Разработчики DeepMind рассказали, как используют машинное обучение для предсказания мощности ветра на ветряных электростанциях. Прогнозы помогли компании улучшить производительность станций на 20%.
Возобновляемая энергия, которую получают с помощью ветряных электростанций, способствует сохранению чистоты воды и воздуха. Ветрогенератор мощностью 1 МВт за 20 лет эксплуатации экономит примерно 29 000 тонн угля или 92 000 баррелей нефти.
Ветряные электростанции стали важным источником электричества, но ветер непредсказуем и это делает его менее полезным, чем источники, которые могут надежно и постоянно передавать энергию. Очень сложно спрогнозировать скорость ветра заранее. Из-за этого сложно предположить, сколько энергии выработает электростанция за день.
Предсказание мощности ветра
Исследователи разработали алгоритм, которые прогнозирует мощность ветра на 36 часов вперед. Они обучили нейронную сеть на информации из прогнозов погоды и данных о работе турбин за предыдущие периоды. Алгоритм позволил улучшить производительность работы ветроэлектростанций на 20% благодаря правильному распределению нагрузки.
Модель помогает оценить, как лучше обеспечить выработку, хранение и передачу энергии на протяжении следующих суток. Так работники станций могут заранее планировать поставки. Это делает ветряные фермы более надежным источником получения энергии.
Google тестирует разработку с прошлого года на своих ветряных электростанциях в центральной части США. По заявлениям компании, проект уже показал хорошие результаты, однако DeepMind планирует совершенствовать работу алгоритма.
