Adaptiv MPPT-styrning för tillförlitliga övergångar mellan nätansluten och ö‑drift i PV‑batterimikronät

Smartare solkraft för vardaglig tillförlitlighet

När hem, företag och samhällen installerar fler takpaneler och solparker blir det en verklig utmaning att hålla strömmen igång när moln drar in — eller när stamnätet fallerar. Den här studien undersöker hur sol‑plus‑batterisystem kan göras mer likt ett stabilt, välställt kraftverk som automatiskt anpassar sig till ljusförhållanden, efterfrågan och nätavbrott så att användare får pålitlig, högkvalitativ elektricitet.

Varför sol behöver en hjärna, inte bara paneler

Solpaneler är rena och blir alltmer prisvärda, men de är också nyckfulla: deras effekt varierar med skiftande solinstrålning och temperatur. För att pressa ut så mycket energi som möjligt söker elektroniska styrenheter ständigt efter varje panels ”söta punkt” för spänning och ström, den så kallade maximal effektpunkten. Konventionella sökmetoder är enkla men tenderar att överskjuta och oscillera, vilket slösar energi och reagerar för långsamt när ett moln plötsligt passerar. Samtidigt måste moderna mikronät — som kombinerar solpaneler, batterier och lokala laster — besluta, ögonblick för ögonblick, hur mycket kraft som ska komma från solen, hur mycket från batteriet och hur mycket från eller till stamnätet, samtidigt som lokal spänning och frekvens hålls stabila.

Ett hybrid sol‑mikronät under luppen

Författarna studerar en megawattstor solpark kopplad till ett stort litium‑jonbatteri i ett AC‑mikronät. solfälten ansluts via en DC‑DC ”boost”‑omvandlare och en trefas‑inverterare till en gemensam AC‑buss som matar lasterna och länkar till stamnätet. Batteriet ansluts via sin egen två‑vägsomvandlare så att det både kan absorbera och leverera effekt. En central egenskap i uppställningen är en adaptiv styrenhet som kan arbeta i två huvudlägen. När mikronätet är anslutet till det större elnätet låter en effektflödesstyrning (PQ) nätet sätta spänning och frekvens. När mikronätet är i ö‑drift — körs självt vid fel eller planerad frånkoppling — tar en droop‑styrning i batterienheten över och formar spänning och frekvens samtidigt som den delar effekt mellan sol och lagring.

Att lära systemet jaga maximal soleffekt

För att förbättra hur solparken hittar och följer sin maximal effektpunkt kombinerar forskarna två former av artificiell intelligens. Ett artificiellt neuralt nätverk (ANN) lär sig ur data hur panelspänningen bör justeras för olika nivåer av solinstrålning och temperatur. En partikel‑svärmoptimering (PSO) — löst inspirerad av hur flockar eller svärmar söker efter föda — fininställer de interna vikterna i det neurala nätverket så att det lär sig snabbt och undviker dåliga lösningar. Det tränade ANN förutser den bästa driftspänningen; detta blir en referens för omvandlaren, som sedan styr panelerna mot den punkten. I simuleringar baserade på 1000 slumpmässigt genererade väderförhållanden minskade denna ANN–PSO‑kombination fel i det inlärda beteendet och konvergerade till bra inställningar på bara några hundra träningssteg.

Hålla ljuset stabilt genom nätbortfall och molnskuggor

Det verkliga testet kommer när mikronätet utsätts för plötsliga förändringar i solinstrålning, last eller nätanslutning. Med detaljerade MATLAB/Simulink‑modeller jämför författarna sin ANN–PSO‑metod med tre andra välkända spårningsstrategier. Under en blandning av stark sol, reducerad last och sedan kraftiga ljusfall fångade ANN–PSO‑styrenheten konsekvent mer av den tillgängliga soleffekten, med spårningseffektivitet nära 98 % och mycket liten effekt‑rippel. Samtidigt höll den samordnade PQ–droop‑styrningen mikronätets AC‑spänning nära målet på 420 volt och höll frekvensen inom det snäva fönster som föreslås av anslutningsstandarder. När systemet avsiktligt växlades från nätanslutet till ö‑drift och sedan tillbaka igen, justerade en resynkroniseringsenhet fas och frekvens före återanslutning och undvek de skarpa spänningsförvrängningar och inkopplingsströmmar som kan skada utrustning.

Vad detta betyder för framtidens solgemenskaper

Ur en lekmans perspektiv är huvudresultatet en sol‑plus‑batteri‑uppställning som beter sig betydligt mjukare och mer förutsägbart. Genom att ge mikronätet en AI‑förstärkt ”hjärna” som både effektivt söker maximal soleffekt och hanterar överlämningar mellan nätet och lokal lagring, gör tillvägagångssättet det lättare att driva kvarter, campus eller avlägsna anläggningar i stor utsträckning på solenergi utan flimmer eller oväntade avbrott. I praktiken innebär det bättre utnyttjande av varje solstråle, längre livslängd för hårdvaran och mer motståndskraftig lokal kraft — viktiga ingredienser för att nå mål om ren energi och smart infrastruktur.

Citering: Siddaraj, U., Yaragatti, U.R., Paragonda, L.R.S. et al. Adaptive MPPT control for reliable transitions between grid connected and islanded operations in PV battery microgrids. Sci Rep 16, 7613 (2026). https://doi.org/10.1038/s41598-026-38300-5

Nyckelord: solmikronät, spårning av maximal effektpunkt, batterilagring, styrning med artificiell intelligens, nätintegration