Buzz Solutions籌集2000萬美元A輪資金擴大AI電網智能

Buzz Solutions籌集了2000萬美元的A輪超額認購資金，投資方包括 S3 Ventures、S3 Ventures、GoPoint Ventures、HearstLab和Blackhorn Ventures。該公司表示，籌集到的資金將用於產品開發、市場拓展和加深與公用事業客戶的合作。

Buzz Solutions是一家位於帕洛阿爾托的公司，開發人工智能軟件，分析從基礎設施（如電力線、變電站和太陽能發電廠）收集的視覺檢查數據。其客戶包括Dominion Energy (D ) 、American Electric Power (AEP ) 和New York Power Authority。

將電網檢查推向手動圖像審核之外

公用事業公司越來越多地採用無人機、直升機、固定翼飛機、熱成像相機和其他成像系統來檢查基礎設施。這些技術可以收集比傳統現場檢查更多的數據，但也帶來了一個新的挑戰：快速處理成千上萬甚至數百萬張圖像，以影響維護決策。

Buzz Solutions的PowerAI平台旨在解決這個瓶頸。它可以從空中和地面檢查計劃中攝取圖像，將圖像與特定結構匹配，識別潛在的缺陷，並根據嚴重程度對問題進行排名。

該平台可以分析紅綠藍（RGB）和熱成像圖像，以檢測問題，如損壞的電柱、惡化的交叉臂、過熱的變壓器、植被入侵、絕緣體損壞和鳥巢。結果可以通過集成和應用程序接口發送到地理信息系統、工單平台和資產管理軟件中。

這個工作流程很重要，因為識別缺陷只是基礎設施管理的一部分。公用事業公司還必須確定受影響的資產位於何處，評估它需要多急的關注，分配工作，並隨著時間的推移跟蹤該資產的狀況。

PowerAI結合計算機視覺和人工監督

Buzz Solutions表示，其模型已經使用十多年的公用事業圖像進行調整，而不是僅僅使用小型示範數據集進行訓練。該平台目前包括50多個人工智能模型，每秒可以處理5.8張圖像，根據公司發布的數據。

PowerAI還包括人機協同審核功能。檢查員可以驗證檢測結果，糾正模型輸出，並在系統遇到更多基礎設施類型和操作條件時提高準確度。

這種自動化和人工審核的結合在公用事業環境中尤其重要，因為假陽性可能會產生不必要的現場工作，而漏掉的缺陷可能會導致設備故障、停電或安全風險。

Buzz Solutions提供了多個版本的平台。公用事業公司可以從集中式檢查數據管理和手動審核開始，然後轉向自動圖像分析、地理信息系統映射、高級分析和與工作和資產管理系統的集成。

將平台擴展到整個電網

PowerAI最初針對傳輸和配電基礎設施，但Buzz Solutions已將該平台擴展到變電站和公用事業級太陽能發電廠。

對於配電網絡，軟件可以將檢查圖像與個別電柱和結構關聯起來，然後分析它們以檢測損壞的硬件、變壓器問題或植被風險。傳輸團隊可以使用該平台來清點資產並監測狀況變化，在大型網絡中。

在變電站，公司使用固定攝像機和停靠的無人機來監測安全事件、安全問題和設備狀況。光學和熱成像視頻可以分析事件，如未經授權的進入、煙霧、火災或異常的熱信號，警報可以通過儀表板、電子郵件或短信發送。部署可以是基於雲的或在場安裝，取決於公用事業公司的運營和網絡安全要求。

太陽能發電廠的解決方案使用無人機收集的RGB和熱成像圖像，幫助操作員識別熱點、板裂縫和電池故障，從而在這些問題對輸出產生重大影響之前進行維護。

公用事業公司的部署超越小型試點

Buzz Solutions表示，其客戶數量在過去一年內增加了三倍，收入增加了400%。該公司還發布了多個公用事業公司應用該平台進行更大規模檢查計劃的實例。

Dominion Energy使用PowerAI處理了74,000張圖像，涵蓋了大約47,000座傳輸塔，僅用了3.5小時，根據Buzz Solutions的說法。AEP Texas使用該平台分析了超過88,000張圖像，以縮短分布領域的檢查週期，該領域容易受到颶風和野火的影響。

New York Power Authority將檢查結果與Esri、IBM Maximo和其內部媒體系統集成。Buzz Solutions報告說，公用事業公司將手動分析時間減少了70%，使大量的檢查圖像可以在幾小時或幾天內評估，而不是幾個月。

這些部署表明了公用事業公司的人工智能計劃正在發生的更廣泛的轉變。有些公用事業公司不再評估孤立的模型，而是開始將人工智能分析直接連接到資產記錄、維護優先級和現有的運營系統。

電力需求的增加增加了緊迫感

籌集到的資金到來之際，美國進入了一個電力需求增長的新時期。美國能源信息管理局報告說，國家電力消費量在過去五年中每年平均增加2.1%，數據中心服務器需求成為主要的增長因素。

該機構預計，電力消費量將繼續增加，直到2050年，逆轉了十多年的相對平淡的需求。

人工智能數據中心只是壓力的來源之一。公用事業公司還必須連接可再生能源、支持交通和工業電氣化、應對極端天氣、維護可能已經運營了幾十年的基礎設施。

建設新的發電和傳輸能力仍然至關重要，但公用事業公司還必須從現有的基礎設施中提取更多的可靠性。早期識別惡化的設備可以讓維護團隊在它們變成停電、安全事件或昂貴的緊急維修之前解決問題。

人工智能輔助電網管理的未來

像PowerAI這樣的平台的更廣泛意義在於，它們可能會隨著時間的推移改變公用事業公司管理基礎設施的方式。今天，許多檢查計劃仍然是周期性的和反應性的，資產在固定時間表或風暴、停電和設備故障之後進行檢查。隨著視覺數據變得更容易收集和分析，公用事業公司可能會轉向更連續的、基於風險的維護。

在這種模式中，人工智能將幫助識別資產狀況的微妙變化，將當前的圖像與以前的檢查進行比較，並突出顯示似乎比預期更快惡化的設備。維護時間表可以根據資產的實際狀況和風險特徵進行安排，而不是基於年齡或周期性的檢查週期。

該技術還可以在公用事業公司部署更大的無人機、固定攝像機、熱傳感器和其他監測系統時變得更加有價值。沒有自動分析，工具生成的數據量可能會讓檢查團隊感到不知所措。人工智能系統可能會越來越多地作為過濾層，將人類專家引導到最可能需要關注的圖像、資產和異常。

隨著時間的推移，這些功能可以支持更詳細的電網數字化，結合視覺檢查、天氣數據、停電記錄、植被狀況和維護記錄。這可以讓公用事業公司模擬個別缺陷如何影響更廣泛的網絡，並根據對可靠性和公共安全的潛在影響來優先安排維修。

這種轉變也會引發關於模型準確性、網絡安全、透明度和問責的重要問題。公用事業公司需要了解系統為什麼會標記特定的資產，它對評估的自信程度是多少，何時需要人工審核。由於決策涉及關鍵基礎設施，人工智能的建議可能會在監督過程中發揮作用，而不是完全自主。

如果這些挑戰可以被解決，計算機視覺可以從檢查圖像的工具演變成電網規劃和維護的核心組件。長期影響不一定是減少檢查員，而是改變他們的工作方式，更加關注可以產生最大影響的資產和位置。