На этой неделе Google объявил об очень умном способе повышения эффективности и извлечения большей выгоды из работы ветряной турбины. Компания в сотрудничестве с DeepMind AI создала набор нейронных сетей и алгоритмов машинного обучения, которые могут прогнозировать характер ветра и позволяют им продавать электроэнергию в сеть на 20% дороже, чем базовая производительность.

Лучшая мощность – надежная мощность

Электричество, которое питает наши дома и заряжает наши ноутбуки, проходит через сеть передачи, которая требует постоянного контроля. Сколько электричества потребуется городу Лос-Анджелес сегодня, и есть ли у нас мощность, чтобы его обеспечить? Для ответа на эти вопросы электросети требуется почасовая определенность.

Если вы являетесь надежным генератором электроэнергии (как и большинство генераторов, работающих на ископаемом топливе), вы можете дать сети надежный прогноз ожидаемого количества электроэнергии. В результате ваша цена за киловатт-час становится намного более ценной.

Энергия ветра прекрасна по многим причинам, но одна из этих причин заключается не в ее надежности. Если ветряные турбины над частью Техаса внезапно заработают на полную мощность из-за неожиданного урагана, эта драгоценная энергия может быть потрачена впустую (или продана с убытком), если электросеть загружена или не нуждается в электричестве. Знание заранее, сколько электроэнергии вы будете вносить в сеть, является ключевым компонентом бизнес-модели ветряных турбин.

Плавное плавание

Google и DeepMind нашли решение для данных, чтобы решить эту проблему ненадежности в ветроэнергетике. Сегодня компания собирает данные о 700 мегаваттах электроэнергии в Соединенных Штатах — все, от ветра, который приводит ее в действие, до времени, необходимого для завершения одного оборота турбины. Затем все эти данные объединяются с общедоступными данными о погоде, а также с историческими данными о производительности турбин, для создания точных и мощных прогнозирующих моделей машинного обучения.

Google может предсказать, когда усилится ветер, какая его часть действительно ударит по турбинам и раскрутит их, а затем предскажет количество киловатт-часов, которые будут добавлены в сеть. И все это можно сделать за полтора дня до мероприятия. Это означает, что чем больше у этих ветровых электростанций есть время на прогнозирование в сети, тем более высокую цену за киловатт-час они могут потребовать — на 20% выше, если быть точным.

Они смогли извлечь награду за предсказуемость из воздуха. В прямом смысле.

Вы тоже можете!

Вот самое интересное: что произойдет, если мы направим эту мощь машинного обучения на строительную отрасль?

  • Прогнозируйте вероятность того, что проект будет запущен с превышением графика, используя исторические данные о производительности компании и ее субподрядчиков.
  • Рассчитывайте количество RFI, которые могут быть открыты в проекте, что позволит GC правильно распределить ресурсы.
  • Используйте исторические данные о торгах и рыночные данные из открытых источников, чтобы оценить, по каким проектам генеральный директор не только должен участвовать в торгах, но и какие из них он, скорее всего, выиграет.

Как и производство энергии ветра, строительная отрасль страдает от неопределенности. Но, как и в случае с энергией ветра, надежность можно обеспечить с помощью данных.

Способность генерального директора, владельца или субподрядчика лучше понимать экономические и рыночные факторы, влияющие на его портфель проектов, становится все более необходимой. Демонстрация Google машинного обучения на энергии ветра должна сигнализировать любому оператору в искусственной среде о том, что наступила эра более интеллектуальных данных.

Узнайте больше о том, как сделать строительство умнее: www.br.iq.