Maskininlärningsbaserad MPPT-integration med kvadratisk dubbel-utökad DC-DC-omvandlare för nätanslutna PV-drivna BLDC-elfordon

Ren kraft för vägen framåt

När elfordon går från nisch till huvudström uppstår en central fråga: hur kan vi ladda och driva dem med ren energi utan att slösa dyrbar effekt på vägen? Denna studie undersöker ett solcellskraftat drivsystem som syftar till att pressa fram mer elektricitet ur solljuset, föra den mer effektivt genom elektroniken och tillförlitligt driva en elmotor, samtidigt som nätet och ombordbatteriet hålls i balans. Resultatet är en teknisk ritning för renare, mer effektiv elektrisk mobilitet som kan göra sol-laddade fordon betydligt mer praktiska i vardagen.

Varför solbilar behöver smartare elektronik

Solpaneler är attraktiva för fordonsdrift eftersom de omvandlar gratis solljus till elektricitet utan avgasutsläpp. Men en enskild panel ger relativt låg spänning och dess effekt förändras ständigt med moln, temperatur och tid på dygnet. För att driva en elmotor måste den ojämna, lågspänningskraften höjas, stabiliseras och dirigeras mellan motor, batteri och nät. Traditionella elektroniska omvandlare kan göra detta, men de har svårt att uppnå höga spänningar effektivt, särskilt under varierande förhållanden. På samma sätt är många befintliga styrmetoder som söker panelens "sweet spot" för maximal effekt långsamma, benägna att oscillera eller lätt förvirras av snabba väderförändringar och partiell skuggning.

Ett nytt sätt att höja solenergin

För att övervinna dessa hinder utformar författarna en ny typ av DC-DC-omvandlare kallad en kvadratisk dubbel-utökad (QDE) omvandlare. Enkel uttryckt tar den här kretsen in en måttlig likspänning från solfältet och multiplicerar den till en mycket högre, mer användbar nivå genom ett noggrant ordnat nätverk av induktorer, kondensatorer, dioder och två aktiva switchar. Till skillnad från konventionella flerstegsboosters som kedjar flera omvandlare—vilket ökar kostnad, komplexitet och extra effektförluster—återanvänder QDE-designen energivägar över tid inom en enda struktur. Detta ger en kvadratisk ökning av utgångsspänningen med styrsignalen (duty cycle), samtidigt som spänningsbelastningen på komponenterna hålls relativt låg. Lägre belastning innebär att delarna kan vara mindre, svalare och mer pålitliga, vilket hjälper hela systemet att uppnå högre verkningsgrad.

Låta en lärandealgoritm jaga efter solljus

Att höja spänningen är bara halva historien; systemet måste också bestämma exakt hur hårt omvandlaren ska drivas för att vid varje ögonblick skörda mest möjliga effekt från panelerna. Här vänder sig författarna till maskininlärning och en naturinspirerad sökstrategi. De använder ett Radial Basis Function Neural Network (RBFNN), en typ av enkelt lärandemodell som kan fånga icke-linjära samband, för att generera omvandlarens styrsignal. Neuronnätet justeras av en optimeringsmetod modellerad på havssköldpaddors födosöksbeteende, vilka följer kemiska spår genom havet till rika matplatser. I den elektroniska analogin utforskar många "virtuella sköldpaddor" olika parameterkombinationer och konvergerar gradvis mot inställningar som maximerar en prestationspoäng relaterad till effektupptagning. Denna Sea Turtle Foraging Optimization (STFO)-process ger regulatorn förmåga att svara snabbt och mjukt på skiften i solljus och temperatur, vilket håller panelerna nära deras maximala effektpunkt med minimal fluktuation.

Att dela kraft mellan sol, batteri och nät

På fordonssidan skickas den uppboostade solenergin till en likspänningsbuss som matar en trefasväxelriktare och en borstlös DC-motor (BLDC), arbetsmaskinen som faktiskt får hjulen att snurra. En enkel proportionell–integrerande (PI) regulator håller motorns hastighet stabil över olika laster. För att säkerställa att fordonet aldrig får brist på energi—eller slösar överflödig solproduktion—innehåller systemet en tvåvägsomvandlare kopplad till ett batteripaket, samt en andra växelriktare som länkar till elnätet. Batteriet kan laddas när solen är stark och motorefterfrågan är måttlig, eller avlasta för att stödja körning och till och med mata tillbaka kraft till nätet i ett vehicle-to-grid-scenario. Nätinteraktionen hanteras på samma sätt så att aktiv och reaktiv effekt hålls inom säkra gränser, vilket hjälper till att bibehålla en ren, nästan sinusformad ström med mycket låg distorsion.

Sätta konstruktionen på prov

Forskarna validerar sitt tillvägagångssätt genom datorsimuleringar och en hårdvaruprototyp. Med realistiska solinsatser höjer QDE-omvandlaren panelspänningen till omkring dubbla nivån samtidigt som en uppmätt omvandlingseffektivitet över 95 procent uppnås i simulering och nästan 94 procent i hårdvara. Den STFO-tränade neuralkontrollern uppnår hög spårningseffektivitet, vilket innebär att den fångar nästan all den effekt panelerna kan leverera, samtidigt som svängningar och översläng hålls små. Nätströmmarna uppvisar total harmonisk distorsion långt under vanliga standarder, vilket indikerar att den effekt som matas tillbaka till nätet är exceptionellt ren. Genom tester där solen avtar, solfältet stängs av eller laster förändras, tar batteriet och nätet sömlöst över så att BLDC-motorn fortsätter att snurra jämnt vid sin målhastighet.

Vad detta betyder för vardagliga förare

Enkelt uttryckt visar studien att smart elektronik och lärandebaserad styrning kan göra solkraftsdrivna elfordon mycket mer effektiva och pålitliga. Genom att kombinera en högeffektiv, lågbelastad omvandlare med en biologiskt inspirerad, självtunande regulator utvinner systemet mer användbar energi ur varje solstråle och slösar mindre i värme och elektriskt brus. Det koordinerade användandet av batteri- och nätstöd håller motorn igång stadigt även när förhållandena är långt ifrån idealiska. Medan framtida arbete behövs för att bekräfta långsiktig robusthet under hårda miljöer och komponentåldrande, pekar denna arkitektur mot renare, mer motståndskraftiga elfordon som är bättre partners för både takmonterade solsystem och moderna elnät.

Citering: 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

Nyckelord: solelbilar, kraftelektronik, spårning av maximal effektpunkt, integration av förnybar energi, borstlösa likströmsmotordrivningar