爱德万SEMICON Taiwan 2023发表车用电子测试论文

2023台湾国际半导体展(SEMICON Taiwan 2023)於9月6、7、8日盛大举行,爱德万测试特别赞助9月7日在南港展览馆一馆举办的「先进测试论坛」,论坛主旨为Testing for EV, from IC, Module to System。

随着电动车变得越来越普遍和先进,其电池管理系统(BMS)需要更具高效率、准确性和可靠度,爱德万测试针对车用电子测试发表论文,主题是Future Testing Challenges for Battery Management System ICs,旨在介绍当前和下一代BMS IC测试的挑战和相对应的解决方案。

此外,爱德万测试於9月6日和7日在展览馆一馆设置企业贵宾室,将以Beyond the Technology Horizon为题,展示内容包括先进记忆体、5G、人工智慧(AI)、高效能运算(HPC)。

爱德万测试(Advantest)於今年五月再度荣获2023年TechInsights(原VLSIresearch)客户满意度调查第一名,也是连续四年在这项针对全球半导体公司所做的年度调查夺冠。爱德万测试在2023年度调查中,於「夥伴合作」(Partnering)、「推荐供应商」(Recommended Supplier)、「供应商信赖度」(Trust in Supplier)、「技术领导」(Technical Leadership) 和「企业承诺」(Commitment) 等类别都取得佳绩。并且是唯一荣获TechInsights五星殊荣的自动化测试设备(ATE)供应商。…

iPad 萤幕维修後 造成 Apple Pencil 功能无法正常运作 – 苹果迷 APPLEFANS

苹果透过维修限制来限制消费者只能更换原厂零件,甚至只能透过原厂授权维修厂商来更换的相关事件,再添一椿!根据英国维修公司表示,近日有使用者在 iPad 萤幕维修 後,发现 Apple Pencil 功能出现问题了,而这问题并不仅发现在使用非原厂萤幕的情况,即使是用其他 iPad 萤幕来替换,也会出现相同问题。

  • 相关文章:Apple 新政策不再 维修 被盗的 iPhone !如何避免自己买到赃物?iPhone 丢失或被盗,该怎麽办?

iPad 萤幕维修 恐造成 Apple Pencil 无法正常使用?!

如果你的 iPad 萤幕维修是使用非原厂的零件,甚至拿其他 iPad 萤幕来替换,也可能会造成你的 Apple Pencil 无法正常运作,这是什麽情况呢?根据英国维修公司 iCorrect 的报导,一名客户带着萤幕受损的 iPad 来维修,除了萤幕破损之外,其他功能都是正常的,包含 Apple Pcneil 也没问题,不过,当 iCorrect 从另一台相同型号的 iPad …

【课堂笔记】轻松学AI–开启智慧照护之旅|潘人豪 (7/20) – TechNice科技岛-掌握科技与行销最新动态

讲师:潘人豪

WaCare远距健康执行长
原任职元智大学大数据与数位汇流创新中心助理教授,专长於数据科学、云端计算於智慧医疗照护与生物资讯领域,曾驻外执行中南美洲、非洲数位人道援助计画;

2017年创立WaCare远距健康,带领团队投入数位健康应用,以科技实践社会弱势解方,透过数据科学与 AI 推论技术整合巨量异质数据(个人病历、环境数据、政府开放资料、穿戴式装置等),建立个人健康行为介入模型以抑制风险发生实现健康促进,成功拓展到全台湾 16 县市超过 600 个偏乡社区,并在疫情期间实现45 万人次的居家长者线上参与数位健康促进活动,减少疫情带来的社会冲击,实践国人健康促进与消灭健康不平等的社会责任。

前言

住在都市里的我们可以很轻松地取得医疗照护服务,但如果是住在偏乡地区的长者或病友,很有可能需要花好几个小时的车程才有办法取得医疗服务。因此,我们在本次的课程中将介绍大家,如何透过AI科技,建立一个数位健康生态圈,让行动不便或偏乡长者及病友与其照护者,能够在急需医疗照护服务时快速取得医疗照护建议,让他们的问题能够及时得到解答。

