Adaptive Regelung auf Basis der Direct-Preference-Optimization zur Minimierung der Gesamtklirrfaktoren in photovoltaikbetriebenen Antrieben

Warum sauberere Solarenergie für Motoren wichtig ist

Wenn Fabriken, Wasserpumpen und Elektrofahrzeuge zunehmend Solarstrom nutzen, reist ein verborgenes Problem mit: elektrisches „Rauschen“, das Leistung verschwendet, Geräte belastet und die Lebensdauer von Motoren verkürzen kann. Diese Studie untersucht einen neuen Weg, mit dem sich das Regelsystem eines photovoltaikbetriebenen Antriebs effektiv selbst beibringen kann, diese unerwünschten Störungen in den Griff zu bekommen — mit Methoden, die aus der modernen künstlichen Intelligenz stammen.

Von unruhigem Strom zu gleichmäßigem Lauf

Solarmodule erzeugen Gleichstrom, der in Wechselstrom umgewandelt werden muss, wie ihn die meisten Motoren benötigen. Diese Aufgabe übernimmt ein elektronisches Gerät, der Wechselrichter, der den Strom schnell schaltet. Dieses Schalten führt unvermeidlich zu Verzerrungen in Spannung und Strom — zusätzlichen Schwingungen bei höheren Frequenzen, die man zusammen als Klirrfaktor bezeichnet. Zu hohe Werte können dazu führen, dass Motoren heiß laufen, vibrieren und Energie verschwenden. Traditionelle Regelungen stützen sich auf feste Einstellungen oder mühsames Abstimmen, um diese Oberschwingungen zu begrenzen, haben jedoch Schwierigkeiten, wenn sich Sonneneinstrahlung oder Motorlast schnell ändern, wie es in realen Solarsystemen häufig der Fall ist.

Den Regler aus seinen eigenen Entscheidungen lernen lassen

Die Autoren schlagen ein neues Regelungskonzept vor, genannt Direct Preference Optimization–basierte Photovoltaic Voltage Control (DPO-PVC). Anstatt jede Reglereinstellung mit einer exakten numerischen „Punktzahl“ zu bewerten, entscheidet das System einfach, welche von zwei Optionen besser war — ähnlich wie bei der Auswahl eines bevorzugten Fotos aus einem Paar. Praktisch erzeugt der Regler zwei verschiedene Ansteuerungsvarianten für den Wechselrichter, führt sie unter denselben Sonnen- und Lastbedingungen aus und misst die resultierenden elektrischen Verzerrungen am Motor. Welche Option die geringere Verzerrung erzeugt, wird als bevorzugt markiert. Über viele solcher Vergleiche entdeckt ein Lernmodul im Regler Muster, welche Einstellungen konsistent zu gleichmäßigerem, saubererem Strom führen.

Tests mit echtem Sonnenlicht und anspruchsvollen Antrieben

Um die Realitätsnähe dieses Ansatzes zu prüfen, bauten die Forschenden einen detaillierten digitalen Zwilling eines photovoltaikbetriebenen Antriebssystems auf: ein PV-Array, einen hochfrequenten Wechselrichter und ein Motormodell, angetrieben von minutengenauen Sonnen- und Temperaturdaten aus der PVDAQ-Datenbank des US National Renewable Energy Laboratory. Sie testeten den Regler in einer breiten Palette von Szenarien, darunter klarer Himmel, schnell ziehende Wolken, plötzliche Verschattung und abrupte Änderungen der mechanischen Motorlast. In jedem Fall verfolgte ein integrierter Klirranalysator, wie „rauschhaft“ die elektrischen Wellenformen waren, und speiste diese Informationen zurück in die Präferenzlern-Schleife.

Konventionelle Regler in nahezu jeder Hinsicht übertroffen

Der DPO-PVC-Regler wurde mit drei gängigen Alternativen verglichen: einem herkömmlichen PID-Regler, einem PID mit Fuzzy-Logik-Erweiterung und einem PID, der mit einem genetischen Algorithmus abgestimmt wurde. Über diese Benchmarks hinweg reduzierte die neue Methode die Spannungsverzerrung auf etwa 2,9 % und die Stromverzerrung auf etwa 2,6 %, also ungefähr halb so hoch oder besser als bei den Vergleichsmethoden. Zudem brachte sie den Motor schneller auf Geschwindigkeit, mit kleineren Geschwindigkeitsfehlern und weniger Überschwingen, und wandelte Solarenergie mit einer Wirkungsgrad von etwa 94,6 % in nützliche mechanische Arbeit um. Wichtig ist, dass diese Verbesserungen auch dann anhielten, wenn die Forschenden Sensorrauschen, Alterungseffekte in den Solarmodulen und dem Motor sowie kleine Unvollkommenheiten in der Wechselrichter-Hardware einführten. Der Lernprozess selbst erwies sich als stabil: Nach rund 50 Trainingszyklen wählte der Regler in mehr als 95 % der Vergleiche korrekt die bessere Option.

Was das für zukünftige photovoltaikbetriebene Maschinen bedeutet

Für Nichtfachleute lautet die Kernaussage: Die Autoren haben gezeigt, wie man einem photovoltaikbetriebenen Motorantrieb eine Art „Geschmack“ für sauberen Strom geben und diesen Geschmack im Laufe der Zeit verfeinern kann. Indem der Fokus auf einfachen Besser-oder-Schlechter-Entscheidungen statt auf fragilen numerischen Bewertungen liegt, bleibt der Regler robust, wenn das Wetter unbeständig ist, die Hardware mit dem Alter driftet oder Sensoren etwas verrauscht sind. Das Ergebnis sind gleichmäßigere Motorläufe, weniger verschwendete Energie und potenziell längere Gerätelebensdauer. Ansätze wie DPO-PVC könnten dazu beitragen, die nächste Generation von solarbetriebenen Pumpen, Lüftern und Industrieantrieben nicht nur grüner, sondern auch intelligenter und widerstandsfähiger zu machen.

Zitation: Ragavapriya, R.K., Perumal, M. Direct preference optimization-based adaptive control for minimizing total harmonic distortion in photovoltaic-powered electric drives. Sci Rep 16, 8173 (2026). https://doi.org/10.1038/s41598-026-38950-5

Schlüsselwörter: photovoltaikgetriebene Antriebe, Klirrfaktor, adaptive Regelung, Präferenzlernen, Solarwechselrichter