Adaptieve regeling gebaseerd op Direct Preference Optimization voor het minimaliseren van totale harmonische vervorming in door fotovoltaïsche energie aangedreven aandrijvingen

Waarom schonere zonne-energie voor motoren ertoe doet

Nu fabrieken, waterpompen en elektrische voertuigen steeds vaker zonnecellen gebruiken voor hun energie, reist er een verborgen probleem mee over de draden: elektrische “ruis” die vermogen kan verspillen, apparatuur kan belasten en de levensduur van motoren kan verkorten. Deze studie verkent een nieuwe manier waarop het regelsysteem van een zon-aangedreven elektrische aandrijving zichzelf effectief kan leren hoe het die ongewenste rimpels onder controle houdt, met ideeën ontleend aan moderne kunstmatige intelligentie.

Van hobbelige elektriciteit naar soepele beweging

Zonnecellen leveren gelijkstroom die moet worden omgezet naar de wisselstroom die de meeste motoren gebruiken. Die taak valt aan een elektronisch apparaat genaamd een omvormer, dat de stroom snel in- en uitschakelt. Dat schakelen brengt onvermijdelijk vervormingen in de spanning en stroom—extra rimpels op hogere frequenties—gezamenlijk bekend als harmonische vervorming. Te veel daarvan kan motoren warm doen lopen, trillingen veroorzaken en energie verspillen. Traditionele regelschema’s vertrouwen op vaste instellingen of nauwkeurige afstemming om deze harmonischen te beheersen, maar ze hebben de neiging te worstelen wanneer zonnestraling of motorkoppeling snel verandert, zoals vaak het geval is in echte zonnestroomsystemen.

De controller laten leren van zijn eigen keuzes

De auteurs stellen een nieuw regelkader voor genaamd Direct Preference Optimization–based Photovoltaic Voltage Control (DPO-PVC). In plaats van elke regelinstelling aan een exacte numerieke “score” te onderwerpen, beslist het systeem simpelweg welke van twee opties beter was—vergelijkbaar met het kiezen van een voorkeur tussen twee foto’s. In de praktijk genereert de controller twee verschillende manieren om de omvormer aan te sturen, laat ze draaien onder gelijke zon- en belastingsomstandigheden en meet de resulterende elektrische vervorming in de motor. Welke optie ook lagere vervorming oplevert, wordt gemarkeerd als de geprefereerde. Na veel van zulke vergelijkingen ontdekt een leeronderdeel in de controller patronen in welke soorten instellingen consequent leiden tot soepelere, schonere stroomvoorziening.

Testen met echt zonlicht en veeleisende aandrijvingen

Om ervoor te zorgen dat deze benadering realistisch is, bouwden de onderzoekers een gedetailleerde digitale tweeling van een zon-aangedreven aandrijvingssysteem: een fotovoltaïsche array, een hoogfrequente omvormer en een motormodel, allemaal aangestuurd door minuut-tot-minuut zon- en temperatuurgegevens uit de PVDAQ-database van het Amerikaanse National Renewable Energy Laboratory. Ze testten de controller in een breed scala aan scenario’s, waaronder heldere luchten, snel bewegende wolken, plotselinge beschaduwing en abrupte veranderingen in de mechanische belasting van de motor. In elk geval hield een ingebouwde harmonische analyzer bij hoe “ruisig” de elektrische golfvormen waren, en voedde die informatie terug in de voorkeur-leerlus.

De standaardcontrollers op alle fronten verslaan

De DPO-PVC-controller werd vergeleken met drie gangbare alternatieven: een standaard proportioneel–integraal–derivaat (PID)-controller, een fuzzy-logic-verbeterde PID en een PID afgestemd met een genetisch algoritme. Over deze referenties heen verminderde de nieuwe methode de spanningsvervorming tot ongeveer 2,9% en de stroomvervorming tot ongeveer 2,6%, wat ongeveer een halvering of beter is ten opzichte van de niveaus bereikt door de anderen. Hij bracht de motor ook sneller op snelheid, met kleinere snelheidsfouten en minder overshoot, terwijl hij zonne-energie met een efficiëntie van ongeveer 94,6% in nuttig mechanisch werk omzette. Belangrijk is dat deze verbeteringen behouden bleven toen de onderzoekers sensorruis, verouderingseffecten in de zonnepanelen en de motor, en kleine onvolkomenheden in de omvormerhardware introduceerden. Het leerproces zelf bleek stabiel: na ongeveer 50 trainingscycli koos de controller in meer dan 95% van de vergelijkingen correct de betere optie.

Wat dit betekent voor toekomstige zon-aangedreven machines

Voor niet-specialisten is de conclusie dat de auteurs hebben aangetoond hoe een zon-aangedreven motoraandrijving een soort “voorkeur” voor schone elektriciteit kan krijgen en die voorkeur in de loop van de tijd kan verfijnen. Door zich te concentreren op eenvoudige beter-of-slechter-beslissingen in plaats van fragiele numerieke scores, blijft de controller robuust wanneer het weer grillig is, hardware met de leeftijd schuift of sensoren wat ruisig zijn. Het resultaat is soepeler motorbedrijf, minder verspilde energie en mogelijk langere levensduur van apparatuur. Benaderingen zoals DPO-PVC kunnen helpen de volgende generatie zon-aangedreven pompen, ventilatoren en industriële aandrijvingen niet alleen groener, maar ook slimmer en veerkrachtiger te maken.

Bronvermelding: Ragavapriya, R.K., Perumal, M. Direct preference optimization-based adaptive control for minimizing total harmonic distortion in photovoltaic-powered electric drives. Sci Rep 16, 8173 (2026). https://doi.org/10.1038/s41598-026-38950-5

Trefwoorden: fotovoltaïsche elektrische aandrijvingen, harmonische vervorming, adaptieve regeling, voorkeurleren, zonne-omvormer