返回顶部
返回首页
返回首页
电力电子的人工智能和机器学习,中国机器人网,vrovro.com
home 您现在的位置: 首页 >工业机器人 > 详细信息
电力电子的人工智能和机器学习
2021年11月10日    阅读量:     新闻来源:中国机器人网 vrovro.com  |  投稿

电力电子领域的人工智能 (AI) 和机器学习(ML) 建立在数字电源的现有基础之上,代表了电源转换器设计、控制和优化演进的下一步。正如数字电源支持比模拟控制技术更复杂的控制算法一样,人工智能和机器学习将允许更复杂和动态的非线性控制面,以提高电源转换器的效率、可靠性预测和健康监控。本常见问题解答首先简要介绍了电力电子应用对 AI/ML 日益增长的兴趣,然后介绍了两个使用 AI/ML 的示例,一个用于并网太阳能装置,另一个用于电机驱动,最后回顾了人工智能/机器学习在电力电子领域的广泛应用所面临的一些挑战中国机器人网vrovro.com


电源转换器设计人员和功率半导体公司正在积极开发 AI/ML 技术。与电力电子领域 AI 相关的研发活动呈爆炸式增长(图 1)。AI/ML 在电力电子领域的应用与其在图像分类、语音识别等更为成熟的领域中的应用不同。功率转换器设计、控制回路优化和预防性维护是 AI/ML 的三个关键领域用过的。

电力电子的人工智能和机器学习 中国机器人网,vrovro.com

图 1:1990 年至 2020 年 5 月每年发表的关于在电力电子中使用人工智能的技术论文数量。(图表:IEEE Transactions on Power Electronics)


并网太阳能和人工智能


包括低成本、高性能计算资源、改进的人工智能工具和越来越多的相关数据集在内的发展的融合,正在推动人工智能/机器学习在光伏 (PV) 系统中的使用越来越多,尤其是在并网光伏中. 人工智能正被用于改进光伏系统的设计、预测、控制和维护,从而提高系统所有者和运营商的投资回报。此外,人工智能正被用于提高越来越多地连接到云的并网光伏系统的网络安全(图 2)。


电力电子的人工智能和机器学习 中国机器人网,vrovro.com

图 2:并网太阳能系统中的人工智能应用多种多样。(图片:MDPI 能源)

在不久的将来,光伏系统的价值最大化将越来越依赖于基于设备(单个逆变器)、边缘(光伏系统/阵列控制)和云(用于持续的 AI 培训和 ML 支持)之间协同作用的 AI 架构):


设备:光伏逆变器将增加高精度实时数据采集能力。该数据收集将用于多种目的。它将基于实时 AI 推理、执行和自闭合,使用 AI 算法进行串级发电量优化的实时控制、对并网控制的实时响应和直流电弧检测- 回路控制功能。数据还将上游发送到边缘和云,以支持机器学习活动。


优势:光伏阵列控制器将受益于增加的 ML 功能,这些功能将支持优化发电和实现更高级别的电网交互功能的持续改进。与设备级逆变器一样,这些控制器将为 AI 推理引擎(可能基于模糊逻辑)实时收集数据,并将数据发送到云端以实现更高级的 ML 功能。


云端:云端的 AI/ML 训练和推理引擎将实现持续训练并优化设备和边缘上的 AI 算法,最大限度地减少增加昂贵计算能力的需要。此外,云中的 AI/ML 培训可以访问由多个光伏装置的输入组成的广泛数据集。结合来自多个安装的数据可能会在每个位置的 AI 推理引擎中产生更高的准确性。设备端和边缘端的推理模型将批量更新,实现高效协作。


传统的光伏逆变器控制器基于比例积分 (PI) 和比例谐振 (PR) 算法。在控制器中加入AI算法后,逆变器对瞬态误差的响应时间和控制器的精度都可以得到提高。此外,基于 AI 的逆变器控制器可以降低输出波形中的 THD。正在开发各种用于 PV 逆变器控制的方法,包括模糊逻辑控制回路和专门用于调整 PID 控制器以提高鲁棒性的模糊逻辑。更先进的技术,如人工神经网络和基于自适应神经模糊推理系统 (ANFIS) 的逆变器控制器也正在研究中。


辅助谐振换向极拓扑


辅助谐振换向极 (ARCP) 拓扑是在 80 年代后期提出的,以减少零电压开关 (ZVS) 和/或零电流开关 (ZCS) 转换器中的开关损耗。然而,传统的 ARCP ZVS 实施无法在负载、温度和制造差异之间保持稳定性。


最近,使用从 AI 借用的概念重新审视了与 ARCP 实现相关的稳定性挑战,这些概念应用于机器人应用。ARCP 控制系统适用于 AI 实施,因为系统在嘈杂的环境中运行,对参数的访问有限,导致很大程度的不确定性,并且由于系统永远无法实时传递控制信号,因此系统必须“预先采取行动” ' 基于统计和预测 AI 算法。


