本文摘要：像可再生能源这样的无碳技术有助应付气候变化，但这其中许多技术仍未充分发挥其潜力。以风能为事例：在过去的十年中，随着涡轮机成本的大幅度上升和应用于的剧增，风力发电场早已沦为无碳电力的一个最重要来源。然而，风能本身的多变性使其沦为一种不能预测的能源，因此，它不如在相同时间能可信运送电力的能源简单。 为了找寻这个问题的解决方案，去年DeepMind和谷歌开始将机器学习算法应用于到美国中部地区的700兆瓦容量的风力发电场。

像可再生能源这样的无碳技术有助应付气候变化，但这其中许多技术仍未充分发挥其潜力。以风能为事例：在过去的十年中，随着涡轮机成本的大幅度上升和应用于的剧增，风力发电场早已沦为无碳电力的一个最重要来源。然而，风能本身的多变性使其沦为一种不能预测的能源，因此，它不如在相同时间能可信运送电力的能源简单。

为了找寻这个问题的解决方案，去年DeepMind和谷歌开始将机器学习算法应用于到美国中部地区的700兆瓦容量的风力发电场。这些风力发电场，是谷歌全球可再生能源项目的一部分，其产生的电力不足以符合一个中等城市的用电市场需求。我们使用一个在预测天气预报和分析涡轮机的历史数据等方面都能用的神经网络，将DeepMind系统配置为在实际发电前36小时预测风力输入。

基于这些预测，我们的模型不会建议如何提早一天对电网作出最佳的每小时交付给允诺。这一点很最重要，因为可以计划的能源（即可以在规定的时间获取一定数量的电力）一般来说对电网来说更加有价值。虽然我们在之后改良我们的算法，但我们在风力发电场中使用机器学习的方法早已产生了大力的效果。

迄今为止，与没对电网展开时间允诺的情况比起，机器学习一并风力发电价值提升了大约20％。虽然我们无法避免风的可变性，但我们的早期研究结果表明，我们可以用于机器学习使风力发电极具可预测性和价值。

这种方法还有助为风力发电场的运营带给更加强劲的数据严密性，因为机器学习可以协助风力发电场运营商更加智能、更慢和更好地以数据为驱动评估其电力输入如何符合电力市场需求。我们期望这种机器学习方法需要强化风力发电的商业案例，推展全球电网更进一步使用无碳能源。能源行业的研究人员和从业人员正在为社会如何最大限度地利用太阳能和风能等星型能源开发新思路。我们渴求重新加入他们，一起探寻这些基于“云”的机器学习策略的广泛适用性。

谷歌最近构建了100％的可再生能源订购，目前于是以希望在24x7的基础上订购无碳能源。谷歌与DeepMind的合作使风力发电极具可预测性和价值，这是构建这一心愿的明确一小步。虽然还有许多工作要做到，但这一小步不仅对谷歌来说很有意义，更加最重要的是，它对环境保护大有裨益。

本文关键词：利用,算法,预测,风力,机器,学习,将,风能,价值,leyu乐鱼体育官网入口

本文来源：leyu乐鱼体育-www.dyjonline.com