terasoft
    X
  • MATLAB & SIMULINK
  • 工程軟硬體
  • 產品應用
  • 校園專區
  • 課程
  • 影音
  • 文章
MATLAB & Simulink於人工智慧與電氣化
  • H
  • 產品應用
  • 電氣化
  • 人工智慧與電氣化

運作方式

降階建模

降階建模
(Reduced Order Modeling,ROM)

虛擬感測器

虛擬感測器

控制策略

控制策略

能源預測

能源預測

預測性維護

預測性維護

MATLAB®與Simulink®於人工智慧與電氣化運用人工智慧技巧於電氣科技的開發及運作

透過MATLAB與Simulink,你可以為複雜的電氣元件建立模型,並且建立以AI為基礎的降階模型(reduced order models,ROMs)來提升模擬速度。你可以為馬達、電池、功率轉換、能源管理系統、電動車、電網系統等應用建立、訓練、測試以AI為基礎的虛擬感測器及控制策略。MATLAB與Simulink幫助你整合AI為基礎的能源預測和採用以AI為基礎的預測性維護來確保電氣系統運作的安全與效率。

使用人工智慧模型進行負載預測

線上影音使用人工智慧模型進行負載預測


降階建模

降階建模

你可以使用AI及資料導向的方法來為物理元件(像是無刷馬達和馬達負載)或物力系統建立降階模型,並且將這些模型運用在你的設計。這些方法幫助你大幅加快模擬速度,同時還是能夠擷取必要的系統行為。
MATLAB、Simulink與Simscape可以幫助你:

  • 建立物理為基礎的系統模擬模型、執行模擬、產生合成資料來進行AI模型訓練
  • 從預先建立的AI模型函式庫中做選擇,並且執行多項實驗來評估模型性能表現
  • 直接在Simulink整合AI模型,透過執行模擬來進行模型檢驗及測試
    了解更多
  • 使用深度學習建立PMSM的降階模型
    應用範例
  • 透過深度學習建立的馬達負載降階模型
虛擬感測器建模

虛擬感測器建模

實現電力電子控制時,你可以使用AI開發虛擬感測器模型來提供關鍵訊號。虛擬感測器不需要真實材料的成本、非侵入式、也不需要維護。
透過MATLAB、Simulink與Simscape,你可以:

  • 建立以物理為基礎的系統模型、執行模擬、產生合成資料來訓練以AI為基礎的虛擬感測器
  • 從預建立的AI模型函式庫選擇模型,並且執行多項實驗來評估模型表現
  • 直接在Simulink的物理系統模型內整合虛擬感測器模型來進行檢驗
  • 產生可讀、有效率的C/C++程式碼並部署至嵌入式裝置
    觀看影片
  • 電池狀態估計的AI工作流程
  • 使用混合機器學習方法進行電池SOC與SOH估計
  • 使用經過訓練的神經網路估計服役中電池組充電狀態
  • 將TensorFlow模型整合至Simulink來進行模擬與產生程式碼
  • 使用AI來估計電池充電狀態(SOC)

控制策略

MATLAB與Simulink幫助你在不需要對於受控體的物理特性有太多了解的情況下,在複雜、非線性、多重輸入多重輸出(MIMO)的系統採用以AI為基礎、高效能的控制。你可以:

  • 以模擬環境在Simulink訓練以AI為基礎的控制演算法 透過工具箱的範例進行設計參數的迭代調整 直接在Simulink整合經過訓練的模型來進行以模擬為基礎的驗證
    觀看影片
  • 即時測試 – 為磁場導向控制部署一個強化學習主體
  • 透過AI進行能源儲存與電力系統控制
能源預測

能源預測

MATLAB與Simulink可以在協助減少使用以AI為基礎的能源預測系統來預測電力供應、需求與價格所需要花費的力氣,並減緩電力系統運作之中的不確定性和風險。你可以:

  • 透過Data Cleaner app與Live Editor Tasks來自動化資料前處理
  • 從各種內建的機器學習與深度學習模型來選擇,僅需要稍微或甚至不用手動編寫程式碼
  • 使用Deep Network Designer app互動式地設計深度神經網路,並使用Experiment Manager app管理深度學習實驗
  • 使用平行運算來加速AI訓練流程
  • 模型最佳化,並透過雲端的MATLAB與Simulink將模型部署至產品化雲端環境
    了解更多
  • EDP Renovaveis使用機器學習改善風力能源預測
  • Gas Natural Fenosa (現為Naturgy Energy Group S.A.)預測能源供應與需求
    觀看影片
  • 使用MATLAB進行電力負載與電價預測
  • 使用機器學習與深度學習來進行能源預測
  • 將想法化為資料導向生產系統:能源負載預測案例
  • 使用MATLAB為現今數值天氣預測賦能
  • 使用MATLAB進行電力負載預測
預測性維護

預測性維護

使用MATLAB、Simulink及Simscape,你可以監測資產狀態並評估它們的剩餘使用壽命,以盡可能避免不在預期之內的停機、降低運作成本、確保電力系統的可靠性及安全性。

  • 使用Simscape Electrical建立以物理為基礎的電氣系統模型,注入故障資料,接著執行模擬來產生合成資料進行預測性維護模型的訓練
  • 使用Diagnostic Feature Designer app匯出、視覺化、評比各種特徵,為電力系統健康的監測來進行狀態指標設計
  • 找出故障的根本原因,並且使用分類、迴歸、時間序列模型等預建立AI模型預測故障發生時間
    了解更多
  • 使用深度學習進行地下電纜系統的預測性維護
  • Korea Institute of Energy Research為離岸風電廠開發以AI為基礎的預測性維護模型
    觀看影片
  • 公用設施及可再生能源產業的數位轉型 – 人工智慧與數位分身
  • 利用機器學習辨識電網故障位置
    應用範例
  • 風電渦輪機的高速軸承預後
  • 使用震動與電氣訊號進行AC感應式馬達損壞轉子的故障偵測

進一步探索電氣化應用

馬達驅動器與牽引馬達

可再生能源與儲能

電動載具與運輸

電池系統

微電網、智慧電網、充電設施

燃料電池與電解槽

功率轉換

發電、輸電、配電

建築能源管理

最專業的MATLAB技術支援及服務團隊/鈦思科技

  • 台北 Taipei Office
    115台北市忠孝東路六段21號8樓之3
    TEL:(02)7729-2088
    TEL:(02)2788-9300

  • 新竹 Hsinchu Office
    302 竹北市復興一街251號13樓之6
    TEL:(03)621-3123
    TEL:(03)550-5590

  • 產品諮詢:info@terasoft.com.tw
    技術諮詢:support@terasoft.com.tw

  • 隱私權政策

  • Copyright© TeraSoft inc.