在实际实施中,ARCP 电路用于功率转换器中的每个相臂(图 3)。ARCP 可与 IGBT 以及基于 SiC/GaN MOSFET 的转换器一起使用。辅助谐振开关 A 1和 A 2是低成本的 IGBT,需要传导大约 1.5 倍的峰值负载电流,但占空比仅为 1-5%,并且只需要额定脉冲。电容器C 1和C 2也是小型低成本器件,其电容是主电源开关(S 1和S 2)的米勒电容的10 倍到200 倍。


电力电子的人工智能和机器学习 中国机器人网,vrovro.com

图 3:ARCP 半单相原理图,显示了谐振开关 A1 和 A2 以及电容器 C1 和 C2。(图片:预切换)

ARCP 控制算法使用离线开发的滞后误差计算并“评分”切换转换并针对下一个切换周期进行调整。如果控制回路快速且紧密,则该算法不需要完全了解操作参数。该算法通过基于逐周期的相关信号预测来驱动电源开关的栅极来“预作用”。电机控制器相对较低的开关频率是实现 ARCP 控制中的 AI 技术的重要因素。


预作用ARCP控制算法具有多项性能优势,包括IGBT开关损耗降低约80%,SiC和GaN MOSFET开关损耗降低95%;以及减少电机轴承中的电磁干扰 (EMI)、逆变器 dV/dt 和共模电流。与降低开关损耗不同,预作用 ARCP 控制可以在转换器效率相同的情况下提高电机逆变器频率(IGBT 快 5 倍,SiC 和 GaN MOSFET 快 20 倍)。增加逆变器频率可以提高电机效率。更高的开关频率会降低为电机供电的电流中的输出纹波,从而降低铁损,使电机运行得更冷。


电力电子人工智能发展面临的挑战


AI/ML 在电力电子控制应用中的持续开发和采用将依赖于 AI/ML 算法在动态性能和收敛速度、鲁棒性和泛化方面的改进。与数字电源的早期实施一样,计算负担是采用 AI/ML 的重大挑战。今天,需要昂贵的高性能数字信号处理器 (DSP) 或现场可编程门阵列 (FPGA) 来在电源转换器中实现 AI/ML。为电力电子开发的一些 AI/ML 实现是模糊逻辑、前馈神经网络、模糊神经网络、递归神经网络和模糊神经网络,而强化学习是为电力开发的一些 AI/ML 实现电子产品; 每个都有明显的优点和局限性(图 4)。


电力电子的人工智能和机器学习 中国机器人网,vrovro.com

图 4:AI/ML 实施在电源转换器控制应用中的优势和局限性。FFNN——前馈神经网络,FNN——模糊神经网络,RNN——循环神经网络,RFNN——循环模糊神经网络。排名:上级+++、中级++、下级+。(表:IEEE 电力电子学报)

不依赖昂贵的 DSP 或 FPGA 的 AI/ML 算法的开发将是电力电子技术广泛采用的关键。目前正在探索电力电子人工智能/机器学习的几种可能途径,包括:


轻数据 AI:大多数 AI/ML 解决方案都需要大型数据集才能获得最佳性能。在电源转换器的情况下,可用的数据集可能会受到限制,并且电源转换器设计和操作环境的多样性通常使得编译大型数据集变得不切实际。将需要开发生活中的数据光和安全算法,例如 FFNN。预计该开发工作的成功将为 AI/ML 的非功率转换应用带来衍生收益,这些应用可以从较少的数据密集型处理中受益。


轻计算AI:与图像处理等常见的AI/ML应用相比,大多数电源转换系统都没有高性能的DSP或FPGA。实时控制目前是使用专门的低成本 IC 来实现的。为了在电源转换器中采用人工智能,需要开发 RNN 和 RFNN 等计算光控制算法。控制和学习的有效划分可能是关键之一。在云中实施学习技术可以增强本地 AI 控制器,并以最少的计算需求提供更高度优化的性能。


多级信息融合:电力电子系统的鲁棒性至关重要,可以在使用多级信息融合的 AI/ML 实现中进行改进。AI/ML 可以与功率转换器操作的微分方程相结合,以推导出用于状态监测的混合解决方案,例如用于精确调整 PID 控制器的模糊逻辑,以提高上述 PV 逆变器的鲁棒性。组合系统将利用模型驱动侧(微分方程)和数据驱动侧(AI/ML)的优势来提高鲁棒性和准确性。


概括


用于电力电子系统的 AI/ML 建立在十多年的数字电源技术开发基础之上。但与当前的数字电源实现相比,人工智能/机器学习的需求在计算上要密集得多。因此,用于电力电气的 AI/ML 开始用于大型高附加值应用,例如可以更轻松地吸收增加的成本的可再生能源系统以及 ARCP 控制算法等重点应用。AI/ML 在更广泛的电力电子行业中的使用将取决于资源密集度较低的技术的发展,例如数据轻人工智能、计算轻人工智能和多级信息融合。


标签:工业机器人机器人机械应用技术中心今日头条人工智能设备与仪器
免责声明: 本文仅代表作者本人观点,与中国机器人网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571
中国机器人网手机站MOBILE
扫描二维码,获取手机版最新资讯 公众号:中国机器人网 您还可以直接微信扫描打开
全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识