DeepMind利用机器学习预测风力涡轮机性能,提高风能价值
2019年02月27日 由 bie管我叫啥 发表
194714
0
像可再生能源这样的无碳技术有助于应对气候变化,但许多尚未充分发挥潜力。以风能为例,在过去的十年中,随着涡轮机成本的大幅下降和应用的激增,风电场已经成为无碳电力的一个重要来源。然而,风能本身多变的特性使得它成为一种不可预测的能源,而不是在固定时间可靠地输送电力的能源。
为了寻找这个问题的解决方案,去年DeepMind开始将机器学习算法应用到美国中部的700兆瓦风力发电容量。这些风电场是谷歌全球可再生能源项目船队的一部分,它们共同产生的电力足以满足一个中等城市的需求。
团队使用经过广泛可用的天气预报和历史涡轮机数据训练的神经网络,将DeepMind系统配置为在实际发电前36小时预测风力输出。基于这些预测,模型建议如何提前一整天对电网做出最佳的每小时交付承诺。这很重要,因为可以安排的能源(即可以在设定的时间提供一定量的电力)通常对电网更有价值。
团队将继续改进算法,但在风电场中使用机器学习已经产生了积极的结果。迄今为止,与基于时间的电网承诺基线情景相比,机器学习将风能价值提高了大约20%。
虽然无法消除风的变化,但早期结果表明我们可以使用机器学习使风力更具可预测性和价值。这种方法还有助于为风电场运营带来更严密的数据,因为机器学习可以帮助风电场运营商对其电力输出如何满足电力需求进行更智能,更快速和更加数据驱动的评估。
团队希望这种机器学习方法可以加强风电的商业案例,推动全球电网进一步采用无碳能源。能源行业的研究人员和从业人员正在开发关于社会如何充分利用太阳能和风能等可变电源的新思路,探索这些基于云的机器学习策略的普遍可用性。
DeepMind使风电更具可预测性和价值,虽然还有许多研究要做,但这一步对环境来说是十分有意义的。