可再生能源与机器学习“双重加持”,谷歌成功实现风力预测

作者: 佚名 2020-06-01 19:37:17

从传统角度看,电力电场的发电能力普遍较弱,因为我们至今很难预测无形无相的风,会在新一天中表现出怎样的活动趋势。

谷歌公司能源市场策略主管Michael Terrell表示,“电力市场的主流运作方式,要求提前一天安排资产的运转规划。只有这样,运营商才能在市场上获得理想的电力销售价格。”

Terrel还问道,“但对于不知何时吹来的风,我们要如何提前一天完成规划?又要怎样提前根据风向调整发电机的迎风角度?”

对这个看似无解的问题,谷歌有着自己的答案。

谷歌旗下人工智能企业DeepMind,正着手将天气数据与美国中部高达700兆瓦的风力发电数据结合起来,通过机器学习,以更好地预测风力发电效率、电力供应总量,并借此降低运营成本。

在上周于斯坦福大学普雷考特能源研究所举办的研讨会上,Terrell表示:“我们一直在与DeepMind团队合作,使用机器学习技术,获取公开天气数据,并据此预测第二天的风力发电总量。”

令人振奋的是,Terrell称预测方案将风电场的收入提升达20%。

美国能源部在其2015年《Wind Vision》报告中,将“改善风能预报”列为首要任务,其中特别强调了提升风能可靠性的要求。报告提到,“收集数据并开发模型,借此改善多个时间尺度(例如分、时、天、月、年等)的风能预报能力。”

谷歌的目标则更加广泛——彻底消除自身基础设施运营中的碳排放量,将高达两倍于旧金山全城的电力消耗,彻底转化为纯绿色能源。

Terrell提到,通过将年度电力使用总量与年度可再生能源采购量匹配起来,谷歌已经取得了阶段性的里程碑。但目前,谷歌方面还无法在各处基础设施实现以小时为单位的零碳排放目标。而这也将成为谷歌公司下一阶段的工作重点——Terrell将其称为“24/7全天候无碳”目标。

 “我们正朝着这个方向努力,也深刻意识到其中的严峻挑战。可以说,面对当下可再生能源,还谈不上任何成本效益的现状,实现零碳排放的难度无异于登月。”

来自伦敦DeepMind的科学家们则证明,人工智能有望改善谷歌乃至整个可再生能源市场的运营成本及市场生存能力,借此为环保事业添砖加瓦。

DeepMind公司项目经理Sims Witherspoon与谷歌软件工程师Carl Elkin表示,“我们希望使用机器学习方法,增强风力发电的商业化能力,推动无碳能源在全球电网中的进一步普及。”在DeepMind的官方博文中,他们概念了如何为西南发电站区(由加拿大边境一路延伸至得克萨斯州北部)中的谷歌风力发电场增加利润:

 “我们的神经网络,利用天气预报与风电机历史数据进行训练,由此建立起的DeepMind系统,能够在实际发电之前36个小时预测风力发电总量。以这些预测结论为基础,我们的模型能够提前为风电网的全天及每小时发电量做出预判。”

DeepMind系统能够提前36个小时预测风力发电量,帮助发电运营商以更高的利润比例为整体电网供电。

电力 可再生能源 机器学习
上一篇:微软用 AI 取代人工编辑,解雇多名新闻工作者 下一篇:Python开发者宝典:10个有用的机器学习实践!
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能正在改变软件开发模式

软件开发人员正在使用人工智能来帮助编写和审查代码、检测错误、测试软件和优化开发项目。这种帮助正在帮助公司更有效地部署新软件,并使新一代开发人员能够更轻松地学习编码。

Harris ·  1天前
2022 年 AIOPS 趋势和预测:您需要知道的一切

AI与IT运营的这种集成导致了术语AIOps的出现,它利用大数据、分析和AI能力进行IT运营管理。以下是每个人都应该关注的 2022年AIOps趋势和预测。

Cassie ·  3天前
谷歌研究总监赴斯坦福任教,著有《人工智能:一种现代方法》

斯坦福大学宣布谷歌研究总监(Director of Research)Peter Norvig 加入斯坦福以人为本人工智能研究院 HAI,任杰出教育研究员。

机器之心 ·  3天前
人工智能65年简史:从麦卡锡到Hinton,人类追求的AI究竟是什么?

人工智能的发展已有65年的历史,曾经历过寒冬,也经历过辉煌。从符号主义的专家系统到现在所向披靡的神经网络,不少人担心是否寒冬会再来,也有乐观的人表示人工智能的春天也要来了。

佚名 ·  4天前
计算机架构的机器学习

最近机器学习 (ML) 进步的关键贡献者之一是定制加速器的开发,例如Google TPU和Edge TPU,它们显着提高了可用计算能力,从而解锁了各种功能,例如AlphaGo、RankBrain、WaveNets和对话代理。

雨夜的博客 ·  4天前
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
高真实感、全局一致、外观精细,面向模糊目标的NeRF方案出炉

自 NeRF 被提出后,有多项研究对其加以改进。在本篇论文中,上海科技大学的研究者提出了首个将显式不透明监督和卷积机制结合到神经辐射场框架中以实现高质量外观的方案。

Haimin Luo等 ·  2021-06-01 09:57:39
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载