机械学习将给电力行业带来伟大变化

随着能源款式即将发生伟大变化,现在是连系机械学习和电网的最佳时机。

机械学习将给电力行业带来伟大变化

比尔·盖茨(Bill Gates)在2017年示意:“若是我今天刚开始并寻找同一种对天下发生重大影响的机遇,我将思量三个领域。一是人工智能;第二是能源;第三是生物科学”。

毫无疑问,能源的未来在于可连续、可靠和“智能”的发电和配电系统,以及自动而不是被动的网络。电力公司拥有与网络故障、网络模子,来自发电机的运行信息和资产数据库相关的大量且不停增进的数据。

数据具有展望网络故障和协助维护的伟大潜力。未来,通过机械学习,添加网络故障纪录将是解决方案的一部分,而不是问题。通过添加更多纪录,可以为模子提供更多剖析数据,从而可以举行更准确,更准确的展望。

例如,机械学习算法可以接见具有类型、位置、使用限期或使用限期配置文件和资产状态、电路和负载数据以及现有故障数据的数据库,并将故障的概率和成本返回为以及可能发生的时间,如以小时、天、周或月为单元。

机械学习有可能被用作经济的建模工具,通过成本效益剖析评估与使用电网加固解决方案有关的战略生长和决议。未来,我们不仅将对故障做出反映,还将使用通过剖析技术经济数据来展望故障的模子来展望和制止故障。因此,通过机械学习,电力行业在开发自动系统而非被动系统方面迈出了一步。

在后疫情时代,最紧迫的挑战是气候变化,以英国为例,他们答应到2050年过渡到零净经济,电力网络将生长到加倍可再生的基础。我们已经可以看到,随着清洁能源的发电在2020年的前三个月英国提供了40%的电力,可再生能源的职位日益增进,这是可再生能源首次跨越化石燃料。

剖析人士以为,可再生能源和可连续能源产业应像上次经济衰退那样施展更大的作用,并推动绿色经济苏醒。只管并非没有挑战,但这是可能的,而且机械学习可以解决某些问题。

纵然使用最庞大的天气预报,也很难准确展望风能和太阳能等可再生能源发电的颠簸。此外,内部安装的装备(例如光伏和电池)的小型分布式发电和存储(全球局限为5000万个)增加了系统的不确定性。

机械学习将给电力行业带来伟大变化

机械学习和人工智能可能会解决这些问题,由于这些算法可用于更准确地展望需求,以及可再生能源发电的输出,无论短期照样历久都使用展望。

现在,已开始使用已安装的储能装置(包罗电池)来最大水平地削减可再生能源发电的不确定性,并辅助实现可再生能源需求的更高百分比。然则,该解决方案可能存在可靠性问题和局限性,例如电池退化和意外故障,需要不停监控和维护。

使用机械学习作为工具来监视和展望储能系统中的潜在故障可能会导致系统加倍可靠和高效,而且通过使用AI和机械学习算法,电力需求和可再生能源发电将加倍可展望,储能加倍可靠并高效。

科学界已经在研究电力网络中“智能”能源和机械学习的美好前景。关于能源需求的展望,太阳能发电的展望,甚至对可以从城市环境中的食物垃圾中网络的能量的正确展望,已经有许多说法。思量到其他领域对AI和机械学习的深入领会和普遍使用,随着我们过渡到零净经济和社会,电网领域的可能性令人兴奋。

声明: 本文由入驻基智地平台的作者撰写,观点仅代表作者本人,不代表基智地立场;基智地发布此信息的目的在于传播更多信息,与本站立场无关。