گوگل در میان سایر فعالیتهای خود، وزش باد را نیز پیشبینی میکند. گوگل و شرکت تابعه آن، یعنی DeepMind AI، دادههای آب و هوایی را با دادههای برق 700 مگاواتی به دست آمده از انرژی بادی که گوگل در ایالات متحده مرکزی تأمین میکند، ترکیب کردهاند. آنها با استفاده از یادگیری ماشین توانستهاند وزش باد را که در بازار انرژی بسیار نتیجه بخش است، به خوبی پیشبینی کنند.
مایکل ترل رئیس بخش استراتژی بازار انرژی در گوگل در مطلبی در مصاحبه مجله فوربس اظهار داشت: “روش کار بسیاری از بازارهای برق این است که شما مجبورید برنامه خود را برای یک روز آینده از پیش برنامهریزی کنید. در این صورت نسبت به زمانی که به صورت بلادرنگ در بازار فروش داشته باشید، غرامت بیشتری پرداخت خواهید کرد.” این نمونهای از کاربرد هوش مصنوعی در بازار انرژی و انرژی باد، و تلاشی است که در بسیاری از مناطق توسط طیف وسیعی از افراد انجام شدهاست.
ترل در طی سمیناری که اخیراً به صورت مجازی توسط موسسه انرژی Precourt برای دانشگاه استنفورد برگزار شدهاست اظهار داشت:”آنچه که ما انجام دادهایم این است که با همکاری تیم DeepMind از یادگیری ماشین برای به دست آوردن دادههای آب و هوایی که به صورت عمومی در دسترس هستند استفاده کردهایم. در واقع ما پیشبینی میکنیم که روز بعد وزش باد به چه صورت خواهد بود و این اطلاعات را در اختیار بازار قرار میدهیم.”
ترل اظهار داشت که نتیجه این امر افزایش 20 درصدی درآمد مزارع بادی بودهاست. اخیرا گوگل مأموریت داشته که اثر کربن خود را کاهش دهد. ترل میگوید این شرکت اخیراً با تطبیق مصرف سالانه انرژی خود با خرید سالانه انرژیهای تجدیدپذیر، در این زمینه به یک نقطه عطف رسیدهاست.
Sam Witherspoon مدیر برنامه DeepMind، در پستی در یک وبلاگ اظهار داشت: “امید ما این است که این نوع روش یادگیری ماشین بتواند مصرف تجاری هوش مصنوعی در زمینه انرژی باد را تقویت کند و باعث تولید انرژی بدون کربن بیشتری در شبکههای الکتریکی سراسر جهان بشود.” او و کارل الکین، مهندس نرم افزار، توضیح دادند که چگونه در مزارع بادی گوگل در استخر برق جنوب غربی که یک بازار انرژی است که از مرز کانادا تا شمال تگزاس گسترش یافتهاست، سود خود را افزایش دادهاند.
تعهد اروپاییها در مورد انرژی باد، در پروژه SmartWind مشاهده میشود
کشورهای اروپایی تعهد زیادی در مصرف انرژی باد دارند. بر اساس گزارش اخیر در Innovation Origins مزارع بادی دریایی تا سال 2030 ملزم به تأمین حدود 8.5٪ کل انرژی در هلند و 40٪ مصرف برق فعلی هستند. انتظار میرود هوش مصنوعی نقش مهمی در این تلاش داشتهباشد و به افزایش تولید انرژی و کاهش هزینههای نگهداری نیروگاههای بادی کمک کند. پروژه SmartWind توسط کنسرسیومی متشکل از چهار شرکت و دانشگاه Ruhr-University Bochum در آلمان انجام میشود.
پروفسور Constantinos Sourkounis عضو انستیتوی فناوری سیستمهای قدرت دانشگاه و رئیس کارگروه آلمانی گفت: “در SmartWind میتوانیم از قابلیتهای الگوریتمهای هوش مصنوعی برای بهینهسازی مدیریت مزارع بادی بهره ببریم.” هدف این تیم ایجاد یک پلتفرم یکپارچه فضای ابری برای کاهش هزینهها و بهینهسازی درآمد است. این مهم براساس توابع پیشرفته و خودکار جهت تحلیل دادهها، تشخیص خطا، عیب یابی و عملکرد و توصیههای مدیریتی انجام میپذیرد.
