Buzz Solutions samler inn 20 millioner dollar i serie A-finansiering for å utvide AI-drevet grid-intelligens

Buzz Solutions har samlet inn 20 millioner dollar i en overskrevet serie A-finansieringsrunde, da strømleverandører søker etter raskere måter å inspisere, vedlikeholde og styrke stadig mer kompleks energi-infrastruktur.

S3 Ventures ledet runden, med betydelig påfølgende investering fra GoPoint Ventures. Eksisterende investorer HearstLab og Blackhorn Ventures deltok også. Buzz Solutions sa at kapitalen vil støtte produktutvikling, utvidelse av deres markedsføringslag og dypere utrullinger med strømleverandørkunder.

Selskapet i Palo Alto utvikler kunstig intelligens-programvare som analyserer visuell inspeksjonsdata samlet inn fra infrastruktur som kraftledninger, transformatorstasjoner og solkraftanlegg i stor skala. Deres kunder inkluderer Dominion Energy (D ), American Electric Power (AEP ) og New York Power Authority.

Flytter grid-inspeksjonen beyond manuell bilde-gjennomgang

Strømleverandører har stadig mer adoptert droner, helikoptre, faste fly, termiske kameraer og andre bildesystemer for å inspisere infrastruktur. Disse teknologiene kan samle inn langt mer data enn tradisjonelle feltinspeksjoner, men de skaper også en ny utfordring: å prosessere tusenvis eller til og med millioner av bilder raskt nok til å påvirke vedlikeholdsbeslutninger.

Buzz Solutions’ PowerAI-plattform er designet for å løse denne flaskenhalen. Den tar imot bilder fra luft- og bakkebaserte inspeksjonsprogrammer, matcher bilder med bestemte strukturer, identifiserer potensielle feil og hjelper med å rangere problemer basert på deres alvorlighetsgrad.

Plattformen kan analysere RGB- og termiske bilder for problemer som skadde stolper, forringede kryssarmar, overhetede transformatorer, vegetasjonsgjennomtrengning, isolator-skader og fuglereder. Resultatene kan deretter sendes til geografiske informasjonssystemer, arbeidsordreplattformer og eiendomsstyringsprogramvare gjennom integrasjoner og programmeringsgrensesnitt.

Denne arbeidsflyten er viktig fordi å identifisere en defekt er bare en del av infrastruktur-forvaltning. Strømleverandører må også bestemme hvor den berørte eiendommen er plassert, vurdere hvor急t den trenger oppmerksomhet, tildele arbeid og spore tilstanden på den eiendommen over tid.

PowerAI kombinerer datamaskin-syn med menneskelig tilsyn

Buzz Solutions sier at deres modeller er justert ved hjelp av over en tiår med strømleverandør-bilder, i stedet for å være trenet bare på mindre demonstrasjonsdatasett. Plattformen inkluderer for øyeblikket over 50 kunstig intelligens-modeller og kan prosessere over 5,8 bilder per sekund, basert på tall publisert av selskapet.

PowerAI inkluderer også menneskelig tilsyn-funksjoner. Inspektører kan validere deteksjoner, korrigere modell-utdata og forbedre nøyaktigheten mens systemet møter ytterligere infrastruktur-typer og driftsforhold.

Dette kombinasjonen av automatisering og menneskelig gjennomgang er særlig relevant i strømleverandør-miljøer, hvor feil-positiver kan skape unødvendig feltarbeid, mens en oversett defekt kan bidra til utstyr-feil, strøm-avbrudd eller sikkerhetsrisiko.

Buzz tilbyr flere versjoner av plattformen. Strømleverandører kan starte med sentralisert inspeksjonsdata-forvaltning og manuell gjennomgang før de går over til automatisert bilde-analyse, geografisk informasjonssystem-kart, avanserte analyser og integrasjoner med arbeid- og eiendomsstyrings-systemer.

Utvider plattformen over hele grid-en

PowerAI var opprinnelig fokusert på overførings- og distribusjons-infrastruktur, men Buzz Solutions har utvidet plattformen til transformatorstasjoner og solkraft-anlegg i stor skala.

For distribusjonsnettverk kan programvaren assosiere inspeksjonsbilder med enkeltstående stolper og strukturer før de analyseres for skadet hårdtvar, transformator-problemer eller vegetasjon-risiko. Overføringslag kan på samme måte bruke plattformen til å inventarisere eiendommer og overvåke tilstands-endringer over store nettverk.

Ved transformatorstasjoner bruker selskapet bilder fra faste kameraer og dokkede droner for å overvåke sikkerhetshendelser, sikkerhets-problemer og utstyr-tilstander. Optiske og termiske videoer kan analyseres for hendelser som uautorisert adgang, røyk, brann eller abnormal varme-signaturer, med varsler levert gjennom dashboards, e-post eller tekst-meldinger. Utrollinger kan være sky-basert eller installert på stedet, avhengig av en strømleverandørs operative og sikkerhets-krav.

Tilbudet for solkraft-anlegg i stor skala anvender datamaskin-syn på drone-samlet RGB- og termisk bilde. Det er ment å hjelpe operatører med å identifisere varme-punkter, panel-sprøt og streng-avbrudd før disse problemene reduserer utgangen betydelig.

