Sterowanie adaptacyjne oparte na bezpośredniej optymalizacji preferencji w celu minimalizacji całkowitych zniekształceń harmonicznych w napędach zasilanych fotowoltaicznie

Dlaczego czystsza energia słoneczna dla silników ma znaczenie

W miarę jak fabryki, pompy wodne i pojazdy elektryczne coraz częściej korzystają z paneli słonecznych, przez przewody towarzyszy im ukryty problem: elektryczne „zakłócenia”, które mogą marnować energię, obciążać sprzęt i skracać żywotność silników. Niniejsze badanie przedstawia nowy sposób, w którym układ sterowania napędem zasilanym z paneli słonecznych potrafi skutecznie nauczyć się, jak ograniczać te niepożądane przebiegi, wykorzystując koncepcje zapożyczone ze współczesnej sztucznej inteligencji.

Od nierównomiernego napięcia do płynnego ruchu

Panele słoneczne wytwarzają prąd stały, który musi zostać przekształcony na prąd zmienny używany przez większość silników. Zadanie to realizuje urządzenie elektroniczne zwane inwerterem, które szybko przełącza prąd. To przełączanie nieuchronnie wprowadza zniekształcenia w napięciu i prądzie — dodatkowe „falowania” o wyższych częstotliwościach — zwane łącznie zniekształceniami harmonicznymi. Ich nadmiar może powodować przegrzewanie silników, drgania i straty energii. Tradycyjne schematy sterowania opierają się na stałych ustawieniach lub żmudnym strojenia, by ograniczać te harmoniczne, ale często zawodzą, gdy nasłonecznienie lub obciążenie silnika zmienia się szybko, jak ma to miejsce w rzeczywistych systemach fotowoltaicznych.

Pozwolenie sterownikowi uczyć się na własnych wyborach

Autorzy proponują nową ramę sterowania nazwaną Direct Preference Optimization–based Photovoltaic Voltage Control (DPO-PVC). Zamiast oceniać każde ustawienie sterowania za pomocą dokładnej, numerycznej „oceny”, system po prostu decyduje, która z dwóch opcji wypadła lepiej — podobnie jak wybieranie preferowanego zdjęcia z pary. W praktyce sterownik generuje dwa różne sposoby sterowania inwerterem, uruchamia je w tych samych warunkach nasłonecznienia i obciążenia, a następnie mierzy wynikowe zniekształcenia elektryczne w silniku. Opcja, która skutkuje mniejszymi zniekształceniami, jest oznaczana jako preferowana. Po wielu takich porównaniach moduł uczący się w sterowniku wykrywa wzorce, jakie ustawienia konsekwentnie prowadzą do bardziej gładkiej, czystszej energii.

Testy z realnym nasłonecznieniem i wymagającymi napędami

Aby upewnić się, że podejście jest realistyczne, badacze zbudowali szczegółowe cyfrowe bliźniacze systemu napędowego zasilanego energią słoneczną: zestaw fotowoltaiczny, inwerter wysokiej częstotliwości oraz model silnika elektrycznego, wszystko zasilane danymi o nasłonecznieniu i temperaturze z bazy PVDAQ Narodowej Laboratoriów Energii Odnawialnej USA (NREL) z minutową rozdzielczością. Testowali sterownik w szerokim zakresie scenariuszy, w tym przy czystym niebie, szybko przepływających chmurach, nagłym zacienieniu i gwałtownych zmianach mechanicznego obciążenia silnika. W każdym przypadku wbudowany analizator harmonicznych monitorował, jak „głośne” są przebiegi elektryczne, i przekazywał te informacje z powrotem do pętli uczenia preferencji.

Pokonując standardowe regulatory we wszystkich aspektach

Sterownik DPO-PVC porównano z trzema powszechnymi alternatywami: standardowym regulatorem proporcjonalno-całkująco-różniczkującym (PID), PID wspomaganym logiką rozmytą oraz PID strojonym za pomocą algorytmu genetycznego. W tych porównaniach nowa metoda obniżyła zniekształcenia napięcia do około 2,9% i zniekształcenia prądu do około 2,6%, co stanowi redukcję o połowę lub lepszą w stosunku do osiągnięć pozostałych metod. Przyspieszyła też osiąganie prędkości znamionowej silnika, zmniejszając błędy prędkości i przeregulowanie, przy konwersji energii słonecznej na użyteczną pracę mechaniczną z wydajnością około 94,6%. Co istotne, te korzyści utrzymywały się, gdy badacze wprowadzili szumy sensorów, efekty starzenia paneli i silnika oraz drobne niedoskonałości sprzętowe inwertera. Sam proces uczenia okazał się stabilny: po około 50 cyklach treningowych sterownik poprawnie wybierał lepszą opcję w ponad 95% porównań.

Co to oznacza dla przyszłych maszyn zasilanych energią słoneczną

Dla czytelników niebędących specjalistami kluczowa wiadomość jest taka, że autorzy pokazali, jak napęd zasilany energią słoneczną można wyposażyć w rodzaj „smaku” do czystej energii i pozwolić mu udoskonalać ten gust w czasie. Skupiając się na prostych decyzjach lepsze‑/gorsze zamiast kruchych ocen liczbowych, sterownik pozostaje odporny na zmienną pogodę, dryf sprzętowy wraz z wiekiem oraz niewielkie szumy sensorów. Efektem jest płynniejsza praca silnika, mniejsze straty energii i potencjalnie dłuższa żywotność urządzeń. Podejścia takie jak DPO-PVC mogą sprawić, że następna generacja pomp, wentylatorów i napędów przemysłowych zasilanych słonecznie będzie nie tylko bardziej ekologiczna, ale też inteligentniejsza i bardziej odporna.

Cytowanie: 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

Słowa kluczowe: napędy elektryczne zasilane fotowoltaicznie, zniekształcenia harmoniczne, sterowanie adaptacyjne, uczenie preferencji, inwerter słoneczny