Buzz Solutions зібрала $20 мільйонів серії А для розширення штучного інтелекту для інспекції електромереж

Buzz Solutions зібрала $20 мільйонів у вигляді фінансування серії А для швидшого інспектування, обслуговування та зміцнення енергетичної інфраструктури.

S3 Ventures очолила раунд, з значними додатковими інвестиціями від GoPoint Ventures. Існуючі інвестори HearstLab і Blackhorn Ventures також брали участь. Buzz Solutions заявила, що капітал буде використаний для розвитку продукції, розширення команди продажів та глибшого впровадження у взаємодію з клієнтами-компаніями комунальних послуг.

Компанія Buzz Solutions, що базується у Пало-Альто, розробляє штучний інтелект для аналізу даних візуального інспектування інфраструктури, таких як лінії електропередачі, підстанції та сонячні електростанції. Її клієнтами є Dominion Energy (D ), American Electric Power (AEP ), і ニューヨークська комісія з електроенергетики.

Пересування інспекції електромереж за межі ручного перегляду зображень

Компанії комунальних послуг все частіше застосовують безпілотні літальні апарати, гелікоптери, стаціонарні літаки, тепловізійні камери та інші системи зйомки для інспектування інфраструктури. Ці технології можуть зібрати значно більше даних, ніж традиційні інспекції на місці, але вони також створюють нову проблему: обробку тисяч або навіть мільйонів зображень досить швидко, щоб впливати на рішення щодо обслуговування.

Платформа PowerAI компанії Buzz Solutions призначена для вирішення цієї проблеми. Вона приймає зображення з програм інспектування з повітря та землі, зіставляє зображення з конкретними конструкціями, визначає потенційні дефекти та допомагає ранжувати питання за їхньою серйозністю.

Платформа може аналізувати кольорові та тепловізійні зображення для виявлення проблем, таких як пошкоджені стовпи, погіршення хрестовин, перегрів трансформаторів, закріплення рослинності, пошкодження ізоляторів та гніздування птахів. Результати можуть бути надіслані до географічних інформаційних систем, платформ замовлень робіт та програмного забезпечення для управління активами через інтеграцію та інтерфейси програмування застосунків.

Цей робочий процес важливий, оскільки виявлення дефектів – це тільки одна частина управління інфраструктурою. Компанії комунальних послуг також повинні визначити, де знаходиться пошкоджений актив, оцінити, наскільки терміново йому потрібно уваги, призначити роботу та відстежувати стан цього активу з часом.

PowerAI поєднує комп’ютерний зір з наглядом людини

Компанія Buzz Solutions заявляє, що її моделі були налаштовані за допомогою більш ніж десяти років зображень компаній комунальних послуг, а не тільки на основі менших демонстраційних наборів даних. Платформа зараз включає понад 50 моделей штучного інтелекту та може обробляти понад 5,8 зображень за секунду, згідно з даними компанії.

PowerAI також включає можливості нагляду людини за процесом. Інспектори можуть підтвердити виявлення, виправити висновки моделі та покращити точність, коли система зустрічає додаткові типи інфраструктури та умови експлуатації.

Ця комбінація автоматизації та нагляду людини особливо актуальна в середовищі компаній комунальних послуг, де хибні позитиви можуть створити зайву роботу в полі, а пропущений дефект може призвести до виходу з ладу обладнання, відключення електроенергії або ризиків для безпеки.

Buzz Solutions пропонує кілька версій платформи. Компанії комунальних послуг можуть розпочати з централізованого управління даними інспектування та ручного перегляду, а потім перейти до автоматичного аналізу зображень, картографування географічних інформаційних систем, просунутих аналітичних даних та інтеграції з системами управління роботами та активами.

Розширення платформи по всій електромережі

Розширення платформи по всій електромережі

Платформа PowerAI була спочатку орієнтована на інфраструктуру передачі та розподілу електроенергії, але компанія Buzz Solutions розширила платформу на підстанції та сонячні електростанції.

Для мереж розподілу електроенергії програмне забезпечення може асоціювати зображення інспектування з окремими стовпами та конструкціями, а потім аналізувати їх на предмет пошкоджених деталей, проблем з трансформаторами або ризиків рослинності. Бригади передачі можуть аналогічним чином використовувати платформу для інвентаризації активів та моніторингу змін стану по всій мережі.

На підстанціях компанія використовує зображення з стаціонарних камер та докованих безпілотників для моніторингу безпеки, проблем з безпекою та стану обладнання. Оптичні та тепловізійні відео можуть бути проаналізовані на предмет подій, таких як несанкційований вхід, дим, вогонь або аномальні теплові сигнатури, з повідомленнями, надісланими через панелі, електронну пошту або текстові повідомлення. Розгортання можуть бути基于 хмарі або встановлені на місці, залежно від операційних та вимог до кібербезпеки компанії комунальних послуг.

Предложення щодо сонячної енергетики застосовує комп’ютерний зір до зображень, зібраних з допомогою безпілотників, для допомоги операторам у виявленні гарячих точок, тріщин на панелях та відключення рядів до того, як ці проблеми суттєво зменшать виробництво.

