未来を照らす：コンピュータービジョンを使用した電力網資産の分析におけるDatabricksの能力を明らかにする
電力・公益事業業界におけるイノベーションは、国家電力網の進化を前進させるために必要不可欠なステップであり、このイノベーションを促進するためには新たな事業モデルが必要です。 エネルギーシステムのあらゆる部分が、一次元の電力の流れから、スマートメーターや動的価格設定モデルのような業界の他の変化とともに、新しい風力発電や太陽光発電、EVやバッテリーの利用をサポートする動的な2日送電網へと移行しています。
送電網のオペレーション、運用、管理におけるこの変化の一環として、電力会社や公益事業者は、送電網の資産を管理し、データを収集し、何世代にもわたってほとんど同じ方法で運用されてきた業界を自動化する新しい方法を模索しています。
テクノロジーの進歩によって推進される時代において、業界全体が最先端ツールの可能性を活用し、業務に革命をもたらしています。 現代社会の中枢を担う電力・公益部門も例外ではありません。 コンピュータービジョン技術の出現により、重要なインフラストラクチャを効率的に管理・監視するための新たなフロンティアが出現しました。 コンピュータービジョンの重要な用途は、電力網資産の画像分析における役割です。 このブログでは、Databricksのデータインテリジェンスプラットフォームが、電力網資産の画像を分析するコンピュータービジョン機能の機能と利点を簡単にサポートする方法について掘り下げます。
コンピュータービジョンによる送電網の最適化
送電網は配電のバックボーンとして、電力源と最終消費者をつないでいます。 このような複雑なネットワークは、変圧器、変電所、送電線、絶縁体などの部品で構成されています。 これらの資産を効率的に機能させることは、安定した中断のない電力供給を確保するために最も重要です。 ダウンタイムを防ぎ、事故を減らし、労働者と公衆の安全を確保するためには、定期的な点検、メンテナンス、潜在的な問題の迅速な特定が重要です。
人工知能（AI）の一分野であるコンピュータービジョンは、人間のように視覚世界を解釈し理解する能力を機械に与えます。 画像や映像を処理・分析することで、コンピュータービジョンシステムはパターンを検出し、対象物を識別し、さらには情報に基づいた判断を下すことができます。 電力・ユーティリティ業界において、コンピュータービジョンは変革的な役割を担っています。
業界内では、コンピュータービジョン機能が電力網事業者の業務に革命をもたらしている主要なユースケースがいくつかあります：
- 自動検査：従来の手作業による送電網資産の検査は時間がかかり、ミスが発生しやすいものでした。 コンピュータービジョン技術は、資産の自動検査を可能にし、異常、腐食、磨耗、破損、その他の潜在的な問題をより 高い精度とスピードで特定します。 これにより、ダウンタイムを最小限に抑え、危険な環境下での人的介入の必要性を低減します。
- 異常検知: コンピュータービジョンシステムは、手動検査では気付かない可能性のある可視および非可視の異常を認識するように訓練することができます。 これには、機器の故障につながる可能性のある亀裂、ホットスポット、その他の異常の特定も含まれます。
- 予知保全：カメラやセンサーで継続的に資産を監視することで、コンピュータービジョンシステムはメンテナンスが必要な時期を予測することができます。 この積極的なアプローチにより、コストを削減し、予期せぬ故障を防ぎます。
- 遠隔監視：コンピュータービジョンにより、資産の遠隔監視が可能になります。 専門家はさまざまな場所からリアルタイムデータや画像にアクセスできるため、現地に物理的に常駐する必要がありません。
- データ主導の意思決定： コンピュータービジョンは膨大な量のデータを生成し、それを分析することで、資産のパフォーマンス、パターン、傾向を知ることができます。 これらの知見は、資産オペレーション、運用およびリソースの配分を最適化するために、情報に基づいた意思決定を促します。
- 安全性の向上： コンピュータービジョン技術は、制限区域内の無許可者の検出や安全プロトコルが遵守されているかどうかの確認など、作業員の安全上の危険を特定することができます。
- スケーラビリティ：機械学習アルゴリズムの統合により、コンピュータービジョンシステムは新しいデータに適応し、学習することができます。
コンピュータービジョンを使用して電力網を分析するためのDatabricksソリューションアクセラレータ
Databricksデータインテリジェンスプラットフォームは、特に電力・公益事業部門のコンピュータービジョンのワークロードに有益です。 ストリーミングデータを取り込み、リアルタイムの分析を実行し、モデル開発から本番展開までのエンドツーエンドのAIワークフローを統合することで、本番対応モデルの展開までの時間を短縮します。 コスト効率の高い方法で拡張しながら、膨大な量のさまざまなデータタイプとソースを処理します。
私たちは、電力会社やユーティリティ会社が画像データを簡単に操作し、Databricksプラットフォーム上で処理できるようにするソリューションアクセラレーターを開発しました。 アクセラレーターでは、ドローンの画像を使用して、構造物に設置されたさまざまな流通資産を識別するためのセグメンテーションモデルを訓練します。
データは、配電資産の画像と各オブジェクトのラベルで構成されるEPRIデータセットから取り込まれます。 これらはDeltaテーブルに取り込まれ、メダリオンアーキテクチャを通して変換され、モデルトレーニングに適したデータセットが生成されます。
データのロードが完了したら、トレーニングを開始します。 生成AIの時代には、大型のGPUが不足し、トレーニングや実験時間に大きな影響を与える可能性のある小型のGPUしか残っていません。 これに対処するため、DatabricksではPytorchDistributorなどの機能を使ってGPUによる分散学習を実行することができます。 このアクセラレータは、この利点を利用して、汎用GPUのクラスターを利用し、学習時間をほぼ直線的に短縮します。
配電設備の資産は通常、送電設備よりも厳密にグループ化されています。 セグメンテーションモデルは、1つの画像に多くのアセットが混在しているため、各アセットを可能な限り分離し、さらに処理するのに適した方法です。 このモデルは、サブ分類モデルや損傷検出モデルなど、より細かく調整されたモデルのために、これらの資産をセグメンテーションするためのベースとなります。 これらのモデルをUnity Catalogに保存することで、モデルを管理し、系統を追跡し、取り込まれたデータに沿った予測を生成するために使用することができます。 このモデルは、データ取り込みプロセスやApache Sparkと組み合わせてモデルを活用することで、ドローンによる画像取り込みで生成される可能性のあるあらゆるデータサイズに適用することができます。
Databricksレイクハウスとその機械学習機能を活用したコンピューター ビジョンと電力および公益事業業界の統合により、効率、安全性、イノベーションが強化される未来が約束されます。この分野が進化し続ける中、業界の最前線であり続けることを目指す企業にとって、これらのテクノロジーを採用することは非常に重要になります。
このソリューションアクセラレーターへのリンクはこちらです。
詳細については、Data Intelligence for Energyのウェブサイトをご覧ください。
