德国利用机器学习推动可再生能源革命
时间:2017-12-07

  德国利用机器学习推动可再生能源革命 - 新闻 - 科学网

  今天,可再生能源,如风力发电约三分之一的德国电力。图片来源:Julian Stratenschulte

  高耸的风力涡轮机和闪闪发光的太阳能电池板排在德国各地。这个景观象征着国家正在转向无核能,低碳能源。然而,德国是全球可再生能源发电的典型代表,其电网无法应对风能和太阳能发电的不稳定。

  今年6月,德国气象学家,工程师和公用事业部门开始测试大数据和机器学习是否能够使这些电力能源更加网格化。

  为了更有效地运行电网,并将化石燃料储备保持在最低限度,运营商需要更好地了解在任何特定时间预计将消耗多少风能和太阳能。 Fraunhofer风能与能源系统技术研究所的物理学家Malte Siefert和EWeLiNE的项目负责人。

  德国风力发电能力达到45000兆瓦,仅次于中国和美国,位居世界第三。与此同时,中国的太阳能发电能力仅次于中国,但德国对新能源的步伐和雄心壮志是无与伦比的,目前可再生能源供应约占家用电的三分之一,政府承诺到2050年,全国至少80%的电力将来自可再生能源。

  问题是在平静多云的日子里,电网运营商仍然要求传统发电厂满足他们的期望。在阳光和多风的情况下,要立即指挥燃煤燃气发电站减少发电量,防止电网堵电,增加停电风险。

  标准的天气模式可以预测特定地区风暴和正面过境天气的强度和到达时间。但是,他们无法预测涡轮机中心的风力强度,这决定了涡轮机将产生多少功率。 700万欧元的EWeLiNE项目包括三大电力运营商50赫兹,Amprion和TenneT,由联邦经济和能源部资助。该项目于2012年启动,专门针对电力运营商的需求提供负荷预测。

  大多数风力涡轮机都配备了一个能够测量中心风速的装置,而一些太阳能电池板则包含测量太阳光强度的传感器。 EWeLiNE将这些数据与来自地面气象站,雷达和卫星的其他大气观测数据结合在一起,而复杂的计算机模型可以预测未来48小时内的发电量。团队根据实际情况检查了这些功率预测,然后机器学习改进了预测模型。

  从上个月开始,EWeLiNE研究人员开始用整个德国太阳能电池板和风力涡轮机的数据测试系统。 (宗华)

  中国科学通报(2016-07-15第3版国际)

  阅读更多信息

  自然报告(英文)