An Overview Of Artificial Intelligence Applications For Power Electronics

An Overview Of Artificial Intelligence Applications For Power Electronics – Keunstmjittige yntelliginsje (AI) en masine learen (ML) yn machtelektroanika bouwe op ‘e besteande stifting fan digitale krêft en fertsjintwurdigje de folgjende stap yn’ e evolúsje fan ûntwerp, kontrôle en optimalisaasje fan machtkonverter. Krekt sa’t digitale macht mear komplekse kontrôlealgoritmen mooglik makket as analoge kontrôlemetoaden, sille AI en ML kompleksere en dynamyske net-lineêre kontrôle oerflakken ynskeakelje om effisjinsje, betrouberensfoarsizzingen en sûnensmonitoring te ferheegjen yn machtkonverters. Dizze FAQ begjint mei in koart oersjoch fan ‘e tanimmende belangstelling foar AI / ML foar applikaasjes foar machtelektronika, en presintearret dan twa foarbylden fan it brûken fan AI / ML, ien foar sinne-ynstallaasjes mei raster en ien foar motordriven, en it beoardieling is sletten troch foarby. guon útdagings yn ferbân mei wiidferspraat oannimmen fan AI / ML yn macht elektroanika.

Power converter-ûntwerpers en halfgeleiderbedriuwen ûntwikkelje aktyf AI / ML-technologyen. Undersyks- en ûntwikkelingsaktiviteiten yn ferbân mei keunstmjittige yntelliginsje yn machtelektronika wreidzje út (figuer 1). De tapassing fan AI / ML yn machtelektronika is de ôfbyldingsklassifikaasje, spraakherkenning, ensfh. is oars as it gebrûk yn mear fêstige gebieten lykas Power converter design, control loop optimalisaasje, en previntyf ûnderhâld binne trije grutte gebieten dêr’t AI / ML wurdt brûkt.

An Overview Of Artificial Intelligence Applications For Power Electronics

Ofbylding 1: Oantal technyske papers oer it brûken fan keunstmjittige yntelliginsje yn machtelektroanika jierliks ​​publisearre fan 1990 oant maaie 2020. (Graph: IEEE Transactions on Power Electronics)

Applications Of Natural Language Processing

Konvergearjende ûntjouwings ynklusyf lege kosten, hege prestaasjes komputerboarnen, ferbettere ark foar keunstmjittige yntelliginsje, en tanimmende hoemannichten relevante datasets driuwen it tanommen gebrûk fan AI / ML yn fotovoltaïsche (PV) systemen, foaral net-ferbûne PV. . Keunstmjittige yntelliginsje wurdt brûkt om it ûntwerp, prognosen, kontrôle en ûnderhâld fan PV-systemen te ferbetterjen, wat resulteart yn ferbettere ynvestearring foar systeemeigners en -operators. Derneist wurdt AI brûkt om de cyberfeiligens te ferbetterjen fan grid-ferbûne PV-systemen, dy’t hieltyd mear ferbûn binne mei de F-wolk.

Yn ‘e heine takomst sil it fergrutsjen fan de wearde fan PV-systemen hieltyd mear fertrouwe op AI-arsjitektueren basearre op synergyen tusken it apparaat (yndividuele inverters), de râne (PV-systeem / array-kontrôles) en de wolk (foar trochgeande AI-oplieding en ML-stipe). ):

Ynstrumintaasje: Mooglikheden foar it sammeljen fan gegevens mei hege presyzje yn realtime sille wurde tafoege oan PV-ynverters. It sammeljen fan dizze ynformaasje sil in protte doelen tsjinje. It sil real-time AI-útfier ynskeakelje, optimisaasje fan macht-effisjinsje op draadnivo basearre op útfiering en selssluting, real-time reaksje op grid-ferbûne kontrôle en real-time DC-arc-deteksje mei AI-algoritmen foar real-time kontrôle. – loop kontrôle mooglikheden. Gegevens sille ek streamop nei Edge en Cloud stjoerd wurde om ML-aktiviteiten te stypjen.

Râne: PV-array-controllers sille profitearje fan de tafoeging fan ML-mooglikheden dy’t trochgeande ferbetteringen sille stypje yn optimisaasje fan enerzjyopwekking en hegere nivo’s fan grid-ynteraktive funksjes ynskeakelje. Lykas ynverters op apparaatnivo, sille dizze controllers realtime gegevens sammelje foar AI-ynferzjemotoren (miskien basearre op fuzzy logika) en de gegevens nei de wolk stjoere foar mear avansearre ML-funksjes.

