随着人工智能的引入，电力电子的演变

随着 1900 年代初期水银弧阀的发明，电力电子技术本身被认为是一场革命，因为它可以在工业中提供众多应用。随着双极结型晶体管等半导体器件的推出，该市场领域见证了功率效率的提高和性能的提高，同时电力电子系统的制造成本也有所降低。随着人工智能在整个电力电子系统中的集成，基于半导体的功率器件的技术进步缓慢。

无论是发电还是输电，电力电子几乎都存在于每个工业自动化应用中。可再生能源发电、高压直流输电、灵活的交流输电系统、电动汽车和微电网是基于半导体的功率器件的一些可能的广泛应用。但随着行业的发展，对这些组件的更高效制造、控制和维护的需求也在增加。基于半导体的功率器件是在高开关频率下工作的高频器件；因此，控制这些设备是一项繁琐的任务。一个这样的例子是基于碳化硅的JFET 和 MOSFET。人工智能已被证明是一种以最高效率设计、控制和维护电力电子设备的有效方法。

智力不再是人类的特征。随着工业 3.0 对自动化和智能系统的迫切需求，人工智能和机器学习已成为工业 4.0 的基础。人工智能的目的是帮助机器展示类似人类的思维和智能，而不会像人类一样感到疲倦。人工智能在面部识别、自动驾驶汽车、语音识别、聊天机器人等领域都有应用。

由于状态监测中的高调谐速度和高灵敏度等特定挑战，人工智能在电力电子方面具有特定的实施优势。人工智能在电力电子的三个生命周期阶段都有应用：设计、控制和维护。

随着物联网和大数据分析领域的发展，大量数据可用于为人工智能算法提供信息，以监控电力电子设备生命周期的各个阶段。不断增长的数据量为电力电子领域人工智能的发展奠定了坚实的基础。AI 能够利用数据通过全局设计优化、智能控制和系统健康状态估计来提高产品竞争力。因此，可以从数据驱动的角度进行电力电子研究，这是有益的，尤其是在复杂和具有挑战性的用例中。

人工智能在电力电子中的作用与方法

图 1：ML 方法1的应用统计信息

人工智能在电力电子中的应用在控制阶段最为重要，其次是维护阶段，而在设计阶段影响最小。使用的人工智能功能主要可以分为优化、分类、回归和数据结构探索。但是，大多数任务是回归和优化。

电力电子领域广泛使用的人工智能方法一般可分为专家系统、模糊逻辑、元启发式方法和机器学习。在电力电子应用中，ML 占主导地位。对于电力电子领域的应用，机器学习进一步分为监督学习、无监督学习和强化学习。

今天，专家系统和模糊逻辑的应用都比较温和，尤其是专家系统，随着更强大的计算机的发展，更复杂的人工智能工具被应用到实践中。元启发式方法不断发展并应用于电力电子。它们用于完成任务或与其他 ML 方法联合使用。强化学习是应用于电力电子的 ML 方法的最新前沿，这得益于计算硬件的快速发展。

图2：电力电子系统生命周期各阶段人工智能方法及应用的桑基图1

人工智能在电力电子领域的未来范围

尽管已经有很多关于人工智能在电力电子领域的潜在应用的调查和研究，但它还没有达到它声称的潜力。为了利用数据的全部力量来训练人工智能模型，需要进行更深入的调查和研究。

各行各业不愿实施人工智能的原因有很多，包括：

实现复杂度

算法鲁棒性和准确性存疑

额外的硬件成本

巨大的计算能耗

在电力电子领域实施人工智能的另一个瓶颈是缺乏大量数据集来训练模型。制作这些数据集是一项耗费资源的任务，而当涉及到安全关键任务时，可用数据就更少了。因此，有必要开发一种数据轻的人工智能解决方案，它可以用更少的训练数据提供所需的解决方案。

还迫切需要制作可解释的 AI 算法，以说服从业者在安全关键型应用程序中实施它们。了解模型的工作原理将有助于改进其功能以实现所需的实现。随着世界为工业 4.0 做准备，人工智能和机器学习已被证明是其基础。电力电子和人工智能是两项非常强大的技术，可以带来一场革命。虽然用电力电子实现人工智能存在瓶颈，但经过广泛的研究，这不应该是一个遥不可及的梦想。

审核编辑 黄昊宇