利用算法預(yù)測(cè)風(fēng)力，機(jī)器學(xué)習(xí)將風(fēng)能價(jià)值提升20%

像可再生能源這樣的無(wú)碳技術(shù)有助于應(yīng)對(duì)氣候變化，但這其中許多技術(shù)尚未充分發(fā)揮其潛力。以風(fēng)能為例：在過(guò)去的十年中，隨著渦輪機(jī)成本的大幅下降和應(yīng)用的激增，風(fēng)力發(fā)電場(chǎng)已經(jīng)成為無(wú)碳電力的一個(gè)重要來(lái)源。然而，風(fēng)能本身的多變性使其成為一種不可預(yù)測(cè)的能源，因此，它不如在固定時(shí)間能可靠輸送電力的能源有用。

為了尋找這個(gè)問(wèn)題的解決方案，去年DeepMind和谷歌開(kāi)始將機(jī)器學(xué)習(xí)算法應(yīng)用到美國(guó)中部地區(qū)的700兆瓦容量的風(fēng)力發(fā)電場(chǎng)。這些風(fēng)力發(fā)電場(chǎng)，是谷歌全球可再生能源項(xiàng)目的一部分，其產(chǎn)生的電力足以滿足一個(gè)中等城市的用電需求。

我們采用一個(gè)在預(yù)測(cè)天氣預(yù)報(bào)和分析渦輪機(jī)的歷史數(shù)據(jù)等方面都可用的神經(jīng)網(wǎng)絡(luò)，將DeepMind系統(tǒng)配置為在實(shí)際發(fā)電前36小時(shí)預(yù)測(cè)風(fēng)力輸出?；谶@些預(yù)測(cè)，我們的模型會(huì)建議如何提前一天對(duì)電網(wǎng)做出最佳的每小時(shí)交付承諾。這一點(diǎn)很重要，因?yàn)榭梢杂?jì)劃的能源(即可以在規(guī)定的時(shí)間提供一定數(shù)量的電力)通常對(duì)電網(wǎng)來(lái)說(shuō)更有價(jià)值。

雖然我們?cè)诶^續(xù)改進(jìn)我們的算法，但我們?cè)陲L(fēng)力發(fā)電場(chǎng)中采用機(jī)器學(xué)習(xí)的方法已經(jīng)產(chǎn)生了積極的效果。迄今為止，與沒(méi)有對(duì)電網(wǎng)進(jìn)行時(shí)間承諾的情況相比，機(jī)器學(xué)習(xí)已將風(fēng)能價(jià)值提高了約20%。

雖然我們無(wú)法消除風(fēng)的可變性，但我們的早期研究結(jié)果表明，我們可以使用機(jī)器學(xué)習(xí)使風(fēng)力發(fā)電更具可預(yù)測(cè)性和價(jià)值。這種方法還有助于為風(fēng)力發(fā)電場(chǎng)的運(yùn)營(yíng)帶來(lái)更強(qiáng)的數(shù)據(jù)嚴(yán)密性，因?yàn)闄C(jī)器學(xué)習(xí)可以幫助風(fēng)力發(fā)電場(chǎng)運(yùn)營(yíng)商更智能、更快和更多地以數(shù)據(jù)為驅(qū)動(dòng)評(píng)估其電力輸出如何滿足電力需求。我們希望這種機(jī)器學(xué)習(xí)方法能夠加強(qiáng)風(fēng)力發(fā)電的商業(yè)案例，推動(dòng)全球電網(wǎng)進(jìn)一步采用無(wú)碳能源。能源行業(yè)的研究人員和從業(yè)人員正在為社會(huì)如何最大限度地利用太陽(yáng)能和風(fēng)能等可變能源開(kāi)發(fā)新思路。我們渴望加入他們，一起探索這些基于“云”的機(jī)器學(xué)習(xí)策略的普遍適用性。

谷歌最近實(shí)現(xiàn)了100%的可再生能源采購(gòu)，目前正努力在24x7的基礎(chǔ)上采購(gòu)無(wú)碳能源。谷歌與DeepMind的合作使風(fēng)力發(fā)電更具可預(yù)測(cè)性和價(jià)值，這是實(shí)現(xiàn)這一愿望的具體一小步。雖然還有許多工作要做，但這一小步不僅對(duì)谷歌來(lái)說(shuō)很有意義，更重要的是，它對(duì)環(huán)境保護(hù)大有裨益。