核心诉求

1、市场规模大：发改委《充电桩建设指南指出计划》，到2020年全国建成超过480万个充电桩，整个市场规模将达900亿；

2、定期强制性检测：国家电网要求存量市场充电桩每年必须定期检查并出具报告，新增充电桩全部联网并要求强制测试；

3、运维成本高：现场故障较多，且现场运维人力成本高、环境复杂；

4、行业痛点强：目前针对充电桩运维已经有技术方案，但传统厂商一般基于传统数据库搭建方案，很难应对大数据和扩容的挑战，且数据利用率往往不高。

图片来源：百度AI开放平台

解决方案

第一步：通过百度云的新能源云平台下的云端模型训练机制，对充电桩检测设备进行大数据模型训练；

第二步：同时再通过百度边缘计算BIE将算法部署在本地智能边缘，形成本地充电桩的数字化孪生；

第三步：检测人员可先用设备进行充电作业过程的数据采集，然后通过检测设备进行充电作业的效果分析算法，并让设备再进行多维度的函数进行分析；

第四步：让充电器检测装置将分析好的数据结果传回至百度云的天工物联网上，使全部线下检测设备拥有实时化输出作业的功能，最终让线上的云端检测平台实现信息同步化的能力。

方案解决的原理模型图：

图片来源：百度AI开放平台

接入百度工业大数据的运维解决方案后的提升效果：

图片来源：百度AI开放平台

合作成果

1、使用BIE实现边缘计算，尤其是在一些离线环境如地下停车场也可以实现AI应用；

2、通过内置的百度天工卡基于MQTT协议将数据上传到云端；

3、在云上使用了百度的大数据平台包括时序数据库来实现数据存储、分析；

4、在云上的模型生产环境Jarvis当中实现刚才提到的针对BMS等不同系统的异常诊断模型。

本案例中使用产品：百度数据科学平台、百度边缘计算BIE

百度数据科学平台：https://cloud.baidu.com/product/jarvis.html

百度边缘计算BIE：https://cloud.baidu.com/product/bie.html

注：案例内容来源百度AI开放平台