인공지능을 활용한 전력전자

30223 황준하
주제 선정 이유

• 스마트팜 활동

• MLB 활동
인공지능과 전기전자 융합의 목표

• 성능 , 효율성 , 자동화 수준 향상

• 복잡한 문제 해결
전력전자에 활용되는 인공지능 기술
• 전력전자 설계

• 전력전자 제어

• 전력전자 고장진단
전력전자 제어에 활용되는 인공지능

• 최적화 최적의 솔루션을 찾는 것 .

• 회귀 입력 변수가 주어진 하나 이상의 연속 대상 변수 값을 예측

전력전자 제어에 활용되는 인공지능

• 최적화 Metaheuristic method

• 회귀 Fuzzy logic, Neural network, Reinforcement learning

Fuzzy logic
• 속도제어 에너지 관리 등에 사용

• 전력전자 시스템의 불확실성을 처리

• 내부 업데이트 과정 X
Neural network

• 견고성 , 모델링 불필요 , 동적 , 적응성 , 범용 근사치 등과 같은

이점

• Convolutional Neural Network(CNN) 와 Fuzzy logic 을 적 용 한 뉴 런

네트워크로 구분
Neural network: CNN
• Feed-Forward Neural Network(FFNN)
– 파형 처리 , Delayless 필터링 , 3 상 인버터 Sapce Vector PWN(SVPWM)

• Radial Basis Function Network(RBFN)

– Weight 값 X
Neural network: CNN & Fuzzy logic
• Fuzzy Neural Network(FNN)
– 모든 비선형성 시스템에 대해 근사화와 일반화
– Weight 값 존재
– 정적인 특성에서만 활용 가능
Neural network: CNN & Fuzzy logic + 동적 특성
• Recurrent Neural Network(RNN)
– 동적 특성에서 인공지능을 활용 가능 RFNN
– 과거 데이터와 연관성 , 그 결과시계열 데이터 처리를 통해 향상된 성능

• Recurrent Fuzzy Neural Network(RFNN)

– 지연된 뉴련이 입력으로 반환되는 구조
– RFNN 의 구조와 파라미터 동시에 최적화
Reinforcement learning ( 강화 학습 )
• 물리적 시스템 또는 시뮬레이션 모델과 실시간 상호작용하여 제어
전략을 학습
• 재생 에너지 시스템에 사용
• 오프라인 데이터를 필요로 하지 않음
결론

• 시스템 효율성 , 예측 정확도

• 에너지 관리 최적화
• 지능형 시스템 설계