Arĝento Interfaco · 2023
Smart Wind Turbine Prediction Antaŭdira Prizorgada Interfaco
- Arĝenta A' Design Award 2023 in Interfaco
- CLIENT: Jianxin Technology Co., Ltd
- Estimated Number of Design Views: 52,172
- Verification code 5059508A13 · Verify this award
Colors
About Smart Wind Turbine Prediction Antaŭdira Prizorgada Interfaco
Smart Wind Turbine Prediction estas programara interfaco por la inteligenta funkciigo kaj prizorgado de ventoenergiaj parkoj. La interfaco uzas tridimensian bildigon, virtualan simuladon kaj datumajn grafikaĵojn por montri la kondiĉojn de la turbinoj kaj por rapide lokalizi misfunkciojn. Maŝinlernaj modeloj estas agordataj per trenado kaj demetado de datumoj kaj modelaj agordoj, tiel ke unuopaj aŭ pluraj turbinspecoj povas esti kovritaj. Avertoj pri misfunkcioj estas liverataj averaĝe ĉirkaŭ dudek minutojn pli frue, kaj la precizeco de la modelo atingas 81 procentojn. Manaj prizorgadaj kostoj kaj sekurecaj riskoj estas reduktitaj.
About the Arĝenta A' Design Award
Smart Wind Turbine Prediction Antaŭdira Prizorgada Interfaco estas gajninto de la Arĝenta A' Design Award, grandege prestiĝa rekono donata al plejklasaj, belegaj kaj impresaj dezajnoj. La Arĝentaj gajnintoj estas treege brilaj kaj treege kreemaj verkoj, kiuj ilustras la elstaran sperton, talenton kaj sagacon de siaj dezajnistoj. Oni atendas, ke Smart Wind Turbine Prediction Antaŭdira Prizorgada Interfaco estu mirinda, montrinda verko, kiu estas rimarkinde profesia kaj profunde nova. Ĉi tiu dezajno gajninta la Arĝentan A' Design Award estas tre rimarkinda, admirata inventaĵo, kiu profitigas kaj antaŭenigas la limojn de arto, scienco, dezajno kaj teknologio. Smart Wind Turbine Prediction Antaŭdira Prizorgada Interfaco estas vaste enviata kreaĵo, kiu vekas dezirojn, alportas pozitivajn sentojn kaj ekbrilas miron kaj mirigon.
Press Kit
- Unique Properties
- Through the visualization of wind turbine models and data graphs, we can quickly pinpoint the fault in wind turbines and efficiently safeguard the operations and maintenance process. Through the “drag and drop” data and model settings, we can meet the custom settings of “same type and same module” and “multiple types and multiple modules” from various machine learning models to hone targeted operations and maintenance trouble-shooting capabilities.
- Dimensions & Packaging
- Width 1920 Height 1080
- Tags
- AI System Design , AI , AI Applications , Machine Learning , Modeling , Big Data
- Production Technology
- Using 3D visualization modeling, virtual simulation, surveillance visualization, and other technical means, we intelligently display the physical reality space in the digital system, provide interpretable and traceable machine learning capabilities, and simulate the logic behind users’ real interactive operations in the physical world. Our solution enables enterprise customers to receive fault warnings (on average) 20 minutes earlier, and the overall model accuracy rate has reached 81%.
- Design Challenge
- It also enables more effective use of wind resources and contributes to the global governance effort to combat climate change.
- Research
- It addresses user pain points of high manual operations and maintenance costs and improves operations and maintenance personnel safety and efficiency.
- Inspiration
- The system is an intelligent operation solution for renewable energy scenarios based on the digital base of Industrial IoT and the prediction capability of machine learning models. It provides decision support for the wind farm's intelligent operation and maintenance, turbine start/stop, and fault analysis.The system provides manageability for power generation capacity and allows stable and continuous output through intelligent, decision-driven solutions.
- Project Duration
- The project was completed in Beijing in 2022
- Operation Flow
- The design language follows the principle of intelligence and efficiency, and it aims to deliver a brand-new experience to users through digital and intelligent interactions.
- Image Credits
- Design creativity：Yun Xu , Wei Wang
Interface design: Yanfen Zhang
Interaction design：Xinjie Li
Video Copyright：Shaoxiong Bai
