Adaptive MPPT‑Regelung für zuverlässige Übergänge zwischen netzgekoppeltem und inselbetriebenem Betrieb in PV‑Batterie‑Mikronetzen

Intelligentere Solarenergie für Alltagszuverlässigkeit

Wenn Haushalte, Unternehmen und Gemeinden mehr Dachsolaranlagen und Solarparks installieren, wird es zur Herausforderung, die Lichter an zu lassen, wenn Wolken aufziehen oder das Hauptnetz ausfällt. Diese Studie untersucht, wie Solar‑plus‑Batterie‑Systeme sich stabiler und wie ein gut abgestimmtes Kraftwerk verhalten können, indem sie sich automatisch an Sonnenlicht, Verbrauch und Netzausfälle anpassen, sodass Nutzer zuverlässige, hochwertige Energie erleben.

Warum Solar einen Steuerungs‑„Verstand“ braucht, nicht nur Panels

Solarmodule sind sauber und werden immer günstiger, sie sind aber auch unbeständig: ihre Leistung schwankt mit wechselnder Einstrahlung und Temperatur. Um möglichst viel Energie herauszuholen, durchsuchen elektronische Regler ständig den „Sweet Spot“ aus Spannung und Strom eines Moduls, den sogenannten Maximum Power Point. Konventionelle Suchverfahren sind einfach, neigen aber zu Überschwingen und Oszillationen, verschwenden Energie und reagieren zu langsam, wenn plötzlich eine Wolke vor die Sonne zieht. Gleichzeitig müssen moderne Mikronetze – die Solarmodule, Batterien und lokale Verbraucher kombinieren – fortlaufend entscheiden, wie viel Leistung von der Sonne, wie viel aus der Batterie und wie viel vom oder ins Hauptnetz kommt, und dabei lokale Spannung und Frequenz stabil halten.

Ein hybrides Solarmikronetz unter der Lupe

Die Autoren untersuchen einen ein Megawatt großen Solarpark, gekoppelt an eine große Lithium‑Ion‑Batterie in einem AC‑Mikronetz. Das Solarfeld ist über einen DC‑DC‑Boost‑Wandler und einen dreiphasigen Wechselrichter mit einer gemeinsamen AC‑Schiene verbunden, die Lasten versorgt und die Verbindung zum Hauptnetz herstellt. Die Batterie ist über einen eigenen bidirektionalen Wandler angeschlossen, sodass sie sowohl Energie aufnehmen als auch abgeben kann. Ein zentrales Merkmal der Anlage ist ein adaptiver Regler mit zwei Hauptbetriebsarten. Wenn das Mikronetz mit dem übergeordneten Versorgungsnetz verbunden ist, erlaubt ein Leistungsfluss‑(PQ)Regler dem Netz, Spannung und Frequenz vorzugeben. Wenn das Mikronetz inselbetrieben ist – also bei Störung oder geplanter Trennung eigenständig läuft – übernimmt ein Droop‑Regler in der Batterieeinheit die Regelung, formt Spannung und Frequenz und teilt die Leistung zwischen Solar und Speicher auf.

Dem System beibringen, die maximale Solarleistung zu verfolgen

Um zu verbessern, wie der Solarpark seinen Maximum Power Point findet und verfolgt, kombinieren die Forscher zwei Formen künstlicher Intelligenz. Ein künstliches neuronales Netzwerk (KNN) lernt aus Daten, wie die Modulspannung bei verschiedenen Einstrahlungs‑ und Temperaturbedingungen angepasst werden sollte. Eine Particle‑Swarm‑Optimierung (PSO) – lose inspiriert vom Suchverhalten von Vogelschwärmen oder Fischschwärmen – stimmt die internen Gewichtungen dieses neuronalen Netzes ab, sodass es schneller lernt und schlechte Lösungen vermeidet. Das trainierte KNN sagt die beste Betriebsspannung vorher; diese wird zur Referenz für den Wandler, der die Module in diese Richtung bewegt. In Simulationen mit 1000 zufällig erzeugten Wetterbedingungen verringerte die KNN‑PSO‑Kombination den Fehler im gelernten Verhalten und konvergierte in nur einigen hundert Trainingsschritten zu guten Einstellungen.

Konstante Beleuchtung bei Netzausfällen und Wolkenschatten

Die eigentliche Bewährungsprobe ist, wenn das Mikronetz plötzlichen Änderungen bei Einstrahlung, Last oder Netzverbindung gegenübersteht. Mithilfe detaillierter MATLAB/Simulink‑Modelle vergleichen die Autoren ihre KNN‑PSO‑Methode mit drei anderen bekannten Tracking‑Strategien. Bei einer Abfolge aus voller Sonne, verringerter Last und dann starken Einbrüchen der Einstrahlung erfasste der KNN‑PSO‑Regler durchgehend mehr der verfügbaren Solarleistung, mit Nachführwirkungsgraden nahe 98 % und sehr geringen Leistungsverläufen. Gleichzeitig hielt die koordinierte PQ‑ und Droop‑Regelung die AC‑Spannung des Mikronetzes nahe dem Zielwert von 420 Volt und die Frequenz innerhalb des engen Bereichs, den Anschlussrichtlinien vorgeben. Als das System absichtlich vom Netzbetrieb in den Inselbetrieb und wieder zurückgeschaltet wurde, brachte eine Resynchronisationseinheit Phase und Frequenz vor der Wiederverbindung in Übereinstimmung und vermied so starke Verzerrungen der Spannung und Einschaltströme, die Geräte beschädigen können.

Was das für künftige Solar‑Gemeinschaften bedeutet

Aus Sicht eines Laien ist das Hauptresultat ein Solar‑plus‑Batterie‑System, das deutlich ruhiger und vorhersagbarer arbeitet. Indem dem Mikronetz ein KI‑unterstützter „Verstand“ gegeben wird, der sowohl effizient nach maximaler Solarleistung sucht als auch die Übergaben zwischen Netz und lokalem Speicher steuert, wird es einfacher, Wohnviertel, Campusgelände oder abgelegene Einrichtungen weitgehend mit Solarenergie zu betreiben – ohne Flackern oder unerwartete Ausfälle. Praktisch bedeutet das eine bessere Nutzung jedes Sonnenstrahls, längere Lebensdauer der Hardware und resilientere lokale Energieversorgung – essentielle Bausteine für das Erreichen von Zielen in sauberer Energie und intelligenter Infrastruktur.

Zitation: Siddaraj, U., Yaragatti, U.R., Paragonda, L.R.S. et al. Adaptive MPPT control for reliable transitions between grid connected and islanded operations in PV battery microgrids. Sci Rep 16, 7613 (2026). https://doi.org/10.1038/s41598-026-38300-5

Schlüsselwörter: Solar‑Mikronetz, Maximum-Power-Point‑Tracking, Batteriespeicher, Künstliche Intelligenz Regelung, Netzintegration