Drones, IoT Analytics 및 AI가 Kudzu Conundrum을 정복할 수 있습니까?

정전으로 고통받고 싶은 사람은 아무도 없습니다. 아마도 고객에게 안전하고 신뢰할 수 있는 서비스를 제공하는 데 명성을 걸고 있는 모든 전기 시설 중 가장 적을 것입니다. 라인이 중단되면 값비싼 수리, 고객 불만, 인명 피해 및 문제가 지속되는 경우 규제 조사를 의미합니다.

다행스럽게도 선진국의 권력은 일반적으로 너무 안정적이어서 사람들이 그 이용 가능성을 당연하게 여깁니다. 그러나 미국 전력망의 거대한 규모로 인해 여전히 문제가 발생합니다. 그리드는 200,000마일 이상의 고압 송전선과 550만 마일 이상의 지역 배전선으로 구성됩니다. 이것은 전기 그리드를 지구상에서 가장 큰 상호 연결된 기계로 만듭니다.

초목은 엄청난 관리 비용으로 유틸리티를 교살합니다

그러한 광대한 시스템에는 수많은 위험이 있지만 한 가지 주요 위협은 당신을 놀라게 할 수 있습니다. 바로 초목입니다. 전기 전송 인프라를 유지 관리하는 것은 전력 회사의 총 운영 예산의 최대 35%를 차지하는 운영 및 유지 관리와 함께 엄청난 비용입니다. 예를 들어, 캘리포니아의 독립 운영업체는 고압 배전선의 식생 관리에만 연간 2억 5천만 달러 이상을 지출합니다.

식물 관리에 비용이 많이 드는 이유는 무엇입니까? 변동성, 날씨, 성장률 및 토폴로지를 포함한 요소가 높은 가격표에 기여합니다. 그렇다면 인공 지능(AI), 기계 학습 및 컴퓨터 비전과 같은 새로운 기술이 어떻게 이 복잡하고 난해해 보이는 문제를 해결하는 데 도움이 될 수 있습니까?

오늘날 유틸리티는 일반적으로 초목 관리를 위한 시간 기반 접근 방식으로 운영됩니다. 이것은 육안 검사를 통해 트리밍 및 절단의 위치와 빈도를 결정하는 대부분 수동 프로세스입니다. 이 과정은 지난 세기에 크게 바뀌지 않았습니다. 따라서 현대화의 큰 목표입니다. 기존 비즈니스 프로세스는 효율적이지 않고 더 중요하게는 지속 가능하지 않습니다.

수목 재배자 교육 세션을 제공하는 위험을 무릅쓰고 칡에 대해 이야기해 보겠습니다. 미국 남동부의 사람들은 유틸리티 식생 관리의 대적인 이 식물에 대해 매우 잘 알고 있습니다. 완벽한 조건에서 750만 에이커를 덮는 등반 덩굴로 하루에 1피트씩 자랄 수 있습니다. 전봇대 및 전선과 같은 유틸리티 기반 시설에 대한 칡 손상에 매년 수백만 달러가 사용됩니다. 전통적인 방법을 사용하여 이와 같은 위험을 어떻게 관리합니까? 그다지 효율적이지 않습니다.

또 다른 식물의 위협인 나무는 차량에 쓰러지거나 폭풍우가 몰아칠 때 뿌리가 뽑히거나 수명이 다한 후 건강이 좋지 않아 넘어지기 쉽습니다. 이는 인근 전기 인프라에서 자주 발생하는 문제입니다.

떡갈나무는 식물에게 위협이 되지만 계획하기 쉽습니다. 오크는 키가 약 80피트까지 자라지만 연간 약 12인치로 천천히 자랍니다. 따라서 이 경우에는 오래된 식생 관리 방식이 허용될 수 있습니다. 3년에 한 번씩 참나무를 베어내기만 하면 됩니다.

