從傳統(tǒng)角度看，電力電場的發(fā)電能力普遍較弱，因為我們至今很難預(yù)測無形無相的風，會在新一天中表現(xiàn)出怎樣的活動趨勢。

谷歌公司能源市場策略主管Michael Terrell表示，“電力市場的主流運作方式，要求提前一天安排資產(chǎn)的運轉(zhuǎn)規(guī)劃。只有這樣，運營商才能在市場上獲得理想的電力銷售價格?！?/p>

Terrel還問道，“但對于不知何時吹來的風，我們要如何提前一天完成規(guī)劃？又要怎樣提前根據(jù)風向調(diào)整發(fā)電機的迎風角度？”

對這個看似無解的問題，谷歌有著自己的答案。

谷歌旗下人工智能企業(yè)DeepMind，正著手將天氣數(shù)據(jù)與美國中部高達700兆瓦的風力發(fā)電數(shù)據(jù)結(jié)合起來，通過機器學習，以更好地預(yù)測風力發(fā)電效率、電力供應(yīng)總量，并借此降低運營成本。

在上周于斯坦福大學普雷考特能源研究所舉辦的研討會上，Terrell表示：“我們一直在與DeepMind團隊合作，使用機器學習技術(shù)，獲取公開天氣數(shù)據(jù)，并據(jù)此預(yù)測第二天的風力發(fā)電總量。”

令人振奮的是，Terrell稱預(yù)測方案將風電場的收入提升達20%。

美國能源部在其2015年《Wind Vision》報告中，將“改善風能預(yù)報”列為首要任務(wù)，其中特別強調(diào)了提升風能可靠性的要求。報告提到，“收集數(shù)據(jù)并開發(fā)模型，借此改善多個時間尺度（例如分、時、天、月、年等）的風能預(yù)報能力?！?/p>

谷歌的目標則更加廣泛——徹底消除自身基礎(chǔ)設(shè)施運營中的碳排放量，將高達兩倍于舊金山全城的電力消耗，徹底轉(zhuǎn)化為純綠色能源。

Terrell提到，通過將年度電力使用總量與年度可再生能源采購量匹配起來，谷歌已經(jīng)取得了階段性的里程碑。但目前，谷歌方面還無法在各處基礎(chǔ)設(shè)施實現(xiàn)以小時為單位的零碳排放目標。而這也將成為谷歌公司下一階段的工作重點——Terrell將其稱為“24/7全天候無碳”目標。

“我們正朝著這個方向努力，也深刻意識到其中的嚴峻挑戰(zhàn)。可以說，面對當下可再生能源，還談不上任何成本效益的現(xiàn)狀，實現(xiàn)零碳排放的難度無異于登月。”

來自倫敦DeepMind的科學家們則證明，人工智能有望改善谷歌乃至整個可再生能源市場的運營成本及市場生存能力，借此為環(huán)保事業(yè)添磚加瓦。

DeepMind公司項目經(jīng)理Sims Witherspoon與谷歌軟件工程師Carl Elkin表示，“我們希望使用機器學習方法，增強風力發(fā)電的商業(yè)化能力，推動無碳能源在全球電網(wǎng)中的進一步普及?！痹贒eepMind的官方博文中，他們概念了如何為西南發(fā)電站區(qū)（由加拿大邊境一路延伸至得克薩斯州北部）中的谷歌風力發(fā)電場增加利潤：

“我們的神經(jīng)網(wǎng)絡(luò)，利用天氣預(yù)報與風電機歷史數(shù)據(jù)進行訓練，由此建立起的DeepMind系統(tǒng)，能夠在實際發(fā)電之前36個小時預(yù)測風力發(fā)電總量。以這些預(yù)測結(jié)論為基礎(chǔ)，我們的模型能夠提前為風電網(wǎng)的全天及每小時發(fā)電量做出預(yù)判?！?/p>

DeepMind系統(tǒng)能夠提前36個小時預(yù)測風力發(fā)電量，幫助發(fā)電運營商以更高的利潤比例為整體電網(wǎng)供電。