机器学习如何提升风能的价值

谷歌在周二谈到了总部位于伦敦的DeepMind的壮举——告诉世界，DeepMind系统可以帮助风力发电场更可行地生产能源。

所以如何?谷歌的DeepMind团队去年开始探索他们的想法——一种预测功率输出的算法。

这可能意味着神经网络的另一个有前景的应用:预测36小时前风能的输出。他们的模型建议如何提前一整天向电网做出“最优每小时交货承诺”。如果你经营一个风电场，你会得到一个关于分配的建议。

他们用什么来训练他们的神经网络?天气预报。过去的涡轮机数据。

该团队的立场是，机器学习可以帮助风电场运营商做出更智能、更数据驱动的评估。其结果可以是一个更好的满足输出和电力需求的地方。

DeepMind的项目经理Sims Witherspoon和无碳能源项目负责人Will Fadrhonc向全世界讲述了谷歌和DeepMind开始在谷歌自己的风力涡轮机上测试机器学习的过程。

该博客称，如果能源能够在规定的时间内提供一定数量的电能，那么它们对电网来说往往更有价值。

这种不受欢迎的不可预测性阻碍了风能作为替代能源的前景。“尽管风力发电的普及得益于更便宜的涡轮机成本，但它总是会受到不可预测性的影响。”这限制了它与其他能源相比，可以可靠地提供电力在一个固定的时间，麻省理工技术评论下载说。正如谷歌博客所述，“风本身的多变特性使它成为一种不可预测的能源。”

《Register》的Katyanna Quach举了一些例子，说明这种可预测性是如何促进生存能力的。她指出，有了DeepMind的贡献，“风力涡轮机农场可以安排何时向电网输送一定量的电力，并更好地了解定价模式。”该系统还可能有助于安排维护和停机时间的涡轮机。”

总而言之，他们的算法工作是为了谷歌自己的风电场的利益——这种提前一天分配风能的能力使风能的价值提高了大约20%。价值提升了多少?这就是团队要说的。“到目前为止，与不以时间为基础向电网承诺的基本情况相比，机器学习已经将我们的风能价值提高了大约20%。”

据The Verge网站报道，尼克·斯塔特表示，这些农场被谷歌用于绿色能源计划。

为什么重要:它只在内部使用，但是，下载说，“不难想象谷歌希望把这项技术卖给风电场运营商。”

博客作者:“我们的希望是，这种机器学习方法可以加强风力发电的商业案例，并推动全球电网进一步采用无碳能源。”