Integração de MPPT baseada em aprendizado de máquina com conversor CC-CC quadrático duplo-estendido para veículos elétricos BLDC alimentados por PV conectados à rede

Energia limpa para o caminho à frente

À medida que os veículos elétricos passam de nichos para a corrente principal, surge uma questão central: como podemos carregá‑los e movê‑los usando energia limpa sem desperdiçar energia preciosa no processo? Este artigo explora um sistema de tração alimentado por energia solar que busca extrair mais eletricidade da luz do sol, transportá‑la com maior eficiência através da eletrônica e impulsionar de forma confiável um motor elétrico, tudo isso mantendo o equilíbrio entre a rede e a bateria a bordo. O resultado é um roteiro técnico para uma mobilidade elétrica mais limpa e eficiente, que pode tornar veículos carregados por energia solar muito mais práticos no dia a dia.

Por que carros solares precisam de eletrônica mais inteligente

Painéis solares são atraentes para alimentar veículos porque convertem a luz solar gratuita em eletricidade sem emissões pelo escapamento. Mas um único painel produz uma tensão relativamente baixa, e sua saída varia constantemente com nuvens, temperatura e horário do dia. Para acionar um motor elétrico, essa energia instável e de baixo nível precisa ser aumentada, estabilizada e direcionada entre o motor, a bateria e a rede. Conversores eletrônicos tradicionais podem fazer isso, mas têm dificuldade em atingir tensões elevadas com eficiência, especialmente sob condições variáveis. Da mesma forma, muitos métodos de controle existentes que procuram o “ponto ideal” de potência máxima do painel são lentos, sujeitos a oscilações ou facilmente confundidos por mudanças rápidas do tempo e sombreamento parcial.

Uma nova forma de amplificar a energia solar

Para enfrentar esses obstáculos, os autores projetam um novo tipo de conversor CC‑CC chamado conversor quadrático duplo‑estendido (QDE). Em termos simples, esse circuito recebe uma tensão CC modesta do arranjo solar e, por meio de uma rede cuidadosamente arranjada de indutores, capacitores, diodos e dois interruptores ativos, a multiplica para um nível muito mais alto e útil. Ao contrário de boosters convencionais em vários estágios que encadeiam vários conversores—acrescentando custo, complexidade e perdas de energia adicionais—o projeto QDE reutiliza caminhos de energia ao longo do tempo dentro de uma única estrutura. Isso produz um aumento quadrático na tensão de saída com o sinal de controle (ciclo de trabalho), mantendo ao mesmo tempo o estresse de tensão sobre os componentes relativamente baixo. Menor estresse significa que as peças podem ser menores, mais frias e mais confiáveis, ajudando o sistema todo a operar com maior eficiência.

Deixando um algoritmo de aprendizado caçar a luz do sol

A elevação da tensão é apenas metade da história; o sistema também deve decidir exatamente o quanto acionar o conversor para colher a maior potência dos painéis em cada momento. Aqui os autores recorrem ao aprendizado de máquina e a uma estratégia de busca inspirada na natureza. Eles usam uma Rede Neural de Função de Base Radial (RBFNN), um tipo de modelo de aprendizado simples que pode capturar relações não lineares, para gerar o sinal de controle do conversor. A rede neural é ajustada por um método de otimização modelado no comportamento de forrageamento de tartarugas marinhas, que seguem sinais químicos no oceano até áreas ricas em alimento. No análogo eletrônico, muitas “tartarugas virtuais” exploram diferentes combinações de parâmetros, convergindo gradualmente para configurações que maximizam uma pontuação de desempenho relacionada à captura de energia. Esse processo de Otimização por Forrageamento de Tartaruga Marinha (STFO) dá ao controlador a capacidade de responder rápida e suavemente a mudanças na luz e na temperatura, mantendo os painéis próximos ao seu ponto de máxima potência com flutuação mínima.

Compartilhando energia entre sol, bateria e rede

Do lado do veículo, a energia solar elevada é enviada para um barramento CC que alimenta um inversor trifásico e um motor CC sem escovas (BLDC), o elemento que efetivamente gira as rodas. Um controlador proporcional–integral (PI) simples mantém a velocidade do motor estável sob diferentes cargas. Para garantir que o veículo nunca fique sem energia—ou desperdice produção solar excedente—o sistema inclui um conversor bidirecional conectado a um pacote de baterias, bem como um segundo inversor que se liga à rede elétrica. A bateria pode carregar quando o sol é forte e a demanda do motor é modesta, ou descarregar para apoiar a condução e até alimentar a rede em um cenário vehicle‑to‑grid. A interação com a rede também é gerida para que potência ativa e reativa permaneçam dentro de limites saudáveis, ajudando a manter uma corrente limpa e quase senoidal com distorção muito baixa.

Submetendo o projeto ao teste

Os pesquisadores validam sua abordagem por meio de simulações em computador e de um protótipo de hardware. Com entradas solares realistas, o conversor QDE eleva a tensão do painel para cerca do dobro de seu nível enquanto mantém uma eficiência de conversão medida acima de 95% na simulação e quase 94% no hardware. O controlador neural treinado pelo STFO atinge alta eficiência de rastreamento, o que significa que captura quase toda a potência que os painéis podem fornecer, mantendo ondulações e sobressaltos pequenos. As correntes da rede exibem distorção harmônica total bem abaixo dos padrões comuns, indicando que a energia devolvida à rede é excepcionalmente limpa. Ao longo de testes nos quais o sol enfraquece, o arranjo solar é desligado ou as cargas mudam, a bateria e a rede assumem sem interrupção para que o motor BLDC continue a funcionar suavemente em sua velocidade alvo.

O que isso significa para motoristas do dia a dia

Em termos práticos, o estudo mostra que eletrônica inteligente e controle baseado em aprendizado podem tornar veículos elétricos movidos a energia solar muito mais eficientes e confiáveis. Ao combinar um conversor de alto ganho e baixo estresse com um controlador autoajustável inspirado biologicamente, o sistema extrai mais energia útil de cada raio de sol e desperdiça menos em calor e ruído elétrico. O uso coordenado do suporte da bateria e da rede mantém o motor funcionando de forma estável, mesmo quando as condições estão longe do ideal. Embora trabalhos futuros sejam necessários para confirmar a robustez a longo prazo sob ambientes severos e envelhecimento dos componentes, essa arquitetura aponta para EVs mais limpos e resilientes, melhores parceiros tanto para sistemas solares em telhados quanto para redes elétricas modernas.

Citação: 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

Palavras-chave: veículos elétricos solares, eletrônica de potência, rastreamento do ponto de máxima potência, integração de energias renováveis, acionamentos de motor CC sem escovas