一、WaCare数位健康生态圈

与我们前几堂课所讨论的ChatGPT不同,WaCare是一款专门针对健康照护所设计的AI软体并希望透过WaCare这样的软体,能够将民众、社区、医疗照护机构数位化,让所有的病友、照护者和医疗人员都能够在线上交流互助。WaCare的优点之一就是能够缩短、解决因为距离而产生的医疗健康照护不平等的问题。我们只要WaCare,就可以在遇到健康方面或老人照护方面的问题时,即时开启并询问它问题,内建的AI就会即时地回覆我们。这不仅能够一次服务更多的偏乡长者和病友,也可以在民众遇到问题手忙脚乱时,即时做为他们的指引。为了能够更有效地服务失智社群,WaCare也在今(2023)年初推出「Wa邦尼」AI陪伴机器人,让失智长辈或其照护者能够在无法及时找到医生时,也可以透过AI机器人快速得到与失智症照护相关问题的解答。

WaCare不仅因为有AI的协助,所以可以即时地回答民众的健康照护问题,更可以做为病友和医疗人员的平台,与在平台上的医师、护理师、治疗师,甚至像是体操老师直接在线上互动,提供大家专业的医疗照护课程。也因为数位化的关系,一位专业课程的老师可以同时服务多个社区(图 1)。另外,我们也可以透过线上调查健康状况,并在线上了解长辈的医疗状况後,回报给照服员(图 2)。如此一来,我们更可以清楚地了解偏乡长辈的需求并提供解决方案,甚至在必要时引导长辈迅速就医。

图 1:透过WaCare提供的线上平台,让位处台湾30个偏乡社区的长辈一起线上互动,扩大健康照护的范围。

图 2:WaCare提供线上专业健康导师,在线上询问长辈健康状况,并於需要时提供适当指引。

二、AI技术在WaCare的应用

为了建构一个健康社群网路串联议题与专家,WaCare利用了知识汇流中的社群计算技术(social computing),将除了三个基础的社交数据(Digital Self-Representation Data、Digital Relationships Data、Technology-Mediated Communication Data)以外,也加入医疗相关的资料,包含线上健康照护教育数据、医病线上交流数据,以及私人健康纪录(电子病历、行为数据、环境数据),来建置一个专为建立健康社群而设计的程式。将以上数据整合後,我们就可以将高龄照护领域里的问题分成个别的健康主题,形成一个一个的照护社群。

本节将介绍AI技术聚焦在失智照护议题上的应用。从程式设计的角度而言,我们必须记住,所有的数位应用都要建立在需求上,我们再基於使用者的需求提供他们相对应的服务,并在最後评估效益。因此,以失智照护为例,如果我们想要推出课程,建构照护者的照护能力,那麽我们就可以利用AI分析照护者在社群中讨论的内容,找出他们面对什麽样的问题与共同需求,并依照需求强度排列後,依据这些数据安排讲座课程。除此之外,AI也可以强化专家与民众的互动,让急需医疗支援的民众,可以在最快的速度与专家学者接触。例如,本文开头所提到的「Wa邦尼」机器人,就是将PUGC和OpenAI的ChatGPT3.5语言模型导入後所创造的工具,我们必须定义它可以做什麽。以「Wa邦尼」为例,我们设定了它自动回覆的功能。另外,因为WaCare中有许多不同的社群,所以我们让AI可以巡逻各个社群进行回覆。然而,我们都知道ChatGPT有时会出现幻觉,所以我们设定它是用来提供卫教知识,并积极鼓励民众就医为目标,并非直接解决病人的病灶。AI也是一个辅助医疗人员的角色,在医生回覆之前先做知识性回覆,在由医生回覆民众问题,或纠正AI的答案,同时也是训练AI机器人,让它能够回答能够愈来愈准确。

三、如何利用AI解决失智照护问题 – 以WaCare为例

了解了WaCare如何结合AI後,我们将介绍大家如何在WaCare上提问,解决失智照护的问题。一开始的使用方法很简单,我们可以在Google Play商店或App Store上下载WaCare并开启应用程式。接着,挑选一个主题频道、点选发问,并开启AI回覆。将问题输入後,点选发布并等待约30秒,就可以得到AI的回覆(图 3)。

