人工智能(AI)在几乎所有可以想象的行业中都有广泛的潜在应用，从医疗保健到汽车再到零售甚至快餐。然而，在公用事业行业，人工智能和机器学习(ML)开始展示它们对业务的许多方面的一些最有影响力的影响。电力公司越来越依赖人工智能来改善电力供应，例如在亚马逊和加利福尼亚，通过无人机管理软件和植被管理来防止潜在的野火。在现场劳动力减少正迅速成为常态的大流行后世界中，人工智能实际上正在改善人类的工作。从数据收集和分析到可操作见解的呈现，人工智能和机器学习算法正在迅速重新定义公用事业管理其电力基础设施的方式。合并和分解数据公用事业公司负责监督庞大的基础设施网络，包括电线杆、导线和变电站。包含这些关键部件的输配电线路跨越数千英里。由于存在火灾或停电的风险，还必须监控这一关键基础设施周围的植被管理。全面了解这些资产意味着使用各种不同的传感器进行电力线检查。这些传感器包括光检测和测距(LiDAR)、颜色(RGB)、高光谱和热成像。这使得无人机测绘软件能够捕捉一切，从植被的接近度到基础设施资产，再到变压器上的绝缘体等单个组件及其运行完整性，再到表明潜在火灾隐患的热点。有大量数据需要捕获、分类和处理。此外，数据（即使是单个图像）中有许多单独的元素可以精确定位和分类，更不用说准确分类了。对所有这些传感器中的数十亿个数据点进行分类是一项非常耗时的手动任务。人工智能和机器学习工具可以完成同样的工作。在几秒钟内扫描在数千英里的公用事业基础设施中收集的数千张图像。LiDAR点云分割可以检测导体（一种相当难以分割的组件类型），每个点的准确率超过95%，而高光谱图像分割可以以99%的准确率识别植物物种。不仅如此，当与无人机传感器配合使用时，这些算法还可以改进前期数据收集。AI和ML工具有助于实时调整传感器系统的位置。在专用无人机或飞行员硬件上运行的EDGEAI算法可以帮助无人机在信号丢失或无人机偏离其检查飞行路径时通过物体检测重新聚焦，或者避免机载碰撞造成的事故。通过帮助在飞行途中重新定位传感器，AI不仅可以确保更准确的数据收集，还可以确保航班不会因数据收集不准确而需要重复或提前终止，从而节省宝贵的时间和资源。机器学习技术可以发现传感器或无人机在空中飞行路径中的任何故障，根据需要重新校准，并在数据通过传感器的视频馈送时识别数据中的各个元素。打破孤岛以创建整体数据方法所有这一切的关键是消除不同数据之间自然形成的孤岛。在公用设施检查空间、资产管理、植被管理等方面，不同的传感器会生成各自不同且孤立的数据集。当数据保留在这个孤岛中时，团队就很难从收集到的信息中得出全公司的见解或结论。如果这些数据不能用于检查自身和补充其他数据集，那么所有这些数据有什么用呢？良好的数据管理不能零星存在。它需要是全面的，而人工智能提供了实现这一目标的动力。AI提供了一个中央源，可将所有这些数据源汇集在一起??，从而更轻松地对潜在问题（例如易燃植被或受损组件）进行数据分析。通过在一个系统中收集这些问题，识别故障并修复它们变得比手动筛选无数的电线杆图像或植被图更容易和更快。尽管人们普遍担心人工智能会取代人类工作，但在公用事业公司，人工智能确实在增强人类在网络和电力线检查中必须发挥的作用。因为人工智能是执行数据分析的工具，它既不依赖于专业检查员可能存在偏见的专业知识，也不会容易疲劳而导致异常结果，而是无人机检查软件。但与此同时，AI自己什么也做不了。这是一种提供更清晰/更准确和可操作信息的方式，人们可以根据自己的判断采取行动。关于AI有很多好的和坏的假设很容易做出。随着社区开始逐渐从封锁中开放，社交距离预示着日常生活将发生重大变化，人工智能对公用事业行业的真正意义在于减少对人工检查的依赖，并提供有关电力公司正确信息的更好信息。有效的公用事业基础设施——包括输配电线路、电线杆和附近的植被——掌握在关键决策者手中。
