将人工智能 (AI) 方法应用于电气技术的开发和运营

使用 MATLAB 和 Simulink，您可以通过创建基于 AI 的降阶模型 (ROM) 对电子元件的复杂行为进行建模并提高仿真速度。您可以为电机、电池、电力变换器、能源管理系统、电动汽车和电网系统创建、训练和测试基于 AI 的虚拟传感器与控制策略。MATLAB 和 Simulink 可通过集成基于 AI 的能源预测以及采用基于 AI 的预测性维护来帮助您确保电气系统的安全高效运行。

AI 在电气技术开发中的应用

降阶建模

您可以使用 AI 和数据驱动方法来创建物理组件（如无刷电机和电机负荷）或物理系统的降阶模型，并在您的设计中使用这些模型。这些方法有助于显著加快仿真速度，同时仍能捕获系统的必要行为。

使用 MATLAB、Simulink 和 Simscape，您能够：

创建基于物理的系统仿真模型，运行仿真，并为训练 AI 模型生成合成数据

从预置 AI 模型的库中进行选择，并通过运行多个试验来评估模型性能

在 Simulink 中直接集成 AI 模型，通过运行仿真进行模型验证和测试

虚拟传感器建模

在实现电力电子控制时，您可以使用 AI 来开发虚拟传感器模型以提供关键信号。虚拟传感器没有重复的材料成本，它们是非侵入性的，并且没有维护需求。

使用 MATLAB、Simulink 和 Simscape，您可以：

创建基于物理的系统模型，运行仿真，并为训练基于 AI 的虚拟传感器生成合成数据

从预置 AI 模型的库中进行选择，并通过运行多个试验来评估模型性能

将 Simulink 中的虚拟传感器模型直接集成到物理系统模型中进行验证

为嵌入式设备生成可读、高效的 C/C++ 代码

控制策略

MATLAB 和 Simulink 帮助您采用基于 AI 的复杂、非线性、多输入多输出系统的高性能控制。这些控制几乎不需要事先了解被控对象的物理知识。您可以：

在 Simulink 基于仿真环境训练 AI 控制算法

通过并行运行仿真加速训练

请参考工具箱示例了解设计参数的迭代调节

将经过训练的模型直接集成到 Simulink 中进行基于仿真的验证

AI 在电气系统运行中的应用

能源预测

MATLAB 和 Simulink 可以帮助减少实现基于 AI 的能源预测系统所需的工作，以预测电力供应、需求和定价，并减轻电力系统运行中的不确定性和风险。您可以：

使用数据清洗器和实时编辑器任务自动进行数据预处理

从各种内置的机器学习和深度学习模型中进行选择，无需或只需很少手动编码动作即可上手

使用深度网络设计器以交互方式设计深度神经网络，使用试验管理器管理深度学习试验

使用并行计算加速 AI 训练过程

使用云中的 MATLAB 和 Simulink 将模型运营化并部署到生产云环境中

预测性维护

使用 MATLAB、Simulink 和 Simscape，您可以监控资产状况并估计其剩余使用寿命，从而最大限度地减少计划外停机时间，降低运营成本，并确保电力系统的可靠性和安全性。

使用 Simscape Electrical 构建基于物理的电气系统模型，注入故障，并运行仿真以生成用于训练预测性维护模型的合成数据

使用诊断特征设计器对特征进行提取、可视化和排序，以设计用于监控电力系统健康状态的状态指标

使用预置的 AI 模型（如分类、回归和时间序列模型）确定故障的根本原因并预测故障时间

审核编辑 ：李倩