Sidabrinis Sąsaja · 2023
Smart Wind Turbine Prediction Prognozinės priežiūros sąsaja
- Sidabrinis apdovanojimas A' Design Award 2023 in Sąsaja
- CLIENT: Jianxin Technology Co., Ltd
- Estimated Number of Design Views: 52,172
- Verification code 5059508A13 · Verify this award
Colors
About Smart Wind Turbine Prediction Prognozinės priežiūros sąsaja
„Smart Wind Turbine Prediction“ – tai programinės įrangos sąsaja, skirta išmaniam vėjo elektrinių parkų eksploatavimui ir priežiūrai. Sąsajoje naudojama trimatė vizualizacija, virtuali simuliacija ir duomenų grafikai, leidžiantys parodyti turbinų būklę ir greitai nustatyti gedimų vietą. Mašininio mokymosi modeliai konfigūruojami vilkimo ir numetimo būdu perkeliant duomenis ir modelio nustatymus, todėl galima aprėpti vieną ar kelis turbinų tipus. Įspėjimai apie gedimus pateikiami vidutiniškai maždaug dvidešimčia minučių anksčiau, o modelio tikslumas siekia 81 procentą. Taip sumažinamos rankinės priežiūros išlaidos ir saugos rizika.
About the Sidabrinis apdovanojimas A' Design Award
Smart Wind Turbine Prediction Prognozinės priežiūros sąsaja laimėjo Sidabrinį apdovanojimą A' Design Award, nepaprastai prestižinį pripažinimą, skiriamą aukščiausios klasės, puikiems ir įspūdingiems dizainams. Sidabro laureatai yra itin puikūs ir labai kūrybingi darbai, rodantys jų kūrėjų išskirtinę kompetenciją, talentą ir įžvalgumą. Tikimasi, kad Smart Wind Turbine Prediction Prognozinės priežiūros sąsaja bus nuostabus, pavyzdinis, labai profesionalus ir giliai novatoriškas kūrinys. Šis Sidabriniu apdovanojimu įvertintas dizainas yra žymus, žavimas išradimas, padedantis plėsti meno, mokslo, dizaino ir technologijų ribas. Smart Wind Turbine Prediction Prognozinės priežiūros sąsaja yra kūrinys, kuriam daugelis pavydi, žadinantis troškimus, teikiantis teigiamų jausmų ir sukeliantis nuostabą bei stebėjimąsi.
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
