Buzz Solutions Nâng Cấp 20 Triệu Đô La Mỹ Cho Loạt A Để Mở Rộng Trí Tuệ Của Lưới Điện Sử Dụng Trí Tuệ Nhân Tạo

Buzz Solutions đã huy động được 20 triệu đô la Mỹ trong vòng tài trợ Series A được đăng ký quá mức khi các công ty tiện ích tìm kiếm các cách nhanh hơn để kiểm tra, bảo trì và tăng cường cơ sở hạ tầng năng lượng ngày càng phức tạp.

S3 Ventures đã dẫn đầu vòng này, với khoản đầu tư đáng kể từ GoPoint Ventures. Các nhà đầu tư hiện tại HearstLab và Blackhorn Ventures cũng đã tham gia. Buzz Solutions cho biết số vốn này sẽ hỗ trợ phát triển sản phẩm, mở rộng đội ngũ tiếp thị và triển khai sâu hơn với khách hàng tiện ích.

Công ty có trụ sở tại Palo Alto phát triển phần mềm trí tuệ nhân tạo phân tích dữ liệu kiểm tra hình ảnh thu thập từ cơ sở hạ tầng như đường dây điện, trạm biến áp và hệ thống điện mặt trời quy mô tiện ích. Khách hàng của công ty bao gồm Dominion Energy (D ), American Electric Power (AEP ) và Cơ quan Năng lượng New York.

Đưa Kiểm Tra Lưới Điện vượt Ra Ngoài Kiểm Tra Hình Ảnh Thủ Công

Các công ty tiện ích đã ngày càng áp dụng máy bay không người lái, máy bay trực thăng, máy bay cánh cố định, máy ảnh nhiệt và các hệ thống hình ảnh khác để kiểm tra cơ sở hạ tầng. Những công nghệ này có thể thu thập nhiều dữ liệu hơn so với kiểm tra hiện trường truyền thống, nhưng chúng cũng tạo ra một thách thức mới: xử lý hàng nghìn hoặc thậm chí hàng triệu hình ảnh đủ nhanh để ảnh hưởng đến quyết định bảo trì.

Nền tảng PowerAI của Buzz Solutions được thiết kế để giải quyết nút thắt đó. Nó tiêu thụ hình ảnh từ chương trình kiểm tra trên không và trên mặt đất, khớp hình ảnh với cấu trúc cụ thể, xác định các khiếm khuyết tiềm ẩn và giúp xếp hạng các vấn đề dựa trên mức độ nghiêm trọng của chúng.

Nền tảng này có thể phân tích hình ảnh RGB và nhiệt để tìm các vấn đề như cột bị hư hỏng, cánh tay ngang bị suy giảm, máy biến áp quá nóng, cây cối xâm phạm, hư hỏng cách điện và tổ chim. Kết quả có thể được gửi đến hệ thống thông tin địa lý, nền tảng đặt hàng công việc và phần mềm quản lý tài sản thông qua tích hợp và giao diện lập trình ứng dụng.

Quy trình này rất quan trọng vì việc xác định khiếm khuyết chỉ là một phần của quản lý cơ sở hạ tầng. Các công ty tiện ích cũng phải xác định vị trí của tài sản bị ảnh hưởng, đánh giá mức độ khẩn cấp của nó, phân công công việc và theo dõi tình trạng của tài sản đó theo thời gian.

PowerAI Kết Hợp Trí Tuệ Nhân Tạo Với Giám Sát Con Người

Buzz Solutions cho biết các mô hình của công ty đã được điều chỉnh bằng hơn một thập kỷ hình ảnh tiện ích chứ không chỉ được đào tạo trên các tập dữ liệu trình diễn nhỏ. Nền tảng hiện bao gồm hơn 50 mô hình trí tuệ nhân tạo và có thể xử lý hơn 5,8 hình ảnh mỗi giây, dựa trên số liệu do công ty công bố.

PowerAI cũng bao gồm giám sát con người trong vòng lặp . Các thanh tra viên có thể xác thực phát hiện, sửa đổi đầu ra mô hình và cải thiện độ chính xác khi hệ thống gặp các loại cơ sở hạ tầng và điều kiện hoạt động khác nhau.

Sự kết hợp giữa tự động hóa và xem xét của con người đặc biệt phù hợp trong môi trường tiện ích, nơi các kết quả dương tính giả có thể tạo ra công việc hiện trường không cần thiết, trong khi một khiếm khuyết bị bỏ lỡ có thể góp phần vào sự cố thiết bị, mất điện hoặc rủi ro an toàn.

