Integratie van ML-gebaseerde MPPT met kwadratische dubbel-uitgebreide DC-DC-omzetter voor netgekoppelde PV-aangedreven BLDC-elektrische voertuigen

Schoon vermogen voor de weg vooruit

Naarmate elektrische voertuigen van een niche naar het grote publiek verschuiven, rijst een centrale vraag: hoe kunnen we ze opladen en aandrijven met schone energie zonder onderweg kostbare elektriciteit te verspillen? Dit artikel onderzoekt een zon-aangedreven aandrijfsysteem dat erop gericht is meer elektriciteit uit zonlicht te halen, deze efficiënter door de elektronica te leiden en betrouwbaar een elektromotor aan te drijven, terwijl het net en de boordaccu in balans blijven. Het resultaat is een technisch stappenplan voor schonere, efficiëntere elektrische mobiliteit dat zonne-opgeladen voertuigen veel praktischer kan maken in het dagelijks gebruik.

Waarom zonnepanelen in auto's slimere elektronica nodig hebben

Zonnepanelen zijn aantrekkelijk om voertuigen van stroom te voorzien omdat ze gratis zonlicht omzetten in elektriciteit zonder uitlaatgassen. Maar één paneel levert relatief lage spanning en de output verandert continu door wolken, temperatuur en tijd van de dag. Om een elektromotor te laten draaien, moet die onstabiele, laag-niveau elektriciteit worden verhoogd, gestabiliseerd en verdeeld tussen motor, accu en net. Traditionele elektronische omzetters kunnen dit doen, maar hebben moeite om efficiënt hoge spanningen te bereiken, vooral bij veranderende omstandigheden. Evenzo zijn veel bestaande regelmethoden om het “sweet spot”-vermogen van een paneel te zoeken traag, gevoelig voor oscillaties of eenvoudig te verwarren door snelle weersveranderingen en gedeeltelijke beschaduwing.

Een nieuwe manier om zonne-energie op te voeren

Om deze hindernissen te overwinnen ontwerpen de auteurs een nieuw type DC-DC-omzetter, de zogenaamde kwadratische dubbel-uitgebreide (QDE) omzetter. In eenvoudige bewoordingen neemt deze schakeling een bescheiden gelijkspanning van het zonnepaneel en vermenigvuldigt die via een zorgvuldig gerangschikt netwerk van inductoren, condensatoren, diodes en twee actieve schakelaars tot een veel hogere, meer bruikbare spanning. In tegenstelling tot conventionele meertraps-boosters die meerdere omzetters in serie schakelen — wat kosten, complexiteit en extra vermogensverliezen toevoegt — hergebruikt het QDE-ontwerp energiepaden in de tijd binnen één structuur. Dit levert een kwadratische toename van de uitgangsspanning met het stuursignaal (duty cycle), terwijl de spanningsbelasting van componenten relatief laag blijft. Lagere belastingen betekenen dat de onderdelen kleiner, koeler en betrouwbaarder kunnen zijn, wat helpt het hele systeem met hogere efficiëntie te laten werken.

Een leeralgoritme laten jagen op zonlicht

Het opvoeren van de spanning is slechts de helft van het verhaal; het systeem moet ook beslissen hoe sterk de omzetter precies aangestuurd moet worden om op elk moment het maximale vermogen van de panelen te oogsten. Hier wenden de auteurs zich tot machine learning en een door de natuur geïnspireerde zoekstrategie. Ze gebruiken een Radial Basis Function Neural Network (RBFNN), een type eenvoudig leermodel dat niet-lineaire relaties kan vastleggen, om het stuursignaal van de omzetter te genereren. Het neuraal netwerk wordt afgestemd door een optimalisatiemethode die is gemodelleerd naar het foerageergedrag van zeeschildpadden, die chemische sporen volgen in de oceaan naar rijke voedselgebieden. In het elektronische analoog verkennen vele “virtuele schildpadden” verschillende combinaties van parameters en convergeren geleidelijk naar instellingen die een prestatiewaarde met betrekking tot energieopbrengst maximaliseren. Dit Sea Turtle Foraging Optimization (STFO)-proces geeft de regelaar het vermogen snel en soepel te reageren op verschuivingen in zonlicht en temperatuur, waardoor de panelen dicht bij hun maximum power point blijven met minimale fluctuatie.

Vermogen delen tussen zon, accu en net

Aan de voertuiggzjde wordt de opgevoerde zonne-energie naar een DC-bus gestuurd die een driefasenomvormer en een brushless DC (BLDC)-motor voedt, de krachtbron die daadwerkelijk de wielen aandrijft. Een eenvoudige proportioneel–integraal (PI)-regelaar houdt de motorsnelheid stabiel onder verschillende belastingen. Om te voorkomen dat het voertuig ooit zonder energie komt te zitten — of overtollige zonneproductie te verspillen — bevat het systeem een bidirectionele omzetter die op een accupack is aangesloten, evenals een tweede omvormer die met het elektriciteitsnet is verbonden. De accu kan opladen wanneer de zon sterk schijnt en de motievraag bescheiden is, of ontladen om het rijden te ondersteunen en zelfs energie terug te leveren aan het net in een vehicle-to-grid-scenario. De netinteractie wordt eveneens zodanig beheerd dat actieve en reactieve vermogens binnen gezonde grenzen blijven, wat helpt een schone, vrijwel sinusoïdale stroom met zeer lage vervorming te behouden.

Het ontwerp op de proef stellen

De onderzoekers valideren hun aanpak met computersimulaties en een hardwareprototype. Met realistische zonne-ingangen verhoogt de QDE-omzetter de paneelspanning tot ongeveer het dubbele terwijl in simulatie een gemeten conversie-efficiëntie boven 95 procent wordt gehaald en in hardware bijna 94 procent. De met STFO getrainde neurale regelaar behaalt hoge trackingefficiëntie, wat betekent dat bijna al het vermogen dat de panelen kunnen leveren wordt benut, terwijl rimpels en overshoot klein blijven. De netstromen vertonen een totale harmonische vervorming ver onder gangbare normen, wat aangeeft dat het teruggeleverde vermogen uitzonderlijk schoon is. Tijdens tests waarin de zon wegvalt, het zonneveld wordt uitgeschakeld of belastingen veranderen, nemen accu en net naadloos over zodat de BLDC-motor soepel blijft draaien op de gewenste snelheid.

Wat dit betekent voor dagelijkse chauffeurs

Simpel gezegd toont de studie aan dat slimme elektronica en op leren gebaseerde regeling zonne-elektrische voertuigen veel efficiënter en betrouwbaarder kunnen maken. Door een hoogversterkende, laag-belaste omzetter te combineren met een biologisch geïnspireerde, zelfafstemmende regelaar haalt het systeem meer bruikbare energie uit elk zonnestraaltje en raakt er minder kwijt aan warmte en elektrische ruis. Het gecoördineerde gebruik van accu- en netondersteuning houdt de motor stabiel draaiende, zelfs als de omstandigheden verre van ideaal zijn. Hoewel vervolgonderzoek nodig is om de langdurige robuustheid onder zware omgevingen en verouderende componenten te bevestigen, wijst deze architectuur naar schonere, veerkrachtigere EV’s die betere partners zijn voor zowel dakgebonden zonne-installaties als moderne elektriciteitsnetten.

Bronvermelding: 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

Trefwoorden: zonne-elektrische voertuigen, vermogenselektronica, maximum power point tracking, integratie van hernieuwbare energie, brushless DC-motoraandrijvingen