产品服务
语音技术
图像技术
文字识别
人脸与人体识别
视频技术
AR与VR
自然语言处理
数据智能
知识图谱
硬件产品与服务
定制化训练平台
深度学习开放平台
硬件产品
官方认证的硬件产品与百度AI协同应用
硬件与软件开源的机器人视觉产品方案
软硬一体化的人脸识别开发套件
软硬一体化的远场语音开发套件
硬件赋能
快速赋能移动设备及智能手机
零代码生成高性能端计算模型
高性能计算卡参考方案&软件工具包
端云一体的多模态人机交互解决方案
EdgeCloud端云协同平台
为抓拍机厂商提供端云对接协议及产品推广
可视化配置,实现抓拍机管理与业务系统集成
硬件合作
开放评测认证让您的产品加入AI生态
开放与芯片合作,让AI深度走入终端设备
可视化训练模型服务平台,获取高精度定制图像识别、声音识别、文本分类服务
自助定制专属模板,实现海量单据卡证的结构化识别
智能对话系统开发平台,让产品快速拥有对话交互能力
自助训练专属模型,提升业务场景语音识别效果
集合代码环境、算法算力和数据集的线上一站式开发平台
提供深度学习系列公开课与商业案例
源于产业实践的开源深度学习平台
零代码生成高性能端计算模型
基于真实样本的超大规模的开放数据集
AI加速器
AI市场
资讯
社区
【案例】博电电气: 基于百度工业大数据的充电桩智能运维
发布日期:2018-11-23 17:46:00浏览量:699次
相关标签 行业案例

客户简介

北京博电新力电气股份有限公司是国内电力检测、监测、仿真设备制造龙头企业,产品应用于智能电网、电气化交通、工业电气等领域。

 

核心诉求

1、市场规模大:发改委《充电桩建设指南指出计划》,到2020年全国建成超过480万个充电桩,整个市场规模将达900亿;

2、定期强制性检测:国家电网要求存量市场充电桩每年必须定期检查并出具报告,新增充电桩全部联网并要求强制测试;

3、运维成本高:现场故障较多,且现场运维人力成本高、环境复杂;

4、行业痛点强:目前针对充电桩运维已经有技术方案,但传统厂商一般基于传统数据库搭建方案,很难应对大数据和扩容的挑战,且数据利用率往往不高。

 

解决方案

第一步:通过百度云的新能源云平台下的云端模型训练机制,对充电桩检测设备进行大数据模型训练;

第二步:同时再通过百度边缘计算BIE将算法部署在本地智能边缘,形成本地充电桩的数字化孪生;

第三步:检测人员可先用设备进行充电作业过程的数据采集,然后通过检测设备进行充电作业的效果分析算法,并让设备再进行多维度的函数进行分析;

第四步:让充电器检测装置将分析好的数据结果传回至百度云的天工物联网上,使全部线下检测设备拥有实时化输出作业的功能,最终让线上的云端检测平台实现信息同步化的能力。

方案解决的原理模型图:

 

接入百度工业大数据的运维解决方案后的提升效果:

 

合作成果

1、使用BIE实现边缘计算,尤其是在一些离线环境如地下停车场也可以实现AI应用;

2、通过内置的百度天工卡基于MQTT协议将数据上传到云端;

3、在云上使用了百度的大数据平台包括时序数据库来实现数据存储、分析;

4、在云上的模型生产环境Jarvis当中实现刚才提到的针对BMS等不同系统的异常诊断模型。

 

客户感言

周文闻  博电电气  CEO

博电与百度深入合作,提出充电桩智能运维解决方案。此方案能全面有效的降低充电桩运维中的集中风险,提高充电桩故障检测效率。通过底层的物联网设备接入、边缘计算,到中层的云计算平台,到上层的大数据平台,解决设备管理复杂、扩容难等问题。进一步,基于百度AI,博电搭建了多种运维模型,包括设备监测,故障诊断,到预测性维保。该方案通过对系统产生的数据进行学习,实现故障提前预警,减少电网设备运维成本,提升电网运行效率。

 

本案例中使用产品:百度数据科学平台百度边缘计算BIE

如需合作咨询可点击屏幕右下角标志,提交具体咨询信息;或可进入AI开发者社区,进行沟通交流。