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 est√£o acontecendo em todo o mundo quando se trata de tornar as energias renov√°veis ‚Äč‚Äčmais eficientes. A energia e√≥lica √© um dos m√©todos de gera√ß√£o de energia verde que est√£o sendo trabalhados, e os parques e√≥licos s√£o uma grande parte do esquema de gera√ß√£o de energia livre de carbono. Mas eles v√™m 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 e√≥licos fazem parte da frota do Google de projetos de energia renov√°vel e podem gerar eletricidade suficiente para abastecer uma cidade de tamanho m√©dio. O Google usou sua rede neural treinada em previs√Ķes meteorol√≥gicas amplamente dispon√≠veis e dados hist√≥ricos de turbinas para configurar o DeepMind para prever a produ√ß√£o de energia e√≥lica por 36 horas √† frente da gera√ß√£o real de energia.

Essas previs√Ķes permitem ao modelo recomendar compromissos de entrega por hora ideais para a rede el√©trica com um dia de anteced√™ncia. Isso permite que recursos de energia sejam programados, tornando a energia e√≥lica 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