉपुलेशन डेंसिटी का उपयोग करके मीडियम और लो वोल्टेज ग्रिडों का मॉडलिंग" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

बिजली वितरण प्रणालियों के वैश्विक विस्तार के लिए व्यापक बुनियादी ढांचे के नियोजन की आवश्यकता है, जिससे तांबे (copper) और एल्युमीनियम जैसी सामग्रियों की मांग काफी बढ़ रही है। हालांकि, इन नेटवर्क के स्थानिक विन्यास (spatial layout) और कुल लंबाई का लक्षण वर्णन करना निम्नलिखित के लिए महत्वपूर्ण है:

विद्युतीकरण के लिए भविष्य की सामग्री आवश्यकताओं का अनुमान लगाने हेतु।
पुनर्चक्रण (recycling) की क्षमता के लिए मौजूदा सामग्री स्टॉक का आकलन करने हेतु।

चुनौतियां:

डेटा की कमी: ट्रांसमिशन नेटवर्क (जो कुछ ही ऑपरेटरों द्वारा प्रबंधित होते हैं और जिनका डेटा खुला होता है) के विपरीत, वितरण नेटवर्क (मीडियम वोल्टेज - MV, और लो वोल्टेज - LV) कई स्थानीय ऑपरेटरों के बीच विभाजित होते हैं। केबल स्थानों और सबस्टेशन कनेक्टिविटी पर विस्तृत डेटा अक्सर अनुपलब्ध, संवेदनशील या गैर-मानकीकृत होता है।
जटिलता: सैटेलाइट इमेजरी (जैसे नाइट लाइट्स) का उपयोग करने वाले मौजूदा मॉडलिंग दृष्टिकोण अक्सर ग्रामीण कनेक्शनों को पकड़ने में विफल रहते हैं या उनके लिए भारी प्रोसेसिंग की आवश्यकता होती है।
अंतराल: एक ऐसे मजबूत, स्केलेबल मॉडल की कमी है जो केवल व्यापक रूप से उपलब्ध जनसांख्यिकीय डेटा (demographic data) का उपयोग करके वितरण नेटवर्क के टोपोलॉजी और लंबाई का अनुमान लगा सके।

2. कार्यप्रणाली (Methodology)

लेखक एक स्टोकेस्टिक, बॉटम-अप मॉडलिंग फ्रेमवर्क का प्रस्ताव करते हैं जो केवल उच्च-रिज़ॉल्यूशन जनसंख्या घनत्व डेटा के आधार पर यथार्थवादी MV नेटवर्क संरचनाएं उत्पन्न करता है।

A. डेटा इनपुट (Data Inputs)

जनसंख्या डेटा: वर्ल्डपॉप (WorldPop) डेटाबेस (30 आर्क-सेकंड रिज़ॉल्यूशन, ~1किमी²), जो प्रत्येक ग्रिड सेल के लिए सूक्ष्म जनसंख्या घनत्व ( $\rho$ ) प्रदान करता है।
संदर्भ डेटा: फ्रांस के ENEDIS (एक फ्रांसीसी DSO) से प्राप्त ओपन डेटा, जिसमें सबस्टेशन स्थान और लाइन ड्राइंग शामिल हैं, जिसका उपयोग अंशांकन (calibration) और सत्यापन (validation) के लिए किया गया है।

B. मुख्य एल्गोरिदम (Core Algorithm)

मॉडल दो मुख्य चरणों में कार्य करता है:

सबस्टेशन सैंपलिंग (नोड जनरेशन):
- लेखक सबस्टेशन घनत्व ( $n_{stat}$ ) और जनसंख्या घनत्व ( $\rho$ ) के बीच एक गैर-रैखिक संबंध स्थापित करते हैं।
- रेजीम 1 (विरल/Sparse): $\rho < 8$ hab/km² के लिए, $n_{stat} \propto \rho$ (रैखिक)।
- रेजीम 2 (सघन/Dense): $\rho \ge 8$ hab/km² के लिए, $n_{stat} \propto \rho^{0.5}$ (स्केल प्रभावों के कारण उप-रैखिक)।
- स्टोकेस्टिसिटी (Stochasticity): यादृच्छिकता और "खाली" सेल्स को ध्यान में रखने के लिए, प्रत्येक सेल में सबस्टेशनों की संख्या को घनत्व संबंध से प्राप्त पॉइसन वितरण (Poisson distribution) से सैंपल किया जाता है। इसके बाद सबस्टेशनों को सेल के भीतर समान रूप से रखा जाता है।
नेटवर्क निर्माण (एज जनरेशन):
- उत्पन्न नोड्स को क्रुस्कल एल्गोरिदम (Kruskal algorithm) का उपयोग करके एक मिनिमम स्पैनिंग ट्री (MST) बनाने के लिए जोड़ा जाता है।
- तर्क: वास्तविक वितरण नेटवर्क मुख्य रूप से पेड़ जैसी (tree-like) संरचना वाले होते हैं। हालांकि वास्तविक नेटवर्क में लचीलेपन के लिए लूप्स (bridges) होते हैं, लेकिन MST कुल लंबाई और टोपोलॉजी के लिए एक मजबूत प्रथम-क्रम प्रॉक्सी के रूप में कार्य करता है।
- सुधार (Corrections): रॉ MST लंबाई को सुधार कारकों ( $\gamma \approx 1.537$ $γ \approx 1.537$ ) का उपयोग करके समायोजित किया जाता है ताकि निम्नलिखित को कवर किया जा सके:
  - मैनहट्टन बनाम यूक्लिडियन दूरी: वास्तविक केबल सड़कों का अनुसरण करते हैं, न कि सीधी रेखाओं का।
  - रूट बनाम केबल लंबाई: भौतिक पथ और वास्तविक केबल लंबाई के बीच अंतर करना (मल्टी-केबल कॉरिडोर को ध्यान में रखते हुए)।
  - लूप्स: गैर-ट्री ब्रिज (non-tree bridges) की अतिरिक्त लंबाई का अनुमान लगाने के लिए एक कारक जोड़ना।

