O aprendizado de máquina aumenta a eficiência dos parques eólicos

Machine learning boosts wind farm efficiency
O aprendizado de máquina aumenta a eficiência dos parques eólicos

Pesquisas estão acontecendo em todo o mundo quando se trata de tornar as energias renováveis ​​mais eficientes. A energia eólica é um dos métodos de geração de energia verde que estão sendo trabalhados, e os parques eólicos são uma grande parte do esquema de geração de energia livre de carbono. Mas eles vêm com desafios.

Um grande desafio para os operadores de parques eólicos é que a natureza variável do vento torna esse tipo de geração de energia imprevisível. Para ajudar a combater essa imprevisibilidade, o DeepMind e o Google aplicaram algoritmos de aprendizado profundo a 700 megawatts de energia eólica no centro dos EUA.

Os parques eólicos fazem parte da frota do Google de projetos de energia renovável e podem gerar eletricidade suficiente para abastecer uma cidade de tamanho médio. O Google usou sua rede neural treinada em previsões meteorológicas amplamente disponíveis e dados históricos de turbinas para configurar o DeepMind para prever a produção de energia eólica por 36 horas à frente da geração real de energia.

Essas previsões permitem ao modelo recomendar compromissos de entrega por hora ideais para a rede elétrica com um dia de antecedência. Isso permite que recursos de energia sejam programados, tornando a energia eólica mais valiosa para a rede. O Google observa que continua refinando o algoritmo usado no sistema.

Até o momento, o aprendizado de máquina aumentou o valor da energia eólica do Google em até 20% em comparação com um cenário em que não há compromissos com a grade no tempo. O Google diz que não pode eliminar a variabilidade da energia eólica, mas pode usar o aprendizado de máquina para tornar a energia eólica mais previsível e valiosa.

0 Shares