其他行业 · AI应用
输电资产的AI预测性维护
Furnas 是巴西的一家电力公用事业公司，实施了基于AI的预测性维护解决方案，用于输电系统变电站设备，以识别故障情况并减少因资产不可用而导致的监管处罚。该项目始于2020年，由 PUC-Rio 构建AI模型，Radix 负责架构和数据集成，采用微软云架构。解决方案利用 Azure Data Lake、Azure Data Factory、Azure Synapse Analytics、Azure AI、Video Analyzer 和 Power BI，以生产周期交付，作为可盈利的数字产品，部署预计于2023年完成。
01
业务背景
Furnas 是巴西的一家电力公用事业公司，实施了基于AI的预测性维护解决方案，用于输电系统变电站设备，以识别故障情况并减少因资产不可用而导致的监管处罚。该项目始于2020年，由 PUC-Rio 构建AI模型，Radix 负责架构和数据集成，采用微软云架构。解决方案利用 Azure Data Lake、Azure Data Factory、Azure Synapse Analytics、Azure AI、Video Analyzer 和 Power BI，以生产周期交付，作为可盈利的数字产品，部署预计于2023年完成。
02
遇到的问题
减少因输电资产不可用导致的监管罚款，通过AI识别故障情况，实现预测性维护。Furnas需要避免因变电站设备故障造成的非计划停电，这类停电会导致Aneel的高额罚款。
03
AI 解决方案
与PUC-Rio和Radix合作，利用微软Azure云服务构建预测性维护方案。首先将公司多个核心系统的运行数据（如工单、记录等）采集并集中到Azure Data Lake，通过Azure Data Factory和Azure Synapse Analytics进行数据集成与处理，使用Azure AI开发机器学习模型，结合Video Analyzer分析现场视频，最终通过Power BI呈现。模型能够根据设备运行模式识别异常，预测潜在故障，结果以可盈利的数字产品形式按周期交付生产。
04
实施结果
该案例未在来源材料中披露量化效果指标，具体成效请参考下方信息来源。
05
风险与边界
需要执行对国家运行至关重要的操作，员工对改变存在恐惧；必须克服文化障碍，证明新流程能够提升速度和安全性，并展示模型的准确性。
“We partnered with an ongoing R&D project with the business objective of reducing penalties related to the unavailability of transmission assets.”
Ana Claudia Rodrigues · Digital Transformation Manager
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。