图…

ChatGPT 暗黑版:诈骗好夥伴 WormGPT!专为黑帽骇客而生

自从 ChatGPT 发表以来总是不断有网友在挑战它的道德极限,其中最有效的方法当属「角色扮演」或「反面提问」两种(详情可见这篇文章)。但现在还真有人开发出了 ChatGPT 的暗黑版,那就是这两天在资安界讨论度颇高的 WormGPT。

根据外媒报导,WormGPT 似乎是在上个月被匿名推出,是基於开源 GPT-J 模型所开发出的大型语言模型,其性能接近 GPT-3,可以执行类似 ChatGPT 的文字生成工作,或是写出简单的程式码;但根据资安公司 SlashNext 实测,WormGPT 似乎还接受了恶意软体资料的强化训练。

未透露真名的开发者还用了这种文案形容 WormGPT:「你能想到所有与黑帽骇客有关的事情都可以透过 WormGPT 完成,所有人都可以在家中舒服的进行骇客活动。」还强调,WormGPT 就是 ChatGPT 的最大敌人。

WormGPT 开发人员还上传了萤幕截图,显示使用者可以用 WormGPT 写出基於 Python 的恶意软体,还提供有关恶意攻击的技巧;要不然就是可以用很简单的几行叙述,就轻易写出高度客制化、说服力十分高的网路钓鱼 e-mail。

SlashNext 评论,WormGPT 的威力强大、令人不安,「它写出的电子邮件不仅非常有说服力,而且策略上也很狡猾,可以进行非常的复杂网路钓鱼、BEC 攻击。」

核稿编辑:Sisley…

LLM模型在金融市场更重要,分析师职涯未来呈现两极化分布|专家论点【Howie Su】 – TechNice科技岛-掌握科技与行销最新动态

作者:Howie Su(产业分析师)

Double Exposure Image of Business and Finance – Businessman with report chart up forward to financial profit growth of stock market investment.

LLM开始进军金融产业并带来不小冲击

大型语言模型(LLM)现在已经逐渐渗透到各种产业并带来不小冲击,金融业可能是下一个重头戏,大型语言模型由与数百万或数十亿个参数相关的人工神经网路组成,并根据大量数据进行训练(无论是自监督学习还是半监督学习技术),以理解与重组资讯,而金融业出於多种原因开始利用这些工具,包括预测股市、金融教育、经济预测、交易策略、情绪分析和风险管理。而在模型类别上,分别由ChatGPT、BloombergGPT、FinGPT 可在金融领域扮演重要角色,而这三个LLM模型未来将对金融领域带来变革,同时让金融研究员的角色两极化:强者更强,弱者可能被替代掉。

模型一:ChatGPT

美国佛罗里达大学金融系的两位教授认为,在金融产业使用大型语言模型能够更精准地预测股票市场的结果,并且有利於交易策略。在这项研究中,两位教授使用 ChatGPT 「透过新闻标题的情绪分析来预测股市回报。」他们发现,与 BERT、GPT-1 和 GPT-2 等模型相比,ChatGPT 表现最好,只有像 ChatGPT 这样的更先进的模型才能分析大量数据以成功预测股市。ChatGPT 架构使用多层神经网路对自然语言的结构和模式进行建模,使用无监督学习方法,在大量文本数据上进行了预训练,例如维基百科文章或网页。在这项研究中,两位教授使用了从证券价格研究中心每日收益、新闻头条和 RavenPack …

Meta 推出全新社群平台 “Threads”,有望替代 Twitter 地位? – 苹果迷 APPLEFANS

虽然 Twitter 在台湾的使用率并不高,不过自从马斯克接管推特(Twitter)执行长之後,他推行许多政策让推特使用者纷纷想出走,像是移去 Discord 社群平台等等,而科技巨头 Meta 近日宣布将在 7 月 6 日推出全新社群平台 ” Threads “,这款应用程式被视为与 Twitter 的直球对决,而且只要透过 Instagram 帐号就可以直接登入使用。

相关文章 Meta Quest 3 对 Reality Pro:谁将成为 AR/VR 头戴式装置的领导者?

