미래를 밝히다: 컴퓨터 비전을 사용하여 전력망 자산을 분석하는 데이터브릭스의 기능 공개

전력 및 공공 설비/유틸리티 산업의 혁신은 국가의 전력망 진화를 위해 반드시 필요한 단계이며, 이러한 혁신을 촉진하기 위해서는 새로운 운영 모델이 필요합니다. 에너지 시스템의 모든 부분이 1차원적인 전력 흐름에서 새로운 풍력 및 태양광 생산, 전기차 및 배터리 사용과 함께 스마트 미터 및 동적 가격 모델과 같은 업계의 다른 변화를 지원하는 역동적인 2일 그리드로 전환되고 있습니다.

이러한 전력망 운영 및 관리 변화의 일환으로 전력 및 공공 설비/유틸리티 제공업체는 전력망 자산을 관리하고, 데이터를 수집하고, 여러 세대에 걸쳐 거의 동일한 방식으로 운영되어 온 산업을 자동화하는 새로운 방법을 모색하고 있습니다.

기술 발전이 주도하는 시대에 산업 전반에서 최첨단 도구의 잠재력을 활용하여 운영 방식을 혁신하고 있습니다. 현대 사회의 심장부를 책임지는 전력 및 공공 설비/유틸리티 분야도 예외는 아닙니다. 컴퓨터 비전 기술의 등장으로 새로운 지평이 열리면서 이 산업은 중요한 인프라를 효율적으로 관리하고 모니터링할 수 있는 역량을 갖추게 되었습니다. 컴퓨터 비전의 주요 응용 분야는 전력망 자산의 이미지를 분석하는 역할입니다. 이 블로그에서는 Databricks 데이터 인텔리전스 플랫폼이 전력망 자산의 이미지를 분석하기 위해 컴퓨터 비전 기능을 쉽게 지원하는 방법과 이점에 대해 자세히 설명합니다.

컴퓨터 비전을 활용한 전력망 최적화

전력망은 전원을 최종 소비자에게 연결하는 전력 분배의 중추 역할을 합니다. 이러한 복잡한 네트워크는 변압기, 변전소, 전력선, 절연체와 같은 다양한 구성 요소로 이루어져 있습니다. 이러한 자산의 효율적인 기능은 일관되고 중단 없는 전력 공급을 보장하는 데 가장 중요합니다. 정기적인 점검, 유지보수, 잠재적인 문제의 신속한 파악은 가동 중단을 방지하고 사고를 줄이며 작업자와 대중의 안전을 보장하는 데 매우 중요합니다.

인공지능(AI)의 하위 분야인 컴퓨터 비전은 기계가 인간처럼 시각 세계를 해석하고 이해할 수 있는 능력을 갖추게 해줍니다. 컴퓨터 비전 시스템은 이미지와 동영상을 처리하고 분석하여 패턴을 감지하고 물체를 식별하며 정보에 입각한 의사 결정까지 내릴 수 있습니다. 전력 및 공공 설비/유틸리티 산업에서 컴퓨터 비전은 혁신적인 역할을 하고 있습니다.

산업계에서는 컴퓨터 비전 기능이 전력망 운영자의 업무 방식을 혁신하고 있는 몇 가지 주요 사용 사례가 있습니다:

• 자동화된 검사: 전력망 자산에 대한 기존의 수작업 검사는 시간이 많이 걸리고 오류가 발생하기 쉽습니다. 컴퓨터 비전 기술을 사용하면 자산을 자동으로 검사하여 이상 징후, 부식, 마모 및 기타 잠재적 문제를 더 정확하고 빠르게 식별할 수 있습니다. 이를 통해 가동 중단 시간을 최소화하고 위험한 환경에서 사람이 개입할 필요성을 줄일 수 있습니다.
• 이상 탐지: 컴퓨터 비전 시스템은 수동 검사 시 눈에 띄지 않을 수 있는 눈에 보이는 이상과 눈에 보이지 않는 이상을 모두 인식하도록 훈련할 수 있습니다. 여기에는 장비 고장으로 이어질 수 있는 균열, 핫스팟 및 기타 불규칙성을 식별하는 것이 포함됩니다.
• 예측 유지보수: 컴퓨터 비전 시스템은 카메라와 센서를 통해 자산을 지속적으로 모니터링함으로써 유지보수가 필요한 시점을 예측할 수 있습니다. 이러한 사전 예방적 접근 방식은 비용을 절감하고 예기치 않은 고장을 방지합니다.
• 원격 모니터링: 컴퓨터 비전을 통해 자산의 원격 모니터링이 가능해집니다. 전문가들은 다양한 위치에서 실시간 데이터와 이미지에 액세스할 수 있으므로 현장에 직접 상주할 필요가 없습니다.
• 데이터 기반 의사 결정: 컴퓨터 비전은 방대한 양의 데이터를 생성하며, 이를 분석하여 자산 성과, 패턴 및 추세에 대한 인사이트를 제공할 수 있습니다. 이러한 인사이트는 자산 운영 및 리소스 배분을 최적화하기 위한 정보에 기반한 의사 결정을 내리는데 도움이 됩니다.
• 안전 강화: 컴퓨터 비전 기술은 제한 구역에서 허가받지 않은 사람을 감지하거나 안전 프로토콜이 준수되고 있는지 확인하는 등 작업자의 안전 위험을 식별할 수 있습니다.
• 확장성: 머신 러닝 알고리즘의 통합으로 컴퓨터 비전 시스템은 새로운 데이터에 적응하고 학습하여 시간이 지남에 따라 정확도를 높이고 더 큰 그리드를 수용하도록 확장할 수 있습니다.

