德国利用机器学习推动可再生能源革命

如今，风能等可再生能源提供了德国大约三分之一的电力。资料来源:Julian Stratenschulte

成排高耸的风力涡轮机和许多闪亮的太阳能电池板遍布德国。这一景观象征着该国正在转向无核低碳能源。然而，尽管德国是世界可再生能源的典型代表，但其电网仍无法应对风力和太阳能发电的不稳定特性。

今年6月，德国气象学家、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源对电网更加“友好”。

“为了更有效地运营电网，并将化石燃料储量保持在最低水平，运营商需要更好地了解在任何给定时间内风能和太阳能的消耗量。”弗莱恩霍夫风能和能源系统技术研究所的物理学家兼EWeLiNE项目负责人马尔蒂·西弗特说。

德国的风力发电能力约为45，000兆瓦，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。然而，德国转向新能源的步伐和雄心是无与伦比的。目前，可再生能源供应了大约三分之一的家庭用电，*承诺到2050年至少80%的国家用电将来自可再生能源。

问题在于，在风平浪静、阴天，电网运营商仍需要要求传统电站满足预期需求。在晴朗和多风的天气，他们必须立即命令燃煤和天然气发电站减少电力输出，以免“堵塞”电网，增加停电风险。

标准天气模型可以预测特定地区风暴和锋面过境天气的强度和到达时间。然而，他们无法预测涡轮机中心的风力强度，而风力强度决定了涡轮机将产生多少电力。€700万欧元的欧洲电力网项目包括三大电力运营商——50hz、Amprion和TenneT——由联邦经济事务和能源部资助。该项目于2012年启动，专门为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测量中心风速的设备，而一些太阳能电池板包含阳光强度传感器。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相结合，而复杂的计算机模型可以预测未来48小时的发电量。团队将检查这些功率预测与实际情况，然后机器学习将改进预测模型。

从上个月开始，欧洲在线的研究人员已经开始使用来自德国各地的太阳能电池板和风力涡轮机数据测试该系统。(宗华)

《中国科学报》(2016-07-15，第三版国际版)

阅读更多

《自然》杂志的相关报道