Google pratade om London-baserade DeepMinds bedrifter på tisdagen – berättade för världen att ett DeepMind-system kan hjälpa till att göra användningen av vindkraftsparker för att producera energi mer lönsam.

Hur så? Googles DeepMind-team började förra året utforska sin idé, en algoritm för att förutsäga uteffekt.

Detta kan betyda en annan lovande applikation för att få neurala nätverk att fungera:Förutsäga vindkraftens produktion 36 timmars framöver. Deras modell rekommenderar hur man gör "optimala timleveransåtaganden" till elnätet en hel dag i förväg. Om du driver en vindkraftspark, du får en rekommendation om tilldelning.

Vad använde de för att träna sitt neurala nätverk? Väderprognoser. Tidigare turbindata.

Teampositionen är att maskininlärning kan hjälpa vindkraftsoperatörer att göra smartare, mer datadrivna bedömningar. Resultatet kan bli en bättre mötesplats mellan produktion och elbehov.

Sims Witherspoon, programansvarig, DeepMind, och Will Fadrhonc, kolfritt energiprogram leder, berättade för världen om vad som hände när Google och DeepMind började testa maskininlärning på Googles egna vindkraftverk.

Bloggen sa att om energikällor kan schemaläggas för att leverera en viss mängd el vid en bestämd tidpunkt, de är ofta mer värdefulla för nätet.

Denna oönskade egenskap av oförutsägbarhet har hämmat synen på vind som en alternativ energikälla. "Även om antagandet av vindkraft har ökat tack vare billigare turbinkostnader, det kommer alltid att lida av oförutsägbarhet. Det begränsar det jämfört med andra energikällor som tillförlitligt kan leverera ström vid en bestämd tidpunkt, sa The Download, MIT Technology Review . Som Google-bloggen också sa, "vindens varierande natur gör den till en oförutsägbar energikälla."

Registret Katyanna Quach gav exempel på hur denna förutsägbarhet skulle leda till livskraft. Hon noterade att med DeepMinds bidrag, "vindkraftverk kan schemalägga när de ska leverera en viss mängd el till elnätet och få en bättre uppfattning om prismodeller. Systemet kan också hjälpa till att schemalägga underhåll och stillestånd för turbiner."

Allt som allt, deras algoritminsatser var till fördel för Googles egna vindkraftsparker – och denna förmåga att allokera vindkraft en dag i förväg ökade värdet på vindenergin med cirka 20 procent. Ökade värdet jämfört med vad? Detta är vad laget hade att säga. "Hittills, maskininlärning har ökat värdet på vår vindenergi med ungefär 20 procent, jämfört med grundscenariot med inga tidsbaserade åtaganden till nätet."

Rapportera för Gränsen , Nick Statt sa att gårdarna används av Google för sina initiativ för grön energi.

Varför detta är viktigt:Det har bara använts internt men, sa The Download, "det är inte svårt att föreställa sig att Google hoppas kunna sälja den här tekniken till vindkraftsoperatörer."

Bloggförfattarna:"Vår förhoppning är att den här typen av maskininlärningsmetod kan stärka affärsplanen för vindkraft och driva på ytterligare användning av kolfri energi på elnät över hela världen."

Vad händer härnäst:De sa att de fortsätter att förfina sin algoritm.

© 2019 Science X Network