Artificial Intelligence Is Now Part Of Our Everyday Lives

Wolk: In AI/ML-trainings- en inferzjemotor yn ‘e wolk sil trochgeande training útfiere en AI-algoritmen op it apparaat en de râne optimalisearje, en minimalisearje de needsaak om djoere komputerkrêft ta te foegjen. Derneist kin AI / ML-training yn ‘e wolk tagong krije ta grutte datasets besteande út ynfiergegevens fan meardere PV-ynstallaasjes. It kombinearjen fan gegevens fan meardere opstellingen kin oeral hegere krektens leverje yn AI-ynfeksjemotoren. Op-apparaat en off-device inference modellen sille wurde bywurke yn batches, it realisearjen fan produktive gearwurking.

Konvinsjonele PV-ynverterkontrôles binne basearre op proporsjoneel-yntegraal (PI) en proporsjoneel-resonânsje (PR) basearre algoritmen. Wannear’t keunstmjittige yntelliginsje-algoritmen wurde tafoege oan ‘e kontrôler, kin de reaksjetiid fan’ e ynverter op transiente fouten en de krektens fan ‘e kontrôler wurde ferbettere. Derneist kinne AI-basearre ynverterkontrôles THD yn ‘e útfiergolffoarm ferminderje. Ferskate oanpakken wurde ûntwikkele foar kontrôle fan PV-omvormer, ynklusyf fuzzy logic control loops en fuzzy logic. Mear avansearre techniken lykas keunstmjittige neurale netwurken en adaptive neuro-fuzzy inference system (ANFIS)-basearre inverter controllers wurde ek ûndersocht.

De auxiliary resonant switched pole (ARCP) topology waard foarsteld yn ‘e lette jierren 1980 te ferminderjen switching ferliezen yn nul-voltage switching (ZVS) en / of nul-current switching (ZCS) converters. Konvinsjonele ARCP ZVS-applikaasjes slaggen lykwols net om stabiliteit te behâlden oer lading, temperatuer en produksjefariaasjes.

Koartlyn binne stabiliteitsproblemen yn ferbân mei ARCP-applikaasjes opnij besocht mei konsepten ôflaat fan keunstmjittige yntelliginsje tapast op robotika-applikaasjes. ARCP-kontrôlesystemen liene har foar AI-applikaasjes, om’t it systeem wurket yn in lawaaierige omjouwing mei beheinde tagong ta parameters dy’t liede ta in grutte graad fan ûnwissichheid, en om’t it systeem noait kontrôlesinjalen yn realtime kin leverje, moat it systeem “pre-aktearje” . ” is basearre op in statistysk en foarsizzend algoritme foar keunstmjittige yntelliginsje.

Machine Learning Projects For All Levels

Yn praktyske ymplemintaasje wurdt ien ARCP circuit brûkt foar elke faze skonk yn ‘e macht converter (figuer 3). ARCP kin brûkt wurde mei sawol IGBT as SiC/GaN MOSFET-basearre converters. Helpresonânsjeschakelaars A

Binne lege-kosten IGBTs dy’t moatte drage oer 1,5 kear de pieklaststrom, mar mei allinnich 1-5% duty cycle en allinnich puls rate. Kondensatoren C

Binne ek lytse, goedkeape apparaten mei kapasiteiten tusken 10X en 200X de Miller kapasiteit fan basis macht Switches (S).

Figuer 3: ARCP heal-single-fase circuit lit resonânsjefel switches A1 en A2 en capacitors C1 en C2. (Ofbylding: Advance Link)

Emerging Architectures For Modern Data Infrastructure

It ARCP-kontrôlealgoritme brûkt in hysteretyske flaterberekkening dy’t offline ferwurke is om de wikseloergong te “skoaren” en oan te passen foar de folgjende wikselsyklus. As de kontrôle loop is fluch en strak, it algoritme net nedich folsleine kennis fan de bestjoeringssysteem parameters. Op grûn fan ‘e foarsizzing fan’ e relative sinjalen op in syklus-by-syklus basis, it algoritme “pre-acts” troch it kontrolearjen fan de poarten fan de macht switches. De relatyf lege skeakelfrekwinsje fan motorcontrollers is in wichtige faktor by it ynskeakeljen fan keunstmjittige yntelliginsjetechniken yn ARCP-kontrôle.

It pre-aktearjende ARCP-kontrôlealgoritme hat ferskate prestaasjesfoardielen, ynklusyf in likernôch 80% reduksje yn IGBT-skeakelferlies en in 95% reduksje yn SiC- en GaN MOSFET-skeakelferlies; likegoed as reduksje fan elektromagnetyske ynterferinsje (EMI), inverter dV / dt en mienskiplike modusstreamen yn motorlagers. Yn stee fan skeakelferlies te ferminderjen, kin pre-aktearjende ARCP-kontrôle ferhege motorkonverterfrekwinsjes leverje (sawat 5X flugger foar IGBT’s en oant 20X foar SiC- en GaN MOSFET’s) foar deselde converter-effisjinsje. Ferhege ynverterfrekwinsjes kinne motor effisjinsje ferheegje. Hegere skeakelfrekwinsjes resultearje yn in fermindere útfierrimpel yn ‘e stroom dy’t de motor driuwt, wat izerferlies fermindert en de motor koeler makket.

