Hvordan maskinlæring kan øge værdien af ​​vindkraft

Google talte om det London-baserede DeepMinds bedrifter i tirsdags - og fortalte verden, at et DeepMind-system kunne hjælpe med at gøre brugen af ​​vindmølleparker til at producere energi mere levedygtig.

Hvordan det? Googles DeepMind-team begyndte sidste år at udforske deres idé, en algoritme til at forudsige effekt.

Dette kunne betyde en anden lovende applikation til at sætte neurale netværk til at fungere:Forudsigelse af vindkrafts output 36 timers tid. Deres model anbefaler, hvordan man laver "optimale leveringsforpligtelser på timebasis" til elnettet en hel dag i forvejen. Hvis du driver en vindmøllepark, du får en anbefaling om tildeling.

Hvad brugte de til at træne deres neurale netværk? Vejrudsigter. Tidligere turbinedata.

Holdpositionen er, at maskinlæring kan hjælpe vindmølleparkoperatører med at gøre smartere, flere datadrevne vurderinger. Resultatet kan blive et bedre mødested mellem output og elbehov.

Sims Witherspoon, programleder, DeepMind, og Will Fadrhonc, kulstoffri energiprogram bly, fortalte verden om, hvad der skete, da Google og DeepMind begyndte at teste maskinlæring på Googles egne vindmøller.

Bloggen sagde, at hvis energikilder kan planlægges til at levere en bestemt mængde elektricitet på et bestemt tidspunkt, de er ofte mere værdifulde for nettet.

Det uønskede træk ved uforudsigelighed har hæmmet udsigterne til vind som en alternativ energikilde. "Selvom udbredelsen af ​​vindkraft er vokset takket være billigere turbineomkostninger, det vil altid lide af uforudsigelighed. Det begrænser det sammenlignet med andre energikilder, der pålideligt kan levere strøm på et bestemt tidspunkt, sagde The Download, MIT Technology Review . Som Google-bloggen også sagde, "vindens variable natur gør den til en uforudsigelig energikilde."

Registeret Katyanna Quach gav eksempler på, hvordan denne forudsigelighed ville bidrage til levedygtighed. Hun bemærkede, at med DeepMinds bidrag, "vindmølleparker kan planlægge, hvornår de skal levere en bestemt mængde elektricitet til elnettet og få en bedre idé om prismodeller. Systemet kan også hjælpe med at planlægge vedligeholdelse og nedetid for møller."

Alt i alt, deres algoritmeindsats var til gavn for Googles egne vindmølleparker – og denne evne til at allokere vindkraft en dag før tid øgede værdien af ​​vindenergien med omkring 20 procent. Øget værdien i forhold til hvad? Dette var, hvad holdet havde at sige. "Til dato, maskinlæring har øget værdien af ​​vores vindenergi med omkring 20 procent, sammenlignet med basisscenariet med ingen tidsbaserede forpligtelser til nettet."

Indberetning til Randen , Nick Statt sagde, at gårdene bruges af Google til dets grønne energiinitiativer.

Hvorfor dette betyder noget:Det er kun blevet brugt internt, men sagde The Download, "det er ikke svært at forestille sig, at Google håber at sælge denne teknologi til vindmølleparkoperatører."

Blogforfatterne:"Vores håb er, at denne form for maskinlæringstilgang kan styrke forretningsgrundlaget for vindkraft og drive yderligere anvendelse af kulstoffri energi på elektriske net over hele verden."

Hvad er det næste:De sagde, at de fortsætter med at forfine deres algoritme.

© 2019 Science X Network