风力发电:270亿美元的机会现成的AI和自主无人机

274亿年的机会

风电行业作为一个例子。全球风能市场经历了两位数的增长在过去的十年里,但操作和维护的高成本(运营管理)风力发电场是进一步发展的障碍,尤其是在风力涡轮机的年龄。运营管理的风能市场预计将达到274亿美元到2025年,但仍然有很少的技术市场,帮助风电场运营商提高经营决策。此外,许多至关重要的各项任务,如风力涡轮机检查,仍然主要是手动,令人沮丧的耗时,有时甚至是危险的。

风力涡轮机叶片必须定期检查,发现问题,如叶片的裂纹或芯片。如果风电场运营商不抓住这些问题早,他们经常需要关闭涡轮机在数天或数周时间来代替整个叶片——要花费数十万美元,更不用说收入损失由于停机时间,而发电。传统上,叶片检查已经由训练有素的技术人员必须在绳索规模巨大的涡轮机——即使在最好的天气不稳定的位置。尽管风力涡轮机服务技术人员之一增长最快的职业在美国在这个星球上,根本没有足够的人愿意涡轮机规模超过60米(200英尺)到空气中来执行这些任务。尽管在这个领域越来越感兴趣,但人力资本要打这个问题将无法跟上新的涡轮机建造——的爆炸超过341000世界各地和计数。

使风电产业在这个上升趋势,风电场运营商必须寻求方法使用新兴技术,如自主无人机、计算机视觉、机器学习和数据分析,结合人类技术人员的经验和技能,以降低成本,提高效率,增加利润。

“人与机器”或“人机大战”

在风力涡轮机的情况下检查,技术人员正在转向自主无人机帮助加快审查过程和收集数据来提高涡轮性能和盈利能力。

的点击一个按钮,技术人员可以发送一个无人驾驶飞机涡轮进行详细目视检查,只是由人类无法实现。使用计算机视觉和精密的摄影,无人机可以自动跟踪路径沿着每一个叶片,把成千上万的照片和识别缺陷,如裂缝或芯片1毫米×3毫米。机器学习自动缝合在一起的照片给技术人员的整体视图整个叶片通过一个基于云的门户。而手动检查可能需要六到八小时涡轮机,为技术人员配备自主无人机,计算机视觉和机器学习,风力涡轮机检查可以在15分钟内完成。

不仅仅帮助速度检查,人工智能可以帮助风电场技术人员更好地执行他们的工作通过改善决策和维护优先级进程。通过应用机器学习到大量的数据捕获从无人机的视觉检查,技术人员可以更好地理解缺陷的增长率,看到损坏的进展和跟踪不仅个人的生命周期涡轮机,而且整个舰队。数据与信息的叠加在气候、地形和降雨的数量或闪电击中区域和技术人员手头突然有说明性的和预测健康分析整个风电场。而不是根据时间表进行检查或发现一个问题之后,风电场技术人员可以使用人工智能预测故障发生时,优先考虑维护基于缺陷的严重程度和发展趋势。风电场的人工智能和机器学习软件甚至可以连接到维护供应商,保险公司和工作订单系统自动安排提前预防性维修,避免昂贵的停机时间。它可以自动考虑交货时间维修公司需要多少,风力涡轮机的缺陷将以多快的速度恶化,多少钱用于维护工作和安排最优维修计划基于所有这些因素。

简而言之,授权与自主无人机等技术,人工智能和数据分析,风电场运营商和技术人员不仅可以看到涡轮叶片上的最小的毛细裂纹,而且缩小了解整个操作的全局视图和趋势分析,使操作更改,可以延长生命的涡轮机和提高风电场的总体效率和盈利能力。

业务最好当人与机器一起工作

运营管理部门需要跟上全球风能农场的爆炸性增长迫使数字革命,导致许多惊人的技术突破。虽然有某些方面的各项产业,可能永远不会被取代由机器和软件,有一个巨大的机会,以增加这些角色来提高整体的结果。人与机器一起工作,可以自动化耗时和潜在危险操作任务和使用实时数据来简化操作和提高效率更大的盈利能力。通过增加艰苦,手动过程检查和维修风力涡轮机的尖端技术,行业可以享受两全其美。

所有的物联网网络议程贡献者负责的内容和精度。观点的作家和不一定传达的思想物联网议程。