Adaptiv styrning baserad på Direct Preference Optimization för att minimera total harmonisk distorsion i fotovoltaiskt drivna elmotorer

Varför renare solenergi för motorer är viktigt

När fabriker, vattenpumpar och elfordon i allt större utsträckning använder solpaneler för sin energi följer ett dolt problem med i ledningarna: elektriskt ”brus” som kan slösa energi, belasta utrustning och förkorta motorers livslängd. Denna studie undersöker ett nytt sätt för styrsystemet i en soldriven elmotor att effektivt lära sig hålla sådana oönskade fluktuationer under kontroll, med idéer hämtade från modern artificiell intelligens.

Från ojämn elektricitet till jämn rörelse

Solpaneler genererar likström som måste omvandlas till växelström som används av de flesta motorer. Den uppgiften sköts av en elektronisk enhet kallad omriktare, som snabbt växlar strömmen av och på. Denna växling introducerar oundvikligen distorsion i spänning och ström — extra svängningar på högre frekvenser — kollektivt kallat harmonisk distorsion. För mycket av detta kan få motorer att gå varma, vibrera och slösa energi. Traditionella styrscheman förlitar sig på fasta inställningar eller tidskrävande finjustering för att hålla dessa harmoniska komponenter i schack, men de har ofta svårt när solinstrålningen eller motorbelastningen förändras snabbt, vilket ofta sker i verkliga solsystem.

Låta styrsystemet lära av sina egna val

Följande artikel föreslår en ny styrningsram kallad Direct Preference Optimization–baserad fotovoltaisk spänningskontroll (DPO-PVC). I stället för att bedöma varje styrinställning med en exakt numerisk ”poäng” beslutar systemet helt enkelt vilken av två alternativ som var bättre — ungefär som att välja ett föredraget foto ur ett par. I praktiken genererar styraren två olika sätt att köra omriktaren, kör dem under samma sol- och belastningsförhållanden och mäter den resulterande elektriska distorsionen i motorn. Vilket alternativ som ger lägst distorsion markeras som det föredragna. Över många sådana jämförelser upptäcker en inlärningsmodul i styraren mönster i vilka typer av inställningar som konsekvent leder till jämnare, renare effekt.

Testning med verkligt solljus och krävande drivlinor

För att säkerställa att tillvägagångssättet är realistiskt byggde forskarna en detaljerad digital tvilling av ett soldrivet system: en fotovoltaisk matris, en högfrekvent omriktare och en motormodell, alla drivna av minut-för-minut-data om solljus och temperatur från U.S. National Renewable Energy Laboratorys PVDAQ-databas. De testade styraren över ett brett spektrum av scenarier, inklusive klar himmel, snabbt förflyttande moln, plötslig skuggning och abrupta förändringar i motorns mekaniska last. I varje fall höll en inbyggd harmonisk analysator koll på hur ”brusiga” de elektriska vågformerna var och matade tillbaka den informationen till preferensinlärnings-loopen.

Slår standardregulatorer på alla fronter

DPO-PVC-styraren jämfördes med tre vanliga alternativ: en standard proportional–integral–derivative (PID)-regulator, en fuzzy-logic-förbättrad PID och en PID finjusterad med en genetisk algoritm. Över dessa jämförelser minskade den nya metoden spänningsdistorsionen till cirka 2,9 % och strömdistorsionen till cirka 2,6 %, vilket ungefär halverade eller förbättrade nivåerna som de andra uppnådde. Den accelererade även motorn snabbare, med mindre hastighetsfel och mindre översvängning, samtidigt som omvandlingen av solenergi till nyttigt mekaniskt arbete nådde en verkningsgrad på cirka 94,6 %. Viktigt är att dessa förbättringar höll i sig när forskarna introducerade sensorrus, åldringseffekter i solpaneler och motor samt små imperfektioner i omriktarens hårdvara. Själva inlärningsprocessen visade sig vara stabil: efter omkring 50 träningscykler valde styraren korrekt det bättre alternativet i mer än 95 % av jämförelserna.

Vad detta betyder för framtida soldrivna maskiner

För icke-specialister är slutsatsen att författarna har visat hur en soldriven motorstyrning kan förses med en slags ”smak” för ren elektricitet och låta denna smak förfinas över tid. Genom att fokusera på enkla bättre-eller-sämre-beslut i stället för sköra numeriska poäng förblir styraren robust när vädret är omväxlande, hårdvaran förändras med ålder eller sensorerna är något brusiga. Resultatet blir jämnare motorfunktion, mindre energislöseri och potentiellt längre utrustningsliv. Metoder som DPO-PVC kan hjälpa nästa generations soldrivna pumpar, fläktar och industriella drivlinor att bli inte bara grönare utan också smartare och mer motståndskraftiga.

Citering: 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

Nyckelord: fotovoltaiska elmotorer, harmonisk distorsion, adaptiv styrning, preferensinlärning, solomvandlare