소나무의 성장 속도는 떡갈나무와 같으며 1년에 1~2피트입니다. 관리상의 문제가 아닐 수 없습니다. 그러나 남쪽 소나무 딱정벌레는 소나무를 먹는 것을 좋아합니다. 감염은 하루에 50피트의 속도로 퍼질 수 있으며 몇 주 안에 나무를 죽일 수 있습니다. 이 시나리오에서 유틸리티는 더 이상 성장률에 대해 걱정하지 않지만 이제 전체 나무가 선이나 우선권에 빠질 수 있습니다.

결론:유틸리티는 광범위한 실외 네트워크, 다양한 위험 및 수동 프로세스에 대한 막대한 비용을 처리하고 있습니다. 이러한 복잡성은 고도로 규제된 환경에서 운영되기 때문에 더욱 복잡해집니다. 판결은 행동을 의무화하지만 효과적인 실행을 위한 로드맵을 제공하지는 않습니다. 그렇다면 유틸리티 회사는 무엇을 해야 하며 그리드 현대화를 위해 자금을 확보할 수 있는 방법은 무엇입니까?

드론, IoT 분석 및 AI가 급등하는 식생 관리 비용에 대한 추격전

업계 리더들은 이제 혁신적인 에지 컴퓨팅, 스트리밍 분석, AI 및 드론 기술을 결합하여 유틸리티에 수동 검사에 대한 효율적이고 비용 효율적이며 확장 가능한 최적화 대안을 제공하는 서비스를 제공합니다. 에지 컴퓨팅 및 스트리밍 데이터는 사물 인터넷(IoT)으로 알려진 최근 기술 배포의 중추입니다. AI는 최근 더 비용 효율적으로 되어 널리 사용됩니다. 그리고 검사용 드론은 그 어느 때보다 저렴합니다.

이러한 솔루션을 통해 유틸리티는 식물 관리 의사 결정 프로세스에 직접 참여할 수 있습니다. 그들은 엄격한 분석 방법을 사용하여 식생 위험을 평가하고 더 중요하게는 완화 활동을 제안하고 성능을 최적화할 수 있습니다. 결과 프로세스는 훨씬 더 비용 효율적입니다.

이 새로운 접근 방식이 적용되는 것을 보는 것은 흥미진진합니다. 절단 위치를 식별하는 것뿐만 아니라 리소스 제약, 시간 제약, 공역 및 기타 요인을 기반으로 경로를 최적화하는 방법을 살펴보는 것입니다. 물체 감지 및 물체 식별을 위한 컴퓨터 비전을 사용하여 식물 성장률 및 날씨 패턴과 같은 영원한 정보를 통합할 수 있습니다. 명확한 접근 방식을 수정하여 완화 작업 일정을 최적화할 수 있습니다. 이러한 변화는 유틸리티의 비용과 위험을 크게 줄이고 그리드 현대화에 사용할 수 있는 자금을 확보합니다.

이 새로운 접근 방식의 핵심은 기업 규모에서 지속적인 가치를 창출하는 것입니다. AI 및 IoT 분석을 포함한 고급 기술의 강력하고 확장 가능한 조합을 사용하여 유틸리티는 이제 다음을 수행할 수 있습니다.

나무는 여전히 쓰러질 것입니다. Kudzu는 침입 잡초로 남을 것입니다. 그리고 전력 회사는 이러한 위협적인 발전소에 계속 대처할 것입니다. 그러나 올바른 기술을 사용하면 라인을 명확하고 운영하기 위해 그렇게 많은 시간과 비용을 소비해야 할 이유가 없습니다. 이러한 기술을 함께 사용할 경우 유틸리티는 운영 일관성을 유지하여 고객이 매일 밤 문을 열고 들어갈 때 전등 스위치를 켤 때 두 번 생각할 필요가 없습니다.

Jason Mann은 SAS의 IoT 부사장입니다. Twitter @에서 그를 팔로우하세요. jmann245 및 LinkedIn. Twitter @SASsoftware 및 LinkedIn에서 SAS를 팔로우하세요.