隨著 1900 年代初期水銀弧閥的發(fā)明，電力電子技術(shù)本身被認(rèn)為是一場革命，因為它可以在工業(yè)中提供眾多應(yīng)用。隨著雙極結(jié)型晶體管等半導(dǎo)體器件的推出，該市場領(lǐng)域見證了功率效率的提高和性能的提高，同時電力電子系統(tǒng)的制造成本也有所降低。隨著人工智能在整個電力電子系統(tǒng)中的集成，基于半導(dǎo)體的功率器件的技術(shù)進(jìn)步緩慢。

無論是發(fā)電還是輸電，電力電子幾乎都存在于每個工業(yè)自動化應(yīng)用中。可再生能源發(fā)電、高壓直流輸電、靈活的交流輸電系統(tǒng)、電動汽車和微電網(wǎng)是基于半導(dǎo)體的功率器件的一些可能的廣泛應(yīng)用。但隨著行業(yè)的發(fā)展，對這些組件的更高效制造、控制和維護(hù)的需求也在增加。基于半導(dǎo)體的功率器件是在高開關(guān)頻率下工作的高頻器件；因此，控制這些設(shè)備是一項繁瑣的任務(wù)。一個這樣的例子是基于碳化硅的JFET 和 MOSFET。人工智能已被證明是一種以最高效率設(shè)計、控制和維護(hù)電力電子設(shè)備的有效方法。

智力不再是人類的特征。隨著工業(yè) 3.0 對自動化和智能系統(tǒng)的迫切需求，人工智能和機(jī)器學(xué)習(xí)已成為工業(yè) 4.0 的基礎(chǔ)。人工智能的目的是幫助機(jī)器展示類似人類的思維和智能，而不會像人類一樣感到疲倦。人工智能在面部識別、自動駕駛汽車、語音識別、聊天機(jī)器人等領(lǐng)域都有應(yīng)用。

由于狀態(tài)監(jiān)測中的高調(diào)諧速度和高靈敏度等特定挑戰(zhàn)，人工智能在電力電子方面具有特定的實施優(yōu)勢。人工智能在電力電子的三個生命周期階段都有應(yīng)用：設(shè)計、控制和維護(hù)。

隨著物聯(lián)網(wǎng)和大數(shù)據(jù)分析領(lǐng)域的發(fā)展，大量數(shù)據(jù)可用于為人工智能算法提供信息，以監(jiān)控電力電子設(shè)備生命周期的各個階段。不斷增長的數(shù)據(jù)量為電力電子領(lǐng)域人工智能的發(fā)展奠定了堅實的基礎(chǔ)。AI 能夠利用數(shù)據(jù)通過全局設(shè)計優(yōu)化、智能控制和系統(tǒng)健康狀態(tài)估計來提高產(chǎn)品競爭力。因此，可以從數(shù)據(jù)驅(qū)動的角度進(jìn)行電力電子研究，這是有益的，尤其是在復(fù)雜和具有挑戰(zhàn)性的用例中。

人工智能在電力電子中的作用與方法

圖 1：ML 方法1的應(yīng)用統(tǒng)計信息

人工智能在電力電子中的應(yīng)用在控制階段最為重要，其次是維護(hù)階段，而在設(shè)計階段影響最小。使用的人工智能功能主要可以分為優(yōu)化、分類、回歸和數(shù)據(jù)結(jié)構(gòu)探索。但是，大多數(shù)任務(wù)是回歸和優(yōu)化。

電力電子領(lǐng)域廣泛使用的人工智能方法一般可分為專家系統(tǒng)、模糊邏輯、元啟發(fā)式方法和機(jī)器學(xué)習(xí)。在電力電子應(yīng)用中，ML 占主導(dǎo)地位。對于電力電子領(lǐng)域的應(yīng)用，機(jī)器學(xué)習(xí)進(jìn)一步分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

今天，專家系統(tǒng)和模糊邏輯的應(yīng)用都比較溫和，尤其是專家系統(tǒng)，隨著更強(qiáng)大的計算機(jī)的發(fā)展，更復(fù)雜的人工智能工具被應(yīng)用到實踐中。元啟發(fā)式方法不斷發(fā)展并應(yīng)用于電力電子。它們用于完成任務(wù)或與其他 ML 方法聯(lián)合使用。強(qiáng)化學(xué)習(xí)是應(yīng)用于電力電子的 ML 方法的最新前沿，這得益于計算硬件的快速發(fā)展。

圖2：電力電子系統(tǒng)生命周期各階段人工智能方法及應(yīng)用的桑基圖1

人工智能在電力電子領(lǐng)域的未來范圍

盡管已經(jīng)有很多關(guān)于人工智能在電力電子領(lǐng)域的潛在應(yīng)用的調(diào)查和研究，但它還沒有達(dá)到它聲稱的潛力。為了利用數(shù)據(jù)的全部力量來訓(xùn)練人工智能模型，需要進(jìn)行更深入的調(diào)查和研究。

各行各業(yè)不愿實施人工智能的原因有很多，包括：

實現(xiàn)復(fù)雜度

算法魯棒性和準(zhǔn)確性存疑

額外的硬件成本

巨大的計算能耗

在電力電子領(lǐng)域?qū)嵤┤斯ぶ悄艿牧硪粋€瓶頸是缺乏大量數(shù)據(jù)集來訓(xùn)練模型。制作這些數(shù)據(jù)集是一項耗費資源的任務(wù)，而當(dāng)涉及到安全關(guān)鍵任務(wù)時，可用數(shù)據(jù)就更少了。因此，有必要開發(fā)一種數(shù)據(jù)輕的人工智能解決方案，它可以用更少的訓(xùn)練數(shù)據(jù)提供所需的解決方案。

還迫切需要制作可解釋的 AI 算法，以說服從業(yè)者在安全關(guān)鍵型應(yīng)用程序中實施它們。了解模型的工作原理將有助于改進(jìn)其功能以實現(xiàn)所需的實現(xiàn)。隨著世界為工業(yè) 4.0 做準(zhǔn)備，人工智能和機(jī)器學(xué)習(xí)已被證明是其基礎(chǔ)。電力電子和人工智能是兩項非常強(qiáng)大的技術(shù)，可以帶來一場革命。雖然用電力電子實現(xiàn)人工智能存在瓶頸，但經(jīng)過廣泛的研究，這不應(yīng)該是一個遙不可及的夢想。

審核編輯 黃昊宇