0
0
Прогнозирование мощности ветряных электростанций был сложным, но он становится все меньше, так и с использованием машинного обучения.
В Google и британская искусственного интеллекта DeepMind компании уже используют алгоритмы мл для повышения качества прогнозов ветра выходная мощность ветряных электростанций компании Гугл на Среднем Западе, согласно сообщению в соавторстве с руководителем программы DeepMind Симс Уизерспун и Гугл углерода свободной энергии программы ведущий будет Fadrhonc.
Хозяйств, которые производят 700 мегаватт электроэнергии-достаточно для питания Среднего города-использовать алгоритмы для прогнозирования ветра выходная мощность 36 часов до генерации.
С тех предсказаний, фермеры ветра может сделать почасовой обязательств к электросетям полный день. Это важно, потому что источники энергии, которые могут быть запланированы для поставки в энергосистему оцениваются выше, чем те, которые не могут.
Стоимость энергии, произведенной на ветряных фермах увеличилось на 20 процентов по сравнению с, когда выход энергии был менее предсказуемым, по данным компании.
«Если вы не так уверены в том, что вы собираетесь производить, вы, вероятно, скидка выходного и не продают столько», — сказал Гэри Кук, старший аналитик по энергетике в
В Гринпис Вашингтоне, округ Колумбия
«Гугл не может генерировать больше ветра, но с более достоверных данных, оператор сетки могут иметь больше уверенности о том, что создается и может соответственно управлять,» он сказал, что школа в аварийном состоянии.
Удовлетворение Спроса
Поставщиков сетки попытаться соответствовать запросу пользователя, на количество электроэнергии, которую они производят. Если они получают власть от непредсказуемых источников, как ветер, это делает управление спросом более трудным для них.
Он также добавляет к стоимости операции. Поскольку они не знают, когда они будут получать электричество из непредсказуемых источников, они должны иметь альтернативные «мгновенный» источники энергии онлайн, таких как батареи — для удовлетворения спроса, когда они не получают каких-либо сока из непредсказуемых источников.
«Если они могут получить более продвинутые предупреждения о власти, которую они собирались получить от ветровой, которая уменьшает проблемы удовлетворения спроса, и они должны призвать меньше этой мгновенных мощностей», — пояснил Петтер «карал», генеральный директор
Seatower, оффшорной ветровой компания, базирующаяся в Осло, Норвегия.
«Что делает энергию ветра более ценным в сетку», — сказал он мультфильмы.
«Если сила ветра более предсказуемы и их легче интегрировать в сеть, тогда он станет более конкурентоспособной для будущих инвестиционных решений в отношении генерирующих мощностей,» карал добавил.
Лучшие Модели
Альтернативные источники энергии могут оказывать влияние на глобальное изменение климата.
«Когда возобновляемая энергетика становится все более конкурентоспособной по сравнению с ископаемым топливом, вы будете использовать больше возобновляемых источников энергии и ископаемых видов топлива», — сказал карал.
Лучше Модели ветра становится все время, готовить Гринпис отметил. «Что у вас здесь в сотрудничестве с компанией Google и DeepMind принимать много данных, хруст и его вниз, так что вы можете обеспечить с большей уверенностью, какое место может приносить.»
Если анализ данных должны осуществляться людьми, набор данных должен быть уменьшен.
«С учебной машиной, можно взять с собой огромный набор данных, свалить его туда и сделать более детальный и более уверены, что результат будет», — заявил Кук. «Обучение машина может распознавать образы, что будет супер много времени для людей, чтобы найти».
Мл автоматизированного обслуживания
Искусственный интеллект обладает потенциалом для увеличения стоимости альтернативных энергоносителей, наблюдается карал.
«Там будет много заявок», — сказал он. «Некоторые из них мы можем представить себе сейчас, но большинство из них будут изобретены за время обучения машина становится более универсальной и более.»
Одна тока применение мл-это поддержание инфраструктуры, таких как оффшорные турбины.
«Ремонт морских ветряных турбин-это огромная вещь, потому что это большая работа, чтобы пройти 20 миль и подняться на 300 — или 400-метровой башни посреди моря. Это ресурсоемко,» карал объяснил.
«Если вы можете АИ-помощь иметь предсказание, когда требуется, когда техник сервис есть и, прогнозировать дальнейшее техническое обслуживание — что может быть очень ценным», — добавил он.
Бизнес-Кейс усиление ветра
Хотя это не возможно, чтобы устранить изменчивость ветра, машинное обучение может сделать энергию ветра более предсказуемой и ценное.
«Мы надеемся, что такой подход машинного обучения может укрепить бизнес-кейс для энергии ветра и дальнейшего принятия безуглеродной энергии по электрическим сетям во всем мире,» Уизерспун и Fadrhonc писал.
«Исследователи и практики в энергетической отрасли разрабатывают новые идеи для того, как общество может сделать большинство из переменных источников энергии, как солнечная и ветровая. Мы стремимся, чтобы присоединиться к ним в исследовании общей доступности этих облачной стратегии машинного обучения», — добавили они.
«Компания Google недавно достиг 100 процентов закупок возобновляемой энергии и стремится источника экологически чистой энергии на основе 24х7», — Уизерспун Fadrhonc и отметил. «Партнерство с DeepMind, чтобы сделать ветроэнергетику более предсказуемой и ценное-это конкретный шаг в сторону это стремление».
Поведение Двуличное?
Несмотря на приверженность компании Гугл к зеленому будущему, похоже, двойные ставки, предложил Брайан Мерчант на сайт сайт Gizmodo
статьи.
Как Амазон и Майкрософт, Гугл и заключать сделки на миллиарды долларов, чтобы обеспечить автоматизация, облачные сервисы и услуги Ай крупнейших в мире нефтяных компаний, торговых писал.
Сделки по сути автоматизировать климатического кризиса, он утверждал, на основе предложения, направленные на упорядочение и повышение добычи нефти и газа.
Через серию сделок, купец указал, что Google может использовать машинное обучение, чтобы найти больше запасов нефти выше и ниже моря, его данных услуги по оптимизации и автоматизации нефтепромысловых операций, и инструменты, чтобы помочь нефтяным компаниям найти способы, чтобы урезать расходы и конкурировать с «чистой» энергии выскочек.
