解決風場選址難題,深度學習模型協助預測 24 小時發電量

作者 | 發布日期 2019 年 09 月 26 日 14:24 | 分類 能源科技 , 風力 follow us in feedly


風場選址是個複雜的問題,如果在錯誤的地方開發風場,最後可能會因為發電效益不高而虧損,現在美國賓夕法尼亞州立大學研發出全新的深度學習模型,聲稱能找到最佳設置地點,並進行 24 小時的發電量預測。

風力發電歷史悠久,早在 19 世紀末就有科學家想利用風來產生電力,近年來風能裝置量也不斷攀升,而風場建置考量要點繁多,需要豐沛的風、足夠的資金、選址、土地取得等都是挑戰。

由於風遇到障礙物會消耗能量,進而降低發電量,賓夕法尼亞州立大學地理、氣象與大氣科學教授 Guido Cervone 表示,通常人們都會選擇在地形平坦,風速不強又不弱、但穩定的地方開發風力發電場。

因此團隊也從這一方向著手,賓夕法尼亞州立大學團隊將深度學習技術加入發電模型(energy-generation models)中,其中深度學習技術為美國國家大氣研究中心開發的 Analog Ensemble(ANEN)算法,它是藉由過去至少一年的預測與實際發電量等歷史紀錄來預測未來,提供風電產業與氣象風能機率。

雖然 ANEN 不能簡單明瞭地說等下會不會有風,但它能生成機率曲線(probability curve),告訴電力公司與電廠風險並協助做出決定,團隊認為,如果模型可以預測風量,那麼也可以預測發電量,而新的模型相當有效,可以在「歷史紀錄」中尋找類似的情況,並預測風速和風時。

這對電力公司以及開發商來說相當重要,風力發電是種間歇性能源,並不是每天都有風,風速也不會天天都一樣,有效預估發電量,電網才能知道何時提高或降低其他機組的發電量,以供電電網平衡與穩定性;廠商在開發風場之前得評估收益,併網後也會想知道當天、下週等能賣多少。

團隊認為,目前還不需要採用真正的深度神經網路模型,深度學習工具已經能強化開發、訓練與調整等過程。而賓夕法尼亞州立大學新開發的深度模型也在實際測試中,正在西班牙特內里費島風場進行實驗,團隊初步認為新模型比更為有效,除了能找到風電場最佳位置,還能進行 24 小時風力預測。

(首圖來源:Flickr/News Oresund CC BY 2.0)

延伸閱讀: