Google Taps ML pentru a stimula producția de fermă eoliană Emerging Tech


De John P. Mello Jr.

28 februarie 2019 5:00 PT

Previziunea puterii de producție a parcurilor eoliene a fost o provocare, dar devine din ce în ce mai puțin folosită în procesul de învățare a mașinilor.

Google și compania britanică de informații artificiale DeepMind folosesc algoritmi ML pentru a îmbunătăți predicțiile puterii eoliene la fermele eoliene Google din Midwest, potrivit unui post coautorat de managerul de programe DeepMind, Sims Witherspoon, și programul de energie electrică fără plumb Google, Fadrhonc.

Fermele, care produc 700 de megawați de energie electrică – suficientă pentru alimentarea unui oraș de dimensiuni medii – folosesc algoritmii pentru a prezice producția de energie eoliană cu 36 de ore înainte de generare.

Cu aceste previziuni, fermierii eolieni pot face angajamente orare la rețeaua electrică cu o zi în avans. Acest lucru este important, deoarece sursele de energie care pot fi programate pentru livrarea către rețeaua electrică sunt evaluate mai înalte decât cele care nu pot.

Valoarea energiei produse de parcurile eoliene a crescut cu 20% comparativ cu momentul în care producția de energie a fost mai puțin previzibilă, potrivit companiilor.

"Dacă nu sunteți atât de sigur cu privire la ceea ce veți produce, probabil veți reduce oferta și nu veți vinde la fel de mult", a declarat Gary Cook, senior analyst at
Pace verde în Washington, D.C.

"Google nu poate genera mai mult vânt, dar cu date mai fiabile, operatorul rețelei poate avea mai multă siguranță cu privire la ceea ce se generează și poate gestiona în consecință", a declarat el pentru TechNewsWorld.

Cererea de întâlnire

Furnizorii de rețea încearcă să se potrivească cererii utilizatorilor cu cantitatea de energie electrică pe care o produc. Dacă primesc energie de la surse imprevizibile, cum ar fi vântul, face ca gestionarea cererii să fie mai dificilă pentru ei.

De asemenea, se adaugă la costul operațiunilor. Din moment ce nu știu când vor achiziționa energie electrică din surse imprevizibile, trebuie să aibă surse de energie alternativă "instantanee" online – cum ar fi bateriile – pentru a satisface cererea atunci când nu primesc nici un suc de la imprevizibil surse.

"Dacă pot obține avertismente mai avansate cu privire la puterea pe care o vor primi de la parcul eolian, ceea ce reduce provocările în satisfacerea cererii și trebuie să cheme mai puțin din această capacitate de generare instantanee", a explicat Petter Karal, CEO al
Seatower, o companie eoliana offshore cu sediul in Oslo, Norvegia.

"Aceasta face ca energia eoliană să fie mai valoroasă pentru rețea", a declarat el pentru TechNewsWorld.

"Dacă energia eoliană este mai previzibilă și mai ușor de integrat în rețea, atunci va deveni mai competitivă pentru deciziile de investiții viitoare privind capacitatea de producție", a adăugat Karal.

Modele mai bune

Sursele alternative de energie pot avea un impact asupra schimbărilor climatice globale.

"Când energia regenerabilă devine mai competitivă decât combustibilii fosili, veți utiliza mai multă energie regenerabilă și mai puțini combustibili fosili", a spus Karal.

Modelele vântului s-au îmbunătățit tot timpul, a observat Cook Greenpeace. "Ceea ce aveți aici cu colaborarea dintre Google și DeepMind este să luați o mulțime de date și să-l răsturnați, pentru a vă oferi mai multă siguranță cu privire la ceea ce este posibil să genereze o locație".

Dacă analiza datelor trebuia făcută de oameni, setul de date ar fi trebuit să fie redus.

