国产AV无码久久精品
機器學習如何實現風力發電DeepMind做了以下嘗試

來源:風力發電機_廣州太和風力發電設備有限公司 發布時間:2019-04-24 點擊次數:

     雷鋒人工智能技術評論:谷歌DeepMind博客昨天更新了一篇關于機器學習如何實現風力發電的文章。
    
     雷鋒的人工智能技術評論:谷歌DeepMind博客昨天更新了一篇關于機器學習如何實現風力發電的文章,詳細介紹了谷歌全球可再生能源項目中風力發電場機器學習的實驗結果。雷鋒的人工智能技術評論匯編如下。
    
     可再生能源等無碳技術有助于應對氣候變化,但許多技術尚未發揮其全部潛力。由于渦輪機成本的急劇下降,風力發電已成為過去十年中無碳電力的主要來源。然而,風的波動性使其成為不可控制的能源。與能在給定時間內穩定輸出電能相比。
    
     為了找到正確的解決方案,DeepMind和Google去年將機器學習算法應用于位于美國中部的一個700兆瓦的風力發電場,這是Google全球可再生能源項目的一部分,該項目生產中型城市所需的電力。
    
     我們利用天氣預報和歷史渦輪數據訓練神經網絡,讓DEEPMIND系統在實際發電前36小時預測風力發電量?;谶@些預測,該模型給出了如何提前一天做出小時發電量承諾的建議。這是非常重要的,因為可控能源在一定時間內,定量化功率)對電網更有價值。
    
     雖然算法不斷改進,但風電場的機器學習取得了積極的效果,與沒有時間網格承諾的基線場景相比,我們的機器學習有效地提高了約20%的風能價值。
    
     當然,我們還不能消除風的可變性質,但早期的研究結果表明,我們可以利用機器學習使風更具可預測性和價值。這種方法可以為風電場的運行提供更嚴格的數據處理邏輯,從而幫助風電場管理者進行更智能、更快速和數據驅動的風場評估。關于如何滿足電力輸出的電力需求的決定。
    
     與非機器學習風電場(淺色矩陣)相比,機器學習風電場(深色矩陣)由于對風電輸出、電力供需和運行成本的有效控制,成功地將風能價值提高了近20%。
    
     我們希望機器學習方法能夠幫助風能商業化,促進全球電網中無碳能源的進一步利用。據我們所知,能源行業的研究人員和從業人員正在開發新的想法,充分利用太陽能和風能等可變能源。我們渴望加入他們,探索基于云的機器學習策略來幫助他們。
    
     谷歌目前已成功實施了100%可再生能源采購戰略(http://www.blog.google/outreach initiatives/environment/meeting-our-match-purchase-100-percent-renewable-energy/),并正在研究基于24x7(http://storage.google a p is.com/gweb sustainability.appspot.com/p)的無碳能源采購戰略。df /24x7無碳能源數據ce-energy).nters.pdf).與deepmind合作,使風力發電更具可預測性和價值,是實現這一目標的關鍵一步.盡管還有很多工作要做,但這一步對谷歌和地球都具有重要意義.
相關推薦: