DeepMind和网络大厂合作,将机器学习算法应用在风力发电厂上,透过天气预报以及历史风机运转数据训练机器学习模型,预测未来36小时的发电量,以作出最佳每小时电力交付承诺,DeepMind提到,预测能源非常有价值,在使用机器学习之后,他们有效提高风能价值20%。在过去十年,由于涡轮机成本下降,风力发电采用率不断上升,因此成为了无碳发电的重要替代来源。不过,风的变动性,使得风力发电成为一种不可预测的能源,比起其他可在需要的时候传输可靠电力的来源相比,风力发电就显得不这么有用。DeepMind和网络大厂为了解决这个问题,去年在美国中部对700兆瓦风力发电应用机器学习算法。而产生这700兆瓦电力的风力发电厂,为网络大厂全球再生能源项目的一部分,共可产生供应中型城市所需要的电量。

DeepMind透过天气预报数据以及涡轮运转的历史数据训练神经网络,让系统可以预估未来36小时的风力发电输出,有了这些预测,DeepMind的模型可以优化每小时电力交付承诺,在前一天对输出给电网的电力预测做出调整,DeepMind提到,预测的能力对于电力安排很有帮助,可以在设定的时间提供定量的电力,对电网来说非常有价值。这样研究到目前为止成效卓越,数据显示,在电力交付承诺上使用机器学习,比起基准情境,整体风能价值大幅提升20%。DeepMind表示,虽然无法消除风的多变性,但这个研究初期的成果证明,他们可以透过机器学习让风能更可预测并提升其价值,而且这种方法还有助于风力发电厂的营运,因为机器学习可以让电厂,以更快更数据驱动的方法评估电力输出以满足电网电力需求。DeepMind认为,使用机器学习方法可以增加风力发电的商业价值,进一步推动全球电网采用再生能源。更多相关内容:http://www.cafes.org.tw/info.asp