AI ในการพยากรณ์พลังงานลมและพลังงานแสงอาทิตย์
AI คาดการณ์ว่ากังหันลมและแผงโซลาร์เซลล์จะผลิตไฟฟ้าได้มากเพียงใดในชั่วโมงหรือวันข้างหน้าโดยการเรียนรู้จากข้อมูลสภาพอากาศและผลผลิตในอดีต
ภาพรวม
การคาดการณ์ที่แม่นยำช่วยให้ผู้ปฏิบัติงานโครงข่ายไฟฟ้าสร้างสมดุลระหว่างอุปสงค์และอุปทานโดยไม่ต้องสิ้นเปลืองพลังงานสะอาดหรือเสี่ยงต่อไฟดับ
เจาะลึก
ลมและแสงอาทิตย์เป็นตัวแปร: เมฆที่ผ่านไปหรือลมสงบสามารถแกว่งเอาท์พุตได้ภายในไม่กี่นาที แบบจำลองการคาดการณ์ของ AI จะนำเข้าการพยากรณ์สภาพอากาศเป็นตัวเลข (ความเร็วลม การแผ่รังสี อุณหภูมิ เมฆปกคลุม) ภาพถ่ายดาวเทียมและกล้องท้องฟ้า และการสร้างประวัติศาสตร์หลายปีเพื่อทำนายกำลังไฟฟ้าที่ส่งออกข้ามขอบฟ้าตั้งแต่นาทีไปจนถึงหลายวัน แมชชีนเลิร์นนิงมีความเป็นเลิศในที่นี้ เนื่องจากความสัมพันธ์ระหว่างสภาพอากาศและพลังงานนั้นไม่เป็นเชิงเส้นและเฉพาะสถานที่ ซึ่งกำหนดโดยเอฟเฟกต์การปลุกของกังหัน ความสกปรกของแผง และภูมิประเทศ การคาดการณ์ที่ดีขึ้นจะช่วยลดค่าใช้จ่ายในการปั่นสำรองที่ผู้ให้บริการโครงข่ายไฟฟ้าต้องอยู่ในสถานะเตรียมพร้อม ลดการลดปริมาณพลังงานสะอาด และช่วยให้ผู้ค้าเสนอราคาพลังงานทดแทนในตลาดไฟฟ้าได้อย่างมั่นใจมากขึ้น ผู้ดำเนินการเช่น REE ของสเปนและ Energinet ของเดนมาร์กพึ่งพาการคาดการณ์ดังกล่าวเพื่อดำเนินการโครงข่ายไฟฟ้าที่มีหุ้นหมุนเวียนที่สูงมาก
ข้อมูลเชิงลึกทางเทคนิค
การคาดการณ์ระยะสั้น (ภายในชั่วโมง) มักใช้กล้องถ่ายภาพท้องฟ้าที่มีโครงข่ายประสาทเทียมแบบหมุนวนเพื่อติดตามเมฆที่เคลื่อนที่ไปยังโซลาร์ฟาร์ม รวมถึง LSTM หรือโมเดลหม้อแปลงในเอาต์พุตอนุกรมเวลา ขอบเขตที่ยาวขึ้นผสมผสานการพยากรณ์สภาพอากาศเชิงตัวเลขตามหลักฟิสิกส์เข้ากับต้นไม้ที่มีการไล่ระดับสีหรือโครงข่ายประสาทเทียมที่แก้ไขอคติของโมเดลอย่างเป็นระบบ การคาดการณ์ความน่าจะเป็นจะให้ผลลัพธ์การกระจายแบบเต็ม (เช่น ควอนไทล์) มากขึ้นเรื่อยๆ ไม่ใช่ตัวเลขเดียว ดังนั้นผู้ปฏิบัติงานจึงสามารถวางแผนสำรองเกี่ยวกับความไม่แน่นอนมากกว่าการประมาณการแบบจุด
ผลกระทบเชิงกลยุทธ์
สร้างทางเลือก
การออกแบบระดับแอปพลิเคชันจะกำหนดว่า AI จะปรับปรุงผลลัพธ์ที่แท้จริงหรือไม่
ทีมงานและขั้นตอนการทำงาน
การบูรณาการขั้นตอนการทำงานที่ดีจะช่วยเพิ่มผลผลิตที่ผู้ใช้ไว้วางใจได้
ความเสี่ยงและความปลอดภัย
กรณีการใช้งานที่มีขอบเขตดีจะช่วยลดความเหนื่อยล้าของการเปลี่ยนแปลงและความเสี่ยงในการดำเนินการ
อนาคตของ AI ในการพยากรณ์พลังงานลมและพลังงานแสงอาทิตย์
การคาดการณ์กำลังมุ่งไปสู่โมเดลพื้นฐานที่ได้รับการฝึกอบรมเกี่ยวกับสภาพอากาศทั่วโลกและข้อมูลการสร้างที่ปรับแต่งให้เข้ากับไซต์ใหม่ที่มีประวัติท้องถิ่นเพียงเล็กน้อย เพื่อช่วยนักพัฒนาในภูมิภาคที่มีข้อมูลไม่เพียงพอ โมเดลสภาพอากาศของ AI เช่น GraphCast และ GenCast ในปัจจุบันเป็นคู่แข่งกับการคาดการณ์ของซูเปอร์คอมพิวเตอร์แบบเดิมโดยใช้เพียงเศษเสี้ยวของการคำนวณ ทำให้คาดการณ์ได้เร็วขึ้นและมีความละเอียดสูงกว่า คาดว่าจะมีความเชื่อมโยงที่แน่นแฟ้นยิ่งขึ้นกับการจัดส่งแบตเตอรี่ การชาร์จรถยนต์ไฟฟ้า และการประมูลตลาดไฟฟ้าแบบอัตโนมัติ เนื่องจากกริดผลักดันพลังงานหมุนเวียนเกิน 80 เปอร์เซ็นต์
