:::
風力發電已經成為環保電能的重要來源,加上渦輪機的成本急劇下降,各界不斷探尋風力發電的效用與發展方向。然而,風速與方向難以提前精準預測,電廠僅能在實際發電後,獲得發電成效與數據, 更多風力發電的潛能很顯然尚未被開發 。
提早預測風電產出,能源價值大漲 20%
DeepMind 在 Google 美國電廠,透過天氣預報和渦輪機歷史數據 訓練機器學習網路,成功讓風力發電機在實際發電前 36 小時預先預測風力輸出,整整提前一天讓電廠安排交付電力的後續工作。
支援全球網頁及行動應用服務的 DeepMind 人工智慧軟體數據中心,內部約有 120 個裝置全年無休運轉,包括風扇、空調系統等。透過 DeepMind 演算法預測數據中心的冷卻系統和控制裝置的負載,進而將冷卻電量減少 40%。
DeepMind 認為,「機器學習可以更準確地預測發電需求,幫助電力公司最大限度利用再生能源,推動全球電網進一步採用再生能源將是下一步目標」。
——
參考資料來源:
DeepMind〈Machine learning can boost the value of wind energy 〉
the Verge〈Google and DeepMind are using AI to predict the energy output of wind farms〉
Fortune〈Google’s DeepMind AI Can Predict Wind Farm Energy Output 36 Hours in Advance〉
Forbes〈DeepMind and Google Train AI To Predict Energy Output Of Wind Farms〉
(本文提供合作夥伴轉載,首圖來源:PIXABAY,CC Licensed。)
科技新知
成功預言!DeepMind AI 能提早算出未來「一天半」的風力發電總量
- 發佈日期:2019/3/13
- 資料來源:科技橘報
- 點閱次數:1358次
2019/03/12 楊采翎
風力發電已經成為環保電能的重要來源,加上渦輪機的成本急劇下降,各界不斷探尋風力發電的效用與發展方向。然而,風速與方向難以提前精準預測,電廠僅能在實際發電後,獲得發電成效與數據, 更多風力發電的潛能很顯然尚未被開發 。
提早預測風電產出,能源價值大漲 20%
DeepMind 在 Google 美國電廠,透過天氣預報和渦輪機歷史數據 訓練機器學習網路,成功讓風力發電機在實際發電前 36 小時預先預測風力輸出,整整提前一天讓電廠安排交付電力的後續工作。
能源調配對「數據中心」尤其重要
這不是 Google 第一次以機器學習預測風能。早在 2016 年,DeepMind 已經擁有成功電力節能應用的案例,將其數據中心的電力成本降低了 15%。支援全球網頁及行動應用服務的 DeepMind 人工智慧軟體數據中心,內部約有 120 個裝置全年無休運轉,包括風扇、空調系統等。透過 DeepMind 演算法預測數據中心的冷卻系統和控制裝置的負載,進而將冷卻電量減少 40%。
DeepMind 認為,「機器學習可以更準確地預測發電需求,幫助電力公司最大限度利用再生能源,推動全球電網進一步採用再生能源將是下一步目標」。
——
參考資料來源:
DeepMind〈Machine learning can boost the value of wind energy 〉
the Verge〈Google and DeepMind are using AI to predict the energy output of wind farms〉
Fortune〈Google’s DeepMind AI Can Predict Wind Farm Energy Output 36 Hours in Advance〉
Forbes〈DeepMind and Google Train AI To Predict Energy Output Of Wind Farms〉
(本文提供合作夥伴轉載,首圖來源:PIXABAY,CC Licensed。)