DeepMind, дочерняя компания Google из Лондона, разработала алгоритм на основе машинного обучения, который поможет прогнозировать, сколько энергии произведут ветряные электростанции за 36 часов. По мнению корпорации, это позволит сократить потребление энергии и количество выбросов в атмосферу.
Ветряные станции — часть глобального парка возобновляемой энергии Google, куда также входят солнечные батареи. Вместе они снабжают электричеством все помещения компании, включая два дата-центра. Суммарная мощность получаемой энергии может достигать 3 гигаватт — этого хватит, чтобы обеспечить электричеством город среднего размера.
Напомним, два года назад компания решила отказаться от нефти и газа и полностью перешла на возобновляемые источники энергии. Свое решение Google обосновал, прежде всего, желанием сократить расходы на электричество. Будучи IT-корпорацией с большим количеством мощного оборудования, он тратит на это колоссальные суммы.
В разных штатах плата составляет от 25 до 40 долларов за мегаватт в час. Снижение потребления энергии дата-центром всего на 10% способно сэкономить компании сотни миллионов долларов. К тому же ветряная энергия считается относительно недорогой — за последние 6 лет она подешевела на 60%.
Однако ветряные электростанции — крайне ненадежный источник энергии. Дело в переменной природе самого ветра — практически невозможно предсказать, с какой мощностью будут работать турбины в тот или иной день и правильно рассчитать поставки в систему.
Решением проблемы стала нейронная сеть, обученная прогнозу погоды, которую Google разработал вместе со своей дочерней компанией DeepMind. Сеть умеет анализировать данные турбин и предсказывать, сколько энергии они произведут за 36 часов, а по итогам предлагает оптимальный расход.
Механизм сходен с предыдущей разработкой — интеллектуальной системой для охлаждения дата-центров, которую компании тоже создали вместе.
Система прогнозирует температуру на основе данных, полученных ранее, и рассчитывает максимальную нагрузку на сервера. Она считывает информацию о температуре, мощности и скорости насоса, анализирует, как эти факторы будут меняться в течение часа, и предсказывает, каким образом можно отрегулировать охладительные установки.
Чтобы создать такую систему, искусственному интеллекту «скормили» такие данные, как температура оборудования, скорость работы насосов, активность работы охлаждающего оборудования, количество использованной энергии и так далее. В общей сумме было выделено 120 различных параметров.
В результате затраты на электричество для поддержания низкой температуры в дата-центрах значительно сократились: у собственных серверов DeepMind почти на 40%, а у Google — на 15%.
Новая нейросеть для ветряных электростанций тоже уже приносит плоды. Благодаря ей ценность ветра удалось повысить на 20% по сравнению с периодом, когда прогнозы не делались.
«Мы не можем победить изменчивость ветра, но можем использовать машинное обучение, чтобы сделать этот источник более предсказуемым. Кроме того, этот подход поможет повысить эффективность ветряных станций. За счет большого массива данных, которые дает нейросеть, операторы смогут делать быстрые и обоснованные оценки, как выходная мощность станций может удовлетворить спрос на электроэнергию и сколько ее требуется для того или иного объекта».
Уилл Фадронк (Will Fadrhonc), руководитель программы безуглеродной энергетики, Google
Это далеко не единственный проект Google в сфере ветроэнергетики. Всего насчитывается 26 таких проектов, в которые компания инвестировала более 3,5 миллиардов долларов.