英國國家電網正規劃利用機器學習技術,以更準確地預測需求型態,有效平衡電力系統的供需失衡
摘要
(一) 英國國家電網雖然擁有將電力輸往英國各地的基礎設施,以確保任何時候有足夠電力滿足英國各地需求,但是由於風力和太陽能等變動性再生能源已經成為英國電力結構中的重要部分,因此電力系統面臨供需平衡的問題。
(二) 有鑑於英國發電來源種類繁多,如何使再生能源得到最有效率的排程使用,成了當下最重要的課題,因此Google收購的DeepMind 認為,機器學習可以更準確地預測需求型態,有效平衡英國國家電力系統中的供需失衡,詳細地來說是,是否可利用機器學習技術預測電力需求和供應的高峰,進而幫助英國國家電網公司最大限度利用再生能源。
(三) DeepMind 在2016年7月已經擁有成功電力節能應用的案例,是利用機器學習將Google 資料中心的用電量減少了 15%,詳細內容是透過DeepMind 的智慧演算法預測 Google 資料中心的冷卻系統和控制裝置的負載,進而將冷卻電量減少 40%。其中,DeepMind 人工智慧軟體控制資料中心內大約 120 個裝置參數變量,包括風扇、空調系統、窗戶等。
評析
(一) DeepMind是一家英國的人工智慧公司。公司建立於2010年,最初名稱是DeepMind科技(DeepMind Technologies Limited),於2014年被Google收購。該公司開發出的專利 US 9679258強調深度學習的方法,透過第一、第二神經網路的合作,強化深度學習的速度。
(二) 英國2015年發電量占比,包括燃氣發電29.9%、燃煤發電22.6%、核能21%、風力與太陽能14.3%、生質能8.8%、水力發電1.9%。再生能源的總裝置容量達到13.1GW。規劃到了2030年,英國的再生能源發電量占總發電量的43.1%。
(三) 隨著英國再生能源的占比漸漸提高,如何達到最佳化再生能源發電排程的議題日趨重要。目前的電力系統中,雖然有自動化的功能,但是相較於傳統的自動化,人工智慧的強大之處在於可以透過機器自主學習,來完成對未來的預測,從而做出相應的調整。而傳統的自動化則缺乏自動學習和預測未來的能力,在預測未來的動態變化方面,傳統自動化會顯得無能為力。英國的電網現在就面臨一個這樣的問題。
(四) 我國於2015年設定再生能源目標,預計於2030年再生能源達到17,250 MW,主要是擴大太陽光電及離岸風力,在此目標下,電力系統的穩定性將面臨考驗,建議觀察英國AI技術應用在電力系統上的供需平衡的結果,預先為我國電力系統穩定進行策略性布局。
參考資料
[1] DeepMind 幫助 Google 節省大量電費之後,現計劃利用 AI 平衡英國電力供應國家再生能源未來展望,2017/3/14。
[2] UK renewable energy roadmap
[3] DeepMind and National Grid in AI talks to balance energy supply, Financial Times, 2017/03/14.