Buzz cung cấp một số phiên bản của nền tảng. Các công ty tiện ích có thể bắt đầu với quản lý dữ liệu kiểm tra tập trung và xem xét thủ công trước khi chuyển sang phân tích hình ảnh tự động, lập bản đồ hệ thống thông tin địa lý, phân tích nâng cao và tích hợp với hệ thống quản lý công việc và tài sản.

Mở Rộng Nền Tảng Khắp Lưới Điện

PowerAI ban đầu tập trung vào cơ sở hạ tầng truyền tải và phân phối, nhưng Buzz Solutions đã mở rộng nền tảng sang các trạm biến áp và hệ thống điện mặt trời quy mô tiện ích.

Đối với mạng lưới phân phối, phần mềm có thể liên kết hình ảnh kiểm tra với từng cột và cấu trúc trước khi phân tích chúng để tìm phần cứng bị hư hỏng, vấn đề máy biến áp hoặc rủi ro cây cối. Các đội truyền tải có thể sử dụng nền tảng tương tự để kiểm kê tài sản và theo dõi các thay đổi về tình trạng trên các mạng lớn.

Ở các trạm biến áp, công ty sử dụng hình ảnh từ camera cố định và máy bay không người lái để theo dõi các sự kiện an ninh, mối quan tâm an toàn và tình trạng thiết bị. Video quang học và nhiệt có thể được phân tích để tìm các sự kiện như xâm nhập trái phép, khói, lửa hoặc chữ ký nhiệt bất thường, với cảnh báo được gửi qua bảng điều khiển, email hoặc tin nhắn văn bản. Triển khai có thể dựa trên đám mây hoặc cài đặt tại chỗ, tùy thuộc vào yêu cầu hoạt động và an ninh mạng của công ty tiện ích.

Giải pháp năng lượng mặt trời áp dụng tầm nhìn máy tính cho hình ảnh RGB và nhiệt thu thập từ máy bay không người lái. Nó旨在 giúp các nhà vận hành xác định các điểm nóng, nứt tấm pin và mất điện trước khi những vấn đề đó làm giảm đáng kể sản lượng.

Triển Khai Tiện Ích Vượt Ra Ngoài Các Phiên Bản Nhỏ

Buzz Solutions cho biết số lượng khách hàng của công ty đã tăng gấp ba lần trong năm qua, trong khi doanh thu tăng 400%. Công ty cũng đã công bố một số ví dụ về các công ty tiện ích áp dụng nền tảng cho các chương trình kiểm tra lớn hơn.

Dominion Energy đã sử dụng PowerAI để xử lý 74.000 hình ảnh bao phủ khoảng 47.000 tháp truyền tải trong ba giờ rưỡi, theo Buzz Solutions. AEP Texas đã sử dụng nền tảng để phân tích hơn 88.000 hình ảnh khi nó làm việc để rút ngắn chu kỳ kiểm tra trên một khu vực phân phối dễ bị ảnh hưởng bởi bão và cháy rừng.

Cơ quan Năng lượng New York đã tích hợp kết quả kiểm tra với Esri, IBM Maximo và hệ thống truyền thông nội bộ. Buzz Solutions cho biết công ty tiện ích đã giảm 70% thời gian phân tích thủ công, cho phép lượng lớn hình ảnh kiểm tra được đánh giá trong vài giờ hoặc vài ngày thay vì vài tháng.

Những triển khai này minh họa cho sự thay đổi lớn hơn đang diễn ra trên các chương trình trí tuệ nhân tạo của công ty tiện ích. Thay vì đánh giá các mô hình riêng lẻ, một số công ty tiện ích đang bắt đầu kết nối phân tích trí tuệ nhân tạo trực tiếp với hồ sơ tài sản, ưu tiên bảo trì và các hệ thống hoạt động hiện có.

Nhu Cầu Điện Tăng Cầu Tạo Ra Sự Khẩn Cấp

Vòng tài trợ này đến khi Hoa Kỳ bước vào một giai đoạn tăng trưởng nhu cầu điện mới. Cơ quan Thông tin Năng lượng Hoa Kỳ báo cáo rằng tiêu thụ điện quốc gia đã tăng trung bình 2,1% mỗi năm trong năm năm qua, với nhu cầu máy chủ trung tâm dữ liệu xuất hiện như một yếu tố đóng góp lớn.

Cơ quan này dự đoán rằng tiêu thụ điện sẽ tiếp tục tăng qua năm 2050, đảo ngược hơn một thập kỷ nhu cầu tương đối phẳng.