C. सत्यापन और स्केलिंग (Validation and Scaling)

स्थानीय सत्यापन: मॉडल को फ्रांस पर कैलिब्रेट किया गया है और नोड गणना तथा कुल केबल लंबाई के लिए ENEDIS डेटा के विरुद्ध सत्यापित किया गया है।
वैश्विक अनुप्रयोग: फ्रांस-कैलिब्रेटेड मॉडल को उच्च विद्युतीकरण दरों वाले लगभग 35 अन्य देशों पर लागू किया गया है।
मैक्रो-स्केलिंग: लेखक जनसंख्या ($Pop $), क्षेत्र ($ Area $), और बिजली खपत ($ Conso$) के साथ कुल नेटवर्क लंबाई से संबंधित मल्टीवेरिएट पावर लॉ (multivariate power laws) निकालते हैं।

3. मुख्य परिणाम (Key Results)

A. स्थानीय स्तर (फ्रांस)

टोपोलॉजिकल समानता: मॉडल-जनित नेटवर्क वास्तविक फ्रांसीसी ग्रिड के साथ दृश्य रूप से और टोपोलॉजिकल रूप से मेल खाता है, जो नोड्स के "पेड़ जैसे" संरचना और स्थानिक क्लस्टरिंग को कैप्चर करता है।
मात्रात्मक सटीकता:
- सबस्टेशन गणना: मॉडल वास्तविक सबस्टेशनों की संख्या का 88% अनुमान लगाता है।
- कुल केबल लंबाई: मॉडल वास्तविक MV केबल लंबाई का 94% अनुमान लगाता है।
- अंतर्दृष्टि: स्थानीय रूटिंग त्रुटियां (जैसे सड़कों का अनुसरण करना बनाम सीधी रेखाएं) राष्ट्रीय स्तर पर एक दूसरे को संतुलित कर देती हैं, जिससे स्थानीय विसंगतियों के बावजूद कुल लंबाई का अनुमान अत्यधिक सटीक हो जाता है।

B. वैश्विक स्तर (देशों के बीच तुलना)

सबस्टेशन गणना: वैश्विक स्तर पर लागू होने पर मॉडल महत्वपूर्ण पूर्वाग्रह (bias) दिखाता है। यह "अमेरिकी-शैली" के ग्रिडों (ग्राहकों के पास कई छोटे, कम क्षमता वाले ट्रांसफार्मर) वाले देशों की तुलना में "यूरोपीय-शैली" के ग्रिडों (कम, बड़े ट्रांसफार्मर) वाले देशों में सबस्टेशनों का अधिक अनुमान लगाता है। यह दर्शाता है कि सबस्टेशन घनत्व आर्किटेक्चर पर निर्भर है।
नेटवर्क लंबाई: सबस्टेशन गणना में विसंगतियों के बावजूद, कुल MV नेटवर्क लंबाई का विभिन्न देशों में उच्च सटीकता के साथ अनुमान लगाया जाता है। मॉडल बिजली खपत के विशिष्ट आर्किटेक्चर के बावजूद मांग के स्थानिक वितरण को प्रभावी ढंग से कैप्चर करता है।
पावर लॉ (Power Laws):
- MV लंबाई: इसे $L_{MV} \propto Pop^{0.59} Area^{0.36}$ द्वारा सबसे अच्छी तरह वर्णित किया गया है। उल्लेखनीय रूप से, बिजली की खपत का स्केलिंग पर नगण्य प्रभाव पड़ता है, जो बताता है कि स्थानिक वितरण प्राथमिक चालक है।
- LV लंबाई: यह खपत पर अधिक और कुल क्षेत्र पर कम निर्भर करती है ( $L_{LV} \propto Pop^{0.66} Area^{0.22}$ ), क्योंकि LV नेटवर्क सीधे घरों की सेवा करने वाले "लास्ट माइल" होते हैं।
- अनुपात: LV और MV लंबाई के बीच एक मजबूत सहसंबंध मौजूद है ( $L_{LV} \approx 1.63 \times L_{MV}$ ), जो साहित्य के अनुरूप है।

