Reinforcement Learning-Based Real-Time Control of a Photovoltaic-Integrated Welding Power Supply: Experimental Validation and Performance Benchmarking

Immaginate un pavimento di fabbrica dove il metallo pesante viene unito da un arco elettrico incandescente. Questo processo, noto come saldatura, è un pilastro della moderna produzione, ma è anche un vorace consumatore di elettricità. Per decenni, le macchine che creano questi archi si sono affidate a un'energia costante e prevedibile dalla rete elettrica. Tuttavia, poiché le industrie cercano di ridurre la propria impronta di carbonio, c'è un crescente desiderio di alimentare queste macchine direttamente dal sole. La sfida risiede nella natura stessa della luce solare; essa è instabile, mutando con le nuvole e l'ora del giorno. Allo stesso tempo, l'arco di saldatura è una forza caotica e imprevedibile che cambia il proprio comportamento nel momento in cui la distanza tra l'utensile e il metallo si sposta anche solo leggermente. Cercare di alimentare una macchina che esige un'energia istantanea e precisa con una fonte che è costantemente fluttuante è come cercare di riempire un secchio con un tubo che cambia pressione ogni secondo mentre il secchio stesso si muove.

I ricercatori si sono a lungo affidati a controller elettronici standard per gestire questo equilibrio, ma questi sistemi tradizionali spesso faticano quando si trovano di fronte a condizioni così complesse e mutevoli. Sono come un conducente che tiene il piede sull'acceleratore a una velocità fissa, incapace di reagire abbastanza velocemente quando la strada curva improvvisamente o il motore sussulta. Per risolvere questo problema, un team di ingegneri ha sviluppato un nuovo approccio che combina l'affidabilità dell'elettronica consolidata con la capacità di adattamento dell'intelligenza artificiale. Il loro lavoro si concentra su un tipo specifico di macchina: un alimentatore per saldatura ad alta frequenza che funziona direttamente con l'energia solare. Insegnando alla macchina il proprio sistema di controllo a imparare dal proprio ambiente, hanno creato un dispositivo in grado di autoregolarsi in tempo reale, mantenendo una saldatura perfetta anche quando il sole si nasconde dietro una nuvola o la mano del saldatore si muove.

I ricercatori hanno costruito un prototipo fisico di questo sistema per testare se le loro idee funzionassero nel mondo reale, non solo nelle simulazioni al computer. Il cuore del loro design è un sistema di controllo a due strati. Il primo strato è un regolatore elettronico rapido che gestisce le richieste immediate e istantanee dell'arco di saldatura, garantendo che la corrente rimanga costante. Questo strato opera con la velocità e la prevedibilità di una macchina tradizionale. Il secondo strato è dove risiede l'innovazione: un agente di intelligenza artificiale che osserva il quadro generale. Questo agente monitora la potenza disponibile dai pannelli solari e la lunghezza variabile dell'arco di saldatura. Invece di seguire un insieme rigido di regole, impara come regolare le impostazioni del regolatore rapido per adattarsi alle condizioni attuali. È un sistema che adatta la propria sensibilità, stringendo o allentando la presa sul flusso di energia a seconda di ciò che sta accadendo in quel preciso momento.

Per provare questo concetto, il team ha costruito un modello funzionante utilizzando componenti avanzati in carburo di silicio, noti per la loro capacità di gestire velocità e calore in modo efficiente. Hanno testato questa macchina in due modi: prima su un piccolo banco di laboratorio con condizioni simulate, e poi su una piattaforma di test industriale a pieno carico da cinque kilowatt. Durante questi test, hanno sottoposto la macchina a lunghezze d'arco variabili, improvvisi picchi di domanda di potenza e fluttuazioni dell'input solare che imitavano il passaggio delle nuvole. I risultati sono stati misurati rispetto ad altri tre metodi comuni: un sistema che utilizza una batteria per stabilizzare la potenza, un controller standard con impostazioni fisse e un sistema che segue un set base di regole pre-programmate.

I risultati hanno dimostrato che il nuovo sistema guidato dall'intelligenza artificiale ha superato gli altri in termini di efficienza, tempo di risposta dinamica e consumo energetico per ciclo di saldatura. Ha raggiunto un'efficienza energetica di circa il 90 percento, il che significa che pochissima energia è stata sprecata sotto forma di calore. Al contrario, il sistema con buffer a batteria era meno efficiente a causa dell'energia persa durante la carica e la scarica della batteria. Il nuovo sistema ha risposto ai cambiamenti del processo di saldatura circa il 33 percento più velocemente rispetto al controller standard, permettendo una saldatura più fluida e costante. Per quanto riguarda la qualità della potenza, il sistema ha mantenuto una distorsione armonica totale (THD) di circa il 4 percento, che soddisfa gli standard industriali di sicurezza. Tuttavia, i ricercatori hanno osservato un compromesso sfumato: sebbene il sistema abbia ottenuto prestazioni complessive eccellenti, la natura adattiva della politica di apprendimento ha introdotto un lieve aumento del contenuto armonico legato allo switching rispetto ai baseline a guadagno fisso PI e a batteria in simulazione. Ciò suggerisce che il sistema dia priorità al tracciamento rapido e alla stabilità, accettando un leggero compromesso nella purezza armonica per ottenere la sua superiore risposta dinamica.

Forse la cosa più importante è che il sistema si è dimostrato robusto e sicuro. I ricercatori hanno fatto funzionare la macchina continuamente per otto ore sotto carico pesante, e i componenti sono rimasti entro i limiti di temperatura sicuri, senza segni di stress o guasti. L'intelligenza artificiale non si è limitata a reagire; ha regolato il proprio comportamento in base al feedback dello stato in tempo reale per minimizzare il consumo di energia mantenendo l'integrità della saldatura. Sebbene il sistema abbia introdotto un compromesso molto minore sotto forma di un'attività di switching elettrico leggermente maggiore rispetto ai controller più semplici, i guadagni complessivi in velocità, efficienza e stabilità sono stati sostanziali.

Questo lavoro dimostra che è possibile far funzionare macchinari industriali pesanti direttamente da fonti rinnovabili senza sacrificare le prestazioni o la sicurezza. Combinando la velocità dell'elettronica tradizionale con la capacità di apprendimento dell'intelligenza artificiale, i ricercatori hanno mostrato una via percorribile verso una produzione sostenibile. La macchina che hanno costruito non si limita a sopravvivere all'imprevedibilità dell'energia solare e al caos dell'arco di saldatura; essa vi prospera, regolandosi per trovare l'equilibrio perfetto ogni volta. Ciò suggerisce che, in futuro, le fabbriche potrebbero fare maggiore affidamento sul sole, utilizzando sistemi intelligenti per trasformare la natura variabile dell'energia rinnovabile in una forza costante e affidabile per l'industria.