現(xiàn)如今,隨著氣候問題的日益嚴(yán)重,世界上絕大多數(shù)國家都越來越重視零碳技術(shù)或者低碳技術(shù)??稍偕茉幢闶且环N零碳技術(shù)。例如風(fēng)力發(fā)電來說,在過去的十年里,風(fēng)力發(fā)電廠已經(jīng)成為零碳電力的重要來源,原因與急劇下降的風(fēng)機成本以及不斷提高的裝機量分不開。但是,風(fēng)力發(fā)電的不穩(wěn)定性卻對現(xiàn)今的能源系統(tǒng)提出了更高的挑戰(zhàn)。如何提前預(yù)知風(fēng)電的不穩(wěn)定性成了一個急需解決的問題。
為了解決風(fēng)電預(yù)測問題,2018年,DeepMind (開發(fā)阿法狗的團隊)和谷歌開始將機器學(xué)習(xí)算法應(yīng)用于美國中部的共700MW的風(fēng)力發(fā)電廠中。這些風(fēng)電場是谷歌全球可再生能源項目的一部分,這700MW的風(fēng)力發(fā)電廠發(fā)出的電力足夠滿足一個中型城市的用電量需求。
DeepMind團隊基于大量的天氣預(yù)報以及歷史發(fā)電數(shù)據(jù)訓(xùn)練其神經(jīng)網(wǎng)絡(luò)模型,并建立了提前36小時預(yù)測風(fēng)力發(fā)電的模型?;谶@些預(yù)測數(shù)據(jù),DeepMind團隊可以提前一天告知電網(wǎng)未來每小時電力的輸出,從而可以更高效的保證電網(wǎng)的穩(wěn)定。雖然這一算法還沒改進到最優(yōu)的程度,但目前已經(jīng)開始顯著的幫助了風(fēng)力發(fā)電廠提高自身的收益。與最基礎(chǔ)的運作方式相比,通過加入基于機器學(xué)習(xí)的預(yù)測,風(fēng)電場的收益提高了20%。
我們無法消除風(fēng)的變化,因此無法使風(fēng)力發(fā)電變得穩(wěn)定,但DeepMind目前的研究結(jié)果表明,可以使用機器學(xué)習(xí)來預(yù)測風(fēng)力發(fā)電,從而提高風(fēng)電的價值。
↑與未采用機器學(xué)習(xí)的風(fēng)電場(淺色矩形)相比,采用了機器學(xué)習(xí)的風(fēng)電場(深色矩形)由于對風(fēng)力產(chǎn)出、電力供需、運營成本進行了有效把控,成功將風(fēng)力能源價值提高將近20%
DeepMind希望這種機器學(xué)習(xí)的方法可以得到廣泛的應(yīng)用,從而推動全世界的能源轉(zhuǎn)型。谷歌最近實現(xiàn)了其所使用的能源100%來自可再生能源(部分通過購買綠證的方式)。目前,谷歌的目標(biāo)是7x24小時每時每刻消納的電都是可再生能源所發(fā)出的,因此基于機器學(xué)習(xí)的預(yù)測算法將會更加的重要。DeepMind目前的算法還有很高的提升空間,然而目前已經(jīng)走出的這一步,對于谷歌以及對于全世界的環(huán)境問題而言,都是意義重大的。