Meta 全新社群平台 Threads 即将在 7 月 6 日推出

Meta 即将推出一款新的应用程式「Threads」,是与 Instagram 帐号连结的「文字对话 app」,因此外界解读这款应用程式的推出就是为了直接挑战现在由 …

Windows 11首度公测Copilot、加入RAR及7-zip支援、Bing广告

微软

微软全面拥抱AI,将GPT模型为底层的Copilot加入Bing、Edge、Microsoft 365、Dynamic 365、及SharePoint等产品,5月在Build开发者大会上宣布扩大其Copilot也将整合到Windows 11。微软上周发布包含Copilot的第一个Windows 11公开测试版,正式将AI助理推向桌机作业系统,同时也开始支援RAR、7-zip等受欢迎的压缩档格式,并开始加入Bing广告。

上周微软以缓进速度在Dev频道释出Insider Preview Build 23493,提供用户预览Windows Copilot。安装好後,工具列会出现在新按键,或按「视窗」键+C,即可启动Windows Copilot。它使用微软帐号或Azure Active Directory(AAD)帐号登入。启动後Windows Copilot会出现在萤幕右边工具列以免挡住使用中的内容和应用程式。微软建议用户的Microsoft Edge浏览器版本也应在115.0.1901.150以上。

图片来源_微软

Windows 11 Copilot能让用户不用切换介面,直接和ChatGPT互动,提供搜寻、回应用户问题、帮忙撰写会议记录或草稿等工作。此外也能帮用户操作Windows指令,像是变更成深色模式、启动「勿打扰」、抓取萤幕撷图,或是为网页内容做重点摘要。测试版的Windows Copilot版本也首度加入广告。微软说,Windows Copilot整合Bing Chat可生成情境化的回应(即能读懂萤幕上的文字),用户可能会收到经由Bing广告送出「微软认为相关」的建议。

但之前宣布的某些功能,像是允许用户以Windows Copilot控制Bing第三方外挂,在第一个公测版是还没有的。但微软说等Insider用户测试後会再逐渐改进Copilot功能。

微软表示未来还会扩大测试,包括提供给多频道用户,以及加入IT管理员控管公司员工使用的政策。用户可以透过Windows Copilot侧边工具列右上的3点式选单,回传使用意见。

除了Copilot外,最新的测试还加入新的压缩档格式支援、以及新的「设定」App首页以及其他功能。一如5月Build大会上微软宣布,Windows也加入了其他压缩归档格式的支援,包括.rar、.7z、.tar、tar.gz、.txz、.tbz2等多种格式。不过微软说会有一些效能问题。新版「设定」App首页则以卡片让使用某些功能更方便,例如建议的设定、云端储存、帐号回复、个人化、M365及XBox订阅状态、连线的蓝牙装置等。

图片来源_微软

Windows 11也整合了5月底测试版的新功能,如新的备份App、及恢复在Windows 11一度拿掉的App。後者以App大头钉形式,如果它在Microsoft Store可供下载,点击大头钉就能使用,如果无法从Store下载就会导引用户前往相应网站下载。

其他功能包括日文与英式英语自然朗读声音、混音程式,以及Windows Sonic App使用空间音效的选单等。…

台中荣总揭12项重症预测AI成果,整合仪表板供医护即时掌握病况

台中荣总

台中荣总今日(6/29)揭露重症AI应用成果,团队用AI强化重症疾病照护服务,开发多款疾病预测模组来即时掌握病人状况,像是急性肾损伤预测、呼吸器拔管预测、急性呼吸窘迫症(ARDS)预测和72小时後临床恶化风险预测等共12项预测模组,每项监别率都达8、9成,可帮助医护快速治疗重症患者、提高存活率。

跨部门整合重症医学和IT专业,用7年资料建置亚洲最大重症资料库

在医院,重症患者的病症发展快速,可能发生心、肺、肝、肾衰竭造成生命危险,但通常得等到症状明显,医护人员才能确定、展开治疗。於是,台中荣总团队思考,要打造重症预测模组,来协助医护即时给予重症患者治疗。

台中荣总重症医学部主任詹明澄指出,台中荣总跨部门合作,由医护人员、演算法工程师、系统工程师和资料库工程师共同展开开发工作。台中荣总重症医学部先是与资讯室建立重症资料库,收集了2015年至2021年的成人加护病房临床资料,涵盖24类数值和影像,如病人基本资料、生化数值、输血医嘱、X光片影像等共7,200万笔资料。

