• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Cómo el aprendizaje automático puede aumentar el valor de la energía eólica

    Crédito:CC0 Public Domain

    Google habló sobre las hazañas de DeepMind, con sede en Londres, el martes, diciéndole al mundo que un sistema DeepMind podría ayudar a que el uso de parques eólicos para producir energía sea más viable.

    ¿Cómo es eso? El año pasado, el equipo DeepMind de Google comenzó a explorar su idea, un algoritmo para predecir la potencia de salida.

    Esto podría significar otra aplicación prometedora para poner en funcionamiento las redes neuronales:predecir la producción de energía eólica en 36 horas de tiempo. Su modelo recomienda cómo hacer "compromisos óptimos de entrega por hora" a la red eléctrica con un día de anticipación. Si opera un parque eólico, está recibiendo una recomendación sobre la asignación.

    ¿Qué usaron para entrenar su red neuronal? Pronóstico del tiempo. Datos de turbinas anteriores.

    La posición del equipo es que el aprendizaje automático puede ayudar a los operadores de parques eólicos a ser más inteligentes, más evaluaciones basadas en datos. El resultado puede ser un mejor lugar de encuentro entre la producción y la demanda de electricidad.

    Sims Witherspoon, director del programa, Mente profunda, y Will Fadrhonc, líder del programa de energía libre de carbono, le contó al mundo lo que sucedió cuando Google y DeepMind comenzaron a probar el aprendizaje automático en las propias turbinas eólicas de Google.

    El blog decía que si las fuentes de energía se pueden programar para entregar una cantidad determinada de electricidad en un momento determinado, a menudo son más valiosos para la red.

    Esa característica no deseada de la imprevisibilidad ha obstaculizado las perspectivas sobre el viento como fuente de energía alternativa. "Aunque la adopción de la energía eólica ha crecido gracias a los costos más bajos de las turbinas, siempre sufrirá de imprevisibilidad. Eso lo limita en comparación con otras fuentes de energía que pueden entregar energía de manera confiable en un tiempo establecido, dijo The Download, Revisión de tecnología del MIT . Como también afirmó el blog de Google, "la naturaleza variable del viento en sí lo convierte en una fuente de energía impredecible".

    El registro Katyanna Quach ofreció ejemplos de cómo esta previsibilidad alimentaría la viabilidad. Ella notó que, con la contribución de DeepMind, "Los parques de turbinas eólicas pueden programar cuándo entregar una cantidad determinada de electricidad a la red eléctrica y tener una mejor idea de los modelos de precios. El sistema también podría ayudar a programar el mantenimiento y el tiempo de inactividad de las turbinas".

    Considerándolo todo, sus esfuerzos de algoritmos fueron en beneficio de los propios parques eólicos de Google, y esta capacidad de asignar energía eólica un día antes de tiempo aumentó el valor de la energía eólica en aproximadamente un 20 por ciento. ¿Aumentó el valor en comparación con qué? Esto es lo que tenía que decir el equipo. "Hasta la fecha, el aprendizaje automático ha aumentado el valor de nuestra energía eólica en aproximadamente un 20 por ciento, en comparación con el escenario de línea de base de compromisos sin tiempo con la red ".

    Reportando para El borde , Nick Statt dijo que Google utiliza las granjas para sus iniciativas de energía verde.

    Por qué es importante:solo se ha utilizado internamente, pero dijo The Download, "No es difícil imaginar a Google esperando vender esta tecnología a los operadores de parques eólicos".

    Los autores del blog:"Nuestra esperanza es que este tipo de enfoque de aprendizaje automático pueda fortalecer el caso comercial de la energía eólica e impulsar una mayor adopción de energía libre de carbono en las redes eléctricas de todo el mundo".

    Lo que sigue:Dijeron que continúan perfeccionando su algoritmo.

    © 2019 Science X Network




    © Ciencia https://es.scienceaq.com