데이터브릭스 컴퓨터 비전을 사용하여 전기 그리드를 분석하는 솔루션 가속기

Databricks 데이터 인텔리전스 플랫폼은 특히 전력 및 공공 설비/유틸리티 부문의 컴퓨터 비전 워크로드에 유용합니다. 스트리밍 데이터를 수집하고, 실시간으로 분석을 수행하고, 모델 개발에서 프로덕션 배포에 이르는 엔드투엔드 AI 워크플로우를 통합하여 프로덕션 지원 모델을 배포하는 시간을 단축할 수 있는 기능을 제공합니다. 방대한 양의 다양한 데이터 유형과 소스를 처리할 수 있도록 비용 효율적인 방식으로 확장할 수 있습니다.

전력 및 공공 설비/유틸리티 기업이 이미지 데이터로 쉽게 작업하고 Databricks 플랫폼에서 처리할 수 있도록 솔루션 가속기를 개발했습니다. 가속기에서 드론 이미지는 구조물에 배치된 다양한 배포 자산을 식별하기 위해 세분화 모델을 훈련하는데 사용됩니다.

데이터는 각 개체에 대한 레이블과 함께 배포 자산의 이미지로 구성된 EPRI 데이터세트에서 수집됩니다. 이러한 데이터는 Delta 테이블로 수집되고 메달리온 아키텍처를 통해 변환되어 모델 학습에 사용할 수 있는 데이터 세트를 생성합니다.

데이터 로딩이 완료되면 교육을 시작할 수 있습니다. Gen AI 시대에는 트레이닝과 실험 시간에 큰 영향을 미칠 수 있는 대형 GPU가 부족해지면서 소형 GPU만 남게 됩니다. 이 문제를 해결하기 위해 데이터브릭스에서 PytorchDistributor와 같은 기능을 사용하여 분산 GPU 트레이닝을 실행할 수 있습니다. 이 가속기는 이를 활용하여 상용 GPU 클러스터를 활용하여 모델을 훈련함으로써 훈련 시간을 거의 선형적으로 단축합니다.

배포 구조의 자산은 일반적으로 전송 구조의 자산보다 더 긴밀하게 그룹화됩니다. 하나의 이미지에 더 많은 자산이 함께 있기 때문에 세분화 모델은 잠재적인 추가 처리를 위해 각 자산을 최대한 분리할 수 있는 좋은 방법을 제공합니다. 이 모델은 하위 분류 모델이나 손상 감지 모델과 같이, 보다 세분화된 모델을 위해 이러한 자산을 더욱 세분화하기 위한 기반을 제공할 수 있습니다.
이러한 모델을 Unity Catalog 에 저장하면 모델을 관리하고, 계보를 추적하고, 수집되는 데이터에 따라 예측을 생성하는데 활용할 수 있습니다. 그런 다음 데이터 수집 프로세스 및 Apache Spark와 함께 모델을 활용하여 함께 작동하는 여러 머신으로 모델을 확장함으로써 드론 이미지 캡처를 통해 생성될 수 있는 모든 데이터 크기에 걸쳐 모델을 적용할 수 있습니다.

컴퓨터 비전과 전력 및 공공 설비/유틸리티 산업의 통합은 Databricks 레이크하우스와 머신 러닝 기능을 통해 향상된 효율성, 안전 및 혁신의 미래를 약속합니다. 업계가 계속 진화함에 따라 이러한 기술을 수용하는 것은 업계의 선두를 유지하고자 하는 기업에게 매우 중요한 일이 될 것입니다.

이 솔루션 가속기에 대한 링크는 다음과 같습니다.

자세한 내용은 에너지용 데이터 인텔리전스 웹사이트를 방문하세요.