IA per l’elettrificazione

Applicazione di tecniche di intelligenza artificiale (IA) allo sviluppo di tecnologie elettriche e alle relative operazioni

Modellazione di ordine ridotto (ROM)

Con MATLAB e Simulink, è possibile modellare comportamenti complessi di componenti elettrici e aumentare la velocità di simulazione creando modelli di ordine ridotto (ROM) basati sull’IA. È possibile creare, addestrare e testare sensori virtuali basati sull’IA e strategie di controllo per motori, batterie, convertitori di potenza, sistemi di gestione dell’energia, veicoli elettrici e sistemi di rete. MATLAB e Simulink consentono di garantire operazioni sicure ed efficienti relative ai sistemi elettrici integrando la previsione energetica basata sull’IA e adottando la manutenzione predittiva basata sull’IA.

White paper gratuito: Tecniche di IA per le tecnologie elettriche

IA per lo sviluppo di tecnologie elettriche

Modellazione di ordine ridotto

È possibile utilizzare metodi basati su IA e sui dati per creare modelli di ordine ridotto per componenti fisici (come motori brushless e carichi motore) o sistemi fisici e utilizzare questi modelli nella progettazione. Questi metodi consentono di accelerare notevolmente le simulazioni, rilevando al contempo il comportamento essenziale del sistema.

MATLAB, Simulink e Simscape consentono di:

Creare modelli di simulazione di sistemi basata sulla fisica, eseguire simulazioni e generare dati sintetici per l’addestramento di modelli di IA
Scegliere da una libreria di modelli di IA predefiniti e valutare le prestazioni dei modelli effettuando più esperimenti
Integrare direttamente i modelli di IA in Simulink ai fini della convalida e del test dei modelli mediante simulazioni

Dimostrazione concettuale che mostra in che modo un modello di automobile basato sulla fisica in Simulink può essere sostituito da un modello di ordine ridotto basato sull’IA

Ulteriori informazioni

Modello di ordine ridotto per un PMSM mediante il Deep Learning

Esempi

Modello di ordine ridotto per un carico motore mediante il Deep Learning in Simulink

Modellazione di sensori virtuali

Nell’implementare controlli dell’elettronica di potenza, è possibile utilizzare l’IA per sviluppare modelli di sensori virtuali in grado di fornire segnali fondamentali. I sensori virtuali non prevedono costi ricorrenti della distinta dei materiali, non sono invasivi e non necessitano di manutenzione.

Con MATLAB, Simulink e Simscape è possibile:

Creare modelli di sistemi basati sulla fisica, eseguire simulazioni e generare dati sintetici per l’addestramento di sensori virtuali basati sull’IA
Scegliere da una libreria di modelli di IA predefiniti e valutare le prestazioni dei modelli effettuando più esperimenti
Integrare direttamente i modelli di sensori virtuali in Simulink all’interno di modelli di sistemi fisici ai fini della convalida
Generare codice C/C++ leggibile ed efficiente per dispositivi embedded

Modello Simulink che mostra un modello di batteria e una suddivisione dettagliata del modulo di rete neurale profonda per la stima dello stato di carica (SoC).

Prova gli esempi

Previsione dello stato di carica delle batterie mediante il Deep Learning

Apri in MATLAB Online

Stima dello stato di carica delle batterie in Simulink mediante una rete di Deep Learning

Apri in Simulink Online

Soluzione di progettazione di un pacco batteria per veicoli elettrici a batteria in Simscape

Scarica il codice

Video

Strategia di controllo

MATLAB e Simulink consentono di adottare controlli ad alte prestazioni basati sull’IA di sistemi complessi, non lineari e Multiple-Input Multiple-Output che richiedono una conoscenza minima della fisica dell’impianto. Sarà possibile:

Addestrare algoritmi di controllo basati sull’IA rispetto ad ambienti simulati in Simulink
Accelerare l’addestramento eseguendo simulazioni in parallelo
Consultare esempi dei toolbox per la regolazione iterativa dei parametri di progettazione
Integrare direttamente i modelli addestrati in Simulink ai fini della verifica basata sulla simulazione

Diagramma di sistema che mostra il sistema di controllo Field-Oriented (FOC) di un motore sincrono a magneti permanenti (PMSM) con un agente di Reinforcement Learning come controller di corrente.

Prova gli esempi

Video

IA per le operazioni relative a sistemi elettrici

Previsioni energetiche

MATLAB e Simulink possono aiutare a ridurre gli sforzi necessari per implementare un sistema di previsione energetica basato sull’IA per prevedere la domanda, l’offerta e i prezzi dell’elettricità e mitigare le incertezze e i rischi nelle operazioni relative ai sistemi di alimentazione. Sarà possibile:

Automatizzare la pre-elaborazione dei dati con l’app Data Cleaner e le attività di Live Editor
Scegliere tra una serie di modelli di Machine Learning e Deep Learning con una codifica manuale minima o nulla
Progettare reti neurali profonde in modo interattivo con l’app Deep Network Designer e gestire esperimenti di Deep Learning con l’app Experiment Manager
Utilizzare il calcolo parallelo per accelerare il processo di addestramento dell’IA
Rendere operativo il modello e distribuirlo in ambienti cloud di produzione con MATLAB e Simulink nel Cloud

Schermata di un sistema di previsione energetica sviluppato in MATLAB.

Prova gli esempi

Previsioni energetiche a lungo termine con l’econometria in MATLAB

Scarica il codice

Guarda il webinar

Analisi dei dati con i file dei webinar MATLAB

Scarica il codice

Guarda il webinar

Casi dei clienti

Video

Manutenzione predittiva

Con MATLAB, Simulink e Simscape è possibile monitorare le condizioni degli impianti e stimarne la vita utile residua per ridurre al minimo i tempi di fermo non pianificati, ridurre i costi operativi e garantire l’affidabilità e la sicurezza dei sistemi di alimentazione.

Costruisci modelli di sistemi elettrici basati sulla fisica con Simscape Electrical, inserisci guasti ed esegui simulazioni per generare dati sintetici per l’addestramento di modelli di manutenzione predittiva.
Estrai, visualizza e classifica le feature per progettare indicatori di condizione per il monitoraggio dello stato operativo dei sistemi di alimentazione con l’app Diagnostic Feature Designer
Identifica la causa principale dei guasti e prevedi i guasti utilizzando modelli di IA predefiniti, come ad esempio i modelli di classificazione, regressione e serie storiche