PV Go - 人工智慧 太陽能 監控維運工單系統 簡介
# 分散式系統 中央監控
太陽能電廠的特性是數量多且分散,加上數量級龐大的即時資料,每分鐘每個電站可能回傳20k到50K上百個欄位的資料,市面上常見的維運系統,使用一段時間後,都會產生整體反應越來越慢、資料缺漏的問題。Photon 在後端資料庫與整體軟體設計上,將時序性資料(sequential data)和業務資料(transaction data)分開處理,讓管理100個電站與1,000個電站,系統處理效率一樣快速。
# AI 人工智慧 預測發電
利用歷史資料與人工智慧,Photon已經有能力準確預測未來發電量,相同的技術也可以應用在預測模組清洗最佳時機點建議與專家系統的建置,讓機器學習電站維運知識,並且長期積累,降低人員轉換的成本。
# 工單系統 掌握財務損益
透過工單系統管理所有維運、出勤、費用等等記錄,加上發電資料,可清楚評估發電損失與維修成本,數據化維運成本,並且自動進行損益分析,讓電站整體收益清晰。另外,工單記錄的檢修知識積累,更可以不斷讓AI的專家系統學習,讓未來新手維運人員遇到同樣或類似數據事件,能夠參考檢修記錄,降低故障排除的時間成本。
# 圖控介面 即時資料
• 利用單線圖和系統配置圖,搭配即時資料,電站運轉狀態一目了然。
• 整合視頻監控,確保高壓電保護電驛附近安全(專案整合)。
• 熱趨勢圖視覺化發電效率。
太陽能電廠的特性是數量多且分散,加上數量級龐大的即時資料,每分鐘每個電站可能回傳20k到50K上百個欄位的資料,市面上常見的維運系統,使用一段時間後,都會產生整體反應越來越慢、資料缺漏的問題。Photon 在後端資料庫與整體軟體設計上,將時序性資料(sequential data)和業務資料(transaction data)分開處理,讓管理100個電站與1,000個電站,系統處理效率一樣快速。
# AI 人工智慧 預測發電
利用歷史資料與人工智慧,Photon已經有能力準確預測未來發電量,相同的技術也可以應用在預測模組清洗最佳時機點建議與專家系統的建置,讓機器學習電站維運知識,並且長期積累,降低人員轉換的成本。
# 工單系統 掌握財務損益
透過工單系統管理所有維運、出勤、費用等等記錄,加上發電資料,可清楚評估發電損失與維修成本,數據化維運成本,並且自動進行損益分析,讓電站整體收益清晰。另外,工單記錄的檢修知識積累,更可以不斷讓AI的專家系統學習,讓未來新手維運人員遇到同樣或類似數據事件,能夠參考檢修記錄,降低故障排除的時間成本。
# 圖控介面 即時資料
• 利用單線圖和系統配置圖,搭配即時資料,電站運轉狀態一目了然。
• 整合視頻監控,確保高壓電保護電驛附近安全(專案整合)。
• 熱趨勢圖視覺化發電效率。
展開
關於 PV Go - 人工智慧 太陽能 監控維運工單系統 Android版的評論