• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Förutsäger kostsamma avbrott med drone -analys

    Bilder av solpaneler tagna med en infraröd värmekamera. Vita hot spots markerar skadade celler som behöver bytas ut. Upphovsman:Northwestern University

    Lance Li klickar genom en oändlig, enhetligt hav av lila, rosa, och gula rektanglar. Han stannar och zoomar in på en smal sektion som lyser vitt.

    "Denna hot spot berättar att en del av panelen inte fungerar korrekt, " han säger.

    2017 Kellogg School of Management -examen tittar på termiska bilder av en solplats i Nevada tagen med en kamera monterad på en drönare, svävar 200 fot i luften. Han zoomar tillbaka och bekräftar att hans algoritm hittade och diagnostiserade problemet effektivt.

    Som VD för Aerospec Technologies, ett drönareinspektions- och analysföretag, Li har bestämt sig för att effektivisera driften av en solfarmgård, säkrare, och slutligen, mer förutsägbar.

    "Under en årlig kontroll, det kan ta ett underhållsbesättning en månad att gå igenom och undersöka en del av en 450, 000-panel solplats, storleken på 90 fotbollsplaner, och veckor för att analysera data, "säger han." I jämförelse, det tar våra drönare bara tre dagar att flyga över en plats av samma storlek, och bara några minuter för att bearbeta data på ett sätt som gör det möjligt för operatören att veta hur stor andel av webbplatsen som behöver repareras och kostnaden för hans slutresultat. "

    I sista hand, Li vet att de verkliga kostnadsbesparingarna kommer från att förutsäga avbrott och underhållsbehov innan de ens händer, och för varje ny datauppsättning matar han in sin algoritm, han tränar det för att göra just det.

    Upphovsman:Northwestern University

    "Det kostar mycket pengar och mycket arbetskraft att upptäcka ett avbrott och återställa strömmen, "säger Li." Vi kan med säkerhet säga, 80 procent av tiden, att denna panel på denna webbplats kommer att släckas inom de närmaste två månaderna. "

    Om inspektionen är rätt precis, besättningar kan reparera försämrade paneler under ett årligt besök innan framtida problem uppstår. Li uppskattar att Aerospecs prediktiva algoritm kan generera ytterligare 336 miljoner dollar för sol- och vindindustrin, och effekt 800, 000 fler bostäder med förnybar energi, årligen.

    Tekniken gör också underhållsarbetet säkrare för besättningar, som trampar runt högspänningsledningar som leder marken vid en solplats. Säkerhet var en viktig anledning till att han valde att starta företaget. År 2010, Li arbetade som energikonsult när han fick höra att elva arbetare dog vid borrutrustningen Deepwater Horizon.

    "Jag tänkte hela tiden, om vi kan hålla våra människor ur vägen och skicka robotar för att göra de farligaste jobben, varför gör vi inte det? "säger Li.

    När han började sin MBA på Kellogg, Li visste att han hade den unika möjligheten och de rätta resurserna att påverka i detta utrymme, men han visste inte exakt hur hans idé skulle visa sig.

    Aerospec Technologies team på The Garage, Nordvästra inkubatorutrymme. Upphovsman:Northwestern University

    "Jag försökte bygga drönare och sälja dem, Jag försökte sälja drönare som mellanhand, och jag försökte tillhandahålla drönare som en tjänst, "säger han. Det var inte förrän han anmälde sig till en Kellogg -entreprenörskurs som heter New Venture Launch som Li förstärkte sin affärsmodell och började bygga grunden för Aerospec Technologies. Redo att testa sin idé, han ansökte till Northwestern flaggskepps affärsplanstävling, VentureCat, där han vann energikategorin och $ 5000 i fröfinansiering. Bygga på den kraften, Li kopplade upp sig till ledare vid campusinkubatorn, Garaget, och säkrade det fysiska utrymmet där han kunde fokusera på Aerospecs dagliga verksamhet. Han anlitade nordvästra praktikanter som studerade artificiell intelligens och maskininlärning, och började sända till kunder.

    Går upp mot den största aktören inom det industriella analysområdet, General Electrics Predix -plattform, Aerospec sticker ut inom områdena datainsamling och branschspecialisering. Genom att kontinuerligt samla in data från sina solkunder, Aerospec tränar sin intelligenta algoritm för att utveckla och rekommendera bästa praxis för hela solindustrin. Kallas föreskrivande analys, metoden använder verktyg från artificiell intelligens för att föreskriva lösningar på möjliga scenarier - i det här fallet, panelfel. Vad det betyder är att Li inte bara kommer att kunna upptäcka vad som kan gå fel, men han kommer också att kunna berätta för en webbplatsoperatör vad som behöver göras för att förhindra problem i förväg.

    "Om någon vill bygga en solfarmgård i ett tillstånd där vi arbetar, de kan komma till oss eftersom vi har data om miljoner och miljoner solpaneler under flera år, "säger Li." Baserat på historiska data, vi kan berätta för dem var de ska bygga, hur de ska vinkla sina paneler för maximal effekt, och vilken reflekterande beläggning de ska använda på sina paneler, baserat på väder. "

    Eftersom många av Aerospecs kunder också äger vindkraftsparker, Aerospec vill snart utöka sina tjänster till vindindustrin. När företaget växer, Li hoppas kunna höja ribban för hur drönare kan vara användbara för att utveckla lösningar på en mängd vanliga problem.

    "Vi vet vilken inverkan vår teknik kan ha på energibranschen, "säger Li." Men vi vet också att tillämpningarna för världen är oändliga. "


    © Vetenskap https://sv.scienceaq.com