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

Stel je een fabrieksvloer voor waar zwaar metaal wordt samengevoegd door een gloeiende, elektrische boog. Dit proces, bekend als lassen, is een hoeksteen van de moderne productie, maar het is ook een gulzige verbruiker van elektriciteit. Decennialang hebben de machines die deze bogen creëren vertrouwd op een stabiele, voorspelbare stroom van het elektriciteitsnet. Echter, naarmate industrieën streven naar het verminderen van hun CO2-voetafdruk, is er een groeiend verlangen om deze machines direct op de zon te laten draaien. De uitdaging ligt in de aard van het zonlicht zelf; het is grillig en verandert met de wolken en het tijdstip van de dag. Tegelijkertijd is de lasboog een chaotische, onvoorspelbare kracht die van gedrag verandert zodra de afstand tussen het gereedschap en het metaal zelfs maar een fractie verschuift. Proberen een machine die vraagt om directe, precieze energie te voeden met een bron die constant fluctueert, is als het proberen te vullen van een emmer met een slang waarvan de druk elke seconde verandert, terwijl de emmer zelf beweegt.

Onderzoekers hebben lang gegrepen naar standaard elektronische regelaars om deze balans te beheren, maar deze traditionele systemen worstelen vaak wanneer ze worden geconfronteerd met dergelijke complexe, veranderende omstandigheden. Ze zijn als een bestuurder die het gaspedaal op een vast tempo ingedrukt houdt, niet in staat om snel genoeg te reageren wanneer de weg plotseling afbuigt of de motor hapert. Om dit op te lossen, heeft een team van ingenieurs een nieuwe aanpak ontwikkeld die de betrouwbaarheid van gevestigde elektronica combineert met de aanpassingsvermogens van kunstmatige intelligentie. Hun werk richt zich op een specif kind van machine: een hoogfrequente lasvoeding die direct op zonne-energie werkt. Door de besturingssystemen van de machine te leren om van hun eigen omgeving te leren, hebben zij een apparaat gecreëerd dat zichzelf in realtime kan aanpassen, waardoor een perfecte las behouden blijft, zelfs als de zon achter een wolk verdwijnt of de hand van de lasser beweegt.

De onderzoekers bouwden een fysieke prototype van dit systeem om te testen of hun ideeën zouden werken in de echte wereld, en niet alleen in computersimulaties. Het hart van hun ontwerp is een tweelaags controlesysteem. De eerste laag is een snel reagerende elektronische regulator die de directe, split-second eisen van de lasboog afhandelt, om ervoor te zorgen dat de stroom constant blijft. Deze laag werkt met de snelheid en voorspelbaarheid van een traditionele machine. De tweede laag is waar de innovatie ligt: een kunstmatige intelligentie-agent die het grotere plaatje in beeld brengt. Deze agent houdt de beschikbare energie van de zonnepanelen en de veranderende lengte van de lasboog in de gaten. In plaats van een rigide set regels te volgen, leert deze agent hoe de instellingen van de snelle regulator moeten worden aangepast om aan de huidige omstandigheden te voldoen. Het is een systeem dat zijn eigen gevoeligheid aanpast, door de grip op de energiestroom te verstevigen of te versoepelen, afhankelijk van wat er op dat exacte moment gebeurt.

Om dit concept te bewijzen, bouwde het team een werkend model met geavanceerde siliciumcarbide componenten, die bekend staan om hun vermogen om hoge snelheden en hitte efficiënt te verwerken. Ze testten deze machine op twee manieren: eerst op een kleinere laboratoriumbank met gesimuleerde omstandigheden, en daarna op een volledige industriële testopstelling van vijf kilowatt. Tijdens deze tests onderwierpen ze de machine aan variabele booglengtes, plotselinge pieken in de vraag naar vermogen en fluctuerende zonne-energie die het passeren van wolken nabootsten. De resultaten werden gemeten ten opzien van drie andere veelvoorkomende methoden: een systeem dat een batterij gebruikt om de stroom te stabiliseren, een standaardcontroller met vaste instellingen, en een systeem dat een basisset vooraf geprogrammeerde regels volgt.

De bevindingen toonden aan dat het nieuwe door kunstmatige intelligentie aangestuurde systeem de anderen overtrof in efficiëntie, dynamische responstijd en energieverbruik per lascyclus. Het bereikte een energie-efficiëntie van ongeveer 90 procent, wat betekent dat er zeer weinig energie verloren ging als warmte. In tegenstelling hiertoe was het batterij-gebufferde systeem minder efficiënt vanwege de energieverlies bij het laden en ontladen van de batterij. Het nieuwe systeem reageerde ongeveer 33 procent sneller op veranderingen in het lasproces dan de standaardcontroller, wat een gladdere, meer consistente las mogelijk maakte. Wat de stroomkwaliteit betreft, behield het systeem een totale harmonische vervorming (THD) van ongeveer 4 procent, wat voldoet aan de industriële veiligheidsnormen. De onderzoekers merkten echter een genuanceerde afweging op: hoewel het systeem een uitstekende algehele prestatie leverde, introduceerde de adaptieve aard van het leerbeleid een kleine toename in de schakelgerelateerde harmonische inhoud vergeleken met de fixed-gain PI en de batterij-gebufferde baselines in simulatie. Dit suggereert dat het systeem prioriteit geeft aan snelle tracking en stabiliteit, waarbij een kleine concessie wordt gedaan in de harmonische zuiverheid om zijn superieure dynamische respons te bereiken.

Misschien wel het belangrijkste is dat het systeem robuust en veilig bleek te zijn. De onderzoekers lieten de machine acht uur lang continu draaien onder zware belasting, en de componenten bleven binnen veilige temperatuurgrenzen, zonder tekenen van stress of falen. De kunstmatige intelligentie reageerde niet alleen; het paste zijn gedrag aan op basis van realtime state-feedback om het energieverbruik te minimaliseren terwijl de integriteit van de las behouden bleef. Hoewel het systeem een zeer kleine afweging introduceerde in de vorm van iets meer elektrische schakelactiviteit vergeleken met de eenvoudigste controllers, waren de winsten in snelheid, efficiëntie en stabiliteit aanzienlijk.

Dit werk demonstreert dat het mogelijk is om zware industriële machines rechtstreeks op hernieuwbare bronnen te laten draaien zonder in te boeten op prestaties of veiligheid. Door de snelheid van traditionele elektronica te combineren met het leervermogen van kunstmatige intelligentie, hebben de onderzoekers een levensvatbaar pad naar duurzame productie aangetoond. De machine die zij hebben gebouwd, overleeft niet alleen de onvoorspelbaarheid van zonne-energie en de chaos van de lasboog; hij gedijt erin, door zichzelf telkens aan te passen om de perfecte balans te vinden. Dit suggereert dat fabrieken in de toekomst meer kunnen vertrouwen op de zon, door slimme systemen te gebruiken om de variabele aard van hernieuwbare energie om te zetten in een constante, betrouwbare kracht voor de industrie.