By John P. Desmond、AIトレンド編集者
その多くの活動の中で、Googleは風を予測しています。
GoogleとそのDeepMindAI子会社は、気象データと、Googleが米国中部で調達する700メガワットの風力エネルギーからの電力データを組み合わせました。 機械学習を使用して、彼らはエネルギー市場で成果を上げる風をより正確に予測することができました。
「多くの電力市場が機能する方法は、資産をXNUMX日前にスケジュールする必要があることです」と、Googleのエネルギー市場戦略の責任者であるMichaelTerrellは最近のアカウントで述べています。 フォーブス. 「そして、それを行うと、リアルタイムで市場に売り込む場合よりも高い報酬を得る傾向があります。」
これは、風力エネルギーおよび風力エネルギー市場へのAIの適用例であり、さまざまなプレーヤーによって多くの地域で試みられています。
「私たちが行っているのは、DeepMindチームと協力して、機械学習を使用して公開されている気象データを取得し、実際に風力発電が翌日になると予想し、その風をその日に入札することです。テレルは、スタンフォード大学のプリコートエネルギー研究所が事実上主催した最近のセミナーで述べました。
結果は20でした% テレル氏は、風力発電所の収益の増加について述べた。 Googleは、二酸化炭素排出量を大幅に削減するという使命を果たしてきました。 テレル氏によると、同社は最近、年間のエネルギー使用量と年間の再生可能エネルギー調達を一致させることで、マイルストーンを達成しました。
DeepMindのプログラムマネージャーであるSamWitherspoonは、ブログ投稿で、「この種の機械学習アプローチが風力発電のビジネスケースを強化し、世界中の電力網での無炭素エネルギーのさらなる採用を促進できることを願っています」と述べています。 彼とソフトウェアエンジニアのCarlElkinは、エネルギー市場であるSouthwest PowerPoolにあるGoogleの風力発電所の利益をどのように押し上げたかについて説明しました。 平野を横切って伸びる カナダとの国境からテキサス北部まで。
SmartWindプロジェクトで見られる風力エネルギーへのヨーロッパの取り組み
ヨーロッパ諸国は風力エネルギーに大きなコミットメントをしており、洋上風力発電所は約8.5を供給する必要があります% オランダと40のすべてのエネルギーの% 最近の報告によると、2030年までの現在の電力消費量の イノベーションの起源.
AIはこの取り組みにおいて大きな役割を果たし、風力発電所のエネルギー生成を増やし、メンテナンスコストを削減するのに役立つと期待されています。 関連するSmartWindプロジェクトは、XNUMX社のコンソーシアムと ルール大学ボーフム ドイツ語に。
」で スマートウィンド 人工知能アルゴリズムの機能を活用して、風力発電所の管理を最適化することができます」と、大学のIのConstantinosSourkounis教授は述べています。する 電力システム技術のために、 ドイツのワークグループの責任者。 チームは、データ分析、障害検出、診断、運用および管理の推奨事項のための高度な自動化機能に基づいて、コストを削減し、収益を最適化する統合クラウドプラットフォームを構築することを目指しています。
プラットフォームは、状態や保守管理などのセンサーや制御システムからリアルタイムでデータを収集します。 機械学習アルゴリズムやその他のAI技術は、障害の早期検出と診断のバックボーンを形成します。
SmartWindのパートナーであるトルコの風力発電所オペレーターZorluEnerjiは、研究結果を直接実践することができます。 「このプロジェクトの注目すべき点は、研究と直接適用の密接な関係です。 最初に私たちの研究室で理論結果をテストし、次にパートナーのZorluEnerjiが運営するテスト風力発電所でテストすることができます」と教授は述べています。 Sourkounis。
状態監視システムは、リモート風力タービンの管理に役立ちます
機械状態監視システム（CMS）は、最大の可用性と生産を確保するために風力タービンに適用されています。
「これは、私たちがビッグデータと呼んでいるものであり、あらゆる種類の動作条件下で、あらゆる種類の風力タービンのタイプとコンポーネントを含む機械の振動とプロセスデータの両方が含まれます」とBruel＆Kjaer Vibro（B＆K Vibro ）ドイツのダルムシュタットの 風力システムマグ。 過去20年間で、同社は世界中に25,000を超えるデータ収集システムを設置し、そのうち最大12,000をリモートで監視しています。 その結果、「B＆K Vibroは、考えられるほぼすべての潜在的な障害モードの障害データを含む監視データの膨大なデータベースを蓄積してきました」とヘイスティングスは書いています。
風力タービンの世界的な設備容量が増加し、エネルギー市場でより大きな役割を果たすにつれて、これらのタービンの最大の可用性と生産を確保する必要もあります。 この点で機械の状態監視は重要であり、今日提供されている新しいタービンの多くには、すでに状態監視システムが標準でインストールされています。 洋上風力タービンの場合、メンテナンスが遠隔地にあるため、すべてにこのようなシステムがあります。
「ビッグデータは、データ駆動型の人工知能（AI）と機械学習（ML）の開発と実装に非常によく適合します」とヘイスティングスは書いています。 AIとMLは、次の状態監視タスクに実装できます：障害検出の最適化、自動障害識別、障害の予測。
障害検出の場合、記述子はスペシャリストによって構成され、それらの検出はSMAによって自動的に行われます。 個々の記述子と障害検出のためのそれらの構成は、長年の経験を持つ診断スペシャリストによって高レベルの信頼性に最適化されています。 「AIの固有の利点のXNUMXつは、膨大な量のCMSデータをふるいにかけてパターンを見つけることができることです」と彼は書いています。 隠された診断は、履歴データにもあります。
潜在的な障害の前に障害を検出するために、AIは、それぞれが確実な確率で、いくつかの潜在的な障害モードのリストとして結果を提示できます。 「「B＆K Vibroは過去にニューラルネットワークの自動障害診断製品を開発してきましたが、これは今後の改良のための関心領域であり続けます」とヘイスティングスは書いています。
のソース記事を読む フォーブス, イノベーションの起源 & 風力システムマグ.
出典：https：//www.aitrends.com/energy/ai-is-helping-forecast-the-wind-manage-wind-farms/