این پلتفرم مانند مدیریت شرایط و نگهداری، دادهها را به صورت بلادرنگ از حسگرها و سیستمهای کنترل جمعآوری میکند. الگوریتمهای یادگیری ماشین و سایر تکنیکهای هوش مصنوعی عنصر اصلی در تشخیص زود هنگام عیب هستند. شرکت Zorlu Enerji اپراتور مزرعه بادی ترکیه که یکی از شرکای SmartWind است، میتواند نتایج تحقیقات را مستقیماً عملی کند. پروفسور Sourkounis میگوید: “نکته قابل توجه در مورد این پروژه ارتباط نزدیک بین تحقیق و کاربرد مستقیم است. ما میتوانیم ابتدا نتایج نظری را در آزمایشگاه خود و سپس در یک مزرعه بادی که توسط Zorlu Enerji اداره میشود، آزمایش کنیم.”
سیستمهای کنترل وضعیت به مدیریت توربینهای بادی از راه دور کمک میکنند
سیستمهای مانیتورینگ وضعیت ماشین (CMS) برای اطمینان از حداکثر در دسترسبودن و تولید، در توربینهای بادی اعمال میشوند. Mike Hastings مهندس ارشد برنامههای Bruel & Kjaer Vibro (B&K) در مجله سیستمهای بادی نوشتهاست: “این همان چیزی است که ما Big Data مینامیم و شامل دادههای ارتعاشات ماشین و پردازش در انواع شرایط عملیاتی و انواع و اقسام توربینهای بادی است.”
در طول 20 سال گذشته این شرکت بیش از 25000 سیستم جمعآوری داده را در سراسر جهان نصب کردهاست، که حداکثر 12000 عدد از آنها از راه دور کنترل میشوند. Hastings این طور نتیجهگیری میکند که: “B&K Vibro یک بانک اطلاعاتی گسترده از دادههای نظارتی را جمع آوری کردهاست که شامل دادههای خطا، در هر حالت خرابی بالقوه قابل تصوری میباشد.”
از آنجایی که افزایش ظرفیت نصبشدهی توربینهای بادی در جهان باعث افزایش نقش این توربینها در بازار انرژی شدهاست، بنابراین نیاز به اطمینان از حداکثر میزان در دسترسبودن و تولید این توربینها نیز افزایش مییابد. نظارت بر وضعیت ماشین از این نظر مهم است و بسیاری از توربینهای جدیدی که امروزه ساخته میشوند دارای یک سیستم نظارت بر وضعیت ماشین نصب شده به صورت استاندارد هستند. توربینهای بادی دریایی نیز به دلیل بعد مکانی طولانی برای تعمیر و نگهداری، چنین سیستمی دارند.
Hastings نوشت: “Big data به خوبی با هوش مصنوعی مبتنی بر داده و یادگیری ماشین متناسب است.” هوش مصنوعی و یادگیری ماشین را میتوان برای کارهای نظارت بر وضعیت ماشین زیر به کار برد: بهینهسازی تشخیص خطا، شناسایی خودکار خطا و پیش آگهی خرابی در سیستم.
برای تشخیص خطا، توصیفکنندگان توسط متخصصان پیکربندی میشوند و تشخیص آنها به طور خودکار توسط SMA انجام میشود. پیکربندی توصیفکنندگان برای تشخیص خطا توسط متخصصان تشخیص باسابقه، موجب دستیابی به سطح بالایی از قابلیت اطمینان شدهاست. وی نوشت: “یكی از مزایای ذاتی هوش مصنوعی توانایی آن در غربالكردن مقدار زیادی از دادههای CMS برای یافتن الگوها است.” همچنین با کمک هوش مصنوعی میتوان موارد تشخیصی پنهان را در دادههای تاریخی پیدا کرد.
برای تشخیص عیب قبل از خرابیهای احتمالی، هوش مصنوعی میتواند نتایج را به صورت لیستی از چندین حالت خرابی بالقوه که احتمال قطعیت دارند، ارائه دهد. هاستینگز نوشت: “B&K Vibro در گذشته محصولات تشخیص خطای خودکار مبتنی بر شبکه عصبی را توسعه دادهاست و این محصولات یکی از مناطق مورد علاقه این شرکت برای آینده است.”