電動化のための AI
電気技術の開発および運用への人工知能 (AI) 手法の応用
MATLAB および Simulink を使用することで、電気部品の複雑な動作をモデル化し、AI ベースの低次元化モデル (ROM) を作成してシミュレーションを高速化できます。モーター、バッテリー、電力コンバーター、エネルギーマネージメントシステム、電気自動車、および電力網システム向けの AI ベースのバーチャルセンサーと制御手法を作成、学習、テストできます。MATLAB および Simulink は、AI ベースの電力需要予測の統合や AI ベースの予知保全の導入により、電気システムの安全かつ効率的な運用に役立ちます。
AI やデータ駆動型の手法を用いて、物理コンポーネント (ブラシレスモーターやモーター負荷など) や物理システムの低次元化モデルを作成し、そのモデルを設計に利用できます。これらの手法は、システムの本質的な動作をキャプチャしつつ、シミュレーションを大幅に高速化するのに役立ちます。
MATLAB、Simulink、および Simscape により、次のことが可能になります。
- 物理学ベースのシミュレーション モデルの作成、シミュレーションの実行、および AI モデル学習用の合成データの生成
- 事前構築済みの AI モデルのライブラリから選択し、複数の実験を行うことでモデル性能を評価
- Simulink で AI モデルを直接統合し、シミュレーションを実行してモデルの検証とテストを実施
MATLAB、Simulink、および Simscape を使用すると、資産の状態監視と残存耐用年数の推定により、計画外のダウンタイムを最小限に抑え、運用コストを削減し、電力システムの信頼性と安全性を確保できます。
- Simscape Electrical を使用した物理学ベースの電気システムモデルの構築、故障の投入、シミュレーションの実行により、予知保全モデルの学習用合成データを生成
- 診断特徴デザイナーアプリを使用した、電力システムの健全性を監視する状態インジケーターを設計するための特徴量の抽出、可視化、およびランク付け
- 分類、回帰、時系列モデルなど、事前構築済みの AI モデルを使用した故障原因の特定と故障に至るまでの時間の予測
例を試す
パワー エレクトロニクス制御を実装する場合、AI を使用してバーチャル センサー モデルを開発し、重要な信号を提供できます。バーチャルセンサーは、繰り返しの部品表コストがかからず、非侵襲的で、かつメンテナンスの必要がありません。
MATLAB、Simulink、Simscape を使用すると、次のことが可能になります。
- 物理学ベースのシステムモデルの作成、シミュレーションの実行、および AI ベースのバーチャルセンサー学習用合成データの生成
- 事前構築済みの AI モデルのライブラリから選択し、複数の実験を行うことでモデル性能を評価
- Simulink のバーチャル センサー モデルを物理システムモデルに直接統合して検証
- 組み込みデバイス向けの、可読性に優れた効率的な C/C++ コードの生成
例を試す
MATLAB および Simulink は、電力供給、需要、価格を予測し、電力システムの運用における不確実性とリスクを軽減するための AI ベースの電力需要予測システムの実装に必要な労力を軽減できます。以下を行うことができます。
- データ クリーナー アプリとライブ エディター タスクを使用したデータの前処理の自動化
- 手動コーディングをほとんど、またはまったく行わずに、組み込みのさまざまな機械学習やディープラーニング モデルから選択して使用
- ディープ ネットワーク デザイナー アプリを使用してディープ ニューラル ネットワークを対話的に設計し、実験マネージャーアプリを使用してディープラーニングの実験を管理
- 並列計算を使用した AI 学習プロセスの高速化
- クラウド上で MATLAB および Simulink を使用したモデルの運用可能化と実稼働クラウド環境への展開
例を試す
MATLAB および Simulink は、複雑な非線形多入力多出力システムの高性能な AI ベース制御の導入に役立ちます。プラントの物理学に関する予備知識はほとんど必要ありません。以下を行うことができます。
- Simulink のシミュレーション環境に対する AI ベースの制御アルゴリズムの学習
- シミュレーションの並列実行による学習の高速化
- ツールボックスの例を参照して設計パラメーターを反復的に調整
- 学習済みモデルを Simulink で直接統合し、シミュレーション ベースで検証