Виконання компаній комунальних послуг виходить за межі малих пілотних проєктів

Компанія Buzz Solutions заявила, що кількість клієнтів компанії зросла втричі за останній рік, а доходи збільшилися на 400%. Компанія також опублікувала кілька прикладів компаній комунальних послуг, які застосовують платформу для більших програм інспектування.

Dominion Energy використала PowerAI для обробки 74 000 зображень, що охоплюють близько 47 000 ліній передачі електроенергії за три з половиною години, згідно з даними компанії Buzz Solutions. AEP Texas використала платформу для аналізу понад 88 000 зображень під час роботи над скороченням циклів інспектування на території розподілу електроенергії, яка піддається впливу ураганів та лісових пожеж.

Нью-Йоркська комісія з електроенергетики інтегрувала результати інспектування з Esri, IBM Maximo та своїми внутрішніми медіа-системами. Компанія Buzz Solutions повідомляє, що компанія комунальних послуг скоротила час ручного аналізу на 70%, що дозволило великим об’ємам зображень інспектування бути оціненими за кілька годин або днів, а не місяців.

Ці розгортання демонструють більш широкий зсув, який зараз відбувається в програмах штучного інтелекту компаній комунальних послуг. Замість оцінки ізольованих моделей деякі компанії комунальних послуг починають безпосередньо підключати аналіз штучного інтелекту до записів активів, пріоритетів обслуговування та існуючих операційних систем.

Зростання попиту на електроенергію додає терміновості

Фінансування відбувається в період відновлення зростання попиту на електроенергію в США. Управління енергетичної інформації США повідомило, що національний споживання електроенергії зросло в середньому на 2,1% щорічно за останні п’ять років, з попитом на сервери центрів даних, який став одним із основних внесків.

Агентство очікує, що споживання електроенергії продовжить зростати до 2050 року, скасувавши понад десятирічне відносно плоске зростання попиту.

Центри даних штучного інтелекту – це тільки один із джерел тиску. Компанії комунальних послуг також повинні підключити генерацію відновлюваних джерел енергії, підтримувати електрифікацію транспорту та промисловості, реагувати на екстремальні погодні умови та підтримувати інфраструктуру, яка могла експлуатуватися десятиліттями.

Будівництво нових потужностей генерації та передачі електроенергії залишається важливим, але компанії комунальних послуг також повинні витягнути більше надійності з існуючої інфраструктури. Раніше виявлення погіршення стану обладнання могло б дозволити командам обслуговування вирішувати проблеми до того, як вони стають аваріями, інцидентами з безпекою або дорогими аварійними ремонтами.

Майбутнє управління електромережею з допомогою штучного інтелекту

Більш широке значення платформ, таких як PowerAI, полягає в тому, як вони можуть змінити управління інфраструктурою компаній комунальних послуг з часом. Сьогодні багато програм інспектування залишаються періодичними та реактивними, з активами, які оглядаються зафіксованими розкладами або після штормів, аварій та виходу з ладу обладнання. Коли візуальні дані стають легше зібрати та проаналізувати, компанії комунальних послуг можуть перейти до більш безперервного, ризико-орієнтованого обслуговування.

У цій моделі штучний інтелект допоможе виявити тонкі зміни стану активів, порівняти поточні зображення з попередніми інспекціями та виділити обладнання, яке, здається, погіршується швидше, ніж очікувалося. Графіки обслуговування можуть бути засновані менше на віці або циклах інспектування, а більше на фактичному стані та профілі ризику кожного активу.

Технологія також може стати більш цінною, коли компанії комунальних послуг розгортують більші флоти безпілотників, стаціонарних камер, тепловізійних датчиків та інших систем моніторингу. Без автоматичного аналізу обсяг даних, згенерований цими інструментами, може перегрузити команди інспектування. Системи штучного інтелекту можуть все частіше служити фільтрувальним шаром, направляючи експертів-людей до зображень, активів та аномалій, які найімовірніше потребуватимуть уваги.

З часом ці можливості можуть підтримувати більш детальні цифрові представлення електромережі, поєднуючи візуальні інспекції з даними про погоду, історією аварій, станом рослинності та записами обслуговування. Це може дозволити компаніям комунальних послуг моделювати, як окремі дефекти можуть вплинути на ширші мережі, та пріоритизувати ремонти на основі їхнього потенційного впливу на надійність та громадську безпеку.

Цей зсув також введе важливі питання щодо точності моделей, кібербезпеки, прозорості та підзвітності. Компанії комунальних послуг повинні зрозуміти, чому система виділила конкретний актив, наскільки вона впевнена в цій оцінці, та коли потрібен нагляд людини. Оскільки рішення включають критичну інфраструктуру, рекомендації штучного інтелекту, ймовірно, залишаться частиною наглядового процесу, а не стають повністю автономними.

Якщо ці проблеми можуть бути вирішені, комп’ютерний зір може розвинутися з інструменту для перегляду зображень інспектування у більш центральний компонент планування та обслуговування електромережі. Довгостроковий вплив не обов’язково буде меншою кількістю інспекторів, а зміною того, як вони використовують свій час, з більшим увагою до активів та місць, де втручання може мати найбільшу різницю.