在建置资料集的过程中,台中荣总还建立了资料清理自动化工具,来加速资料处理工作。台中荣总指出,这是亚洲最大、最完整的重症资料库,且与麻省理工学院开发的公开电子病历资料集MIMIC-IV相当。台中荣总预计,这个资料库在2024年就会超越MIMIC-IV,成为世界最大的重症资料库。

开发12项重症预测模组,整合仪表板落地应用

有了这个资料库,台中荣总便用来开发疾病预测模组。他们联手东海大学AI中心,打造12项重症预测模组,包括急性呼吸窘迫症候群、急性肾损伤、菌血症、呼吸器拔管、急性呼吸窘迫症(ARDS)、24小时後和72小时後临床恶化风险、肾恢复预测、出院後30天、90天和一年内存活率预测等,这些模组的AUROC监别率都达到8、9成以上。

其中,以急性肾损伤为例,台中荣总与台湾智慧医疗联盟(SHA)合作,联手台湾4所医学中心,利用联邦学习(Federated learning)进行外部验证,也得到不错的预测结果。目前,台中荣总的急性肾损伤预测模型,也入选为食药署智慧医材(SaMD)申请的辅导案。

模型完成开发後,台中荣总也打造疾病管理仪表板,来落地运用。这个重症疾病管理仪表板,涵盖了全院重症床位现况、重要设备(如叶克膜、呼吸器等)使用状况,以及每位患者的各大疾病预测风险数值,每小时更新病人临床资料,来供临床医护人员快速掌握病情。其中,台中荣总智慧重症团队还针对急性呼吸窘迫症候群、急性肾损伤,分别开发监视仪表板(如下图),除整合重要临床资料,提供即时模型预测结果外,也以视觉化设计,不只显示病况,还提供适当处置建议,是中荣重症团队沟通的重要窗口。

台中荣总也以一位高龄败血症并呼吸衰竭个案,来说明实际应用状况。该病患入院後,AI系统即以入院48小时的资料,推论出病患属於急性呼吸窘迫高风险。系统不只在病房仪表板显示风险值,也呈现病患入院後的重症医疗数据,如呼吸器参数、输液状态,并进一步依据指引主动评估病人状况,并以灯号显示急性呼吸窘迫的治疗状态,包括保护性通气、俯卧通气、输液平衡、早期营养等项目,要是病患的治疗都达标,仪表板就会以绿灯显示,代表病患的临床状况逐步改善中。

台中荣总指出,这种重症智慧医疗应用不只提升重症病人诊疗品质,也能有效降低第一线医护的工作负荷,更将在远距医疗时代扮演重要角色,协助改善偏远地区医疗品质和医疗资源分配不均的痛点。…

Silicon Labs扩大乔迁/设立Matter测试实验室

芯科科技(Silicon Labs)宣布扩大乔迁具营运策略位置之新竹办公室至半导体聚落重镇台元科技园区,同时Silicon Labs波士顿办公室亦设立全新Connectivity Lab,为物联网设备制造商模拟真实世界的操作性和连线性测试。

Silicon Labs新竹办公室日前正式扩大进驻台元科技园区(O栋),乔迁仪式并邀请台积电(TSMC)、日月光半导体(ASE)、矽品(SPIL)、京元电子(KYEC)、旺矽科技(MPI)、思达科技(STAr)、闳康科技(MA-tek)、鸿劲精密等业界厂商共同参与。Silicon Labs新竹办公室自2018年成立以来,已成为该公司除美国德州奥斯汀和新加坡之外的重要策略营运据点,新址扩迁将与策略供应商夥伴更紧密合作,全面强化供应链管理,提供更即时、全面性的服务。

过去5年,新竹据点亦成功吸引台湾当地菁英人才,使公司成为Silicon Labs成长快速的区域之一。台元科技园区位居大新竹区枢纽且邻近新竹科学园区地利之便,将使Silicon Labs能提供在地客户更快速服务,扩展後营运范围除包括产品测试工程、供应链管理、规划、品管和应用,未来并可望新增更多服务功能。

Silicon Labs Connectivity Lab模拟现代智慧家庭场景,包含一系列物联网装置、应用软体、生态系统及网路系统,为开发人员提供一个理想的环境以在真实场景中运行Matter原型,为各种品牌协定和装置进行测试。

