機器學習如何提高風力發電的價值

谷歌周二談到了總部位于倫敦的DeepMind的壯舉-告訴世界，DeepMind系統可以幫助利用風電場生產能源更加可行。

為何如此?谷歌的DeepMind團隊去年開始探索他們的想法，這是一種預測功率輸出的算法。

這可能意味著在使神經網絡正常工作方面的另一個有希望的應用：預測風電輸出提前36小時。他們的模型建議如何提前整天對電網做出“最佳每小時交付承諾” 。如果您經營風電場，則會獲得有關分配的建議。

他們用什么來訓練他們的神經網絡?天氣預報。過去的渦輪數據。

團隊的立場是，機器學習可以幫助風電場運營商進行更智能，更多數據驅動的評估。結果可以更好地滿足輸出和電力需求之間的需求。

DeepMind計劃經理Sims Witherspoon和無碳能源計劃負責人Will Fadrhonc向世界介紹了Google和DeepMind開始在Google自己的風力渦輪機上測試機器學習時發生的情況。

該博客說，如果可以安排能源在設定的時間輸送一定量的電能，那么它們通常對電網更有價值。

不可預知性的這種不希望出現的特征阻礙了風作為替代能源的前景。《麻省理工學院技術評論》下載部說：“盡管由于廉價的渦輪機成本而使風力發電的使用量增加了，但風力發電總會遭受不可預測的影響。與可以在設定的時間可靠地輸送電力的其他能源相比，這限制了它的發展。”谷歌博客還指出，“風本身的多質使其成為不可預測的能源。”

Register的Katyanna Quach提供了一些示例，說明了這種可預測性將如何轉化為生存能力。她指出，在DeepMind的貢獻下，“風力渦輪機場可以安排何時向電網輸送一定量的電力，并更好地定價模型。該系統還可以幫助安排渦輪機的維護和停機時間。”

總而言之，他們的算法工作是為了Google自己的風電場的利益–這種提前一天分配風能的能力使風能的價值提高了約20%。與什么相比提升價值?這就是團隊不得不說的。“到目前為止，與沒有基于時間的電網承諾的基準情景相比，機器學習已將我們的風能價值提高了約20%。”

尼克·斯塔特(Nick Statt)在The Verge的報道中說，這些農場被Google用于綠色能源計劃。

為什么如此重要：下載僅在內部使用，但下載說，“不難想象Google希望將該技術出售給風電場運營商。”

博客作者說：“我們希望這種機器學習方法可以增強風力 發電的商業前景，并推動無碳能源在全球電網中的進一步采用。”

下一步是什么：他們說他們會繼續完善自己的算法。