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。


Advertisement

更多 iThome相關內容