德國利用機器學習推動可再生能源革命

    一排排高聳的風力發電機和眾多閃亮的太陽能電池板遍及德國大地。這一景觀象征著該國正在轉向非核、低碳能源。不過，盡管德國是全球可再生能源的典型代表，但它的電網尚無法應對風力和太陽能發電不穩定的特性。
    今年6月，德國的氣象學家、工程師和電力公司開始測試大數據和機器學習能否讓這些電力能源變得對電網更加“友好”。
    “為了更加高效地運行電網并使化石燃料儲備維持在最低限度，運營商需要更好地了解任何既定時間內預計消耗多少風力和太陽能發電。”弗勞恩霍夫風能及能源系統技術研究所物理學家、EWeLiNE項目負責人MalteSiefert表示。
    德國的風力發電能力在4.5萬兆瓦左右，僅次于中國和美國，位居世界第三。同時，該國的太陽能發電能力僅次于中國。不過，德國轉向新能源的步幅及雄心是無可比擬的。目前，可再生能源提供了約三分之一的家庭用電，而政府承諾，到2050年，該國至少80%的電力將來自可再生能源。
    麻煩在于，在平靜和多云的日子里，電網運營商仍需要請求傳統發電站滿足預期的需求。而在陽光和風力異常充足的天氣，它們必須即刻命令燃煤和天然氣發電站減少電力輸出，以免電力的涌入“堵塞”電網并增加斷電風險。
    標準的天氣模型能預測特定地區風暴和鋒面過境天氣的強度及到達時間。不過，它們無法預測渦輪中心處的風力強度，而這決定了渦輪將產生多少電力。耗資700萬歐元的EWeLiNE項目包括3家主要電力運營商——50Hertz、Amprion和TenneT，并且得到聯邦經濟事務和能源部的資助。該項目于2012年啟動，專門針對電力運營商的需求提供負荷預報。
    大多數風力渦輪機裝有測量中心處風速的設備，一些太陽能電池板則含有針對陽光強度的傳感器。EWeLiNE將這些數據同來自地面氣象站、雷達和衛星的其他大氣觀測數據相結合，同時復雜的計算機模型能預測未來48小時內的發電量。該團隊將這些電力預測同實際情況進行核對，隨后機器學習會改進預測模型。
    從上個月起，EWeLiNE研究人員開始利用整個德國的太陽能電池板和風力渦輪機數據測試該系統。