電力電子(PE)是電氣工程的一個分支，專注于處理、控制和高效地將電力從一種形式轉換為另一種形式。與處理信號和數據的電子系統不同，電力電子控制大量的電能。基本上，我們的生活圍繞著一系列無限多的能量轉換器、電機等，這些都是電力電子的研究對象。

構建可持續和綠色經濟以保護我們的環境和提高我們的生活水平的目標，放大了電力電子作為大規模變革的主要推動者的作用，旨在改變我們的社會并創造新的商業模式。然而，其他技術進步也在促進這種轉型過程。人工智能(AI)目前正處于一個重大的轉折點，在人類活動的眾多領域中開辟的巨大機遇，那么，AI能為電力電子帶來什么好處呢？

AI學習和問題解決

人工智能系統在大量數據上進行訓練，使它們能夠識別模式并做出決策。它們執行類似人類的任務，如虛擬助手或在社交媒體平臺上識別合適的內容等。生成式人工智能是一種能夠根據用戶請求創建特定內容的人工智能。

它使用基于神經網絡的先進機器學習模型（稱為深度學習模型）生成文本、圖像和視頻。非常流行的聊天機器人，如微軟的Copilot，已經嵌入瀏覽器中，進行看起來像人類制作的文本對話。其他應用，如Midjourney，可以從文本描述中生成圖像。

新技術的日益重要角色

為了實現非常雄心勃勃的目標，如汽車電氣化和數字化、可再生能源發電等，必須考慮以下幾個方面：

可持續性。從基本材料的早期采用階段到智能管理維修、回收和再利用。

高效率不僅要在運行期間保持，還要在循環經濟的所有階段保持。

產品生命周期管理過程，是一個普遍概念，因此應在整個產品生命周期中得到保證，

整合額外功能，使從建筑建設到工廠運營和維護的所有步驟都更加靈活。

部署電力設備以支持智能電網等基礎設施。

電力電子與人工智能的接觸點

Bischoff和Hellinger提出了一張三維圖表，用于識別電力電子的數據流和人工智能的機會：

完整生命周期，從設計到恢復和回收。

系統運行，包括半導體組件和相關硬件在太陽能電站、充電站、電動汽車或風電場等應用中的運行。

數據用例，包括設計空間探索、操作員培訓和數字產品護照(DPP)。DPP是一個攜帶產品可持續性信息的工具。通過掃描產品二維碼，可以收集有關使用的材料、碳足跡、維修說明、回收建議和制造過程的信息。因此，DPP在推廣循環經濟實踐中起著重要作用。

一個例子：逆變器認證和生產

生產一個給定產品的正式認證是一個耗時的過程，涉及許多步驟，無論是測試還是評估。一個良好的性能-成本權衡解決方案是采用基于數字孿生模型的模擬技術。

西門子和UL Solutions已經制定了一個不需要大量實施物理測試的程序，并可以利用西門子的數字孿生技術。UL Solutions是全球領先的提供認證、咨詢和測試服務，以及審計和軟件解決方案的公司。通過重新定義測試邊界，數字模擬可以以無與倫比的保真度和速度提供產品的完整知識。因此，認證不僅變得更加靈活，而且加快了上市時間，并通過確保質量、安全和性能要求，實現了更快的創新。

由于這種方法，元宇宙不再是一個抽象的概念，而是一個新的空間，其中物體的數字表示與物理現實相結合，取得了顯著的成果。西門子在埃爾蘭根的工廠(GWE)就是一個例子，展示了生產現場如何適應新的制造模式。實際上，除了生產逆變器和驅動器，這家工廠還配備了內部測試場，可以在向客戶提供之前全面測試和調試新的“元宇宙”技術。

生產線中的人工智能應用

波峰焊接是一個完全自動化的過程，用于將通孔組件焊接在印刷電路板(PCB)上。基本上，一旦組件通過引腳安裝在PCB上，電路板就被放置在波峰焊接機中。系統使用傳送帶將電路板移動通過幾個階段，并具有儲存熔融焊料的槽和將焊料提升到PCB下側的泵，創建熔融焊料“波”。當PCB到達熔融焊料波時，熱、助焊劑和毛細作用創建精確和可靠的焊點，將組件的引腳連接到PCB。

在GWE，一個人工智能控制的檢測系統允許減少通孔波峰焊接線中的誤報。使用標準檢測方法，5%到25%的PCB必須手動篩選，而98%是誤報。人工智能檢測系統將必要的檢查次數減少到僅2.5%到12.5%。在波峰焊接線的末端，一個自動光學檢測系統(AOI)分析PCB相機圖像，以確定是否存在焊橋或開路焊點，從而決定PCB是否可以接受或拒絕。通過將人工智能技術與AOI相結合，有助于提高整體效率并減少繁瑣的人工干預。

實驗設計

生成式人工智能看起來非常類似于它所訓練的輸入數據，并且通過一些創造力，它產生的輸出幾乎與人類生成的輸出相同。一個重要的新興應用是掃描特定設計的各種選項。

基本上，生成式人工智能被指示創建一組可能的設計并通過模擬進行評估。然后將結果發送回生成式人工智能以進一步微調和改進設計。簡而言之，生成式人工智能可以有效地增強實驗設計。

數據交換

現代制造要求設備通過接口共享和通信操作數據。這種信息流由人工智能服務、大數據分析、物聯網和連接性中介。

一組大型工業泵、風扇和壓縮機由低功率電機驅動，這些電機受益于狀態監測。狀態監測是一種維護技術，通過結合機器傳感器數據(提供有關振動、溫度等的實時信息)和最新的機器監測軟件，預測機器的健康狀況。這里的分析基于操作數據與從電機電氣和機械模型中提取的電機數字孿生的比較。

不僅對操作員和服務提供商有好處，對原始設備制造商也有好處，其中一些是：

基于實際條件的最佳維護延長產品壽命高達30%。

定期監測和狀態分析減少維護成本高達30%。因此，停機時間可以減少，工廠生產率可以提高10%。

人工智能和數據分析幫助數字電機識別否則會產生低效率和更大二氧化碳排放的關鍵過程。適當的對策導致成本降低和碳足跡減少。

服務提供商可以通過訪問最新的狀態狀態遠程快速干預，從而以最小的努力減少停機時間的發生。通過立即報告缺陷和缺陷，可以迅速采取補救措施，避免損害和安全風險。這種主動的維護方法增強了工業環境中的操作可靠性和安全性。

人工智能和電力電子的交叉點為提高電氣系統和制造的效率、可靠性和性能帶來了巨大的希望。由于其高效處理大量數據的能力，人工智能的角色從設計到操作和維護變得至關重要，同時延長了生命周期性能。