AI機器學(xué)習(xí)繼續(xù)證明它可以使太陽能行業(yè)受益。

使用機器學(xué)習(xí)和數(shù)據(jù)科學(xué)的新太陽能預(yù)測方法將太陽能發(fā)電預(yù)測提高了33%。英國項目由Ofgem的網(wǎng)絡(luò)創(chuàng)新津貼資助，由National Grid ESO與Alan Turing Institute共同開發(fā)。

新的AI方法被昵稱為“隨機森林”模型。

這種新方法被稱為“隨機森林”模型，分析歷史數(shù)據(jù)和大約80個輸入變量。這些變量包括溫度和更多粒狀的太陽輻射數(shù)據(jù)。據(jù)太陽能門戶網(wǎng)站報道，基于這些信息，人工智能通過尋找數(shù)百種不同的數(shù)學(xué)途徑(決策樹)來獲取這些輸入并達到輸出生成數(shù)據(jù)，從而進行自我訓(xùn)練。

從這一點開始，80個新的預(yù)測天氣變量將通過決策樹和平均數(shù)據(jù)被確定為新的太陽能產(chǎn)量預(yù)測。

這種方法不同于ESO以前的太陽能預(yù)報，它采用太陽能容量和太陽輻照度，并利用這兩個變量之間的簡單關(guān)系產(chǎn)生太陽能發(fā)電輸出的預(yù)測。

此外，新方法與多模型集合預(yù)報中的其他機器學(xué)習(xí)技術(shù)相結(jié)合，將ESO預(yù)測的準(zhǔn)確性提高了33%。

國家電網(wǎng)ESO是英國的電力系統(tǒng)運營商(ESO)，它實時平衡電力供需。

準(zhǔn)確的太陽能預(yù)報一直在變得越來越重要。

隨著越來越多的可再生能源進入電力系統(tǒng)，太陽能發(fā)電預(yù)測的準(zhǔn)確性變得越來越重要。

太陽能門戶網(wǎng)站引用國家電網(wǎng)ESO的商業(yè)運營經(jīng)理Rob Rome說：“改進太陽能預(yù)報將有助于我們更有效地運行系統(tǒng)，最終意味著為消費者降低賬單。”

“它還將使更多的太陽能容量得以連接和利用，幫助我們實現(xiàn)2025年的目標(biāo)，即能夠運行零碳電力系統(tǒng)。”

英國的太陽能發(fā)電量持續(xù)增加。據(jù)英國“氫燃料新聞”報道，英國的熱浪導(dǎo)致該國的太陽能發(fā)電產(chǎn)業(yè)短暫超過燃氣發(fā)電站成為英國最大的能源，它在去年7月(2018年)打破了記錄。

展望未來，這個可再生能源部門在該國的增長越多，就需要更準(zhǔn)確的太陽能預(yù)報來充分利用這一清潔能源。