谷歌 DeepMind 博客昨日更新一篇關(guān)于機器學(xué)習(xí)如何賦能風(fēng)力發(fā)電的文章，詳細介紹了谷歌全球可再生能源項目中針對風(fēng)電場的機器學(xué)習(xí)實驗結(jié)果，雷鋒網(wǎng) AI 科技評論將之編譯如下。

類似可再生能源這樣的無碳技術(shù)有助于應(yīng)對氣候變化問題，然而當(dāng)中許多技術(shù)仍未充分發(fā)揮潛力。過去十年由于渦輪機的成本急劇下降，風(fēng)力發(fā)電已經(jīng)成為無碳電力的關(guān)鍵來源。盡管如此，與能夠在設(shè)定時間內(nèi)穩(wěn)定輸出電力的能源相比，風(fēng)的善變性質(zhì)使其成為一種不可控能源。

為了找到合適的解決方案，DeepMind 與谷歌在去年將機器學(xué)習(xí)算法應(yīng)用到了美國中部一座擁有 700 兆瓦風(fēng)力電量的發(fā)電場上——這些風(fēng)電場（谷歌全球可再生能源項目的一部分）可為一座中型城市產(chǎn)出所需的電力。

我們利用天氣預(yù)報和歷史渦輪機數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，讓 DeepMind 系統(tǒng)對實際發(fā)電前 36 小時的風(fēng)力輸出進行預(yù)測。基于這些預(yù)測結(jié)果，模型就該如何提前一天做出每小時電力輸出承諾給出了建議。這一點非常重要，因為可控的能源（在設(shè)定時間內(nèi)提供定量電力）對電網(wǎng)來說更有價值。

雖然還在持續(xù)繼續(xù)改進算法，然而風(fēng)電場中的機器學(xué)習(xí)已經(jīng)產(chǎn)出了積極的結(jié)果。與無時間電網(wǎng)承諾的基線情景相比，我們的機器學(xué)習(xí)有效將風(fēng)力能源價值提高大約 20％。

當(dāng)然，我們依舊無法消除風(fēng)的善變屬性，但早期結(jié)果表明，我們可以利用機器學(xué)習(xí)方法使風(fēng)力變得更具可預(yù)測性和有價值。這種方法可以為風(fēng)電場的運營提供更嚴(yán)密的數(shù)據(jù)處理邏輯，從而幫助風(fēng)電場管理者對于電力輸出要如何滿足電力需求，做出更智能、快速、由數(shù)據(jù)驅(qū)動的評估決策。

與未采用機器學(xué)習(xí)的風(fēng)電場（淺色矩陣）相比，采用了機器學(xué)習(xí)的風(fēng)電場（深色矩陣）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％

我們希望機器學(xué)習(xí)方法可以助力風(fēng)電力的商業(yè)化進程，并推動全球電網(wǎng)進一步采用無碳能源。據(jù)我們所知，當(dāng)下能源行業(yè)的研究人員與從業(yè)人員正在開發(fā)可以充分利用太陽能以及風(fēng)能等可變電源的新思路，我們渴望加入他們，探索基于云的機器學(xué)習(xí)策略以提供幫助。

谷歌如今已成功實現(xiàn) 100％的可再生能源采購策略（https://www.blog.google/outreach-initiatives/environment/meeting-our-match-buying-100-percent-renewable-energy/），下一步正努力實現(xiàn) 24x7 基礎(chǔ)上的無碳能源采購策略（https://storage.googleapis.com/gweb-sustainability.appspot.com/pdf/24x7-carbon-free-energy-data-centers.pdf）。與 DeepMind 合作，能使風(fēng)電變得更具可預(yù)測性和價值，這是實現(xiàn)這一愿望的關(guān)鍵步驟。雖然還有許多工作要做，但這一步對谷歌和地球而言意義非凡。