Um novo controle inteligente usando otimização RBFNN-class topper para melhoria da estabilidade em microrrede autônoma híbrida

Manter as Luzes Acesas em Lugares Remotos

Muitas aldeias remotas, ilhas e comunidades fora da rede estão começando a se abastecer com uma combinação de painéis solares, pequenas turbinas eólicas e baterias. Mas manter a iluminação estável quando passam nuvens ou o vento cai é mais difícil do que parece. Este artigo apresenta um novo método de controle “inteligente” que ajuda essas pequenas redes de energia, chamadas microrredes autônomas, a fornecer eletricidade suave e confiável com menos cintilações, menos ruído elétrico e melhor aproveitamento da energia limpa.

Como Funciona uma Pequena Rede de Energia

O estudo analisa um sistema de energia compacto que combina três componentes-chave: um arranjo solar, uma turbina eólica e um grande conjunto de baterias, todos conectados a uma linha comum de corrente contínua (DC). A partir dessa espinha dorsal compartilhada, um dispositivo eletrônico chamado inversor produz a corrente alternada (AC) trifásica regular que residências e equipamentos utilizam. A energia solar e eólica é naturalmente instável — sol e vento variam rapidamente — então a bateria entra para armazenar o excedente ou suprir as lacunas. Todo o sistema precisa constantemente conciliar esses fluxos para que a linha DC fique próxima da tensão alvo e a AC entregue à carga permaneça limpa e estável.

Por que o Controle Tradicional Fica Curto

Controladores convencionais nesses sistemas usam ajustes fixos calibrados manualmente. Eles podem funcionar bem em torno de um ponto de operação, mas têm dificuldade quando as condições mudam rapidamente: um salto súbito na demanda, nuvens atravessando o céu ou rajadas de vento. Esses métodos frequentemente permitem oscilações notáveis na tensão e produzem formas de onda de corrente distorcidas que podem sobrecarregar dispositivos e desperdiçar energia. Abordagens mais avançadas, baseadas em lógica fuzzy ou modelos preditivos complexos, podem se adaptar melhor, mas tendem a exigir grande capacidade computacional e conjuntos de regras intrincados, dificultando sua execução em tempo real em hardware acessível.

Uma Abordagem de Controle Inteligente em Duas Camadas

Os autores propõem um esquema de controle em duas camadas que combina uma rede neural de ação rápida com um otimizador supervisor mais lento. A camada inferior usa uma rede neural de função de base radial (RBF), um tipo de modelo de aprendizado de máquina que se destaca no tratamento de comportamentos não lineares. Ela monitora o quanto a tensão DC e as correntes do inversor se desviam de seus valores desejados e ajusta rapidamente os comandos dos conversores e inversores para corrigir esses erros. Sobre essa camada, um “Algoritmo de Otimização Class Topper” atua como um treinador. Inspirado em como alunos aprendem com o melhor da turma, ele revisa periodicamente o desempenho do sistema — observando desvios de tensão e quão senoidal é a corrente — e ajusta suavemente ganhos de controle e taxas de aprendizado dentro de limites seguros. Essa separação entre aprendizado rápido e otimização mais lenta mantém o sistema responsivo sem torná‑lo instável.

Testando o Controlador Inteligente

Para avaliar o desempenho do novo método, os pesquisadores simularam uma microrrede com um arranjo solar de 10 quilowatts, uma turbina eólica de 20 quilowatts e uma bateria de 60 quilowatt-hora. Submeteram‑na a variações bruscas de irradiação solar, velocidade do vento e carga, incluindo mudanças em degrau de baixa para plena demanda e cargas não lineares que normalmente introduzem ruído elétrico intenso. Em comparação com um controlador proporcional–integral padrão e um controlador por rede neural mais básico, o novo esquema manteve a tensão DC muito mais próxima do alvo, recuperou‑se de distúrbios cerca de duas vezes mais rápido e reduziu ondulações indesejadas. A corrente elétrica entregue à carga tornou‑se quase perfeitamente suave, com distorção harmônica mantida bem abaixo dos limites de qualidade de energia amplamente usados pela IEEE.

Por que Isso Importa para Futuras Microrredes

Para não especialistas, a principal conclusão é que essa estrutura de controle inteligente ajuda sistemas de energia pequenos baseados em renováveis a se comportarem mais como uma rede convencional robusta: as luzes permanecem estáveis, motores funcionam suavemente e eletrônicos sensíveis ficam melhor protegidos, mesmo quando o clima e a demanda mudam rapidamente. Como o método é computacionalmente leve e modular, pode ser implementado em controladores digitais práticos e estendido a microrredes maiores ou multiárea sem necessidade de retrainamento completo. Em resumo, o trabalho aponta um caminho promissor rumo a sistemas locais de energia mais confiáveis e limpos, capazes de levar eletricidade de alta qualidade a lugares distantes das linhas tradicionais de transmissão.

Citação: Myla, A., Gorantla, S. A novel intelligent control using RBFNN-class topper optimization for stability enhancement in hybrid standalone microgrid. Sci Rep 16, 14008 (2026). https://doi.org/10.1038/s41598-026-44798-6

Palavras-chave: microrrede, controle de energia renovável, controlador por rede neural, armazenamento de energia por bateria, qualidade de energia