Strømleverandør-utrullinger går beyond små piloter

Buzz Solutions sa at deres kunde-tall tredoblet i løpet av det siste året, mens omsetningen økte med 400 %. Selskapet har også publisert flere eksempler på strømleverandører som anvender plattformen til større inspeksjons-programmer.

Dominion Energy brukte PowerAI til å prosessere 74 000 bilder som dekket omtrent 47 000 overførings-tårn på tre og en halv time, ifølge Buzz Solutions. AEP Texas har brukt plattformen til å analysere over 88 000 bilder mens de arbeider for å forkorte inspeksjons-syklusene over et distribusjons-område som er utsatt for orkaner og skogbranner.

New York Power Authority har integrert inspeksjons-resultater med Esri, IBM Maximo og deres interne medie-systemer. Buzz Solutions rapporterer at strømleverandøren reduserte manuell analyse-tid med 70 %, og tillot store volumer av inspeksjons-bilder å bli evaluert på timer eller dager i stedet for måneder.

Disse utrullinger illustrerer den bredere skiftet som nå skjer over strømleverandør-kunstig intelligens-programmer. I stedet for å evaluere isolerte modeller, begynner noen strømleverandører å koble kunstig intelligens-analyse direkte med eiendoms-poster, vedlikeholds-prioriteter og eksisterende operative systemer.

Økende strøm-etterspørsel legger til urgensen

Finansieringen kommer når USA går inn i en periode med fornyet strøm-etterspørsel-vekst. USAs energi-informasjonsforvaltning rapporterte at nasjonal strøm-forbruk har økt med en gjennomsnittlig årlig vekst på 2,1 % over de siste fem årene, med datasenter-server-etterspørsel som en viktig bidragsyter.

Byrået forventer at strøm-forbruket vil fortsette å øke frem til 2050, og omvendt en over ett tiår lang periode med relativt flat etterspørsel.

Kunstig intelligens-datasentre er bare en av kildene til press. Strømleverandører må også koble opp fornybar generering, støtte transport- og industriell elektrifisering, reagere på ekstreme vær-forhold og vedlikeholde infrastruktur som kan ha vært i drift i tiår.

Bygging av ny genererings- og overførings-kapasitet er fortsatt essensielt, men strømleverandører må også trekke ut mer pålitelighet fra eksisterende infrastruktur. Tidlig identifisering av forringende utstyr kan tillate vedlikeholds-lag å håndtere problemene før de blir strøm-avbrudd, sikkerhets-hendelser eller dyre nød-reparasjoner.

Fremtiden for AI-assistert grid-forvaltning

Den bredere betydningen av plattformer som PowerAI ligger i hvordan de kan endre måten strømleverandører forvalter infrastruktur over tid. I dag er mange inspeksjons-programmer fortsatt periodiske og reaktive, med eiendommer som blir undersøkt på faste skema eller etter stormer, strøm-avbrudd og utstyr-feil. Etter hvert som visuell data blir lettere å samle inn og analysere, kan strømleverandører kanskje flytte mot mer kontinuerlig, risiko-basert vedlikehold.

I denne modellen vil kunstig intelligens hjelpe med å identifisere små endringer i eiendoms-tilstand, sammenligne nåværende bilder med tidligere inspeksjoner og høydepunkte utstyr som ser ut til å forringe raskere enn forventet. Vedlikeholds-schedule kan deretter baseres mindre på alder eller rutine-inspeksjons-syklus og mer på den faktiske tilstanden og risiko-profilen til hver eiendom.

Teknologien kan også bli mer verdifull når strømleverandører utruller større flåter av droner, faste kameraer, termiske sensorer og andre overvåkningssystemer. Uten automatisert analyse kan datavolumet generert av disse verktøyene overvelde inspeksjons-lag. Kunstig intelligens-systemer kan øke som en filter-lag, rettende menneskelige eksperter mot bildene, eiendommene og anomaliene som er mest sannsynlig å kreve oppmerksomhet.

Over tid kan disse evnene støtte mer detaljerte digitale representasjoner av grid-en, kombinere visuell inspeksjon med vær-data, strøm-avbrudd-historikk, vegetasjon-tilstand og vedlikeholds-poster. Dette kan tillate strømleverandører å modellere hvordan enkelt-feil kan påvirke større nettverk og prioritere reparasjoner basert på deres potensielle innvirkning på pålitelighet og offentlig sikkerhet.

Skiftet vil også introdusere viktige spørsmål omkring modell-nøyaktighet, sikkerhet, åpenhet og ansvar. Strømleverandører må forstå hvorfor et system har markert en bestemt eiendom, hvor sikker de er på den vurderingen og når menneskelig gjennomgang er nødvendig. Fordi avgjørelsene involverer kritisk infrastruktur, er det sannsynlig at kunstig intelligens-anbefalinger vil forbli en del av en overvåket prosess i stedet for å bli fullstendig autonome.

Hvis disse utfordringene kan håndteres, kan datamaskin-syn utvikle seg fra et verktøy for å gjennomse inspeksjons-bilder til en mer sentral komponent i grid-planlegging og -vedlikehold. Langsiktige virkninger vil ikke nødvendigvis være færre inspektører, men en endring i hvordan deres tid brukes, med større oppmerksomhet rettet mot eiendommene og lokalitetene hvor inngripen kan gjøre størst forskjell.