KI für die Elektrifizierung
Anwendung von KI-Techniken bei der Entwicklung und dem Betrieb von elektrischen Technologien
Mit MATLAB und Simulink können Sie komplexe Verhaltensweisen elektrischer Komponenten modellieren und die Simulationsgeschwindigkeit durch die Erstellung KI-basierter Modelle mit reduzierter Ordnung (Reduced Order Modeling, ROM) erhöhen. Sie können KI-basierte virtuelle Sensoren und Regelungsstrategien für Motoren, Batterien, Leistungswandler, Energiemanagementsysteme, Elektrofahrzeuge und Netzsysteme erstellen, trainieren und testen. Mit MATLAB und Simulink können Sie einen sicheren und effizienten Betrieb von elektrischen Systemen gewährleisten, indem Sie KI-basierte Energievorhersagen integrieren und eine KI-basierte vorausschauende Instandhaltung nutzen.
Mithilfe von KI und datenbasierte Methoden können Sie Modelle mit reduzierter Ordnung für physikalische Komponenten (z. B. bürstenlose Motoren und Motorlasten) oder physikalische Systeme erstellen und diese Modelle daraufhin in Ihrem Entwurf verwenden. Mit diesen Methoden können Sie Simulationen deutlich beschleunigen und dabei weiterhin das grundlegende Verhalten Ihres Systems erfassen.
Mit MATLAB, Simulink und Simscape können Sie:
- Physikbasierte Simulationsmodelle von Systemen erstellen, Simulationen durchführen und synthetische Daten für das Training von KI-Modellen generieren
- Aus einer Bibliothek von vorgefertigten KI-Modellen wählen und die Modellleistung anhand von mehreren Experimenten bewerten
- KI-Modelle für Modellvalidierung und -tests direkt in Simulink integrieren, indem Sie Simulationen durchführen
Mit MATLAB, Simulink und Simscape können Sie den Zustand von Anlagen überwachen und ihre verbleibende Lebensdauer schätzen, um ungeplante Ausfallzeiten zu minimieren, die Betriebskosten zu senken und die Zuverlässigkeit und Sicherheit von Energiesystemen zu gewährleisten.
- Erstellen Sie physikbasierte Modelle von elektrischen Systemen mithilfe von Simscape Electrical, fügen Sie Fehler hinzu und führen Sie Simulationen durch, um synthetische Daten für das Training von Modellen für die vorausschauende Instandhaltung zu generieren
- Extrahieren und visualisieren Sie mithilfe der Diagnostic Feature Designer-App Merkmale und stufen Sie sie in Rangfolgen ein, um Indikatoren für die Überwachung des Zustands von Energiesystemen zu entwickeln
- Identifizieren Sie die Ursachen von Ausfällen und prognostizieren Sie die Zeit bis zum Ausfall mithilfe vorgefertigter KI-Modelle wie beispielsweise Klassifizierungs-, Regressions- und Zeitreihenmodelle
Beispiele ausprobieren
Berichte von Anwendern
Bei der Implementierung von Leistungselektronik-Steuerungen können Sie mithilfe von KI virtuelle Sensormodelle entwickeln, die kritische Signale liefern. Virtuelle Sensoren sind mit keinen wiederkehrenden Materialkosten verbunden, sind nicht invasiv und benötigen keine Wartung.
Mit MATLAB, Simulink und Simscape können Sie:
- Physikbasierte Systemmodelle erstellen, Simulationen durchführen und synthetische Daten für das Training von KI-basierten virtuellen Sensoren generieren
- Aus einer Bibliothek von vorgefertigten KI-Modellen wählen und die Modellleistung anhand von mehreren Experimenten bewerten
- Virtuelle Sensormodelle direkt in Simulink innerhalb von physikalischen Systemmodellen zur Validierung integrieren
- Lesbaren, effizienten C/C++ Code für Embedded-Geräte generieren
Beispiele ausprobieren
Videos
- KI-Workflows für die Schätzung des Batteriezustands (15:36)
- SOH- und SOC-Schätzung von Batterien mithilfe eines hybriden Machine-Learning-Ansatzes (13:38)
- Schätzung des Ladezustands integrierter Batteriepacks mithilfe eines trainierten neuronalen Netzes (15:02)
- Integration eines TensorFlow-Modells in Simulink zur Simulation und Codegenerierung (5:47)
- Schätzen des Ladezustands (SoC) einer Batterie mithilfe von KI (19:48)
MATLAB und Simulink erleichtern die Implementierung eines KI-basierten Energievorhersagesystems zur Prognose von Stromversorgung, Nachfrage und Preisen und zur Minderung von Ungewissheiten und Risiken beim Betrieb von Energiesystemen. Sie können:
- Die Datenvorbereitung mit der Data Cleaner-App und mit Live-Editor-Tasks automatisieren
- Aus einer Vielzahl von integrierten Machine-Learning- und Deep-Learning-Modellen mit wenig oder ganz ohne manuellen Codieraufwand wählen
- Tiefe neuronale Netze interaktiv mit der Deep Network Designer-App entwickeln und Deep-Learning-Experimente mit der Experiment Manager-App verwalten
- Mit Parallel Computing den KI-Trainingsprozess beschleunigen
- Das Modell mit MATLAB und Simulink in der Cloud operationalisieren und in Produktions-Cloud-Umgebungen bereitstellen
Beispiele ausprobieren
Videos
- Stromauslastungs- und Strompreisprognosen mit MATLAB (47:43)
- Machine Learning und Deep Learning für Energievorhersagen mit MATLAB (39:29)
- Von der Idee zum datengesteuerten Produktionssystem: eine Fallstudie zu Stromlastprognosen) (42:53)
- Verwendung von MATLAB zur Unterstützung moderner numerischer Wetterprognosen (22:31)
- Vorhersage von Stromlasten mit MATLAB (1:37)
MATLAB und Simulink helfen Ihnen bei der Einführung KI-basierter, leistungsfähiger Regelungen für komplexe, nichtlineare Systeme mit mehreren Eingängen und mehreren Ausgängen, die nur wenig Vorwissen über die physikalischen Gegebenheiten der Anlage erfordern. Sie können:
- KI-basierte Regelungsalgorithmen anhand von simulierten Umgebungen in Simulink trainieren
- Das Training durch die parallele Durchführung von Simulationen beschleunigen
- In Toolbox-Beispielen Möglichkeiten zur iterativen Abstimmung von Entwurfsparametern finden
- Trainierte Modelle zur simulationsbasierten Verifikation direkt in Simulink integrieren
