Cognitive Power Electronics: Anwendung von KI zur datengestützten Systemoptimierung

Die Gruppe Data Analytics entwickelt innovative KI-basierte Lösungen, um das Beste aus den Daten herauszuholen, die im Kontext von intelligenter Leistungselektronik und Industrie 4.0 entstehen. Die Grundlage dafür bildet ein anwendungsorientierter Ansatz, der Systemanalyse, Konzeption, Datenerfassung, Filterung, Clustering und schließlich die Entwicklung und Implementierung intelligenter Algorithmen in eingebetteten Systemen oder in industriellen Prozessen umfasst. Wichtig für tragfähige Lösungen auf dem dynamischen Feld der Data Analytics und KI ist eine enge Zusammenarbeit mit einschlägigen Teams und Institutionen, z.B. der Abteilung „Modellierung und künstliche Intelligenz“ des IISB oder dem ADA Lovelace-Center, dessen Gründungsmitglied das Fraunhofer IISB ist.

Im Kernthema Leistungselektronische Systeme des Fraunhofer IISB werden zwei Schwerpunkte für die Anwendung von Data Analytics-Lösungen gesetzt:

• Cognitive Power Electronics: Intelligente Leistungselektronik
• Dr. Production: Intelligente Fertigungsanlagen

Im Forschungsgebiet Cognitive Power Electronics (CPE) verbindet das Fraunhofer IISB seine Kernkompetenz im Bereich der leistungselektronischen Systeme mit Data Analytics und künstlicher Intelligenz. Durch diese Integration werden innovative Einsatzmöglichkeiten für intelligente Leistungselektronik ermöglicht: von der Datenaufnahme und -analyse im Wandler bis zur vorausschauenden Wartung im Zusammenspiel mit der Cloud.

Ermöglicht wird Cognitive Power Electronics durch die Verknüpfung des Datenwissens mit dem Systemwissen innerhalb des Fraunhofer IISB: Die Expertise im Bereich Leistungselektronik bezüglich der Umwandlung, Versorgung und Speicherung von elektrischer Energie fließt in die intelligenten Funktionalitäten ein. Beispiele für aktuelle Entwicklungen sind umrichterbasierte Health-Monitoring-Funktionen für elektrische Antriebe ohne zusätzliche Sensoren, Wandler-basierte Impedanzspektroskopie und Stabilitätsoptimierung in Gleichstromnetzen.

Anwendungsfall der CPE: Intelligente Antriebstechnik

Ein Anwendungsfall von CPE ist die elektrische Antriebstechnik, wobei der Antriebsumrichter modifiziert und die elektrischen Kenngrößen des Umrichters zur prädiktiven Analyse nutzbar gemacht werden. Der elektrische Antrieb wird so zum integrierten intelligenten System, das über seinen momentanen und zukünftigen Betriebszustand Auskunft geben und zudem selbständig (re-)agieren kann.

Anwendungsfall der CPE: Intelligente DC-Netze

Viele regenerative Energiequellen liefern elektrische Energie in Gleichstrom. Auch Energiespeicher und Verbraucher sind häufig gleichstrombasiert. Durch deren Einbindung in DC-Netze und eine intelligente Vernetzung werden Wechselstrom-Gleichstrom-Wandlungen reduziert und so Energie eingespart. KI-basierte Lösungen für intelligente DC-Netze basieren auf Lernen mit wenig annotierten Daten, sequenzbasiertem Lernen und mathematischer Optimierung.

Dr. Production umfasst einen Methoden- und Algorithmen-Baukasten, der über zwei Jahrzehnte in der Erforschung von automatisierter Prozesskontrolle in der Halbleiterfertigung erarbeitet und zur Anwendung in drei Module gegossen wurde:

1. Anwendungsorientierte Beratung und Konzeption
2. Analyse der Fertigungsabläufe und Datenerfassung
3. Entwicklung und Implementierung intelligenter Algorithmen

Je nach Bedarf können zur Erarbeitung einer kundenspezifischen Lösung alle oder auch nur ausgewählte Module durchlaufen werden. Die vielfältigen Optimierungsoptionen umfassen beispielsweise die Zustandsüberwachung von Anlagen (Condition Monitoring), die Fehlererkennung und -klassifikation oder prädiktive Verfahren wie vorausschauende Wartung (Predictive Maintenance) und virtuelle Messtechnik.

Anwendungsfall von Dr. Production: Rapid Prototyping elektronischer Bauelemente

Im Rahmen des Projekts iDev4.0 (Integrated Development 4.0) wurden am Fraunhofer IISB Bausteine für eine intelligente Plattform für Prototypen- und Kleinstserienfertigung geschaffen. Hier entstehen kundenspezifische elektronische Bauelemente im Sinne eines flexiblen Rapid Prototyping. Ein zentrales Element ist die Optimierung der vom Fraunhofer IISB betriebenen durchgängigen Si-CMOS- und SiC-Prozesslinie (π-Fab®) durch Lernen aus vorhandenen Fertigungsdaten.