德国将利用深度学习推动新能源变革

德国大地上成排高高耸立的风力发电机和成批闪闪发光的太阳能电池板是该国转向无核、低碳能源的醒目标志。尽管德国是利用可再生能源的世界典范，其电网尚不能妥善应对阴晴不定的风能和太阳能。

据《自然》杂志网站2016年7月报道，德国气象学家、工程师和公用事业公司开始了一项测试，以探索大数据和机器学习是否能够让这些动力源变得对电网更加友好。该项目名为EWeLiNE，其负责人Malte Siefert称：“如果想要更加高效地运营电网并让化石燃料储备保持在最低水平，运营商必须能够更好的随时了解到可以预期获得的风能和太阳能的总量”。

德国的风力发电能力约为4.5万兆瓦，世界排名第三，仅次于中国和美国。在太阳能发电能力方面，德国仅次于中国。但该国转向可再生能源的步伐及其雄心却是无可匹敌的。可再生能源现在可满足约三分之一的德国家庭用电需求，且政府已承诺，到2050年，80%的供电来源将来自可再生能源。问题在于，在无风和多云的日子，电网运营商仍需要从传统发电站调集电力来满足预期需求。而在异常晴朗和多风的日子（例如5月8日，风力和太阳能在约4小时内的发电量达到德国当日消耗电量的90%以上），他们必须快速要求燃煤和天然气发电站减少其输出，以免大量涌入的电能“堵塞”电网及增加故障发生的风险。

此类请求（称为电力再调度）让德国客户每年付出5亿欧元（5.5亿美元）的代价，这是因为电网运营商必须就公用事业公司对其输入的调整进行补偿。如果电网运营商的额外发电量最终被浪费，这些请求还会导致不必要的二氧化碳排放。“可再生能源的扩张步伐太快，但却没有合适的数据库用于准确预测电量，这已成为大家十分关注的问题，”在位于奥芬巴赫的德国气象局工作的气象学家Renate Hagedorn表示。

标准天气模型可预测给定区域的暴风雨强度和达到时间以及锋面。但这些模型有许多数据无法预测，例如，可以决定发电机发电量的发电机中心风力强度。EWeLiNE项目是三家大型电网运营商（50Hertz、Amprion和TenneT）之间的合作项目，并得到德国联邦经济事务和能源部（Federal Ministry for Economic Affairs and Energy）700万欧元的资助。该项目于2012年立项，目的在于提供面向电网运营商需求的负荷预测。

大部分风力发电机都配备了可以测量其中心风速的设备，某些太阳能发电板也包含可测量日照强度的传感器。EWeLiNE将这些数据以及其他大气探测数据（来自地面气象站、雷达和卫星）与精密计算机模型组合使用，用于预测未来48小时左右的发电量。项目团队对比实际发电量查看这些电量预测，并随之通过机器学习对预测模型进行改进。

EWeLiNE研究人员于2016年5月开始使用德国各地的太阳能发电板和风力发电机数据测试他们的系统。最终，电网运营商将使用电量预测来指导这些请求。但极少有风力和太阳能发电设施能够实时传输数据，因此，这些结果尚不能用于调整发电量。EWeLiNE计划在两年内，让德国的大部分风力和太阳能发电设施能够实时传输数据。

有迹象表明该方法能够取得成功。位于美国科罗拉多州博尔德市的国家大气研究中心（National Center for Atmospheric Research，NCAR）于2009年启动了类似系统，该系统现在可在美国的八个州运行。Xcel Energy公司是美国风力发电总量排名第一的公用事业公司，其预测错误率自2009年开始下降，为客户节约了大约6千万美元，并将化石燃料发电产生的二氧化碳年排放量减少了二十五万吨以上。“德国有很棒的建模者，在没有我们所拥有的实时数据的情况下，他们也已经成果斐然，”监管NCAR天气系统研究的Sue Haupt说道，“一旦他们获得这些数据，我相信一定能够产生巨大影响。”美国和德国使用的天气模型以及将天气预测转换为电量预测的算法有所不同，因此，EWeLiNE不能直接使用NCAR系统。