Zdjęcie: Bidgee ( CC BY-SA 3.0 )
Czym jest
Operatorzy sieci już używają optymalizacji. Uczenie maszynowe dokłada szybsze prognozy wiatru, słońca i popytu, a czasem sugeruje dyspozycję. Opublikowany w 2019 wynik DeepMind dotyczył farm wiatrowych Google w USA: sieć neuronowa przewidywała moc na około 36 godzin naprzód i podniosła wartość tych megawatów o około 20 procent wobec zobowiązań bez ram czasowych. Rozmowy z brytyjskim National Grid były rozpoznaniem i nie stały się wdrożonym produktem sieciowym. Inni operatorzy próbują podobnych narzędzi.
Jaki problem adresuje
Zmienne OZE potrzebują lepszej predykcji i szybszego sterowania, albo palimy więcej gazu „na wszelki wypadek”. Zatory i stabilność oparta na falownikach to osobne, trudniejsze problemy.
Jak działa
Modele wchłaniają pogodę i historie w stylu SCADA i dają ciaśniejszą prognozę albo rekomendowany punkt nastawy. Ludzie i istniejące systemy zarządzania energią zostają w pętli. Blackout nie jest akceptowalnym biegiem treningowym.
Status i gracze
Google DeepMind na farmach wiatrowych Google w USA (publicznie 2019); różne pilotaże ISO/RTO i dostawców; późniejsze brytyjskie prognozy słońca grup takich jak Open Climate Fix. Raporty digitalizacji IEA przeglądają pole.
Ryzyka i granice
Cyberbezpieczeństwo, ukryte obciążenie, gdy pogoda jest nowa, i sprzedawcy twierdzący „sieć SI”. Fizyka falowników i zabezpieczeń wciąż rządzi.
Źródła
Nota DeepMind z 26 lutego 2019 o wartości wiatru (farmy Google w USA); IEA Digitalisation and Energy. Rozmowy z National Grid nie stały się produktem.