"Cu învățarea în mașină, poți să iei un set de date uriaș, să-l dai acolo și să devii mai granulat și mai încrezător în ceea ce rezultă," a spus Cook. "Învățarea în mașină poate recunoaște modele care ar fi extrem de consumatoare de timp pentru oameni să găsească".

Întreținerea asistată de ML

Inteligența artificială are potențialul de a crește valoarea energiei alternative, a observat Karal.

"Vor fi multe cereri", a spus el. "Unele dintre ele le putem imagina acum, dar cele mai multe dintre ele vor fi inventate de-a lungul timpului, deoarece învățarea mașinilor devine mai generică și mai ușor de aplicat".

O aplicație curentă a ML este întreținerea infrastructurii, cum ar fi turbinele offshore.

"Întreținerea turbinelor eoliene offshore este un lucru imens, pentru că este o treabă mare să mergeți la 20 de mile în larg și să urcați pe un turn de 300 sau 400 de picioare în mijlocul mării. Aceasta este o resursă intensă", a explicat Karal.

"Dacă poți avea o predicție asistată de AI atunci când este nevoie de un serviciu – și când tehnicianul de service este acolo, să prezică întreținerea ulterioară – ar putea fi foarte valoroasă", a adăugat el.

Consolidarea cazului de afaceri al vântului

Deși nu este posibilă eliminarea variabilității vântului, învățarea automată poate face ca energia eoliană să fie mai previzibilă și mai valoroasă.

Speranta noastra este ca acest tip de abordare de invatare mecanica poate consolida cazul de afaceri pentru energia eoliana si de a conduce in continuare adoptarea de energie fara carbon pe retelele electrice in intreaga lume, a scris Witherspoon si Fadrhonc.

"Cercetătorii și practicienii din întreaga industrie a energiei dezvoltă idei noi despre modul în care societatea poate profita la maximum de sursele de energie variabile, cum ar fi soarele și energia eoliană. Suntem dornici să ne alăturăm în explorarea disponibilității generale a acestor strategii de învățare pe bază de tehnologie" adăugat.

"Google a obținut recent achiziții de energie regenerabilă de 100% și acum se străduiește să furnizeze energie fără emisii de carbon pe o bază 24×7", a remarcat Witherspoon și Fadrhonc. "Parteneriatul cu DeepMind pentru a face ca energia eoliană să fie mai previzibilă și mai valoroasă este un pas concret spre această aspirație".

Comportament dublu?

În ciuda angajamentului Google față de un viitor verde, pare să-și controleze pariurile, a sugerat Brian Merchant într-un Gizmodo
articol.

Ca și Amazon și Microsoft, Google a făcut tranzacții în valoare de miliarde de dolari pentru a furniza servicii de automatizare, cloud și AI celor mai mari companii petroliere din lume, a scris Merchant.

În mod esențial, tranzacțiile automatează criza climatică, susține el, prin intermediul unor acorduri care vizează eficientizarea și îmbunătățirea operațiunilor de extracție a petrolului și a gazelor.

Printr-o serie de tranzacții, Merchant a subliniat că Google poate folosi mașina de învățare pentru a găsi mai multe rezerve de petrol atât deasupra, cât și sub mări, serviciile sale de date pentru eficientizarea și automatizarea operațiunilor cu petroliere și instrumentele sale pentru a ajuta companiile petroliere să găsească modalități de reducere a costurilor și să concureze cu pui de energie curată.


John P. Mello Jr. a fost reporter al rețelei de știri ECT
din 2003. Domeniile sale de concentrare includ securitatea informatică, problemele IT, intimitatea, comerțul electronic, mass-media sociale, inteligența artificială, datele mari și electronica de consum. A scris și editat pentru numeroase publicații, printre care și Boston Business Journal,
Boston Phoenix. Megapixel.Net și Guvern
Știri de securitate
. E-mail pe John.

.



Cititi mai mult pe technewsworld.com

Lasă un răspuns

Adresa ta de email nu va fi publicată. Câmpurile obligatorii sunt marcate cu *

%d blogeri au apreciat: