智能抄表究竟走“换”还是走“改”？

2022-07-06 10:14

    近期停电限电的新闻层出不穷，用电负荷高和节能减排等原因均致使了能源紧张的情况。面对这样的挑战，做出限电政策，自然就需要对能源用量做出精确的评估。这就是智能表计的优势之一，解放人力，实现远程抄表。然而智能表计的实现方式却有异同，有的倾向于直接切换为物联网表，有的则试图引入AI技术。在不少人看来，换成更智能的物联网表才是打造智能抄表网络的关键。目前越来越多的城市开始在公共服务领域建设物联网，比如利用NB-IoT与云服务厂商打造智能抄表业务，水务、燃气、电网的企业借助云+管+端的智能表来传输使用信息，不仅方便用户实时查询，也给了资源供应企业更好的管理运营手段。

    过去传统的抄表方式需要人力手动抄表，效率极低。在与NB-IoT网络和云平台结合后，不仅可以实现低功耗和海量连接，还能以大数据做好精细化运营，做到故障调查监控和分区压力调节等操作，避免出现用电、用水紧张的情况。
除了NB-IoT外，基于WI-SUN这样的协议做智能表计也已经相当常见。以Silicon Labs的EFR32FG12为例，这颗无线SoC采用了Arm Cortex M4的内核，不仅支持WI-SUN、M-BUS等通用协议，也支持专有协议。除了必不可少的低功耗特性外，EFR32FG12的1024 kB FLASH和256 kB RAM也确保了后续的OTA表计升级支持。
     对于智能抄表这样的应用来说，接入的设备量是相当大的，因此传统的IPV4池不足以支持其大规模扩张，而WI-SUN通过支持IPV6，可以提供大量的地址资源。AI“改装”抄表接入物联网表的方式固然部署起来相对简单，但也对设备改造提出了很高的要求，尤其是水表这样的表计，况且当前的物联网表也并不便宜。要想将过去机械式的表改成电子式，必须要考虑到供电和无线传输等问题，尤其是采用PLC技术实现的自动抄表。
    随着深度学习、云计算和芯片的发展，人工智能成了半导体各行各业追捧的技术热点，然而由于诸多AI应用都要用到高性能芯片，所以在一些边缘或本地化部署上，人工智能的出场率并不高。如今不少厂商开始研究如何把AI做进低功耗的本地端，在嵌入式设备或是基于MCU等处理能力不高的设备中引入人工智能技术。通过加装或改装模组的方式，利用图像传感器摄像将图片转化为数字，再借助NB-IoT等无线传输方式发送数据，这样的话就不需要去替换现有的设备。这些视觉识别与图像识别的技术，都是部署在本地端的AI算法，将传统机械表变成智能表，这种改装的方式大幅降低了成本、提升了效率。
     然而多数厂商并没有开发人工智能算法的能力，除了直接采用芯片厂商的识别算法方案之外，往往会直接用到其他AI厂商的方案。以百度的飞桨开发工具PaddleX为例，PaddleX首先利用目标检测模型检测出图像中的标记，再使用语义分割模型将表计的指针和刻度分割，得到表计大概的数字图像。接着对该图像进行腐蚀，将环状表盘展开为矩形图像，再转换为一维数组，并对刻度均值做二值化处理，根据指针的相对位置和预知的量程来计算标记的实际读数。
    这两种智能抄表方式均有各自的优势，更适合对不同的场景进行调研后再确定方案。比如对于某些缺乏外挂环境、表计位于公共区域的情况，就更适合进行新表的更换，比如现在大部分电气表计。而某些需要低成本高效率安装或是改装入户困难的情况，例如室内的水表等，则更适合AI加装的方案。
智能抄表架构 ，除了表计本身之外，水务和电网等供应商往往都要与云平台合作，做好抄表数据的管理与存储，云平台也会协力打造基于抄表数据的智能应用，比如开发App、支持在线缴费和查询等。而对于这些已经投入大成本进行改装的供应商来说，这些数据未来是否有更多的增值空间，还待对商业模型的进一步挖掘，但智能抄表绝对是必行的一步。