Integrazione MPPT basata su apprendimento automatico con convertitore DC-DC quadraticamente doppio-esteso per veicoli elettrici BLDC alimentati da fotovoltaico connessi alla rete

Energia pulita per la strada che ci attende

Con il passaggio dei veicoli elettrici da nicchia a diffusione di massa, sorge una domanda fondamentale: come possiamo ricaricarli e muoverli usando energia pulita senza disperdere energia preziosa lungo il percorso? Questo articolo esplora un sistema di propulsione alimentato a energia solare che mira a estrarre più elettricità dalla luce, trasferirla in modo più efficiente attraverso l’elettronica e azionare in modo affidabile un motore elettrico, mantenendo al contempo in equilibrio rete elettrica e batteria di bordo. Il risultato è un progetto tecnico per una mobilità elettrica più pulita ed efficiente che potrebbe rendere i veicoli caricati a energia solare molto più pratici nella vita quotidiana.

Perché le auto solari hanno bisogno di elettronica più intelligente

I pannelli solari sono attraenti per alimentare i veicoli perché convertono la luce solare gratuita in elettricità senza emissioni dallo scarico. Ma un singolo pannello produce una tensione relativamente bassa, e la sua uscita varia costantemente con nuvole, temperatura e ora del giorno. Per alimentare un motore elettrico, quell’energia oscillante e a livello ridotto deve essere aumentata, stabilizzata e indirizzata tra motore, batteria e rete. I convertitori elettronici tradizionali possono farlo, ma faticano a raggiungere alte tensioni in modo efficiente, specialmente in condizioni variabili. Allo stesso modo, molti metodi di controllo esistenti che cercano il “punto favorevole” di massima potenza del pannello sono lenti, soggetti a oscillazioni o facilmente confusi da rapidi cambiamenti meteorologici e ombreggiamenti parziali.

Un nuovo modo per incrementare la potenza solare

Per affrontare questi ostacoli, gli autori progettano un nuovo tipo di convertitore DC-DC chiamato convertitore quadraticamente doppio-esteso (QDE). In termini semplici, questo circuito riceve una tensione DC modesta dall’array solare e, attraverso una rete accuratamente disposta di induttanze, condensatori, diodi e due interruttori attivi, la moltiplica fino a un livello molto più alto e utile. A differenza dei booster multi-stadio convenzionali che concatenano diversi convertitori—aggiungendo costi, complessità e perdite di potenza—il design QDE riusa i percorsi di energia nel tempo all’interno di una singola struttura. Ciò produce un aumento quadratico della tensione di uscita rispetto al segnale di controllo (duty cycle), mantenendo allo stesso tempo lo stress di tensione sui componenti relativamente basso. Uno stress ridotto implica componenti più piccoli, più freddi e più affidabili, contribuendo a far funzionare l’intero sistema con maggiore efficienza.

Lasciare che un algoritmo impari a inseguire la luce

Aumentare la tensione è solo metà della storia; il sistema deve anche decidere esattamente quanto spingere il convertitore per catturare la massima potenza dai pannelli in ogni momento. Qui gli autori ricorrono all’apprendimento automatico e a una strategia di ricerca ispirata alla natura. Utilizzano una rete neurale a funzioni di base radiali (RBFNN), un tipo di modello di apprendimento semplice che può cogliere relazioni non lineari, per generare il segnale di controllo del convertitore. La rete neurale è ottimizzata mediante un metodo ispirato al comportamento di foraggiamento delle tartarughe marine, che seguono indizi chimici nell’oceano per raggiungere aree ricche di cibo. Nell’analogia elettronica, molte “tartarughe virtuali” esplorano diverse combinazioni di parametri, convergendo gradualmente su impostazioni che massimizzano un punteggio di prestazione legato alla cattura di potenza. Questo processo di Sea Turtle Foraging Optimization (STFO) conferisce al controllore la capacità di rispondere rapidamente e con regolarità a variazioni di luce e temperatura, mantenendo i pannelli vicini al loro punto di massima potenza con fluttuazioni minime.

Condivisione dell’energia fra sole, batteria e rete

Dal lato veicolo, la potenza solare aumentata è inviata a un bus DC che alimenta un inverter trifase e un motore brushless DC (BLDC), il componente che effettivamente fa girare le ruote. Un semplice controllore proporzionale–integrale (PI) mantiene la velocità del motore costante a fronte di diversi carichi. Per assicurare che il veicolo non resti mai a corto di energia—o non sprechi la produzione solare in eccesso—il sistema include un convertitore bidirezionale collegato a un pacco batteria, oltre a un secondo inverter che si connette alla rete elettrica. La batteria può caricarsi quando il sole è intenso e la domanda del motore è modesta, o scaricarsi per supportare la guida e persino immettere energia nella rete in uno scenario vehicle-to-grid. L’interazione con la rete è gestita in modo che potenza attiva e reattiva rimangano entro limiti sani, contribuendo a mantenere una corrente pulita, quasi sinusoidale, con distorsione molto bassa.

Mettere alla prova il progetto

I ricercatori convalidano il loro approccio tramite simulazioni al computer e un prototipo hardware. Con ingressi solari realistici, il convertitore QDE eleva la tensione del pannello a circa il doppio del suo valore mantenendo un’efficienza di conversione misurata superiore al 95 percento in simulazione e quasi il 94 percento sull’hardware. Il controllore neurale addestrato con STFO raggiunge un’alta efficienza di inseguimento, cioè cattura quasi tutta la potenza che i pannelli possono erogare, mantenendo al contempo ripply e sovraelongazioni ridotti. Le correnti di rete mostrano una distorsione armonica totale ben al di sotto degli standard comuni, indicando che l’energia immessa nella rete è eccezionalmente pulita. Durante i test in cui il sole cala, l’array solare viene spento o i carichi cambiano, batteria e rete subentrano senza soluzione di continuità in modo che il motore BLDC continui a funzionare regolarmente alla velocità target.

Cosa significa per gli automobilisti di tutti i giorni

In termini semplici, lo studio dimostra che l’elettronica intelligente e il controllo basato sull’apprendimento possono rendere i veicoli elettrici alimentati a energia solare molto più efficienti e affidabili. Combinando un convertitore ad alto guadagno e basso stress con un controllore auto‑tarante ispirato alla biologia, il sistema estrae più energia utile da ogni raggio di sole e spreca meno sotto forma di calore e rumore elettrico. L’uso coordinato di batteria e supporto dalla rete mantiene il motore in funzione con stabilità, anche quando le condizioni sono lontane dall’ideale. Pur necessitando di ulteriori studi per confermare la robustezza a lungo termine in ambienti severi e con componenti invecchiati, questa architettura indica una direzione verso veicoli elettrici più puliti e resilienti, migliori partner sia per impianti fotovoltaici su tetto sia per le reti elettriche moderne.

Citazione: Karthikeyan, D., Shukla, .K. & Rajesh, K. Machine learning-based MPPT integration with quadratic double-extended DC-DC converter for grid-connected PV-powered BLDC electric vehicles. Sci Rep 16, 11466 (2026). https://doi.org/10.1038/s41598-026-41938-w

Parole chiave: veicoli elettrici solari, elettronica di potenza, inseguimento del punto di massima potenza, integrazione di energie rinnovabili, azionamenti per motori DC senza spazzole