Google sprak dinsdag over de prestaties van het in Londen gevestigde DeepMind en vertelde de wereld dat een DeepMind-systeem zou kunnen helpen het gebruik van windparken om energie te produceren levensvatbaarder te maken.

Hoezo? Het DeepMind-team van Google begon vorig jaar met het verkennen van hun idee, een algoritme voor het voorspellen van het vermogen.

Dit zou een andere veelbelovende toepassing kunnen betekenen om neurale netwerken aan het werk te zetten:het voorspellen van de output van windenergie 36 uur head of time. Hun model beveelt aan om een ​​volledige dag van tevoren "optimale leveringsverplichtingen per uur" aan het elektriciteitsnet aan te gaan. Als u een windpark exploiteert, u krijgt een toewijzingsadvies.

Wat hebben ze gebruikt om hun neurale netwerk te trainen? Weersvoorspellingen. Gegevens over turbines uit het verleden.

De teampositie is dat machine learning exploitanten van windmolenparken kan helpen om slimmere, meer datagestuurde beoordelingen. Het resultaat kan een betere ontmoetingsplaats zijn tussen output en elektriciteitsvraag.

Sims Witherspoon, programma manager, DeepMind, en Will Fadrhonc, programmaleider koolstofvrije energie, vertelde de wereld over wat er gebeurde toen Google en DeepMind machine learning begonnen te testen op Google's eigen windturbines.

De blog zei dat als energiebronnen kunnen worden gepland om op een bepaald tijdstip een bepaalde hoeveelheid elektriciteit te leveren, ze zijn vaak waardevoller voor het net.

Die ongewenste eigenschap van onvoorspelbaarheid heeft de kijk op wind als alternatieve energiebron belemmerd. "Hoewel de adoptie van windenergie is gegroeid dankzij goedkopere turbinekosten, het zal altijd last hebben van onvoorspelbaarheid. Dat beperkt het in vergelijking met andere energiebronnen die betrouwbaar stroom kunnen leveren op een bepaald tijdstip, zei de download, MIT Technology Review . Zoals de Google-blog ook al zei, "de variabele aard van wind zelf maakt het een onvoorspelbare energiebron."

Het register 's Katyanna Quach gaf voorbeelden van hoe deze voorspelbaarheid zou bijdragen aan levensvatbaarheid. Ze merkte op dat, met de bijdrage van DeepMind, "Windturbineparken kunnen plannen wanneer ze een bepaalde hoeveelheid elektriciteit aan het elektriciteitsnet moeten leveren en een beter idee krijgen van prijsmodellen. Het systeem kan ook helpen bij het plannen van onderhoud en uitvaltijd voor turbines."

Globaal genomen, hun algoritme-inspanningen waren in het voordeel van Google's eigen windparken - en deze mogelijkheid om windenergie een dag van tevoren toe te wijzen, verhoogde de waarde van de windenergie met ongeveer 20 procent. Verhoogde de waarde in vergelijking met wat? Dit is wat het team te zeggen had. "Daten, machine learning heeft de waarde van onze windenergie met ongeveer 20 procent verhoogd, vergeleken met het basisscenario van geen tijdgebonden verplichtingen aan het net."

Rapporteren voor De rand , Nick Statt zei dat de boerderijen door Google worden gebruikt voor zijn groene energie-initiatieven.

Waarom dit belangrijk is:het is alleen intern gebruikt, maar zei de download, "Het is niet moeilijk voor te stellen dat Google deze technologie hoopt te verkopen aan exploitanten van windmolenparken."

De blogauteurs:"Onze hoop is dat dit soort machine learning-aanpak de businesscase voor windenergie kan versterken en de acceptatie van koolstofvrije energie op elektriciteitsnetten wereldwijd kan stimuleren."

Wat nu:ze zeiden dat ze hun algoritme blijven verfijnen.

© 2019 Wetenschap X Netwerk