DeepMind將機器學慣用於風力發電，提前36小時提供預測

風力發電是近來越來越普及的一種發電方式，但隨著風力發電佔比逐步提高，其不穩定性和不可預測性便成了越來越大的考驗。為了進一步提高風力發電的實用性，Google 提出了用機器學習的方式，來預測未來的發電狀況，作為供電的參考。

Google 自去年起，將氣象觀測數據、氣象預測、和實地的測量結果喂進DeepMind 的機器學習平台上，提供36 小時後的風力預測，並且應用在自家位於美國中部的700MW 風力發電場。雖然說這並不能改變風吹的量，但卻讓 Google 能提前知會電力公司未來一天預計能提供的電力總量。

風力發電雖然極其不穩定，但並不是沒有應對方式的，然而隨時能待命補足風力發電缺口的發電方式，卻通常都成本高昂。如果能早一步預先知道未來的風力何時會出現缺口的話，電廠就能有充裕的時間啟動需要較長時間才能上線的發電手段，與風力互補。因此 Google 提前的知會就顯得特別重要，Google 估計自己風力電場的電力因此提升了 20% 的「價值」呢。

這只是又一個新的例子，說明機器學習雖然通常都是打敗人類的時候最受關注，但其實在各種看不見的地方，已經逐漸深入各種工業程序之中，帶來意想不到的轉變呢。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！