การใช้งานจริงในโลกแห่งความเป็นจริง
ผู้ปฏิบัติงานโครงข่ายไฟฟ้าใช้การคาดการณ์ลมล่วงหน้าแบบวันข้างหน้าเพื่อตัดสินใจว่าจะมีโรงผลิตก๊าซกี่แห่งที่ต้องสแตนด์บายไว้เป็นสำรอง
โซลาร์ฟาร์มใช้การติดตามบนคลาวด์ด้วยกล้องท้องฟ้าเพื่อคาดการณ์การลดลงและชาร์จแบตเตอรี่ล่วงหน้าก่อนที่เมฆจะมาถึง
ผู้ค้าพลังงานเสนอราคาการผลิตพลังงานลมในตลาดไฟฟ้าแบบวันข้างหน้าและระหว่างวันตามการคาดการณ์ที่น่าจะเป็น
ผู้ประกอบการฟาร์มกังหันลมจัดตารางการบำรุงรักษากังหันในช่วงเวลาลมต่ำที่คาดการณ์ไว้ เพื่อลดการผลิตที่สูญเสียไป
ความเสี่ยงและรั้ว
การทำให้กระบวนการที่เสียหายเป็นอัตโนมัติสามารถขยายปัญหาที่มีอยู่ได้
ทีมอาจดำเนินการอัตโนมัติมากเกินไปและลบวิจารณญาณของมนุษย์ที่จำเป็นออก
คุณภาพอาจคลาดเคลื่อนได้หากไม่ได้รับการประเมินผลลัพธ์อย่างต่อเนื่อง
แผนงานการดำเนินงาน
แมปขั้นตอนการทำงานปัจจุบันและระบุขั้นตอนที่มีแรงเสียดทานสูงสุด
กำหนดจุดตรวจของมนุษย์ก่อนระบบอัตโนมัติเต็มรูปแบบ
ฝึกอบรมผู้ใช้เกี่ยวกับการแจ้งเตือน เส้นทางการยกระดับ และมาตรฐานคุณภาพ
ติดตามผลลัพธ์ระดับงานเพื่อยืนยันคุณค่าที่ยั่งยืน
สำรวจต่อไป
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Wind and Solar Power Forecasting quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
คำแนะนำต่อไป
การคาดการณ์ความต้องการของ AI
คำถามที่พบบ่อย
What is AI in Wind and Solar Power Forecasting?
AI คาดการณ์ว่ากังหันลมและแผงโซลาร์เซลล์จะผลิตไฟฟ้าได้มากเพียงใดในชั่วโมงหรือวันข้างหน้าโดยการเรียนรู้จากข้อมูลสภาพอากาศและผลผลิตในอดีต การคาดการณ์ที่แม่นยำช่วยให้ผู้ปฏิบัติงานโครงข่ายไฟฟ้าสร้างสมดุลระหว่างอุปสงค์และอุปทานโดยไม่ต้องสิ้นเปลืองพลังงานสะอาดหรือเสี่ยงต่อไฟดับ
เหตุใดการพยากรณ์ปริมาณลมและพลังงานแสงอาทิตย์จึงยากกว่าการพยากรณ์ผลผลิตของโรงไฟฟ้าถ่านหิน
ซึ่งแตกต่างจากพืชฟอสซิลที่สามารถจัดส่งได้ ผลผลิตหมุนเวียนถูกขับเคลื่อนโดยสภาพอากาศ ซึ่งเปลี่ยนแปลงอย่างรวดเร็วและไม่เชิงเส้น ทำให้การคาดการณ์ยากขึ้นมาก
เทคนิค AI ใดที่ใช้กันมากที่สุดสำหรับการพยากรณ์แสงอาทิตย์ในระยะสั้นมาก (ภายในชั่วโมง)
ภาพถ่ายท้องฟ้าและดาวเทียมที่ประมวลผลโดย CNN ช่วยให้แบบจำลองสามารถติดตามเมฆที่กำลังเข้ามาใกล้และคาดการณ์การเพิ่มขึ้นในระยะสั้นของพลังงานแสงอาทิตย์
การพยากรณ์ความน่าจะเป็นคืออะไร?
การคาดการณ์ความน่าจะเป็นจะแสดงถึงความไม่แน่นอนในรูปแบบของการกระจายหรือควอนไทล์ โดยให้ผู้ปฏิบัติงานวางแผนสำรองความเสี่ยงแทนที่จะคาดเดาเพียงครั้งเดียว
การคาดการณ์พลังงานหมุนเวียนที่ดีขึ้นช่วยให้ผู้ให้บริการโครงข่ายประหยัดเงินได้อย่างไร
การคาดการณ์ที่แม่นยำหมายความว่าผู้ปฏิบัติงานต้องการปริมาณสำรองสำรองที่มีราคาแพงน้อยลง และสิ้นเปลือง (ลด) พลังงานหมุนเวียนน้อยลง
การพยากรณ์อากาศเชิงตัวเลข (NWP) มีส่วนช่วยในการคาดการณ์พลังงานทดแทนในขอบเขตที่ยาวนานกว่าอย่างไร
NWP ให้การคาดการณ์บรรยากาศตามฟิสิกส์ จากนั้นแบบจำลอง AI จะมีการแก้ไขอคติ และแปลเป็นกำลังไฟฟ้าที่คาดหวัง