O Google falou sobre os feitos da DeepMind, com sede em Londres, na terça-feira - dizendo ao mundo que um sistema DeepMind poderia ajudar a tornar mais viável o uso de parques eólicos para produzir energia.

Como assim? A equipe DeepMind do Google no ano passado começou a explorar sua ideia, um algoritmo para prever a saída de energia.

Isso pode significar outra aplicação promissora para colocar as redes neurais para funcionar:a previsão de produção da energia eólica em 36 horas. Seu modelo recomenda como fazer "compromissos ideais de entrega por hora" para a rede elétrica com um dia inteiro de antecedência. Se você opera um parque eólico, você está recebendo uma recomendação sobre alocação.

O que eles usaram para treinar sua rede neural? Previsões do tempo. Dados anteriores da turbina.

A posição da equipe é que o aprendizado de máquina pode ajudar os operadores de parques eólicos a tornarem-se mais inteligentes, mais avaliações baseadas em dados. O resultado pode ser um ponto de encontro melhor entre a produção e a demanda de eletricidade.

Sims Witherspoon, gerenciador de programa, DeepMind, e Will Fadrhonc, líder do programa de energia sem carbono, contou ao mundo o que aconteceu quando o Google e a DeepMind começaram a testar o aprendizado de máquina nas próprias turbinas eólicas do Google.

O blog disse que se as fontes de energia podem ser programadas para fornecer uma determinada quantidade de eletricidade em um determinado momento, eles geralmente são mais valiosos para a rede.

Essa característica indesejada de imprevisibilidade tem dificultado as perspectivas sobre o vento como uma fonte de energia alternativa. "Embora a adoção da energia eólica tenha crescido graças aos custos mais baratos das turbinas, sempre sofrerá de imprevisibilidade. Isso o limita em comparação com outras fontes de energia que podem fornecer energia de forma confiável em um determinado momento, disse o Download, MIT Technology Review . Como o blog do Google também declarou, "a natureza variável do próprio vento o torna uma fonte de energia imprevisível."

O registro Katyanna Quach ofereceu exemplos de como essa previsibilidade alimentaria a viabilidade. Ela notou que, com a contribuição da DeepMind, "As fazendas de turbinas eólicas podem programar quando fornecer uma determinada quantidade de eletricidade para a rede elétrica e ter uma ideia melhor dos modelos de preços. O sistema também pode ajudar a programar a manutenção e o tempo de inatividade das turbinas."

Contudo, seus esforços de algoritmo foram para o benefício dos próprios parques eólicos do Google - e essa capacidade de alocar energia eólica um dia antes do tempo aumentou o valor da energia eólica em cerca de 20 por cento. Aumentou o valor em comparação com o quê? Isso é o que a equipe tinha a dizer. "A data, o aprendizado de máquina aumentou o valor de nossa energia eólica em cerca de 20 por cento, em comparação com o cenário de linha de base de nenhum compromisso baseado no tempo para a rede. "

Reportando para The Verge , Nick Statt disse que as fazendas são usadas pelo Google para suas iniciativas de energia verde.

Por que isso é importante:ele só foi usado internamente, mas, disse o download, "não é difícil imaginar o Google esperando vender essa tecnologia para operadores de parques eólicos."

Os autores do blog:"Nossa esperança é que esse tipo de abordagem de aprendizado de máquina possa fortalecer o business case para energia eólica e impulsionar a adoção de energia livre de carbono em redes elétricas em todo o mundo."

O que vem a seguir:eles disseram que continuam a refinar seu algoritmo.

© 2019 Science X Network