电力电子(PE)是电气工程的一个分支，专注于处理、控制和高效地将电力从一种形式转换为另一种形式。与处理信号和数据的电子系统不同，电力电子控制大量的电能。基本上，我们的生活围绕着一系列无限多的能量转换器、电机等，这些都是电力电子的研究对象。
构建可持续和绿色经济以保护我们的环境和提高我们的生活水平的目标，放大了电力电子作为大规模变革的主要推动者的作用，旨在改变我们的社会并创造新的商业模式。然而，其他技术进步也在促进这种转型过程。人工智能(AI)目前正处于一个重大的转折点，在人类活动的众多领域中开辟的巨大机遇，那么，AI能为电力电子带来什么好处呢?
AI学习和问题解决
人工智能系统在大量数据上进行训练，使它们能够识别模式并做出决策。它们执行类似人类的任务，如虚拟助手或在社交媒体平台上识别合适的内容等。生成式人工智能是一种能够根据用户请求创建特定内容的人工智能。
它使用基于神经网络的先进机器学习模型(称为深度学习模型)生成文本、图像和视频。非常流行的聊天机器人，如微软的Copilot，已经嵌入浏览器中，进行看起来像人类制作的文本对话。其他应用，如Midjourney，可以从文本描述中生成图像。
新技术的日益重要角色
为了实现非常雄心勃勃的目标，如汽车电气化和数字化、可再生能源发电等，必须考虑以下几个方面：
可持续性。从基本材料的早期采用阶段到智能管理维修、回收和再利用。
高效率不仅要在运行期间保持，还要在循环经济的所有阶段保持。
产品生命周期管理过程，是一个普遍概念，因此应在整个产品生命周期中得到保证，
整合额外功能，使从建筑建设到工厂运营和维护的所有步骤都更加灵活。
部署电力设备以支持智能电网等基础设施。
电力电子与人工智能的接触点
Bischoff和Hellinger提出了一张三维图表，用于识别电力电子的数据流和人工智能的机会：
完整生命周期，从设计到恢复和回收。
系统运行，包括半导体组件和相关硬件在太阳能电站、充电站、电动汽车或风电场等应用中的运行。
数据用例，包括设计空间探索、操作员培训和数字产品护照(DPP)。DPP是一个携带产品可持续性信息的工具。通过扫描产品二维码，可以收集有关使用的材料、碳足迹、维修说明、回收建议和制造过程的信息。因此，DPP在推广循环经济实践中起着重要作用。
一个例子：逆变器认证和生产
生产一个给定产品的正式认证是一个耗时的过程，涉及许多步骤，无论是测试还是评估。一个良好的性能-成本权衡解决方案是采用基于数字孪生模型的模拟技术。
西门子和UL Solutions已经制定了一个不需要大量实施物理测试的程序，并可以利用西门子的数字孪生技术。UL Solutions是全球领先的提供认证、咨询和测试服务，以及审计和软件解决方案的公司。通过重新定义测试边界，数字模拟可以以无与伦比的保真度和速度提供产品的完整知识。因此，认证不仅变得更加灵活，而且加快了上市时间，并通过确保质量、安全和性能要求，实现了更快的创新。
由于这种方法，元宇宙不再是一个抽象的概念，而是一个新的空间，其中物体的数字表示与物理现实相结合，取得了显著的成果。西门子在埃尔兰根的工厂(GWE)就是一个例子，展示了生产现场如何适应新的制造模式。实际上，除了生产逆变器和驱动器，这家工厂还配备了内部测试场，可以在向客户提供之前全面测试和调试新的“元宇宙”技术。
生产线中的人工智能应用
波峰焊接是一个完全自动化的过程，用于将通孔组件焊接在印刷电路板(PCB)上。基本上，一旦组件通过引脚安装在PCB上，电路板就被放置在波峰焊接机中。系统使用传送带将电路板移动通过几个阶段，并具有储存熔融焊料的槽和将焊料提升到PCB下侧的泵，创建熔融焊料“波”。当PCB到达熔融焊料波时，热、助焊剂和毛细作用创建精确和可靠的焊点，将组件的引脚连接到PCB。
在GWE，一个人工智能控制的检测系统允许减少通孔波峰焊接线中的误报。使用标准检测方法，5%到25%的PCB必须手动筛选，而98%是误报。人工智能检测系统将必要的检查次数减少到仅2.5%到12.5%。在波峰焊接线的末端，一个自动光学检测系统(AOI)分析PCB相机图像，以确定是否存在焊桥或开路焊点，从而决定PCB是否可以接受或拒绝。通过将人工智能技术与AOI相结合，有助于提高整体效率并减少繁琐的人工干预。
实验设计
生成式人工智能看起来非常类似于它所训练的输入数据，并且通过一些创造力，它产生的输出几乎与人类生成的输出相同。一个重要的新兴应用是扫描特定设计的各种选项。
基本上，生成式人工智能被指示创建一组可能的设计并通过模拟进行评估。然后将结果发送回生成式人工智能以进一步微调和改进设计。简而言之，生成式人工智能可以有效地增强实验设计。
数据交换
现代制造要求设备通过接口共享和通信操作数据。这种信息流由人工智能服务、大数据分析、物联网和连接性中介。
一组大型工业泵、风扇和压缩机由低功率电机驱动，这些电机受益于状态监测。状态监测是一种维护技术，通过结合机器传感器数据(提供有关振动、温度等的实时信息)和最新的机器监测软件，预测机器的健康状况。这里的分析基于操作数据与从电机电气和机械模型中提取的电机数字孪生的比较。
不仅对操作员和服务提供商有好处，对原始设备制造商也有好处，其中一些是：
基于实际条件的最佳维护延长产品寿命高达30%。
定期监测和状态分析减少维护成本高达30%。因此，停机时间可以减少，工厂生产率可以提高10%。
人工智能和数据分析帮助数字电机识别否则会产生低效率和更大二氧化碳排放的关键过程。适当的对策导致成本降低和碳足迹减少。
服务提供商可以通过访问最新的状态状态远程快速干预，从而以最小的努力减少停机时间的发生。通过立即报告缺陷和缺陷，可以迅速采取补救措施，避免损害和安全风险。这种主动的维护方法增强了工业环境中的操作可靠性和安全性。
人工智能和电力电子的交叉点为提高电气系统和制造的效率、可靠性和性能带来了巨大的希望。由于其高效处理大量数据的能力，人工智能的角色从设计到操作和维护变得至关重要，同时延长了生命周期性能。
END
关于我们：功率器件_半导体元器件_电子元器件_碳化硅管_解决方案商_浮思特科技