德国利用机器学习推动可再生能源革命

如今，诸如风力等可再生能源为德国提供了约三分之一的电力。图片来源：Julian Stratenschulte

一排排高耸的风力发电机和众多闪亮的太阳能电池板遍及德国大地。这一景观象征着该国正在转向非核、低碳能源。不过，尽管德国是全球可再生能源的典型代表，但它的电网尚无法应对风力和太阳能发电不稳定的特性。

今年6月，德国的气象学家、工程师和电力公司开始测试大数据和机器学习能否让这些电力能源变得对电网更加“友好”。

“为了更加高效地运行电网并使化石燃料储备维持在最低限度，运营商需要更好地了解任何既定时间内预计消耗多少风力和太阳能发电。”弗劳恩霍夫风能及能源系统技术研究所物理学家、EWeLiNE 项目负责人Malte Siefert表示。

德国的风力发电能力在4.5万兆瓦左右，仅次于中国和美国，位居世界第三。同时，该国的太阳能发电能力仅次于中国。不过，德国转向新能源的步幅及雄心是无可比拟的。目前，可再生能源提供了约三分之一的家庭用电，而政府承诺，到2050年，该国至少80%的电力将来自可再生能源。

麻烦在于，在平静和多云的日子里，电网运营商仍需要请求传统发电站满足预期的需求。而在阳光和风力异常充足的天气，它们必须即刻命令燃煤和天然气发电站减少电力输出，以免电力的涌入“堵塞”电网并增加断电风险。

标准的天气模型能预测特定地区风暴和锋面过境天气的强度及到达时间。不过，它们无法预测涡轮中心处的风力强度，而这决定了涡轮将产生多少电力。耗资700万欧元的EWeLiNE项目包括3家主要电力运营商——50Hertz、Amprion和 TenneT，并且得到联邦经济事务和能源部的资助。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报。

大多数风力涡轮机装有测量中心处风速的设备，一些太阳能电池板则含有针对阳光强度的传感器。EWeLiNE将这些数据同来自地面气象站、雷达和卫星的其他大气观测数据相结合，同时复杂的计算机模型能预测未来48小时内的发电量。该团队将这些电力预测同实际情况进行核对，随后机器学习会改进预测模型。

从上个月起，EWeLiNE研究人员开始利用整个德国的太阳能电池板和风力涡轮机数据测试该系统。