Buzz Solutions atrage 20 de milioane de dolari într-o rundă de finanțare Series A pentru a extinde inteligența gridului alimentat de IA

Buzz Solutions a atras 20 de milioane de dolari într-o rundă de finanțare Series A suprasubscrisă, în timp ce utilitățile caută modalități mai rapide de a inspecta, întreține și consolida infrastructura energetică din ce în ce mai complexă.

S3 Ventures a condus runda, cu o investiție semnificativă din partea GoPoint Ventures. Investitorii existenți HearstLab și Blackhorn Ventures au participat și ei. Buzz Solutions a declarat că capitalul va fi utilizat pentru dezvoltarea de produse, extinderea echipei de marketing și implementări mai profunde cu clienții utilități.

Compania cu sediul în Palo Alto dezvoltă software de inteligență artificială care analizează datele de inspecție vizuală colectate de la infrastructuri precum linii electrice, stații de transformare și instalații solare la scară utilitară. Clienții săi includ Dominion Energy (D ), American Electric Power (AEP ) și Autoritatea de Energie a Statului New York.

Extinderea inspecției rețelei electrice dincolo de revizia manuală a imaginilor

Utilitățile au adoptat din ce în ce mai mult drone, elicoptere, avioane cu aripi fixe, camere termice și alte sisteme de imagistică pentru a inspecta infrastructura. Aceste tehnologii pot colecta mult mai multe date decât inspecțiile tradiționale pe teren, dar creează și o nouă provocare: procesarea a mii sau chiar milioane de imagini suficient de repede pentru a influența deciziile de întreținere.

Platforma PowerAI a Buzz Solutions este proiectată pentru a aborda această problemă. Ea ingerează imagini de la programele de inspecție aeriană și terestră, asociază imagini cu structuri specifice, identifică potențiale defecte și ajută la clasificarea problemelor în funcție de gravitate.

Platforma poate analiza imagini RGB și termice pentru probleme precum stâlpi deteriorați, brațe transversale care se degradează, transformatoare supraîncălzite, invazia vegetației, deteriorarea izolatorilor și cuiburi de păsări. Rezultatele pot fi trimise apoi în sisteme de informații geografice, platforme de comenzi de lucru și software de gestionare a activelor prin intermediul integrărilor și interfețelor de programare a aplicațiilor.

Acest flux de lucru este important, deoarece identificarea unei defecte este doar o parte a managementului infrastructurii. Utilitățile trebuie să determine și unde se află activul afectat, să evalueze cu ce urgență are nevoie de atenție, să atribuie lucrări și să urmărească starea acelui activ în timp.

PowerAI combină inteligența artificială cu supravegherea umană

Buzz Solutions afirmă că modelele sale au fost ajustate utilizând peste un deceniu de imagini de la utilități, și nu doar antrenate pe seturi de date mai mici de demonstrație. Platforma conține în prezent peste 50 de modele de inteligență artificială și poate procesa peste 5,8 imagini pe secundă, pe baza cifrelor publicate de companie.

PowerAI include și funcții de revizuire umană în buclă. Inspectorii pot valida detectări, corecta ieșirile modelului și îmbunătăți precizia pe măsură ce sistemul întâlnă tipuri și condiții de funcționare suplimentare de infrastructură.

Acestă combinație de automatizare și revizuire umană este deosebit de relevantă în medii de utilități, unde rezultatele false pozitive pot crea lucrări de teren inutile, în timp ce o defecțiune omisă poate contribui la eșecuri de echipament, întreruperi sau riscuri de siguranță.

Buzz oferă mai multe versiuni ale platformei. Utilitățile pot începe cu gestionarea centralizată a datelor de inspecție și revizia manuală, înainte de a trece la analiza automată a imaginilor, cartografierea sistemului de informații geografice, analize avansate și integrări cu sistemele de lucru și gestionare a activelor.

Extinderea platformei pe întreaga rețea

PowerAI a fost inițial axat pe infrastructura de transmisie și distribuție, dar Buzz Solutions a extins platforma și în stații de transformare și instalații solare la scară utilitară.

Pentru rețelele de distribuție, software-ul poate asocia imagini de inspecție cu stâlpi și structuri individuale, înainte de a le analiza pentru hardware deteriorat, probleme de transformatoare sau riscuri de vegetație. Echipele de transmisie pot utiliza, de asemenea, platforma pentru a inventaria active și monitoriza schimbările de stare pe rețele extinse.

La stații de transformare, compania utilizează imagini de la camere fixe și drone acostate pentru a monitoriza evenimente de securitate, probleme de siguranță și starea echipamentelor. Videoul optic și termic poate fi analizat pentru evenimente precum intrarea neautorizată, fum, incendiu sau semnături termice anormale, cu alerte livrate prin tablouri de bord, e-mail sau mesaje text. Implementările pot fi bazate pe cloud sau instalate local, în funcție de cerințele operaționale și de securitate cibernetică ale utilității.

Oferta pentru solare aplică inteligența artificială vizuală la imagini RGB și termice colectate de drone. Este destinat să ajute operatorii să identifice puncte fierbinți, crăpături de panouri și întreruperi de șiruri înainte ca aceste probleme să reducă semnificativ producția.

