Sfruttare le reti neurali artificiali per la determinazione accurata dei parametri dei sistemi FV: radiazione, temperatura e MPPT

Energia solare più intelligente per la vita di tutti i giorni

I pannelli solari sono ormai presenti su tetti, terreni agricoli e perfino parcheggi, ma ottenere da essi la massima quantità di elettricità è più complicato di quanto appaia. La luce solare e la temperatura variano continuamente, e i circuiti di controllo tradizionali possono essere lenti e dispendiosi. Questo studio mostra come le reti neurali artificiali — sistemi di calcolo ispirati al cervello — possano aiutare i pannelli solari a estrarre automaticamente quasi ogni watt disponibile, utilizzando meno sensori e componenti più economici.

Perché sole e calore rendono incerta la potenza solare

I pannelli fotovoltaici rendono al meglio in un preciso punto di funzionamento in cui tensione e corrente si combinano per fornire la potenza massima. Questo punto ideale si sposta durante il giorno mentre le nuvole passano, cambia l’angolo del sole e i pannelli si riscaldano. I regolatori convenzionali cercano quel punto variando la tensione operativa e osservando la risposta in potenza. Questi metodi sono semplici ma spesso sovracorrono, impiegano tempo a stabilizzarsi e sprecano energia oscillando continuamente attorno al punto ottimale invece di bloccarvisi con precisione.

Ridurre i sensori senza perdere informazioni

Per seguire con precisione il miglior punto di funzionamento, gli ingegneri misurano tradizionalmente quanta luce colpisce il pannello e quanto sono calde le celle, usando un sensore di irraggiamento (piranomètre) e sonde di temperatura. Questi strumenti aumentano costo, complessità e manutenzione — specialmente nelle grandi centrali solari. I ricercatori propongono una prima rete neurale che elimina del tutto questi sensori dedicati. Al loro posto, si basa solo su due misure elettriche di base prese da un pannello di riferimento: la tensione a circuito aperto e la corrente di cortocircuito. Da questi valori la rete impara a dedurre quanto è intensa la luce solare e quanto si è riscaldato il pannello, anche in condizioni meteorologiche rapidamente variabili.

Lasciare che la rete controlli il convertitore di potenza

Una volta stimati irraggiamento e temperatura, la sfida successiva è guidare l’elettronica di potenza in modo che i pannelli operino esattamente al loro punto di massima potenza. Qui entra in gioco una seconda rete neurale. Essa riceve in input le stime di irraggiamento e temperatura e restituisce il valore ottimale del “duty cycle” per il convertitore DC–DC che collega i pannelli al carico. Questo duty cycle determina come il convertitore aumenta la tensione del pannello e regola il flusso di corrente. Imparando direttamente da simulazioni dettagliate del sistema fotovoltaico, la rete può passare quasi istantaneamente all’impostazione migliore invece di cercarla lentamente.

Test sotto cieli realistici

Il team ha sottoposto l’approccio a due stadi a una serie di simulazioni al computer e a esperimenti nel mondo reale. Hanno prima addestrato e testato le reti usando dati tratti dalle specifiche dei pannelli e poi con registrazioni meteorologiche reali della soleggiata città costiera di Hurghada, in Egitto. Infine hanno costruito allestimenti hardware sia in laboratorio, usando alimentatori programmabili per simulare i pannelli, sia all’aperto, con tre moduli solari reali. In tutti i casi il sistema basato su rete neurale ha stimato irraggiamento e temperatura con precisione molto superiore rispetto alle formule tradizionali e ha controllato il convertitore di potenza per estrarre quasi tutta l’energia disponibile, con ondulazioni di tensione e corrente molto piccole e tempi di risposta di pochi millesimi di secondo.

Cosa significa per il futuro dell’energia solare

Per chi non è specialista, il risultato può essere interpretato come dotare i pannelli solari di una sorta di “sensibilità intelligente” verso l’ambiente circostante. Facendo affidamento su algoritmi di apprendimento rapido invece che su numerosi sensori fisici e su controlli per tentativi, il sistema trasforma il meteo variabile da problema in una condizione a cui adattarsi velocemente. Lo studio dimostra che, con reti neurali accuratamente addestrate, un impianto solare può avvicinarsi al 100% della sua potenza teorica mantenendo semplicità e costi relativamente bassi. Allargando queste idee a impianti più grandi, sistemi connessi alla rete e modelli di machine learning più avanzati, si prospettano elettricità solare più pulita, più affidabile e più economica.

Citazione: Abdelqawee, I.M., Selmy, M., ALI, M.N. et al. Harnessing artificial neural networks for accurate PV system parameters determination: radiation, temperature, and MPPT. Sci Rep 16, 9682 (2026). https://doi.org/10.1038/s41598-026-40175-5

Parole chiave: energia solare, sistemi fotovoltaici, reti neurali, inseguimento del punto di massima potenza, controllo delle energie rinnovabili