Validazione sperimentale del controllo ottimizzato con metaeuristiche per il miglioramento delle prestazioni dinamiche di DFIG standalone

Mantenere le luci accese nelle comunità remote alimentate dal vento

Man mano che sempre più villaggi, fattorie e piccole isole scelgono turbine eoliche al posto dei generatori diesel, si confrontano con un problema sottile ma serio: mantenere l’elettricità stabile e pulita quando il vento e la domanda locale sono tutt’altro che costanti. Questo articolo esplora un nuovo approccio per far comportare in modo più equilibrato e affidabile un noto generatore per turbine eoliche, in modo che le luci non sfarfallino, gli elettrodomestici non ne risentano e l’elettronica sensibile possa funzionare in sicurezza anche alla fine di una lunga, isolata linea elettrica.

Perché questo tipo di generatore eolico è importante

Molte turbine moderne usano il cosiddetto generatore asincrono a doppia alimentazione, o DFIG. A differenza di un generatore semplice che ruota a una velocità fissa, un DFIG può adattarsi al vento variabile mantenendo comunque la fornitura di energia alla frequenza corretta. Lo ottiene grazie all’elettronica di potenza che consente di governare separatamente quanta potenza attiva e quanta potenza reattiva la turbina immette. Questa flessibilità rende i DFIG efficienti ed economici, soprattutto per progetti eolici di taglia media. Ma la stessa complessità li rende anche sensibili: variazioni del vento, carichi domestici non uniformi e anomalie dei componenti possono provocare sovratensioni, lente riprese dopo disturbi e forme d’onda distorte che degradano la qualità della potenza.

Regolazione più intelligente invece di tentativi ed errori

Al centro del problema c’è il modo di tarare i semplici ma potenti controllori proporzionale–integrale (PI) che sono integrati nell’elettronica del DFIG. Questi regolatori decidono, istante per istante, come regolare le correnti nel generatore affinché la tensione in uscita resti al livello desiderato. Tradizionalmente, gli ingegneri scelgono i parametri PI seguendo regole dei libri di testo o lunghe sessioni di tentativi ed errori. In un sistema tanto non lineare e variabile quanto una turbina eolica standalone, quei metodi spesso portano a risposte lente, grandi sovraelongazioni e alti livelli di armoniche indesiderate. Gli autori ricorrono invece a due strategie di ricerca ispirate alla natura: l’algoritmo cuckoo search, basato su come alcuni uccelli depongono le uova nei nidi altrui, e l’algoritmo whale optimization, modellato sul comportamento delle megattere che accerchiano le prede con reti di bolle a spirale. Questi metodi esplorano automaticamente molte possibili combinazioni di parametri PI per trovare soluzioni che garantiscano risposte rapide e ben controllate.

Come è stata testata la nuova strategia di controllo

Lo studio si concentra su un DFIG standalone che deve alimentare direttamente i carichi locali, senza l’aiuto stabilizzante di una grande rete. I ricercatori mantengono semplice e fissa la parte meccanica della turbina e si concentrano sui loop di controllo elettrici che modellano la tensione dello statore. Progettano uno schema di controllo a tensione diretta per il convertitore lato rotore e lasciano che i due algoritmi di ricerca tarino sei guadagni chiave: una coppia per il regolatore di tensione dello statore e due coppie per i loop di corrente del rotore. L’obiettivo di taratura è espresso in una misura unica che penalizza sia errori elevati sia errori prolungati, favorendo correzioni rapide e pulite. Prima esplorano le prestazioni su modelli al computer dettagliati; poi trasferiscono lo stesso codice di controllo su una piattaforma hardware dSPACE DS1104 che pilota una macchina a rotore avvolto reale da 3 kW, convertitori e carichi programmabili, così da confrontare in modo equo simulazioni ed esperimenti.

Cosa succede durante cambiamenti improvvisi

Per valutare l’efficacia della nuova taratura, il team sottopone il sistema a prove severe ma realistiche. In una serie di esperimenti, un carico consistente viene collegato bruscamente e poi rimosso mentre la velocità della turbina viene mantenuta costante. Con le impostazioni PI convenzionali, la tensione dello statore schizza ben oltre il valore target e impiega diversi secondi a stabilizzarsi, e la forma d’onda della tensione mostra un elevato livello di distorsione. Con i guadagni PI scelti dagli algoritmi cuckoo search o whale optimization, gli stessi disturbi producono picchi molto più contenuti e recuperi più lineari. Nel caso più significativo, la sovraelongazione viene ridotta fino all’88% e il tempo di salita migliora del 99%, passando da circa due decimi di secondo a poche migliaia di secondi. Un’altra serie di test incrementa e decrementa la tensione desiderata dello statore del 40%, mimando aggiustamenti intenzionali o disturbi interni. Anche in questo caso, i controllori ottimizzati mantengono la tensione vicina al valore target con soltanto modeste sovraelongazioni e rapida stabilizzazione.

Ripulire la forma dell’elettricità

Una tensione che sembra liscia a prima vista può comunque nascondere problemi nei dettagli. Gli autori misurano pertanto anche la distorsione armonica totale, un indicatore standard di quanto la forma d’onda si discosti da un seno puro. A velocità del rotore sia moderate che più elevate, il controllore convenzionale lascia la distorsione della tensione dello statore intorno al 30%, un livello che può stressare motori, trasformatori e dispositivi elettronici. Con la nuova taratura, quella distorsione scende in modo drastico, sotto circa l’8% in tutti i casi e fino a circa il 6% nella configurazione migliore. Anche le forme d’onda di corrente, sia nel rotore sia nello statore, mostrano miglioramenti simili, confermando che la qualità complessiva della potenza fornita ai carichi si avvicina molto a quella attesa da una rete di servizio ben regolata.

Cosa significa questo per l’energia eolica nel mondo reale

Per chi immagina una fattoria remota, una miniera o un’isola alimentati principalmente dal vento, il messaggio è chiaro: una taratura più intelligente dei regolatori esistenti può rendere i sistemi eolici standalone molto più affidabili senza riprogettare l’hardware. Affidando agli algoritmi di ricerca ispirati a uccelli e balene la scelta dei parametri di controllo del DFIG, gli autori ottengono reazioni più rapide e delicate ai cambiamenti improvvisi e forme d’onda di tensione nettamente più pulite. Ciò significa meno luci che sfarfallano, migliore protezione per le apparecchiature e maggiore fiducia nel fatto che il vento possa servire come fonte energetica primaria anche in assenza di una grande rete.

Citazione: Soued, S., Boureguig, K., Chabani, M.S. et al. Experimental validation of metaheuristic-optimized control for standalone DFIG dynamic performance enhancement. Sci Rep 16, 10432 (2026). https://doi.org/10.1038/s41598-026-39460-0

Parole chiave: energia eolica, generatore asincrono a doppia alimentazione, qualità della potenza, controllo con metaeuristiche, micror rete standalone