Contrôle adaptatif basé sur l’optimisation directe des préférences pour minimiser la distorsion harmonique totale dans des entraînements électriques alimentés par photovoltaïque

Pourquoi une électricité solaire plus propre pour les moteurs est importante

Alors que les usines, les pompes à eau et les véhicules électriques s’appuient de plus en plus sur les panneaux solaires pour leur énergie, un problème caché circule le long des câbles : un « bruit » électrique qui peut gaspiller de l’énergie, fatiguer les équipements et réduire la durée de vie des moteurs. Cette étude explore une nouvelle façon de permettre au système de commande d’un entraînement alimenté par solaire d’apprendre efficacement à maîtriser ces ondulations indésirables, en s’appuyant sur des idées empruntées à l’intelligence artificielle moderne.

De l’électricité cahoteuse au mouvement fluide

Les panneaux solaires produisent du courant continu qui doit être converti en courant alternatif utilisé par la plupart des moteurs. Cette conversion est effectuée par un dispositif électronique appelé onduleur, qui commute rapidement le courant. Cette commutation introduit inévitablement des distorsions dans la tension et le courant : des oscillations supplémentaires à plus haute fréquence, collectivement appelées distorsion harmonique. Un excès de distorsion peut faire chauffer les moteurs, provoquer des vibrations et entraîner des pertes d’énergie. Les schémas de commande traditionnels reposent sur des réglages fixes ou un réglage délicat pour maîtriser ces harmoniques, mais ils peinent quand l’ensoleillement ou la charge du moteur changent rapidement, comme c’est souvent le cas dans les systèmes solaires réels.

Laisser le contrôleur apprendre de ses propres choix

Les auteurs proposent un nouveau cadre de commande appelé Contrôle de Tension Photovoltaïque basé sur l’Optimisation Directe des Préférences (DPO-PVC). Plutôt que d’évaluer chaque réglage par un « score » numérique précis, le système décide simplement lequel de deux options a mieux performé — un peu comme choisir une photo préférée parmi une paire. En pratique, le contrôleur génère deux façons différentes de piloter l’onduleur, les teste sous les mêmes conditions solaires et de charge, et mesure la distorsion électrique résultante dans le moteur. L’option qui produit la moindre distorsion est marquée comme préférée. Au fil de nombreuses comparaisons de ce type, un module d’apprentissage à l’intérieur du contrôleur découvre des régularités indiquant quels types de réglages conduisent systématiquement à une alimentation plus lisse et plus propre.

Tests avec un vrai ensoleillement et des charges exigeantes

Pour s’assurer du réalisme de cette approche, les chercheurs ont construit un jumeau numérique détaillé d’un système d’entraînement alimenté par solaire : un champ photovoltaïque, un onduleur haute fréquence et un modèle de moteur électrique, le tout alimenté par des données minute par minute d’ensoleillement et de température issues de la base PVDAQ du National Renewable Energy Laboratory des États-Unis. Ils ont testé le contrôleur sur une large gamme de scénarios, incluant ciel dégagé, nuages rapides, ombrage soudain et variations brusques de la charge mécanique du moteur. Dans chaque cas, un analyseur harmonique intégré suivait le niveau de « bruit » des formes d’onde électriques, renvoyant cette information dans la boucle d’apprentissage des préférences.

Devancer les contrôleurs standards sur tous les plans

Le contrôleur DPO-PVC a été comparé à trois alternatives courantes : un contrôleur proportionnel–intégral–dérivé (PID) standard, un PID amélioré par logique floue, et un PID réglé par un algorithme génétique. Sur ces références, la nouvelle méthode a réduit la distorsion de la tension à environ 2,9 % et celle du courant à environ 2,6 %, soit une réduction d’environ moitié ou plus par rapport aux autres. Elle a également permis au moteur d’atteindre sa vitesse plus rapidement, avec des erreurs de vitesse plus faibles et moins de dépassement, tout en convertissant l’énergie solaire en travail mécanique utile avec un rendement d’environ 94,6 %. Fait important, ces gains ont résisté lorsque les chercheurs ont introduit du bruit capteur, des effets de vieillissement des panneaux solaires et du moteur, et de petites imperfections dans le matériel de l’onduleur. Le processus d’apprentissage lui-même s’est révélé stable : après environ 50 cycles d’entraînement, le contrôleur choisissait correctement la meilleure option dans plus de 95 % des comparaisons.

Ce que cela signifie pour les machines solaires de demain

Pour les non-spécialistes, la conclusion est que les auteurs ont montré comment un entraînement motorisé alimenté par solaire peut se doter d’une sorte de « goût » pour une électricité propre et affiner ce goût au fil du temps. En se concentrant sur des décisions simples mieux/pire plutôt que sur des scores numériques fragiles, le contrôleur reste robuste lorsque le temps est erratique, que le matériel dérive avec l’âge ou que les capteurs sont un peu bruyants. Le résultat est un fonctionnement plus fluide des moteurs, moins d’énergie gaspillée et potentiellement une durée de vie plus longue des équipements. Des approches comme le DPO-PVC pourraient aider à rendre la prochaine génération de pompes solaires, ventilateurs et entraînements industriels non seulement plus verts, mais aussi plus intelligents et plus résilients.

Citation: 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

Mots-clés: entraînements électriques photovoltaïques, distorsion harmonique, contrôle adaptatif, apprentissage des préférences, onduleur solaire