DeepMind機器學習預測36小時風力發(fā)電量 風電價值提高20%

　　為了解決風電預測問題，2018年，DeepMind(開發(fā)阿法狗的團隊)和谷歌開始將機器學習算法應用于美國中部的共700MW的風力發(fā)電廠中。這些風電場是谷歌全球可再生能源項目的一部分，這700MW的風力發(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報以及歷史發(fā)電數據訓練其神經網絡模型，并建立了提前36小時預測風力發(fā)電的模型?；谶@些預測數據，DeepMind團隊可以提前一天告知電網未來每小時電力的輸出，從而可以更高效的保證電網的穩(wěn)定。雖然這一算法還沒改進到最優(yōu)的程度，但目前已經開始顯著的幫助了風力發(fā)電廠提高自身的收益。與最基礎的運作方式相比，通過加入基于機器學習的預測，風電場的收益提高了20%。

　　圖1，DeepMind團隊提前36小時預測值與真實值對比

　　我們無法消除風的變化，因此無法使風力發(fā)電變得穩(wěn)定，但DeepMind目前的研究結果表明，可以使用機器學習來預測風力發(fā)電，從而提高風電的價值。

　　圖2，與未采用機器學習的風電場（淺色矩形）相比，采用了機器學習的風電場（深色矩形）由于對風力產出、電力供需、運營成本進行了有效把控，成功將風力能源價值提高將近 20％

　　DeepMind希望這種機器學習的方法可以得到廣泛的應用，從而推動全世界的能源轉型。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，因此基于機器學習的預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。