IA para sistemas de electrificación

Aplique técnicas de inteligencia artificial al desarrollo y las operaciones de tecnologías eléctricas

Modelado de orden reducido (ROM)

Con MATLAB y Simulink, puede modelar comportamientos complejos de componentes eléctricos y acelerar simulaciones mediante la creación de modelos de orden reducido (ROM) basados en IA. Puede crear, entrenar y probar estrategias de control y sensores virtuales basados en IA para motores, baterías, convertidores de potencia, sistemas de gestión de energía, vehículos eléctricos y sistemas de red. MATLAB y Simulink ayudan a garantizar la seguridad y eficiencia del funcionamiento de sistemas eléctricos mediante la integración de predicción energética basada en IA y la adopción de mantenimiento predictivo basado en IA.

White paper gratuito: Técnicas de IA para tecnologías eléctricas

Modelado de orden reducido

Puede utilizar IA y métodos basados en datos a fin de crear modelos de orden reducido para sistemas o componentes físicos, tales como motores sin escobillas y cargas de motor, y utilizar estos modelos en un diseño. Estos métodos ayudan a acelerar significativamente las simulaciones, al tiempo que capturan el comportamiento esencial del sistema.

MATLAB, Simulink y Simscape permiten:

Crear modelos de simulación basados en la física de sistemas, ejecutar simulaciones y generar datos sintéticos para entrenar modelos de IA
Seleccionar modelos de IA prediseñados de una librería y evaluar el rendimiento de los modelos ejecutando múltiples experimentos
Integrar modelos de IA directamente en Simulink para validar y probar modelos ejecutando simulaciones

Demostración conceptual sobre cómo reemplazar un modelo de Simulink de un automóvil basado en la física con un modelo de orden reducido basado en IA

Más información

Modelo de orden reducido de un PMSM utilizando Deep Learning

Ejemplos

Modelo de orden reducido de una carga de motor utilizando Deep Learning en Simulink

Vídeos

Modelos de orden reducido basados en Deep Learning para motores eléctricos (22:59)

Mantenimiento predictivo

Con MATLAB, Simulink y Simscape, puede supervisar el estado de los activos y estimar su vida útil restante para disminuir el tiempo de inactividad no planificado, reducir los costes operativos y garantizar la fiabilidad y seguridad de los sistemas de energía.

Desarrolle modelos basados en la física de sistemas eléctricos con Simscape Electrical, introduzca fallos y ejecute simulaciones para generar datos sintéticos con los que entrenar modelos de mantenimiento predictivo.
Extraiga, visualice y clasifique características para diseñar indicadores de estado con los que supervisar el estado de los sistemas de energía con la app Diagnostic Feature Designer
Identifique la causa raíz de los fallos y realice una predicción del tiempo hasta el fallo con modelos de IA prediseñados, tales como modelos de clasificación, regresión y series temporales

App Diagnostic Feature Designer que muestra una gráfica del espectro de potencia en el dominio de la frecuencia.

Pruebe estos ejemplos

Detección de fallos de arco en un sistema de CC

Abrir en Simulink Online

Detección de fallos de un cargador de vehículos eléctricos

Abrir en Simulink Online

Predicción de los ciclos de vida útil de una batería a partir de sus datos de funcionamiento iniciales

Abrir en Simulink Online

Casos prácticos

Vídeos

MathWorks Energy Speaker Series - módulo 2: Supervisión de condiciones y mantenimiento predictivo de activos de empresas de servicios públicos con Machine Learning e inteligencia artificial (1:19:47)

Ejemplos

Modelado de sensores virtuales

Si implementa sistemas de control de electrónica de potencia, puede utilizar IA para desarrollar modelos de sensores virtuales a fin de proporcionar señales esenciales. Los sensores virtuales no conllevan costes recurrentes asociados con la lista de materiales, no son invasivos, ni necesitan mantenimiento.

Con MATLAB, Simulink y Simscape, puede:

Crear modelos basados en la física de sistemas, ejecutar simulaciones y generar datos sintéticos para entrenar sensores virtuales basados en IA
Seleccionar modelos de IA prediseñados de una librería y evaluar el rendimiento de los modelos ejecutando múltiples experimentos
Integrar directamente modelos de sensores virtuales en Simulink dentro de modelos de sistemas físicos para realizar validación
Generar código C/C++ legible y eficiente para dispositivos integrados

Modelo de Simulink que muestra un modelo de batería y un desglose detallado del módulo de red neuronal profunda para la estimación del estado de carga (SOC).

Pruebe estos ejemplos

Predicción del estado de carga de una batería con Deep Learning

Abrir en Simulink Online

Estimación del estado de carga de una batería en Simulink con una red de Deep Learning

Abrir en Simulink Online

Solución de diseño de paquetes de baterías para vehículos eléctricos de batería en Simscape

Descargar código

Vídeos

Predicción energética

MATLAB y Simulink pueden ayudar a reducir los esfuerzos necesarios para implementar un sistema de predicción energética basado en IA con el que predecir la oferta, la demanda y los precios de la electricidad y mitigar las incertidumbres y los riesgos del funcionamiento de sistemas de energía. Puede hacer lo siguiente:

Automatizar el preprocesamiento de datos con la app Data Cleaner y tareas de Live Editor
Seleccionar entre una variedad de modelos integrados de Machine Learning y Deep Learning con poca o sin codificación manual
Diseñar redes neuronales profundas interactivamente con la app Deep Network Designer y gestionar experimentos de Deep Learning con la app Experiment Manager
Utilizar cálculo paralelo para acelerar el proceso de entrenamiento de IA
Desplegar y poner en funcionamiento el modelo en entornos de producción con MATLAB y Simulink en la nube

Sistema de predicción energética desarrollado en MATLAB.

Pruebe estos ejemplos

Predicción energética a largo plazo con econometría en MATLAB

Descargar código

Vea el webinar

Archivos del webinar Data analytics con MATLAB

Descargar código

Vea el webinar

Casos prácticos

Vídeos

Estrategia de control

MATLAB y Simulink ayudan a adoptar sistemas de control de alto rendimiento basados en IA para sistemas de múltiples entradas y múltiples salidas, no lineales y complejos que requieren poco conocimiento previo de la física de la planta. Puede hacer lo siguiente:

Entrenar algoritmos de control basados en IA a partir de entornos de simulación en Simulink
Acelerar el entrenamiento ejecutando simulaciones en paralelo
Consultar ejemplos de toolboxes para realizar un ajuste iterativo de los parámetros de diseño
Integrar directamente los modelos entrenados en Simulink para realizar verificaciones basadas en simulación