Control adaptativo basado en optimización directa de preferencias para minimizar la distorsión armónica total en accionamientos eléctricos alimentados por fotovoltaica

Por qué importa una energía solar más limpia para los motores

A medida que fábricas, bombas de agua y vehículos eléctricos recurren cada vez más a paneles solares para su energía, un problema oculto viaja por los cables: “ruido” eléctrico que puede desperdiciar energía, forzar los equipos y acortar la vida útil de los motores. Este estudio explora una nueva forma de permitir que el sistema de control de un accionamiento alimentado por energía solar aprenda de forma eficaz a mantener a raya esas oscilaciones no deseadas, empleando ideas tomadas de la inteligencia artificial moderna.

De la electricidad irregular al movimiento fluido

Los paneles solares generan corriente continua que debe convertirse en la corriente alterna utilizada por la mayoría de los motores. Esa tarea corresponde a un dispositivo electrónico llamado inversor, que conmuta la corriente muy rápidamente. Esta conmutación introduce inevitablemente distorsiones en la tensión y la corriente: ondulaciones adicionales a frecuencias más altas, colectivamente conocidas como distorsión armónica. Un exceso de ellas puede hacer que los motores se calienten, vibren y desperdicien energía. Los esquemas de control tradicionales se basan en ajustes fijos o en una puesta a punto laboriosa para mantener estas armónicas bajo control, pero tienden a fallar cuando la radiación solar o la carga del motor cambian rápidamente, como suele ocurrir en los sistemas solares reales.

Permitir que el controlador aprenda de sus propias decisiones

Los autores proponen un nuevo marco de control llamado Control de Tensión Fotovoltaica basado en Optimización Directa de Preferencias (DPO-PVC). En lugar de evaluar cada ajuste de control mediante una puntuación numérica exacta, el sistema simplemente decide cuál de dos opciones fue mejor, de forma similar a elegir una foto preferida entre un par. En la práctica, el controlador genera dos maneras distintas de accionar el inversor, las ejecuta bajo las mismas condiciones de sol y carga, y mide la distorsión eléctrica resultante en el motor. La opción que produce menos distorsión se marca como la preferida. Tras muchas comparaciones de este tipo, un módulo de aprendizaje dentro del controlador descubre patrones sobre qué tipos de ajustes conducen de forma consistente a una energía más suave y limpia.

Pruebas con luz real y accionamientos exigentes

Para asegurar que este enfoque fuera realista, los investigadores construyeron un gemelo digital detallado de un sistema de accionamiento alimentado por fotovoltaica: un campo fotovoltaico, un inversor de alta frecuencia y un modelo de motor eléctrico, todo ello impulsado por datos minuto a minuto de radiación solar y temperatura del conjunto de datos PVDAQ del Laboratorio Nacional de Energías Renovables de EE. UU. Probaron el controlador en una amplia gama de escenarios, incluyendo cielos despejados, nubes rápidas, sombreado repentino y cambios abruptos en la carga mecánica del motor. En cada caso, un analizador de armónicos incorporado registró cuán “ruidosas” eran las formas de onda eléctricas y devolvió esa información al bucle de aprendizaje por preferencias.

Superando a los controladores estándar en todos los frentes

El controlador DPO-PVC se comparó con tres alternativas comunes: un controlador proporcional–integral–derivativo (PID) estándar, un PID mejorado con lógica difusa y un PID ajustado mediante un algoritmo genético. En estas comparativas, el nuevo método redujo la distorsión de tensión a aproximadamente 2,9% y la distorsión de corriente a alrededor de 2,6%, reduciendo a la mitad o mejorando los niveles obtenidos por los demás. También aceleró la puesta a velocidad del motor, con errores de velocidad menores y menos sobreimpulso, mientras convertía la energía solar en trabajo mecánico útil con una eficiencia de aproximadamente 94,6%. Importante: estas mejoras se mantuvieron cuando los investigadores introdujeron ruido en los sensores, efectos de envejecimiento en los paneles solares y en el motor, y pequeñas imperfecciones en el hardware del inversor. El propio proceso de aprendizaje demostró ser estable: tras unas 50 fases de entrenamiento, el controlador eligió correctamente la mejor opción en más del 95% de las comparaciones.

Qué implica esto para las máquinas solares futuras

Para el público general, la conclusión es que los autores han mostrado cómo a un accionamiento de motor alimentado por energía solar se le puede dotar de una especie de “gusto” por la electricidad limpia y permitir que refine ese gusto con el tiempo. Al centrarse en decisiones sencillas de mejor o peor en lugar de en puntuaciones numéricas frágiles, el controlador se mantiene robusto cuando el clima es errático, el hardware envejece o los sensores son algo ruidosos. El resultado es un funcionamiento del motor más suave, menos energía desperdiciada y, potencialmente, una vida útil más larga del equipo. Enfoques como DPO-PVC podrían ayudar a que la próxima generación de bombas, ventiladores y accionamientos industriales alimentados por solar no solo sea más verde, sino también más inteligente y resistente.

Cita: 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

Palabras clave: accionamientos eléctricos fotovoltaicos, distorsión armónica, control adaptativo, aprendizaje de preferencias, inversor solar