將人工智能 (AI) 方法應(yīng)用于電氣技術(shù)的開發(fā)和運(yùn)營

使用 MATLAB 和 Simulink，您可以通過創(chuàng)建基于 AI 的降階模型 (ROM) 對電子元件的復(fù)雜行為進(jìn)行建模并提高仿真速度。您可以為電機(jī)、電池、電力變換器、能源管理系統(tǒng)、電動汽車和電網(wǎng)系統(tǒng)創(chuàng)建、訓(xùn)練和測試基于 AI 的虛擬傳感器與控制策略。MATLAB 和 Simulink 可通過集成基于 AI 的能源預(yù)測以及采用基于 AI 的預(yù)測性維護(hù)來幫助您確保電氣系統(tǒng)的安全高效運(yùn)行。

AI 在電氣技術(shù)開發(fā)中的應(yīng)用

降階建模

您可以使用 AI 和數(shù)據(jù)驅(qū)動方法來創(chuàng)建物理組件（如無刷電機(jī)和電機(jī)負(fù)荷）或物理系統(tǒng)的降階模型，并在您的設(shè)計中使用這些模型。這些方法有助于顯著加快仿真速度，同時仍能捕獲系統(tǒng)的必要行為。

使用 MATLAB、Simulink 和 Simscape，您能夠：

創(chuàng)建基于物理的系統(tǒng)仿真模型，運(yùn)行仿真，并為訓(xùn)練 AI 模型生成合成數(shù)據(jù)

從預(yù)置 AI 模型的庫中進(jìn)行選擇，并通過運(yùn)行多個試驗(yàn)來評估模型性能

在 Simulink 中直接集成 AI 模型，通過運(yùn)行仿真進(jìn)行模型驗(yàn)證和測試

虛擬傳感器建模

在實(shí)現(xiàn)電力電子控制時，您可以使用 AI 來開發(fā)虛擬傳感器模型以提供關(guān)鍵信號。虛擬傳感器沒有重復(fù)的材料成本，它們是非侵入性的，并且沒有維護(hù)需求。

使用 MATLAB、Simulink 和 Simscape，您可以：

創(chuàng)建基于物理的系統(tǒng)模型，運(yùn)行仿真，并為訓(xùn)練基于 AI 的虛擬傳感器生成合成數(shù)據(jù)

從預(yù)置 AI 模型的庫中進(jìn)行選擇，并通過運(yùn)行多個試驗(yàn)來評估模型性能

將 Simulink 中的虛擬傳感器模型直接集成到物理系統(tǒng)模型中進(jìn)行驗(yàn)證

為嵌入式設(shè)備生成可讀、高效的 C/C++ 代碼

控制策略

MATLAB 和 Simulink 幫助您采用基于 AI 的復(fù)雜、非線性、多輸入多輸出系統(tǒng)的高性能控制。這些控制幾乎不需要事先了解被控對象的物理知識。您可以：

在 Simulink 基于仿真環(huán)境訓(xùn)練 AI 控制算法

通過并行運(yùn)行仿真加速訓(xùn)練

請參考工具箱示例了解設(shè)計參數(shù)的迭代調(diào)節(jié)

將經(jīng)過訓(xùn)練的模型直接集成到 Simulink 中進(jìn)行基于仿真的驗(yàn)證

AI 在電氣系統(tǒng)運(yùn)行中的應(yīng)用

能源預(yù)測

MATLAB 和 Simulink 可以幫助減少實(shí)現(xiàn)基于 AI 的能源預(yù)測系統(tǒng)所需的工作，以預(yù)測電力供應(yīng)、需求和定價，并減輕電力系統(tǒng)運(yùn)行中的不確定性和風(fēng)險。您可以：

使用數(shù)據(jù)清洗器和實(shí)時編輯器任務(wù)自動進(jìn)行數(shù)據(jù)預(yù)處理

從各種內(nèi)置的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型中進(jìn)行選擇，無需或只需很少手動編碼動作即可上手

使用深度網(wǎng)絡(luò)設(shè)計器以交互方式設(shè)計深度神經(jīng)網(wǎng)絡(luò)，使用試驗(yàn)管理器管理深度學(xué)習(xí)試驗(yàn)

使用并行計算加速 AI 訓(xùn)練過程

使用云中的 MATLAB 和 Simulink 將模型運(yùn)營化并部署到生產(chǎn)云環(huán)境中

預(yù)測性維護(hù)

使用 MATLAB、Simulink 和 Simscape，您可以監(jiān)控資產(chǎn)狀況并估計其剩余使用壽命，從而最大限度地減少計劃外停機(jī)時間，降低運(yùn)營成本，并確保電力系統(tǒng)的可靠性和安全性。

使用 Simscape Electrical 構(gòu)建基于物理的電氣系統(tǒng)模型，注入故障，并運(yùn)行仿真以生成用于訓(xùn)練預(yù)測性維護(hù)模型的合成數(shù)據(jù)

使用診斷特征設(shè)計器對特征進(jìn)行提取、可視化和排序，以設(shè)計用于監(jiān)控電力系統(tǒng)健康狀態(tài)的狀態(tài)指標(biāo)

使用預(yù)置的 AI 模型（如分類、回歸和時間序列模型）確定故障的根本原因并預(yù)測故障時間

審核編輯 ：李倩