Silicon Labs物联网家庭与生活生态系统资深总监Colin Cureton表示,所有开发人员最终都将关注於消费者的居家体验。Connectivity Lab提供一个居家环境来探索互操作性,以及测试和改良产品,使开发人员能在创新产品推向市场时深具信心。

迄今,业界持续专注在一次性环境中测试Matter装置及Matter应用层在连接协定堆叠中的功能。Silicon Labs的Connectivity Lab提升了Matter装置的测试,提供「实验室中的居家」环境,让开发人员探索消费者在家中的许多变数,以及可能的装置和网路配置。

Silicon Labs使用各种智慧家庭装置和应用软体(从照明到门锁和恒温器及娱乐系统),创建了一个类似家庭的环境(例如厨房、客厅)。透过测试使用於家庭中的Matter装置,开发人员将可发现、排除故障并解决消费者可能面临的问题。从Connectivity Lab获得的体验,将对於Silicon Labs、开发人员和整个产业有所裨益,并为消费者提供卓越的智慧家庭体验。

Silicon Labs负责15.4标准& Matter Software之资深工程总监Sarah Scannell表示,Connectivity Lab整合Silicon Labs内部生态系统的装置测试与消费者在家中的体验,这对於Silicon Labs的工程团队和客户而言极具价值,因为其可亲眼看到Silicon Labs预发表的软体,如何对终端使用者在互通性和性能上带来影响。

Connectivity Lab主要为测试在最常见的Matter生态系统中(例如Amazon Alexa、Apple HomeKit、Google Home和Samsung的SmartThings)有关Matter装置的连线性和互通性。这些生态系统是消费者与智慧家庭设备间主要的互动方式,因此该实验室使开发人员和设计人员能够了解其产品,并能对产品的实际性能深具信心。

Silicon …

让再生能源更有效率 AI智慧化维护检测太阳能发电系统 – 科学月刊Science Monthly

Author 作者 魏荣宗/台湾科技大学电资学院暨产业创新学院特聘教授。能源再生能源太阳光电人工智慧迁移式学习AI太阳能过去的几十年,能源消耗愈来愈大,煤炭、石油、天然气的过度开采和利用,不仅给地球带来严重的污染,也让全球提前面对能源耗尽以及气候变迁的危机。解决当前的能源问题,主要由两个途径:一是提高传统能源的使用效率,实现节能减排;二是逐步提高再生能源的占比。

再生能源包括太阳能、风力、水力、生质能、地热发电等,具有分布范围广、取材方便、可重复利用等特点。其中太阳光电发电是一种将太阳能转化为清洁能源的技术,是最直接的能源利用方式,具有规模灵活、安全可靠、清洁环保等优点。由於太阳能发电的过程并无碳排放,可减轻气候变迁的影响,并能改善全球的能源安全,因此世界各国开始提倡建置太阳光电发电系统。2020年,全球太阳光电发电系统安装量达到140百万瓩(GW),根据市场预测,到2023年度全球太阳光电发电系统安装量将达到200GW;以台湾而言,政策规画至2025年将设置20GW太阳光电发电系统。国际趋势也预估2050年太阳光电发电系统将成为全球主要电力来源之一,提供全球约11%电力需求。

现阶段太阳光电发电系统中,太阳光电模组占投资的比重较大,约占总造价的40%。通常模组的设计寿命约为25年,然而由於长期工作於比较恶劣的环境,各种故障情况难以避免,使得实际使用寿命大为降低。一旦模组发生故障,直接的危害是损坏模组本体,降低发电效率;间接危害则是造成整个太阳光电发电系统不能正常运行或对电网造成影响,进而酿成重大经济损失。目前,大部分的太阳光电发电系统已经实现运行状态即时监控的功能,但也仅提供发电运行资料及重大停电资讯的显示和统计,对於潜在的故障预警及维运管理无能为力。目前的故障辨识只能依靠经验丰富的工程师对现场设备进行测试,或通过资料解读判定,以有限的人力资源,将无法满足规模庞大的太阳光电市场的需求。此外,自然灾害、人类活动,以及环境的变化,都可能会使太阳光电的运行性能降低、影响发电效率。因此随着技术的发展和产业升级,太阳光电的维运成本占比及其效益都将逐渐提高,合理和智慧化的维运,将成为太阳光电产业永续及健康发展的推动力。太阳光电故障的诊断方法太阳光电常见的直流侧故障类型有:接地故障、线间故障、开路故障、短路故障、电弧故障、遮荫故障、老化故障,以及旁路二极体故障等。目前大部分的太阳光电
故障诊断方法可以分成两类:性能比较和信号处理。

