基于直接偏好优化的自适应控制以最小化光伏驱动电机的总谐波失真

为什么为电机提供更洁净的太阳能很重要

随着工厂、抽水机和电动汽车越来越多地依赖太阳能面板供电，一个隐藏的问题也随电线而来：电气“噪声”会浪费能量、加剧设备负担并缩短电机寿命。本研究探讨了一种新方法，使光伏供电电驱动的控制系统能够有效地自我学习，控制这些不需要的波动，方法借鉴了现代人工智能的理念。

从波动的电力到平稳的运动

太阳能电池板产生直流，需要转换为大多数电机使用的交流。这项工作由一种叫逆变器的电子设备完成，逆变器通过快速开关电流来实现。这种开关不可避免地在电压和电流中引入畸变——在更高频率上出现的额外波动，统称为谐波失真。过多的谐波会使电机发热、振动并浪费能量。传统控制方案依赖固定设定或繁琐的调参来抑制这些谐波，但当光照或电机负载快速变化时（现实光伏系统中常见），这些方法往往力不从心。

让控制器从自身选择中学习

作者提出了一种名为基于直接偏好优化的光伏电压控制（DPO-PVC）的新控制框架。系统并不通过精确的数值“分数”来评价每个控制设定，而是简单地判断两个选项中哪个更好——类似于从一对照片中选出更喜欢的一张。实际操作时，控制器生成两种不同的逆变驱动方式，在相同的光照和负载条件下运行，并测量由此在电机中产生的电气失真。失真较小的选项被标记为更优。在大量这样的比较中，控制器内部的学习模块会发现哪些类型的设置能持续产生更平滑、更洁净的电能。

以真实光照和苛刻工况进行测试

为确保方法的现实性，研究人员构建了一个详尽的光伏驱动系统数字孪生：光伏阵列、高频逆变器和电机模型，全部以美国国家可再生能源实验室（NREL）PVDAQ数据库中逐分钟的光照和温度数据为驱动。他们在多种场景下测试了控制器，包括晴朗天空、快速移动的云层、突发遮挡以及电机机械负载的骤变。在每种情况下，内置的谐波分析仪会持续跟踪电波形的“噪声”程度，并将该信息反馈到偏好学习环路中。

在各方面优于标准控制器

DPO-PVC 控制器与三种常见替代方案进行了比较：标准的比例—积分—微分（PID）控制器、模糊逻辑增强的 PID，以及通过遗传算法调优的 PID。在这些基准测试中，新方法将电压谐波失真降至约 2.9%，电流谐波失真降至约 2.6%，大约将其它方法的失真水平减半或更好。它还使电机更快达到目标转速，速度误差更小、超调更少，同时将太阳能更高效地转化为有用机械功，效率约为 94.6%。重要的是，当研究人员引入传感器噪声、光伏组件和电机的老化效应以及逆变器硬件的小幅不完美时，这些改进依然保持稳定。学习过程本身也被证明是稳定的：在大约 50 个训练周期后，控制器在超过 95% 的比较中正确地选择了更优的选项。

这对未来光伏驱动设备意味着什么

对非专业读者而言，结论是作者展示了如何赋予光伏供电的电机驱动一种对“洁净电力”的偏好，并让它随着时间不断改进。通过侧重于简单的优劣判断而非脆弱的数值评分，控制器在天气多变、硬件随时间漂移或传感器有一定噪声时仍能保持鲁棒性。其结果是电机运行更平稳、能量损失更少，设备寿命可能更长。像 DPO-PVC 这样的方案有望让下一代光伏驱动的泵、风扇和工业驱动装置不仅更环保，而且更智能、更有韧性。

引用: 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

关键词: 光伏电驱动, 谐波失真, 自适应控制, 偏好学习, 太阳能逆变器