Fuortsette ûntwikkeling en oannimmen fan AI / ML yn robúste elektroanyske kontrôleapplikaasjes sil wurde oandreaun troch ferbetteringen yn dynamyske prestaasjes en konverginsjesnelheid, robústiteit, en generalisaasje fan AI / ML-algoritmen. Lykas by iere tapassingen fan digitale krêft, is komputaasje-overhead in wichtige útdaging foar AI / ML-oanname. It ymplementearjen fan AI / ML yn macht converters hjoed fereasket djoere hege-optreden digitale sinjaal processors (DSP) of fjild-programmearbere gate arrays (FPGA). Guon fan ‘e AI / ML-applikaasjes ûntwikkele foar machtelektronika binne fuzzy logika, feed-forward neurale netwurken, fuzzy neurale netwurken, weromkommende neurale netwurken, en fuzzy neurale netwurken en fersterking learen binne guon fan ‘e AI / ML-applikaasjes ûntwikkele foar macht. elektroanika? elk hat ûnderskate foardielen en beheiningen (figuer 4).

Figuer 4: Foardielen en beheinings fan AI / ML applikaasjes yn macht converter kontrôle applikaasjes. FFNN – Feed Forward Neural Networks, FNN – Fuzzy Neural Networks, RNN – Weromkommende neurale netwurken, RFNN – Weromkommend Fuzzy Neural Networks. Wurdearrings: superieur +++, gemiddelde ++ en leech +. (Tabel: IEEE Transaksjes op Power Electronics)

Things Ai Can Already Do For Your Company

De ûntwikkeling fan AI / ML-algoritmen dy’t net fertrouwe op djoere DSP’s as FPGA’s sil de kaai wêze foar de wiidferspraat oannimmen fan ‘e technology yn machtelektronika. Ferskate mooglike wegen foar AI / ML foar machtelektronika wurde op it stuit ûndersocht, ynklusyf:

Data-light AI: De measte AI / ML-oplossings fereaskje grutte databases foar optimale prestaasjes. Yn it gefal fan macht converters kinne beskikbere datasets wurde beheind, en de ferskillende ûntwerpen en bestjoeringssysteem omjouwings fan macht converters faak meitsje de kompilaasje fan grutte datasets ûnmooglik. In libben lykas FFNN sil de ûntwikkeling fan ynformaasjeljocht en feiligensalgoritmen nedich wêze. It súkses fan dizze ûntwikkelingspoging wurdt ferwachte dat it sil liede ta spin-out-foardielen foar net-enerzjyapplikaasjes fan AI / ML dy’t profitearje kinne fan minder data-yntinsive ferwurking.

Computationally lichtgewicht AI: Yn ferliking mei ôfbylding ferwurking en oare mienskiplike AI / ML applikaasjes, de measte macht konverzje systemen hawwe gjin hege-optreden DSP of FPGA. Real-time kontrôle wurdt op it stuit útfierd mei help fan spesjalisearre en lege kosten IC’s. De ûntwikkeling fan algoritmen foar komputearjende ljochtkontrôle lykas RNN en RFNN sil nedich wêze om AI oan te nimmen yn machtkonverters. Diele kontrôle en learen effektyf kin ien fan de kaaien. It tapassen fan wolkleartechniken kin native AI-controllers fergrutsje en heul optimalisearre prestaasjes leverje mei minimale berekkeningseasken.

Multi-Level Information Fusion: De robuustheid fan macht elektroanyske systemen is wichtich en it kin wurde ferbettere yn AI / ML applikaasjes mei help fan multi-level ynformaasje fúzje. AI / ML kin wurde kombinearre mei differinsjaalfergelikingen fan macht converter operaasje te krijen in hybride oplossing foar tastân monitoring, lykas fuzzy logika foar tuning in PID controller foar ferbettere robústiteit fan PV converters hjirboppe besprutsen. It kombinearre systeem sil profitearje fan ‘e model-oandreaune kant (differinsjaalfergelikingen) en de gegevens-oandreaune kant (AI / ML) foar ferbettere robústiteit en krektens.

Ai In Agriculture: 8 Practical Applications [2023 Update]

AI/ML

Artificial intelligence examples applications, engineering applications of artificial intelligence, practical applications of artificial intelligence, latest artificial intelligence applications, artificial intelligence tools & applications, artificial intelligence healthcare applications, artificial intelligence for business applications, applications of artificial intelligence, artificial intelligence business applications, artificial intelligence and applications, medical applications of artificial intelligence, artificial intelligence applications