性能比较主要是通过比较太阳光电的参数特性来区分正常状态和故障状态。不同的故障类型,内、外部参数或者曲线的斜率、形状会出现发生的变化,可通过分析、总结规律,找出表徵不同故障的特徵表示。人工智慧(artificial intelligence, AI)技术的应用,有助於制造故障类型自动分类器,将所提取的特徵或以物理特性分类,做为样本或模型训练样本加以利用。常见的故障分类方法有人工类神经网路、机率类神经网路、决策树、聚类、支援向量机、极限学习机等。

信号处理则是应用波形信号分解方式,来辨识和定位故障类型的方法,经常用於解决多串列系统的线间故障、动态遮荫,以及电弧故障诊断。线间故障又称为失配故障,如线间出现短路或接地。线间故障的电流-电压曲线特性表现和遮荫极为相似,无法通过性能比较的方式来辨识。不过,由於线间故障存在电流回流的现象,因此常可通过对暂态波形的分解和时频变换工具的应用抽取故障特徵,以辨识故障类型。但是失配的比例、接地电阻大小、阻塞二极体的使用,又会限制故障电流的产生和变化,对故障辨识带来了极大的挑战。而当发生直流电弧故障时,不同的电弧类型及故障发生的位置,所产生的故障波形又存在些许差异。因此,常利用对时序信号故障波形的分析,实现电弧辨识和定位。由於电弧信号的特徵频率比较高,往往需要使用具有高取样速率的设备来采集波形。电弧信号容易受到各种杂讯干扰,如逆变器杂讯、筛检程式高频衰减杂讯、通信信号、振动杂讯等,因此进行信号处理时,抑制杂讯显得更为重要。检测直流电弧的方法有很多,常见的有傅立叶变换、小波分解、基於统计学法、基於电弧模型法、基於AI方法等。

目前太阳光电故障诊断面临的主要问题是:

1. 缺乏故障样本:以机器学习演算法建立诊断模型,需要大量的标签化故障样本进行训练。最终诊断的准确率取决於样本的数量,且要求训练样本和测试样本符合同一分布。

2. 泛化能力差:很多研究针对特定的电场建立数值化诊断模型,特徵参数没有进行规范化处理或采用固定的阀值进行评判。若是要推广到其他电场,不仅样本要重新获取,而且阀值要重新计算,模型参数也要重新调整。

3. 能辨识的故障类型少:目前很多研究方法大部分是单一故障,而且多只针对单串列的部分故障类型进行辨识,很少考虑多串列及混合故障。

4. 研究模型大多只适合於新建电场,对於出现老化衰退及无照度和温度感测器的老旧电场,并不适用。

另一方面,太阳光电系统的维运工作不仅只侦测及判别故障,还须针对系统的运行性能状况,提出最佳的养护策略,追求维运成本的最佳化。举例来说,日常周期性的灰尘沉积,会导致太阳光电模组表面玻璃的透光率降低,从而影响系统整体的发电效率,给日常的发电效益带来不可忽略的损失。基於少样本迁移式学习,辨识太阳能光电故障目前有种创新研究方法,是基於少样本迁移式学习(transfer learning)以发展出太阳光电混合故障智慧辨识技术。在此方法中,针对故障样本缺乏的问题,通过建立和每个电场相对於的数值模拟模型获取故障样本;透过研究太阳光电各种故障的物理特性,获得表徵故障类型的特徵。这类以数值模拟进行的混合故障辨识研究,拓宽了研究的广度和深度,符合业界实际需求。此外,透过将外特徵参数统一,在标准测试条件下将参数规范化处理、转换为表徵参数变化趋势的资讯,使特徵量具备强大的泛化能力。对於无照度和温度资讯的电场,也可以藉由串联对比技术,获得同样表徵外特徵变化趋势的特徵量,实现了新旧电场特徵量的统一表达。而采用迁移式学习技术,则使得辨识模型能适应从数值模拟样本到实测故障样本的过渡,最终透过线上强化学习,使模型具有自我更新能力,即使在电场逐年老化衰减的情况下,也能保持较高的辨识准确度。

