谷歌在周二談到了總部位于倫敦的DeepMind的壯舉——告訴世界，DeepMind系統可以幫助風力發電場更可行地生產能源。

所以如何?谷歌的DeepMind團隊去年開始探索他們的想法——一種預測功率輸出的算法。

這可能意味著神經網絡的另一個有前景的應用:預測36小時前風能的輸出。他們的模型建議如何提前一整天向電網做出“最優每小時交貨承諾”。如果你經營一個風電場，你會得到一個關于分配的建議。

他們用什么來訓練他們的神經網絡?天氣預報。過去的渦輪機數據。

該團隊的立場是，機器學習可以幫助風電場運營商做出更智能、更數據驅動的評估。其結果可以是一個更好的滿足輸出和電力需求的地方。

DeepMind的項目經理Sims Witherspoon和無碳能源項目負責人Will Fadrhonc向全世界講述了谷歌和DeepMind開始在谷歌自己的風力渦輪機上測試機器學習的過程。

該博客稱，如果能源能夠在規定的時間內提供一定數量的電能，那么它們對電網來說往往更有價值。

這種不受歡迎的不可預測性阻礙了風能作為替代能源的前景。“盡管風力發電的普及得益于更便宜的渦輪機成本，但它總是會受到不可預測性的影響。”這限制了它與其他能源相比，可以可靠地提供電力在一個固定的時間，麻省理工技術評論下載說。正如谷歌博客所述，“風本身的多變特性使它成為一種不可預測的能源。”

《Register》的Katyanna Quach舉了一些例子，說明這種可預測性是如何促進生存能力的。她指出，有了DeepMind的貢獻，“風力渦輪機農場可以安排何時向電網輸送一定量的電力，并更好地了解定價模式。”該系統還可能有助于安排維護和停機時間的渦輪機。”

總而言之，他們的算法工作是為了谷歌自己的風電場的利益——這種提前一天分配風能的能力使風能的價值提高了大約20%。價值提升了多少?這就是團隊要說的。“到目前為止，與不以時間為基礎向電網承諾的基本情況相比，機器學習已經將我們的風能價值提高了大約20%。”

據The Verge網站報道，尼克·斯塔特表示，這些農場被谷歌用于綠色能源計劃。

為什么重要:它只在內部使用，但是，下載說，“不難想象谷歌希望把這項技術賣給風電場運營商。”

博客作者:“我們的希望是，這種機器學習方法可以加強風力發電的商業案例，并推動全球電網進一步采用無碳能源。”