Google 藉機器學習算法提升風力發電效益

全球暖化現象促使可再生能源的開發,風力發電作為其中一種主要來源,在近十年間因渦輪機的成本不斷下降更使其採用率逐步上升,然而風的可變及難預測性亦使風力發電不及其他方式般可穩定可靠地輸出能源。為此,Google 及 DeepMind 去年開始研究解決方案,將機器學習算法應用到美國中部的風力發電場上,並成功將風力發電的效益提升約 20%。

全球暖化現象促使可再生能源的開發,風力發電作為其中一種主要來源,在近十年間因渦輪機的成本不斷下降更使其採用率逐步上升,然而風的可變及難預測性亦使風力發電不及其他方式般可穩定可靠地輸出能源。為此,Google 及 DeepMind 去年開始研究解決方案,將機器學習算法應用到美國中部的風力發電場上,並成功將風力發電的效益提升約 20%。

Google 的解決方案,是藉由天氣預報及渦輪機記錄數據訓練的神經網絡,將 DeepMind 系統設置成在實際進行風力發電前的 36 小時先預測自然風力,然後基於預測,系統將給出建議如何提前一天對電網作出最佳的每小時電力交付承諾,而這些可安排的電力對電網而言非常具價值。相關算法仍在改進當中,但截至 Google 現時公佈成果,該系統藉由機器學習已將風能價值提高了大約 20%。Google 指,該方法為風力發電場的運營帶來更嚴謹的數據,而機器學習更可以幫助營運商更智能化地輸出電力以滿足需求。

Google 方面表示,期望透過機器學習方法強化風力發電場運營效益的商業案例,推動全球電網採用更多可再生能源,並進一步探索機器學習算法在太陽能利用等能源產業的普遍可用性。官方帖文又提到該公司最近實現了 100% 的可再生能源採購,並朝 7 x 24 使用可再生能源的方向邁進。

Source:Google