此外,为进一步解决电弧故障以及多串列系统的遮阴和失配故障辨识问题,也可研究以机器学习辨识、找出多串列太阳光电系统直流电弧及线间故障辨识。通过对直流电弧中常见的电弧模型进行数学建模和波形特性分析,寻找一种或几种适用於太阳光电并联电弧和串联电弧的模型,并利用其生成模拟故障样本。在此方法中,透过模拟或电弧产生器的研制,获得实测故障样本,从而解决故障样本缺少的问题。并且分析对线间故障的物理特性和影响因素,寻找能够辨识失配、遮荫故障的特徵,并与正常情况下其他干扰因素进行区别。最後,则针对基於时序信号波形进行训练,以发展出独立的机器学习诊断模型,来辨识直流电弧和线间故障。精打细算营运太阳能,清洗与调度靠AI台湾属於亚热带海岛型气候,潮湿多雨,灰尘的沉积速度相对较慢,所以很多电场一年或几年才清洗一次。在较长的清洗周期下,老化对功率损失的影响也不容忽视。从类型上看,太阳能板的老化可以分成:腐蚀、分层、变色、模组破片。若湿气从面板的层压边缘侵入电池,还会造成电池以及连接部件生锈及腐蚀现象。为了积极探索太阳光电最经济的维运方案,太阳光电系统面板清洗维运成本优化亦为重点项目之一。透过对台湾地区污染物及太阳光电面板灰尘沉积情况分析,我们所发展的AI系统可提出各个县市太阳光电污染损失情况、及清洗周期分布图;按照太阳光电面板老化类型单独建模,实现精确化的老化损失计算需求;提出一个计算清洗成本的太阳光电灰尘沉积优化清洗方案。在考虑面板老化的情况下,通过计算最合理的清洗时间,确保发电损失及清洗费用总成本最小,并开发相应的优化程式,满足业界精细化维运需求。

智慧电网通常包含太阳光电发电系统的分散式再生能源,上述智慧化AI检测太阳光电发电系统状况,自然可纳入智慧电网整合控制架构中。如无法确保太阳光电发电系统的稳定性,并网会遇到很大的挑战,轻者可能导致系统频率不稳或区域电网的电压变动太大,重者可能导致输电线路雍塞及区域电网电压不稳定进而影响到电网稳定性及安全性。无法控制、具备不确定性的再生能源并网,可能会增加电网的营运成本,让太阳能光电在电网中每增加100兆瓦(MW)的容量,可能会增加每小时100美元的电网营运成本。举例来说,去(2021)年5月台湾两次大停电,皆发生於傍晚时段。主要影响因素除了人为疏失、气候变迁及离峰用电日渐遽增等状况以外,也与太阳光电发电系统夜间无法供电、其他发电机组启动并网需要数小时时间有关。显见太阳光电发电状况整合,与短期发电量预测以及经济电力的调度息息相关。

为了减少资料传输成本,电表资料管理系统通常会延迟时间才取得太阳光电发电系统案场的发电资讯,此作法虽然解决资料传输成本的问题,却对太阳光电发电预测带来更高的挑战性。因电力营运商通常需要即时太阳光电发电量预估作为电力调度依据,但却无法提供对应的历史发电资料。目前有创新研究提出气象资料拟合的前处理概念,并结合深度学习来预测太阳光电发电量,不同案场的发电量预测准确度指标平均值可达97%以上。

再生能源并网是目前全球普遍遇到的一大难题,来自大自然的能源容易变动、很难精准预测,尤其日照、温度、风速等关键因素都会受到天气影响,可能会在短时间内产生变动。因此再生能源发电系统也称作间歇性发电系统、智慧化AI预测或检测策略,不仅适用於太阳光电发电系统,其他绿色能源(例如风力发电系统)也有大幅发展空间。

未来针对太阳光电发电系统,力求单位面积最大化设置容量及降低环境因素造成发电损失等议题可再进一步研究。除高效能光电材料及温升无感的太阳光电模组发展外,AI则可进一步探讨少量感测器的故障定位及高精度发电预测议题,将对太阳光电发电系统智慧管维做出具体贡献。…