L'IA pour l'électrification
Appliquer des techniques d'intelligence artificielle (IA) pour le développement et le fonctionnement des technologies électriques
MATLAB et Simulink vous permettent de modéliser des comportements complexes de composants électriques et d'accélérer la simulation en créant des modèles d'ordre réduit (ROM, Reduced Order Models) basés sur l'IA. Vous pouvez créer, entraîner et tester des capteurs virtuels basés sur l'IA et contrôler les stratégies pour les moteurs, les batteries, les convertisseurs de puissance, les systèmes de gestion de l'énergie, les véhicules électriques et les systèmes de réseaux électriques. MATLAB et Simulink vous permettent d'assurer un fonctionnement sûr et efficace des systèmes électriques en intégrant les prévisions énergétiques basées sur l'IA et en adoptant la maintenance prédictive basée sur l'IA.
Vous pouvez utiliser l'IA et les méthodes basées sur les données pour créer des modèles d'ordre réduit pour des composants physiques (comme les moteurs brushless et les charges de moteur) ou des systèmes physiques, puis utiliser ces modèles dans votre design. Ces méthodes vous permettent d'accélérer considérablement les simulations tout en continuant à capturer le comportement essentiel de votre système.
Avec MATLAB, Simulink et Simscape, vous pouvez :
- Créer des modèles de simulation basés sur la physique de systèmes, exécuter des simulations et générer des données synthétiques pour entraîner des modèles d'IA
- Sélectionner des modèles dans une bibliothèque de modèles d'IA prédéfinis et évaluer leur performance en exécutant plusieurs expérimentations
- Intégrer directement des modèles d'IA dans Simulink pour les valider et les tester en exécutant des simulations
MATLAB, Simulink et Simscape vous permettent de surveiller l'état des ressources et d'estimer leur vie utile restante afin de réduire les temps d'immobilisation imprévus, de réduire les coûts opérationnels et de garantir la fiabilité et la sécurité des systèmes d'alimentation électrique. Vous pouvez.
- Créer des modèles basés sur la physique de systèmes électriques avec Simscape Electrical, intégrer des erreurs et exécuter des simulations afin de générer des données synthétiques pour entraîner des modèles de maintenance prédictive
- Extraire, visualiser et classer des caractéristiques afin de concevoir des indicateurs d'état pour surveiller l'état du système d'alimentation électrique avec l'application Diagnostic Feature Designer
- Identifier la cause principale des défaillances et estimer le temps de fonctionnement avant défaillance avec des modèles d'IA prédéfinis tels que la classification, la régression et les modèles de séries temporelles
Exemples
Témoignages clients
Exemples
- Détection des défaillances d'un chargeur de véhicule électrique
- Pronostic sur les roulements à grande vitesse d'une éolienne
- Détection des défaillances du rotor dans un moteur à induction AC à l'aide des signaux électriques et de vibration
- Analyse de la signature électrique du moteur pour la détection des défaillances des trains d'engrenages
Lors de l'implémentation des systèmes de contrôle d'électronique de puissance, vous pouvez utiliser l'IA pour développer des modèles de capteurs virtuels afin de fournir les signaux critiques. Les capteurs virtuels n'ont pas de coûts de matériaux récurrents, ils ne sont pas invasifs et ils n'ont pas besoin de maintenance.
Avec MATLAB, Simulink et Simscape, vous pouvez :
- Créer des modèles basés sur la physique de systèmes, exécuter des simulations et générer des données synthétiques pour entraîner des capteurs virtuels basés sur l'IA
- Sélectionner des modèles dans une bibliothèque de modèles d'IA prédéfinis et évaluer leur performance en exécutant plusieurs expérimentations
- Intégrer directement les modèles de capteurs virtuels de Simulink dans des modèles de systèmes physiques afin de les valider
- Générer du code C/C++ lisible et efficace pour des dispositifs embarqués
Exemples
Vidéos
- Workflows d'IA pour l'estimation de l'état d'une batterie (15:36)
- Estimation de l'état de santé et de l'état de charge d'une batterie avec une approche de Machine Learning hybride (13:38)
- Embarquer l'estimation de l'état de charge d'un bloc de batteries en utilisant un réseau de neurones entraîné (15:02)
- Intégrer un modèle de TensorFlow dans Simulink pour la simulation et la génération de code (5:47)
- Utiliser l'IA pour estimer l'état de charge d'une batterie (SOC) (19:48)
MATLAB et Simulink peuvent permettre de réduire les efforts nécessaires pour implémenter un système de prévisions énergétiques basé sur l'IA afin de prédire l'offre, la demande et les tarifs de l'électricité et d'atténuer les incertitudes et les risques dans le cadre du fonctionnement de systèmes d'alimentation électrique. Vous pouvez :
- Automatiser le prétraitement des données avec l'application Data Cleaner et les tâches du Live Editor
- Choisir parmi tout un ensemble de modèles de Machine Learning et de Deep Learning prédéfinis avec peu ou pas du tout de codage manuel
- Concevoir des réseaux de neurones profonds de manière interactive avec l'application Deep Network Designer et gérer des expérimentations de Deep Learning avec l'application Experiment Manager
- Utiliser le calcul parallèle pour accélérer le processus d'apprentissage d'IA
- Opérationnaliser et déployer le modèle sur des environnements cloud de production avec MATLAB et Simulink dans le cloud
Exemples
Vidéos
- Prévision de la consommation et du prix de l’électricité avec MATLAB (47:43)
- Utilisation du Machine Learning et du Deep Learning pour les prévisions énergétiques avec MATLAB (39:29)
- Créer un système de production orienté données à partir d'une idée : étude de cas sur la prévision de charge énergétique (42:53)
- Utilisation de MATLAB pour augmenter les capacités des prévisions météorologiques numériques modernes (22:31)
- Prévision de charge d'électricité avec MATLAB (1:37)
MATLAB et Simulink vous aident à adopter des contrôles haute performance et basés sur l'IA de systèmes MIMO non linéaires complexes, qui ne nécessitent que peu de connaissances préalables de la physique du système. Vous pouvez :
- Entraîner des algorithmes de contrôle basés sur l'IA dans le cadre d'environnements simulés dans Simulink
- Accélérer l'apprentissage en exécutant des simulations en parallèle
- Consulter des exemples dans les toolboxes pour le réglage itératif des paramètres de design
- Intégrer directement des modèles entraînés dans Simulink pour une vérification basée sur la simulation
Exemples
Vidéos
- Tests temps réel – Déploiement d'un agent de Reinforcement Learning pour la commande vectorielle (4:51)
- Le Reinforcement Learning inspire les ingénieurs spécialisés en contrôle de groupe motopropulseur (21:26)
- Série de conférences sur l'énergie - Module 3 : le stockage de l'énergie et le contrôle de système d'énergie avec l'IA (1:11:47)