Implementările utilităților merg dincolo de piloții mici

Buzz Solutions a declarat că numărul său de clienți a triplat în ultimul an, în timp ce veniturile au crescut cu 400%. Compania a publicat, de asemenea, mai multe exemple de utilități care aplică platforma la programe de inspecție mai mari.

Dominion Energy a utilizat PowerAI pentru a procesa 74.000 de imagini care acoperă aproximativ 47.000 de turnuri de transmisie în trei ore și jumătate, potrivit Buzz Solutions. AEP Texas a utilizat platforma pentru a analiza peste 88.000 de imagini, în timp ce lucrează pentru a scurta ciclurile de inspecție pe o zonă de distribuție expusă la uragane și incendii de pădure.

Autoritatea de Energie a Statului New York a integrat rezultatele inspecției cu Esri, IBM Maximo și sistemele sale media interne. Buzz Solutions raportează că utilitatea a redus timpul de analiză manuală cu 70%, permițând evaluarea unor volume mari de imagini de inspecție în ore sau zile, și nu în luni.

Aceste implementări ilustrează schimbarea mai amplă care are loc acum în programele de inteligență artificială ale utilităților. În loc să evalueze modele izolate, unele utilități încep să conecteze analiza IA direct cu înregistrările de active, prioritățile de întreținere și sistemele operaționale existente.

Cererea crescută de electricitate adaugă urgență

Finanțarea vine într-un moment în care Statele Unite intră într-o perioadă de creștere a cererii de electricitate. Administrația de Informații Energetice a SUA a raportat că consumul de electricitate la nivel național a crescut cu o medie de 2,1% pe an în ultimii cinci ani, cu cererea de servere de centre de date emergentă ca un contributor major.

Agenția se așteaptă ca consumul de electricitate să continue să crească până în 2050, inversând mai mult de un deceniu de cerere relativ plată.

Centrele de date de inteligență artificială nu sunt singura sursă de presiune. Utilitățile trebuie să conecteze, de asemenea, generarea regenerabilă, să susțină electrificarea transportului și a industriei, să răspundă la vremea extremă și să mențină infrastructura care ar putea fi operată de decenii.

Construirea de noi capacități de generare și transmisie rămâne esențială, dar utilitățile trebuie să extragă și mai multă fiabilitate din infrastructura existentă. Identificarea mai rapidă a echipamentelor care se degradează ar putea permite echipelor de întreținere să abordeze problemele înainte de a deveni întreruperi, incidente de siguranță sau reparații de urgență scumpe.

Viitorul managementului rețelei electrice asistat de IA

Semnificația mai amplă a platformelor precum PowerAI constă în modul în care ar putea schimba modul în care utilitățile gestionează infrastructura în timp. Astăzi, multe programe de inspecție rămân periodice și reactive, cu active examinate la intervale fixe sau după furtuni, întreruperi și eșecuri de echipament. Pe măsură ce datele vizuale devin mai ușor de colectat și analizat, utilitățile ar putea trece către o întreținere mai continuă și bazată pe risc.

În acest model, inteligența artificială ar ajuta la identificarea schimbărilor subtile în starea activului, la compararea imaginilor actuale cu inspecțiile anterioare și la evidențierea echipamentului care pare să se degradeze mai rapid decât se așteptă. Planurile de întreținere ar putea fi bazate mai puțin pe vârstă sau ciclurile de inspecție și mai mult pe starea reală și profilul de risc al fiecărui activ.

Tehnologia ar putea deveni și mai valoroasă pe măsură ce utilitățile implementează flote mai mari de drone, camere fixe, senzori termici și alte sisteme de monitorizare. Fără analiză automată, volumul de date generate de aceste instrumente ar putea copleși echipele de inspecție. Sistemele IA ar putea servi din ce în ce mai mult ca un strat de filtrare, direcționând experții umani către imagini, active și anomalii care sunt cel mai probabil să necesite atenție.

În timp, aceste capacități ar putea susține reprezentări digitale mai detaliate ale rețelei, combinând inspecțiile vizuale cu date meteo, istoricul întreruperilor, starea vegetației și înregistrările de întreținere. Acest lucru ar permite utilităților să modeleze modul în care defectele individuale ar putea afecta rețelele mai largi și să prioritizeze reparațiile pe baza impactului lor potențial asupra fiabilității și siguranței publice.

Tranzitia va introduce, de asemenea, întrebări importante despre acuratețea modelului, securitatea cibernetică, transparență și responsabilitate. Utilitățile vor trebui să înțeleagă de ce un sistem a marcat un anumit activ, cât de încrezător este în acea evaluare și când este necesară revizia umană. Deoarece deciziile implică infrastructură critică, recomandările IA sunt probabil să rămână parte a unui proces supravegheat, și nu să devină complet autonome.

Dacă aceste provocări pot fi abordate, inteligența artificială vizuală ar putea evolua de la un instrument pentru revizia imaginilor de inspecție la o componentă centrală a planificării și întreținerii rețelei. Impactul pe termen lung nu ar fi neapărat mai puțini inspectori, ci o schimbare a modului în care timpul lor este utilizat, cu o atenție mai mare acordată activelor și locațiilor unde intervenția ar putea avea cea mai mare diferență.