Un nuovo controllo intelligente usando l’ottimizzazione RBFNN-class topper per il miglioramento della stabilità in microreti ibride isolate

Mantenere le luci accese nei luoghi remoti

Molti villaggi remoti, isole e comunità fuori rete stanno iniziando a elettrificarsi con una combinazione di pannelli solari, piccole turbine eoliche e batterie. Ma mantenere una fornitura stabile quando passano le nuvole o cala il vento è più difficile di quanto sembri. Questo articolo presenta un nuovo metodo di controllo “intelligente” che aiuta queste piccole reti elettriche, chiamate microreti isolate, a fornire elettricità uniforme e affidabile con meno sfarfallii, minore rumore elettrico e un uso più efficiente dell’energia pulita.

Come funziona una piccola rete elettrica

Lo studio esamina un sistema di potenza compatto che combina tre elementi chiave: un campo solare, una turbina eolica e un grande pacco di batterie, tutti collegati su una linea in corrente continua (DC) comune. Da questo dorsale condiviso, un dispositivo elettronico chiamato inverter produce la corrente alternata trifase regolare che usano le abitazioni e gli apparecchi. Solare e vento sono intrinsecamente instabili—sole e vento variano rapidamente—quindi la batteria interviene per immagazzinare energia in eccesso o per colmare i vuoti. L’intero sistema deve costantemente gestire questi flussi affinché la linea DC rimanga vicino alla tensione target e la corrente alternata erogata al carico resti pulita e stabile.

Perché il controllo tradizionale non basta

I controllori convenzionali in tali sistemi usano impostazioni fisse tarate a mano. Possono funzionare bene intorno a un punto di funzionamento, ma faticano quando le condizioni cambiano rapidamente: un balzo improvviso nella domanda, nuvole che coprono il sole o raffiche di vento. Questi metodi spesso permettono oscillazioni di tensione evidenti e producono forme d’onda di corrente distorte che possono stressare i dispositivi e sprecare energia. Approcci più avanzati basati su logica fuzzy o modelli predittivi complessi possono adattarsi meglio, ma tendono a richiedere elaborazioni pesanti e insiemi di regole intricati, rendendoli difficili da eseguire in tempo reale su hardware accessibile.

Un approccio di controllo intelligente a due livelli

Gli autori propongono uno schema di controllo a due livelli che combina una rete neurale a rapida reazione con un ottimizzatore supervisore più lento. Lo strato inferiore utilizza una rete neurale a funzione di base radiale (radial basis function), un tipo di modello di apprendimento automatico che eccelle nella gestione di comportamenti non lineari. Osserva quanto la tensione DC e le correnti dell’inverter si discostano dai valori desiderati, quindi aggiusta rapidamente i comandi del convertitore e dell’inverter per correggere questi errori. Soprastante a questo, un “Class Topper Optimization Algorithm” svolge il ruolo di allenatore. Ispirato a come gli studenti apprendono dal miglior esecutore della classe, revisiona periodicamente le prestazioni del sistema—esaminando le deviazioni di tensione e quanto la corrente sia sinusoidale—e regola delicatamente guadagni di controllo chiave e tassi di apprendimento entro limiti di sicurezza. Questa separazione tra apprendimento veloce e ottimizzazione più lenta mantiene il sistema reattivo senza renderlo instabile.

Mettere alla prova il controllore intelligente

Per valutare le prestazioni del nuovo metodo, i ricercatori hanno simulato una microrete con un campo solare da 10 kilowatt, una turbina eolica da 20 kilowatt e una batteria da 60 kilowatt‑ora. L’hanno sottoposta a bruschi cambiamenti di irraggiamento, velocità del vento e carico, inclusi salti istantanei da bassa a piena richiesta e carichi non lineari che normalmente introducono forte rumore elettrico. Rispetto a un controllore proporzionale–integrale standard e a un controllore a rete neurale più semplice, il nuovo schema ha mantenuto la tensione DC molto più vicina al valore target, si è ripreso dalle perturbazioni circa il doppio più velocemente e ha ridotto le ondulazioni indesiderate. La corrente elettrica erogata al carico è diventata quasi perfettamente uniforme, con distorsione armonica mantenuta ben al di sotto dei limiti di qualità di potenza utilizzati comunemente dagli standard IEEE.

Perché questo conta per le microreti del futuro

Per i non specialisti, il principale risultato è che questo framework di controllo intelligente aiuta i piccoli sistemi energetici basati su rinnovabili a comportarsi più come una rete tradizionale robusta: le luci restano stabili, i motori funzionano senza intoppi e l’elettronica sensibile è meglio protetta, anche quando meteo e domanda cambiano rapidamente. Poiché il metodo è computazionalmente leggero e modulare, può essere implementato su controller digitali pratici ed esteso a microreti più grandi o multi‑area senza dover riaddestrare tutto da zero. In breve, il lavoro mostra una strada promettente verso sistemi di energia locale più affidabili e puliti, capaci di portare elettricità di alta qualità in luoghi lontani dalle linee di rete tradizionali.

Citazione: Myla, A., Gorantla, S. A novel intelligent control using RBFNN-class topper optimization for stability enhancement in hybrid standalone microgrid. Sci Rep 16, 14008 (2026). https://doi.org/10.1038/s41598-026-44798-6

Parole chiave: microrete, controllo delle energie rinnovabili, controllore a rete neurale, accumulo di energia a batteria, qualità dell’energia