DeepMind以機器學習預測未來36小時風力發電輸出，大幅提升風電產值20％

DeepMind和Google合作，將機器學習演算法應用在風力發電廠上，透過天氣預報以及歷史風機運轉資料訓練機器學習模型，預測未來36小時的發電量，以作出最佳每小時電力交付承諾，DeepMind提到，預測能源非常有價值，在使用機器學習之後，他們有效提高風能價值20％。

在過去十年，由於渦輪機成本下降，風力發電採用率不斷上升，因此成為了無碳發電的重要替代來源。不過，風的變動性，使得風力發電成為一種不可預測的能源，比起其他可在需要的時候傳輸可靠電力的來源相比，風力發電就顯得不這麼有用。DeepMind和Google為了解決這個問題，去年在美國中部對700兆瓦風力發電應用機器學習演算法。而產生這700兆瓦電力的風力發電廠，為Google全球再生能源專案的一部分，共可產生供應中型城市所需要的電量。

DeepMind透過天氣預報資料以及渦輪運轉的歷史資料訓練神經網路，讓系統可以預估未來36小時的風力發電輸出，有了這些預測，DeepMind的模型可以最佳化每小時電力交付承諾，在前一天對輸出給電網的電力預測做出調整，DeepMind提到，預測的能力對於電力安排很有幫助，可以在設定的時間提供定量的電力，對電網來說非常有價值。

這樣研究到目前為止成效卓越，資料顯示，在電力交付承諾上使用機器學習，比起基準情境，整體風能價值大幅提升20％。DeepMind表示，雖然無法消除風的多變性，但這個研究初期的成果證明，他們可以透過機器學習讓風能更可預測並提升其價值，而且這種方法還有助於風力發電廠的營運，因為機器學習可以讓電廠，以更快更資料驅動的方法評估電力輸出以滿足電網電力需求。

DeepMind認為，使用機器學習方法可以增加風力發電的商業價值，進一步推動全球電網採用再生能源。