iTwin

Silo AI 利用 iTwin 平台为芬兰的水和区域供热系统运营商试行智能、数据驱动的资产优化服务

Silo AI 在芬兰为水和区域供热系统运营商试行智能数据驱动资产优化服务 利用 iTwin 平台将网络可视化工作量减少了 50%，从而改善了资产维护计划和能源效率 • Silo AI 为城市管道运营商开发并试行了一种智能数据驱动资产优化解决方案。 • 这项服务称为 Silo Flow，可以预测管道泄漏并确定区域供热系统的潜在冷却优势。 • 利用 iTwin 平台促进数据集成并提供整个管道网络的整体可视化。 • Silo Flow 将使客户网络的能源效率、性能和生产力提高几个百分点。 利用人工智能优化城市管道基础设施系统 作为北欧最大的私人人工智能 (AI) 实验室，Silo AI 开发可定制的、由 AI 驱动的解决方案和产品，实现城市基础设施、能源和物流的智能监控和预测。为了提高芬兰供水和区域供热网络的性能、可靠性和能源效率，Silo AI 发起了一个项目，为城市管道运营商开发一种智能、数据驱动的资产优化服务。Silo AI 业务开发主管 Harri Kaukovalta 表示：“很大一部分供水和区域供热网络即将到期，漏水不仅给网络运营商和社会带来了高昂的成本，也给管道网络客户带来了不适。”网络性能低下和泄漏增加了燃料消耗和水浪费，这不仅对商业不利，而且对环境也不利。Silo AI 与赫尔辛基环境服务局 HSY 和芬兰最大的电网运营商之一合作试行他们的解决方案，使这些系统运营商能够提供更可持续的能源服务，从而优化区域供热资产的性能并消除管道泄漏。Kaukovalta 说：“供热和供水的可靠性对人们有直接影响。”该系统优化服务名为 Silo Flow，可帮助预测网络故障并优先进行主动资产维护，以避免昂贵的维修和潜在的网络关闭，确保高效可靠的服务，同时最大限度地减少对环境的影响。分散的数据妨碍整体网络概览芬兰维护着超过 16,000 公里的区域供热管道。Kaukovalta 说：“尽管芬兰的区域供热系统维护得很好，但平均每 10 公里网络每年就会发生一次泄漏。”水网也是如此。Silo AI 试图利用人工智能和数据分析来查明容易发生泄漏的区域并优先进行管道维护改造。然而，管道优化和管道运行需要结合多种数据源和数据格式，从这些数据中分析出的数据和结果