核心訴求

1、市場規(guī)模大：發(fā)改委《充電樁建設指南指出計劃》，到2020年全國建成超過480萬個充電樁，整個市場規(guī)模將達900億；

2、定期強制性檢測：國家電網要求存量市場充電樁每年必須定期檢查并出具報告，新增充電樁全部聯(lián)網并要求強制測試；

3、運維成本高：現(xiàn)場故障較多，且現(xiàn)場運維人力成本高、環(huán)境復雜；

4、行業(yè)痛點強：目前針對充電樁運維已經有技術方案，但傳統(tǒng)廠商一般基于傳統(tǒng)數(shù)據庫搭建方案，很難應對大數(shù)據和擴容的挑戰(zhàn)，且數(shù)據利用率往往不高。

圖片來源：百度AI開放平臺

解決方案

第一步：通過百度云的新能源云平臺下的云端模型訓練機制，對充電樁檢測設備進行大數(shù)據模型訓練；

第二步：同時再通過百度邊緣計算BIE將算法部署在本地智能邊緣，形成本地充電樁的數(shù)字化孿生；

第三步：檢測人員可先用設備進行充電作業(yè)過程的數(shù)據采集，然后通過檢測設備進行充電作業(yè)的效果分析算法，并讓設備再進行多維度的函數(shù)進行分析；

第四步：讓充電器檢測裝置將分析好的數(shù)據結果傳回至百度云的天工物聯(lián)網上，使全部線下檢測設備擁有實時化輸出作業(yè)的功能，最終讓線上的云端檢測平臺實現(xiàn)信息同步化的能力。

方案解決的原理模型圖：

圖片來源：百度AI開放平臺

接入百度工業(yè)大數(shù)據的運維解決方案后的提升效果：

圖片來源：百度AI開放平臺

合作成果

1、使用BIE實現(xiàn)邊緣計算，尤其是在一些離線環(huán)境如地下停車場也可以實現(xiàn)AI應用；

2、通過內置的百度天工卡基于MQTT協(xié)議將數(shù)據上傳到云端；

3、在云上使用了百度的大數(shù)據平臺包括時序數(shù)據庫來實現(xiàn)數(shù)據存儲、分析；

4、在云上的模型生產環(huán)境Jarvis當中實現(xiàn)剛才提到的針對BMS等不同系統(tǒng)的異常診斷模型。

本案例中使用產品：百度數(shù)據科學平臺、百度邊緣計算BIE

百度數(shù)據科學平臺：https://cloud.baidu.com/product/jarvis.html

百度邊緣計算BIE：https://cloud.baidu.com/product/bie.html

注：案例內容來源百度AI開放平臺