C. सामग्री अनुमान (Material Estimation)

अनुमानित लंबाई और मानक सामग्री तीव्रता (भूमिगत के लिए तांबा, हवाई के लिए एल्युमीनियम) का उपयोग करके, मॉडल किसी देश के ग्रिड में निवेश की गई कुल सामग्री के द्रव्यमान का अनुमान लगा सकता है।
यह "मटेरियल फ्लो एनालिसिस" (MFA) के लिए एक उपकरण प्रदान करता है ताकि पुनर्चक्रण के लिए तांबे के स्टॉक की पहचान की जा सके।

4. प्रमुख योगदान (Key Contributions)

नवीन मॉडलिंग दृष्टिकोण: यह प्रदर्शित करता है कि एक जटिल भौतिक बुनियादी ढांचे (MV ग्रिड) को केवल जनसंख्या घनत्व डेटा का उपयोग करके उच्च निष्ठा (high fidelity) के साथ पुनर्गठित किया जा सकता है, जिससे संवेदनशील या अनुपलब्ध ग्रिड मानचित्रों की आवश्यकता समाप्त हो जाती है।
बहु-स्तरीय सत्यापन: सफलतापूर्वक स्थानीय (दृश्य टोपोलॉजी) और वैश्विक (एकत्रित लंबाई) स्तरों को जोड़ता है, यह सिद्ध करता है कि स्थानीय जनसंख्या-नेटवर्क संबंध राष्ट्रीय स्तर पर भी बने रहते हैं।
स्केलिंग इनवैरिएंट्स की खोज: यह पहचानता है कि जबकि सबस्टेशन गणना ग्रिड आर्किटेक्चर के अनुसार भिन्न होती है, कुल नेटवर्क लंबाई जनसंख्या और क्षेत्र के आकार का एक सार्वभौमिक फलन (universal function) है, जो MV नेटवर्क के लिए खपत के स्तरों से काफी हद तक स्वतंत्र है।
नियोजन के लिए व्यावहारिक उपकरण: उभरती अर्थव्यवस्थाओं में बुनियादी ढांचे की जरूरतों और सामग्री स्टॉक का अनुमान लगाने के लिए एक विधि प्रदान करता है, जो संयुक्त राष्ट्र सतत विकास लक्ष्य 7 (सस्ती और स्वच्छ ऊर्जा) का समर्थन करता है।

5. महत्व और निहितार्थ (Significance and Implications)

संसाधन प्रबंधन: मॉडल उपयोग में मौजूद तांबे के स्टॉक का सटीक अनुमान लगाने में सक्षम बनाता है, जो चक्रीय अर्थव्यवस्था (circular economy) की रणनीतियों और पुनर्चक्रण योजना के लिए महत्वपूर्ण है।
विद्युतीकरण योजना: यह नीति निर्माताओं को ग्रामीण या विकासशील क्षेत्रों में ग्रिड के विस्तार के लिए आवश्यक सामग्री और स्थानिक आवश्यकताओं का पूर्वानुमान लगाने के लिए एक "क्या-अगर" (what-if) टूल प्रदान करता है।
सामान्यीकरण क्षमता: यह ढांचा सुझाव देता है कि इसी तरह के जनसंख्या-संचालित दृष्टिकोणों को अन्य बुनियादी ढांचा नेटवर्क (पानी, गैस, टेलीकॉम) पर भी लागू किया जा सकता है जहाँ मांग जनसंख्या के साथ स्थानिक रूप से सह-संबंधित होती है।
सीमाएं और भविष्य का कार्य: मॉडल एक परिपक्व, अनुकूलित ग्रिड मानता है। भविष्य के कार्य में "लास्ट माइल" (LV) कनेक्शनों को परिष्कृत करने के लिए स्थलाकृतिक डेटा (इमारतें/सड़कें) को शामिल करना और विकेंद्रीकृत नवीकरणीय ऊर्जा परिदृश्यों के लिए मॉडल को अनुकूलित करना शामिल हो सकता है, जो पारंपरिक ट्री टोपोलॉजी को बदल सकते हैं।

संक्षेप में, यह शोध पत्र स्थापित करता है कि जनसंख्या का स्थानिक वितरण वितरण ग्रिड के विस्तार का प्राथमिक निर्धारक है, जो वैश्विक विद्युत बुनियादी ढांचे के लक्षण वर्णन के लिए एक शक्तिशाली, डेटा-हल्का (data-light) कार्यप्रणाली प्रदान करता है।