IA e ZVS per l’inverter ARCP: l’approccio Porsche Engineering ai veicoli elettrici più efficienti

IA per lo ZVS dell’inverter ARCP: Porsche Engineering riduce le perdite del 70-95%, più autonomia e meno calore, integrazione software. Inverter più compatti.

Porsche Engineering punta sull’intelligenza artificiale per migliorare l’efficienza dei veicoli elettrici, partendo da uno dei componenti della catena di trazione più critici e spesso sottovalutati: l’inverter. Una mossa che colpisce nel segno: intervenire sull’inverter spesso paga più di quanto si creda. Una quota importante delle perdite energetiche nei sistemi elettrici nasce infatti durante la commutazione dei transistor di potenza, con effetti diretti su autonomia, carico termico e dimensioni dei componenti.

Il nuovo approccio si basa sul principio del soft switching. A differenza della commutazione “hard”, in cui corrente e tensione si sovrappongono durante le transizioni, l’obiettivo è ridurre al minimo il loro prodotto controllando con precisione gli istanti in cui i transistor si accendono e si spengono. In pratica, lo switching avviene quando la tensione o la corrente è prossima allo zero.

Porsche Engineering ha scelto la Zero Voltage Switching (ZVS), una metodologia particolarmente adatta a carichi induttivi come i motori elettrici. È anche una scelta che si sposa bene con i transistor di potenza al carburo di silicio e al nitruro di gallio, sempre più usati nei veicoli elettrici per l’efficienza alle frequenze di commutazione più elevate.

Al centro del concept c’è la topologia d’inverter Auxiliary Resonant Commutated Pole (ARCP). Nota da decenni nell’elettronica di potenza, è stata finora poco utilizzata negli inverter di trazione per la complessità del controllo in condizioni operative che cambiano rapidamente. È proprio qui che entra in gioco l’intelligenza artificiale.

Un algoritmo di IA pre-addestrato elabora in tempo reale decine di parametri del veicolo, tra cui carico, coppia e temperatura. Sulla base di questi dati, calcola in frazioni di secondo gli instanti ottimali di commutazione dei transistor di potenza. Porsche Engineering sta valutando sia le reti neurali ricorrenti, apprezzate per l’elevata accuratezza predittiva, sia i metodi di reinforcement learning, che offrono vantaggi nelle applicazioni real-time più impegnative: due strade complementari che mirano a conciliare precisione e prontezza di risposta.

I risultati delle simulazioni indicano un netto salto di efficienza: le perdite di commutazione nei transistor possono ridursi dal 70 al 95 percento. A seconda delle condizioni di guida, ciò si traduce in un aumento percepibile dell’autonomia e in una minore generazione di calore nell’inverter. Lo stress termico ridotto permette sistemi di raffreddamento più compatti e inverter di dimensioni inferiori, con tagli di volume complessivi tra il 20 e il 50 percento. La commutazione più dolce alleggerisce inoltre il carico sui transistor di potenza, con un potenziale beneficio anche sulla loro durata. Sulla carta, sono numeri che fanno davvero la differenza.

L’algoritmo di controllo basato su IA è già in uno stadio avanzato di sviluppo. Una volta finalizzato, Porsche Engineering intende proporre la tecnologia come soluzione software. Distribuita sotto forma di librerie, potrà essere integrata nelle unità di controllo esistenti con modifiche hardware relativamente contenute, risultando adatta sia agli aggiornamenti di modello sia alle piattaforme elettriche completamente nuove. Un approccio “software-first” che punta alla concretezza e facilita l’adozione senza stravolgere l’hardware.