近年来,也许没有什么技术比人工智能(AI)产生了更多的宣传。在某些行业中,它肯定会辜负它。人工智能为运输应用程序Uber和Waze,有针对性的在线广告,您的商业航班的自动驾驶仪以及诸如Amazon的Alexa之类的数字助手提供了强大的算法支持。
然而,人工智能在能源效率和可再生能源部署方面的影响却很少被吹捧。这是不公平的-AI通过机器学习技术正在迅速增加风能和太阳能发电,储能以及其他领域的价值。一种称为强化学习(RL)的流行方法正在能源领域产生特别可观的收益。
杰出的AI方法:强化学习
RL通过双重方法构建算法:数据集训练以优化性能,数学函数逼近以优化解决方案。它在可以建模约束和收益的大型复杂决策空间中表现出色,但是在该空间中创建和改进分析解决方案的唯一方法是与之交互。例如,在2017年,谷歌的DeepMind RL算法(称为AlphaZero)只需要基本的国际象棋规则,一个游戏数据库和4小时的自玩游戏即可统治世界上最强大的国际象棋程序-斯托克菲什(Stockfish)。这些结果以及获得这些结果的相对难易程度使一个长期以来习惯于计算机玩家优势的全球象棋界感到惊讶。
人工智能对风能和太阳能发电的影响
RL在发电方面也表现出类似的壮举。Google DeepMind已将注意力转向使可预测的间歇性风力产生。DeepMind RL算法使用天气预报数据的函数逼近和涡轮历史数据的训练,可在实际发电之前36小时预测功率输出。这允许提前安排向电网的电力供应,更改负载分布计划并有效地使资源商品化。在2019年,DeepMind AI已将为Google数据中心提供的700兆瓦风能的价值提高了20%以上。
人工智能对Solar Plus存储的影响
作为太阳能和储能装置的系统管理工具,人工智能的意义甚至更大。AI在整个项目生命周期内提供了增强的控制,灵活性和价值,使可用的价值流多样化并平衡了可变利率的影响。特别是,太阳能加存储RL使用历史速率,容量和其他数据以及创意功能近似值来为发电,存储和购买提供预测性优化。
一个解决方案提供商Stem Technologies 估计,其Athena AI平台通过通过存储节省需求费用和负载转移节省了5%-20%的项目价值,并通过优化集成到公用事业需求响应,批发和其他计划中而增加了10%以上的项目价值。这可以创造约50%的额外开发人员收入,是开发人员利润的1.5-2倍。Stem看到了巨大的增长:进入2019年,Stem 部署的AI驱动的储能系统超过了 100 MWh,这是一个行业里程碑。
保持调整以应对大规模AI上涨
炒作很容易导致失望。但是AI备受赞誉的潜力正在能源领域实现。RL是在整个价值链中创造主要效率的几种AI技术之一,随着软件解决方案变得越来越复杂和被广泛采用,该技术将会增长。许多支持AI的企业尚未将单独的AI应用程序连接到完整的端到端自动化流程中,更不用说连接到AI驱动的流程中了。发生这种情况时,将释放出AI的全部潜力。
作为能源领域的颠覆者,我们仍处于AI事业的开始。现在是时候以一种新的眼光来看待AI了,这是一项快速实现其效率潜力的重要技术。
领取专属 10元无门槛券
私享最新 技术干货