風力發電是近來愈來愈普及的一種發電方式,但隨著風力發電佔比逐步提高,其不穩定性和不可預測性便成了愈來愈大的考驗。為了進一步提高風力發電的實用性,Google 提出了用機器學習的方式,來預測未來的發電狀況,做為供電的參考。

Google 自去年起,將氣象觀測資料、氣象預測、和實地的量測結果餵進 DeepMind 的機器學習平台上,提供 36 小時後的風力預測,並且應用在自家位於美國中部的 700MW 風力發電場。雖然說這並不能改變風吹的量,但卻讓 Google 能提前知會電力公司未來一天預計能提供的電力總量。
風力發電雖然極其不穩定,但並不是沒有應對方式的,然而隨時能待命補足風力發電缺口的發電方式,卻通常都成本高昂。如果能早一步預先知道未來的風力何時會出現缺口的話,電廠就能有充裕的時間啟動需要較長時間才能上線的發電手段,與風力互補。因此 Google 提前的知會就顯得特別重要,Google 估計自己風力電場的電力因此提升了 20% 的「價值」呢。

這只是又一個新的例子,說明機器學習雖然通常都是打敗人類的時候最受關注,但其實在各種看不見的地方,已經逐漸深入各種工業程序之中,帶來意想不到的轉變呢。