欢迎光临KOTOO财情




解决风场选址难题,深度学习模型协助预测 24 小时发电量

2024-11-29 222


风场选址是个复杂的问题,如果在错误的地方开发风场,最后可能会因为发电效益不高而亏损,现在美国宾夕法尼亚州立大学研发出全新的深度学习模型,声称能找到最佳设置地点,并进行 24 小时的发电量预测。

风力发电历史悠久,早在 19 世纪末就有科学家想利用风来产生电力,近年来风能装置量也不断攀升,而风场建置考量要点繁多,需要丰沛的风、足够的资金、选址、土地取得等都是挑战。

由于风遇到障碍物会消耗能量,进而降低发电量,宾夕法尼亚州立大学地理、气象与大气科学教授 Guido Cervone 表示,通常人们都会选择在地形平坦,风速不强又不弱、但稳定的地方开发风力发电场。

因此团队也从这一方向着手,宾夕法尼亚州立大学团队将深度学习技术加入发电模型(energy-generation models)中,其中深度学习技术为美国国家大气研究中心开发的 Analog Ensemble(ANEN)算法,它是借由过去至少一年的预测与实际发电量等历史纪录来预测未来,提供风电产业与气象风能概率。

虽然 ANEN 不能简单明了地说等下会不会有风,但它能生成概率曲线(probability curve),告诉电力公司与电厂风险并协助做出决定,团队认为,如果模型可以预测风量,那么也可以预测发电量,而新的模型相当有效,可以在“历史纪录”中寻找类似的情况,并预测风速和风时。

这对电力公司以及开发商来说相当重要,风力发电是种间歇性能源,并不是每天都有风,风速也不会天天都一样,有效预估发电量,电网才能知道何时提高或降低其他机组的发电量,以供电电网平衡与稳定性;厂商在开发风场之前得评估收益,并网后也会想知道当天、下周等能卖多少。

团队认为,目前还不需要采用真正的深度神经网络模型,深度学习工具已经能强化开发、训练与调整等过程。而宾夕法尼亚州立大学新开发的深度模型也在实际测试中,正在西班牙特内里费岛风场进行实验,团队初步认为新模型比更为有效,除了能找到风电场最佳位置,还能进行 24 小时风力预测。

  • Model helps choose wind farm locations, predicts output
  • Using Deep Learning Techniques To Predict Wind Farm Locations And Output

(首图来源:Flickr/News Oresund CC BY 2.0)

延伸阅读:

  • 如何提高陆上风电发电量?欧美科学家从小尺度天气预报着手
2019-09-27 06:24:00

标签:   资讯头条 kotoo科技资讯 kotoo科技 kotoo科技资讯头条 科技资讯头条 KOTOO商业产经 新闻网 科技新闻网 科技新闻 Kotoo科技新闻网 Kotoo Kotoo科技新闻网 科技新闻 科技新闻网 新闻网 科技资讯头条 kotoo科技资讯头条 kotoo科技 kotoo科技资讯 资讯头条 Kotoo Kotoo科技新闻网 科技新闻 新闻网 KOTOO商业产经 科技资讯头条 kotoo科技资讯头条 kotoo科技 kotoo科技资讯 资讯头条
0