Trung tâm dữ liệu trí tuệ nhân tạo chỉ là một nguồn áp lực. Các công ty tiện ích cũng phải kết nối với nguồn phát điện tái tạo, hỗ trợ điện khí hóa giao thông và công nghiệp, ứng phó với thời tiết cực đoan và duy trì cơ sở hạ tầng có thể đã hoạt động trong nhiều thập kỷ.

Xây dựng công suất phát điện và truyền tải mới vẫn là điều cần thiết, nhưng các công ty tiện ích cũng phải khai thác nhiều độ tin cậy hơn từ cơ sở hạ tầng hiện có. Việc xác định sớm thiết bị bị suy giảm có thể cho phép các đội bảo trì giải quyết các vấn đề trước khi chúng trở thành mất điện, sự cố an toàn hoặc sửa chữa khẩn cấp tốn kém.

Tương Lai Của Quản Lý Lưới Điện Hỗ Trợ Trí Tuệ Nhân Tạo

Ý nghĩa rộng lớn hơn của các nền tảng như PowerAI nằm ở cách chúng có thể thay đổi cách các công ty tiện ích quản lý cơ sở hạ tầng theo thời gian. Hiện tại, nhiều chương trình kiểm tra vẫn là định kỳ và phản ứng, với tài sản được kiểm tra theo lịch trình cố định hoặc sau các cơn bão, mất điện và sự cố thiết bị. Khi dữ liệu hình ảnh trở nên dễ dàng thu thập và phân tích hơn, các công ty tiện ích có thể chuyển sang bảo trì liên tục và dựa trên rủi ro hơn.

Trong mô hình đó, trí tuệ nhân tạo sẽ giúp xác định các thay đổi tinh tế trong tình trạng tài sản, so sánh hình ảnh hiện tại với các lần kiểm tra trước và nhấn mạnh thiết bị dường như đang suy giảm nhanh hơn dự kiến. Lịch bảo trì có thể được dựa ít hơn vào tuổi hoặc chu kỳ kiểm tra định kỳ và nhiều hơn vào tình trạng thực tế và hồ sơ rủi ro của từng tài sản.

Công nghệ này cũng có thể trở nên có giá trị hơn khi các công ty tiện ích triển khai các đội máy bay không người lái, camera cố định, cảm biến nhiệt và các hệ thống giám sát khác lớn hơn. Không có phân tích tự động, khối lượng dữ liệu được tạo ra bởi những công cụ này có thể choáng ngợp các đội kiểm tra. Các hệ thống trí tuệ nhân tạo có thể ngày càng đóng vai trò là một lớp lọc, chỉ đạo các chuyên gia con người đến các hình ảnh, tài sản và bất thường có khả năng yêu cầu sự chú ý nhất.

Theo thời gian, những khả năng này có thể hỗ trợ các đại diện kỹ thuật số chi tiết hơn của lưới điện, kết hợp kiểm tra hình ảnh với dữ liệu thời tiết, lịch sử mất điện, điều kiện cây cối và hồ sơ bảo trì. Điều này có thể cho phép các công ty tiện ích mô hình hóa cách các khiếm khuyết riêng lẻ có thể ảnh hưởng đến các mạng rộng lớn hơn và ưu tiên sửa chữa dựa trên tác động tiềm năng của chúng đối với độ tin cậy và an toàn công cộng.

Sự thay đổi này cũng sẽ giới thiệu các câu hỏi quan trọng về độ chính xác của mô hình, an ninh mạng, minh bạch và trách nhiệm. Các công ty tiện ích sẽ cần hiểu tại sao một hệ thống đã đánh dấu một tài sản cụ thể, họ tự tin đến mức nào trong đánh giá đó và khi nào cần xem xét của con người. Bởi vì các quyết định liên quan đến cơ sở hạ tầng quan trọng, các khuyến nghị trí tuệ nhân tạo có thể vẫn là một phần của quá trình được giám sát chứ không phải hoàn toàn tự động.

Nếu những thách thức đó có thể được giải quyết, tầm nhìn máy tính có thể phát triển từ một công cụ để xem xét hình ảnh kiểm tra thành một thành phần trung tâm hơn của quy hoạch và bảo trì lưới điện. Tác động lâu dài sẽ không nhất thiết là ít thanh tra viên hơn, mà là một sự thay đổi trong cách thời gian của họ được sử dụng, với sự chú ý lớn hơn được chỉ đạo đến các tài sản và vị trí mà can thiệp có thể tạo ra sự khác biệt lớn nhất.