Google a parlé mardi des exploits de DeepMind, basé à Londres, en disant au monde qu'un système DeepMind pourrait aider à rendre plus viable l'utilisation des parcs éoliens pour produire de l'énergie.

Comment? L'année dernière, l'équipe DeepMind de Google a commencé à explorer son idée, un algorithme pour prédire la puissance de sortie.

Cela pourrait signifier une autre application prometteuse dans la mise en œuvre des réseaux de neurones :la prévision de la production d'énergie éolienne 36 heures à l'avance. Leur modèle recommande comment prendre des « engagements de livraison horaire optimaux » au réseau électrique une journée entière à l'avance. Si vous exploitez un parc éolien, vous obtenez une recommandation sur l'attribution.

Qu'ont-ils utilisé pour entraîner leur réseau de neurones ? Prévisions météo. Données de turbine passées.

La position de l'équipe est que l'apprentissage automatique peut aider les exploitants de parcs éoliens à devenir plus intelligents, évaluations plus axées sur les données. Le résultat peut être un meilleur point de rencontre entre la production et la demande d'électricité.

Sims Witherspoon, gestionnaire de programme, DeepMind, et Will Fadrhonc, responsable du programme énergie décarbonée, a raconté au monde ce qui s'était passé lorsque Google et DeepMind ont commencé à tester l'apprentissage automatique sur les propres éoliennes de Google.

Le blog a déclaré que si les sources d'énergie peuvent être programmées pour fournir une quantité définie d'électricité à un moment donné, ils sont souvent plus précieux pour le réseau.

Cette caractéristique indésirable d'imprévisibilité a entravé les perspectives sur le vent en tant que source d'énergie alternative. "Bien que l'adoption de l'énergie éolienne ait augmenté grâce à des coûts d'éoliennes moins élevés, il souffrira toujours d'imprévisibilité. Cela le limite par rapport à d'autres sources d'énergie qui peuvent fournir de l'énergie de manière fiable à un moment donné, a dit le téléchargement, Examen de la technologie du MIT . Comme l'a également indiqué le blog Google, "la nature variable du vent lui-même en fait une source d'énergie imprévisible."

Le registre Katyanna Quach a donné des exemples de la manière dont cette prévisibilité contribuerait à la viabilité. Elle a noté que, avec la contribution de DeepMind, « les parcs d'éoliennes peuvent programmer le moment de fournir une quantité définie d'électricité au réseau électrique et avoir une meilleure idée des modèles de tarification. Le système pourrait également aider à planifier la maintenance et les temps d'arrêt des turbines. »

En tout, leurs efforts en matière d'algorithmes ont profité aux propres parcs éoliens de Google, et cette capacité à allouer l'énergie éolienne un jour à l'avance a augmenté la valeur de l'énergie éolienne d'environ 20 %. Boosté la valeur par rapport à quoi ? C'est ce que l'équipe avait à dire. "À ce jour, l'apprentissage automatique a augmenté la valeur de notre énergie éolienne d'environ 20 %, par rapport au scénario de référence d'absence d'engagement temporel vis-à-vis du réseau."

Rapport pour Le bord , Nick Statt a déclaré que les fermes sont utilisées par Google pour ses initiatives en matière d'énergie verte.

Pourquoi c'est important :il n'a été utilisé qu'en interne, mais, a dit le téléchargement, "il n'est pas difficile d'imaginer Google espérer vendre cette technologie aux exploitants de parcs éoliens."

Les auteurs du blog :« Notre espoir est que ce type d'approche d'apprentissage automatique puisse renforcer l'analyse de rentabilisation de l'énergie éolienne et favoriser l'adoption de l'énergie sans carbone sur les réseaux électriques du monde entier. »

Et ensuite :ils ont dit qu'ils continuaient d'affiner leur algorithme.

© 2019 Réseau Science X