【阿里云】电力设备预测性维护解决方案

利用NLP信息抽取等技术对设备检修规程、故障案例报告和维修专家的经验，以知识图谱的形式进行碎片化入库管理，对接故障发生时传入的状态信息，在知识库中推理计算，为故障抢修人员提供秒级故障研判、处置和相似案例推送的决策服务。

方案架构
电力设备预测性维护解决方案
针对电网重要设备结构和研判处置复杂的问题，利用NLP信息抽取等技术对设备检修规程、故障案例报告和各设备维修专家的大脑经验，以知识图谱的形式进行碎片化入库管理，基于图的智能推理分析技术构建决策能力，对接故障发生时传入的状态等信息，在知识库中推理计算，为故障抢修人员提供秒级故障研判、处置和相似案例推送的决策服务。

架构优势
知识图谱技术
预防性维护
全厂智能优化

方案优势
提升故障抢修效率
当事故发生或灾害突发时，大量的设备故障异常，指挥中心和现场作业的原因盘点和处置方案拟定耗时耗力，抢修的多种资源难以有效发挥，利用故障维修决策引擎的精准分析服务，业务开展效率答复提升。

减少输电经济损失
通过故障修复效率的提升，大大缩短设备故障处置修复的时间，无论对主网还是配网，可以有效通过故障修复快速恢复供电，减少了电网的输电损失，也提高了客户的用电服务满意度，保障用电。

提升知识沉淀能力
工业智能化已经被提上日程的大背景下，利用人工智能技术，将企业中过去难以有效让计算机处理的技术进行了分析和管理，并提供智能服务，形成了一个不断可以装入知识的虚拟大脑。

客户案例

国家电网·浙江电力有限公司
缩短停电时间：通过智能故障辅助决策，用户可以秒级获取故障原因、处理等信息，加快了对故障的定位和修复效率，减少输电损失和降低电网运行风险。

合作流程

明确需求
明确终端客户的需求与电力行业解决方案描述一致。

提交合作咨询
向阿里云提交合作意向，描述终端客户的相关背景和业务痛点。

合作开发
阿里云只做Paas层，我们的产品能力被集成到企业中去。

项目交付
调用阿里云工业大脑的API或SDK，交付最终的SaaS。

相关产品

应用层
为售电公司与电力用户提供精准电力负荷预测服务。

中间层
基于阿里大数据、PAI人工智能平台及工业大脑提供算法决策引擎。

平台层
综合能源服务业务应用，结构化数据的存储与服务，负载均衡服务。

设备层
通过“物联网设备接入”服务连接，支持大规模高并发海量数据存储需求。