AI機器學習繼續證明它可以使太陽能行業受益。
使用機器學習和數據科學的新太陽能預測方法將太陽能發電預測提高了33%。英國項目由Ofgem的網絡創新津貼資助,由National Grid ESO與Alan Turing Institute共同開發。
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,分析歷史數據和大約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據。據太陽能門戶網站報道,基于這些信息,人工智能通過尋找數百種不同的數學途徑(決策樹)來獲取這些輸入并達到輸出生成數據,從而進行自我訓練。
從這一點開始,80個新的預測天氣變量將通過決策樹和平均數據被確定為新的太陽能產量預測。
這種方法不同于ESO以前的太陽能預報,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系產生太陽能發電輸出的預測。
此外,新方法與多模型集合預報中的其他機器學習技術相結合,將ESO預測的準確性提高了33%。
國家電網ESO是英國的電力系統運營商(ESO),它實時平衡電力供需。
準確的太陽能預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,太陽能發電預測的準確性變得越來越重要。
太陽能門戶網站引用國家電網ESO的商業運營經理Rob Rome說:“改進太陽能預報將有助于我們更有效地運行系統,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2025年的目標,即能夠運行零碳電力系統。”
英國的太陽能發電量持續增加。據英國“氫燃料新聞”報道,英國的熱浪導致該國的太陽能發電產業短暫超過燃氣發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,就需要更準確的太陽能預報來充分利用這一清潔能源。