Intelligent RBF-neuraalnetwerkgestuurde regeling voor dynamische stabiliteit en vermogensregeling in met hernieuwbare energie geïntegreerde microgrids

Waarom slimmer lokaal vermogen ertoe doet

Naarmate huizen, campusterreinen en kleine gemeenschappen meer zonnepanelen op daken en windturbines toevoegen, blijkt het in stand houden van de stroomvoorziening verrassend ingewikkeld. Zonlicht en wind variëren van minuut tot minuut, waardoor lokale energiesystemen, of microgrids, kwetsbaar zijn voor flikkeringen, spanningsdips en verloren gaan van schone energie. Dit artikel onderzoekt een intelligente regeling die een mix van geavancele elektronica en een snel lerend neuraal netwerk gebruikt om een door hernieuwbare bronnen gedomineerd microgrid stabiel, efficiënt en klaar voor praktijkgebruik te houden.

Een klein netwerk in balans houden

Een microgrid is als een buurtgroot elektriciteitssysteem dat zonnepanelen, windturbines, batterijen en een aansluiting op het grote openbare net kan combineren. De uitdaging is dat elk onderdeel zich anders gedraagt: zonnepanelen produceren gelijkstroom (DC), het openbare net gebruikt wisselstroom (AC), en windturbines veranderen hun vermogen als de wind verschuift. De auteurs ontwerpen een microgrid waarin zonne-energie, windenergie en een batterij allemaal op een gemeenschappelijke DC-“bus” worden gevoed die vervolgens het lokale net voedt. Om dit kleine energiesysteem in balans te houden richten ze zich op twee doelen die dagelijkse gebruikers belangrijk vinden: stabiele spanning en frequentie (zodat apparaten correct werken) en hoge efficiëntie (zodat weinig van de waardevolle hernieuwbare energie als warmte in de elektronica verloren gaat).

Slimmere besturing voor hernieuwbare energie

In het hart van het systeem bevindt zich een intelligente regelaar opgebouwd uit een Radial Basis Function Neuraal Netwerk (RBFNN). Simpel gezegd is dit een machine-learning “brein” dat snel kan leren hoe het microgrid zich gedraagt onder verschillende omstandigheden en vervolgens regelaanpassingen in real time kan doorvoeren. Het verzamelt metingen zoals spanning, stroom en vermogen uit het hele microgrid, analyseert deze en stuurt geoptimaliseerde commando’s naar lokale regelaars die de elektronica verbinden met de zonnepanelen, windturbine, batterij en netkoppeling aansturen. Omdat het RBFNN snel leert en zich ter plaatse kan aanpassen, kan het plotselinge veranderingen in zonlicht, wind of elektriciteitsvraag beter afhandelen dan traditionele regelaars, die vaak tijdrovende handmatige nabelastingen vereisen.

De opbrengst van zon vergroten en schommelingen temmen

Zonnepanelen produceren van nature relatief lage spanningen die verhoogd moeten worden voordat ze het microgrid kunnen voeden. De auteurs introduceren een gespecialiseerde vermogenselektronische schakeling, een Z-source geïntegreerde gekoppelde inductorsboost-converter (Z-SCIB), die de zonne-uitgang naar een veel hoger, nuttiger niveau kan verhogen terwijl de belasting op de interne componenten laag blijft. Deze converter wordt aangestuurd door een klassieke proportioneel–integraal (PI) regelaar waarvan de afstemming automatisch wordt geoptimaliseerd door een bio-geïnspireerde zoekmethode gemodelleerd naar de migratie van ganzen, genaamd Grey Lag Goose Optimization (GGO). Samen zorgen de Z-SCIB-converter en de GGO-afgestelde PI-regelaar ervoor dat de zonne‑spanning snel op het doelniveau stabiliseert, met een efficiëntie van ongeveer 97%, wat betekent dat zeer weinig zonne-energie verloren gaat in het conversieproces.

Wind, batterijen en schone stroomkwaliteit

Windenergie wordt het microgrid ingebracht via een doubly fed induction generator, een type windturbinelenerator dat zowel het geleverde actieve vermogen als het reactieve vermogen kan aanpassen dat helpt de netspanning te ondersteunen. De output wordt naar DC omgezet en strak gereguleerd voordat deze de gemeenschappelijke bus voedt. Een bidirectionele converter koppelt een batterij aan dezelfde bus, waardoor de batterij overtollig vermogen kan opnemen wanneer zon en wind overvloedig zijn en het kan terugleveren wanneer de vraag stijgt of de hernieuwbare productie daalt. Extra PI-regelaars houden de laadstroom van de batterij veilig en zorgen dat de naar het net gerichte inverter synchroon blijft met het hoofdnet. Simulaties tonen aan dat zelfs wanneer temperatuur, zonlicht, windsnelheid en belasting allemaal fluctueren, het systeem de netspanning en -stroom stabiel houdt en elektrische vervorming (schadelijke harmonischen) zeer laag houdt.

Wat het betekent voor alledaags energiegebruik

De studie concludeert dat het combineren van een efficiënte zonne‑boostconverter, een flexibele windgenerator, slimme batterijmanagement en een RBFNN‑gebaseerde supervisieregelaar hernieuwbare‑zware microgrids zowel stabiel als zeer efficiënt kan maken. In de praktijk betekent dit minder flikkeringen, beter gebruik van schone energie en verbeterde betrouwbaarheid voor plaatsen die afhankelijk zijn van lokale opwekking, van afgelegen dorpen tot stedelijke campussen. Hoewel de aanpak nog steeds afhankelijk is van goede trainingsdata voor het neuraal netwerk en enige rekencomplexiteit toevoegt, toont het een duidelijk pad naar microgrids die zich automatisch kunnen aanpassen aan het chaotische gedrag van weersomstandigheden en elektriciteitsvraag in de echte wereld, waardoor betrouwbare schone energie dichter bij het dagelijks leven komt.

Bronvermelding: Chiluka, V., Sekhar, G.G.R., Reddy, C.R. et al. Intelligent RBF neural network-based control for dynamic stability and power control in renewable-integrated microgrids. Sci Rep 16, 6250 (2026). https://doi.org/10.1038/s41598-026-36641-9

Trefwoorden: microgrid regeling, hernieuwbare energie, zonne- en windenergie, batterijopslag, neuraal netwerkregelaar