伴隨全球能源形勢變化，風(fēng)力發(fā)電成為了越來越普及的一種發(fā)電方式，但隨著風(fēng)力發(fā)電占比逐步提高，其供電的不穩(wěn)定性和不可預(yù)測性也成了風(fēng)力發(fā)電系統(tǒng)面臨的越來越大的考驗。為了進一步提高風(fēng)力發(fā)電的實用性與穩(wěn)定性，谷歌提出了使用機器學(xué)習(xí)的方式，來預(yù)測未來的發(fā)電狀況，為供電作出參考。

　　谷歌自2018年起，將氣象觀測資料、氣象預(yù)測、和實地的量測結(jié)果接入Google DeepMind的機器學(xué)習(xí)平臺，提供36小時后的風(fēng)力預(yù)測，并將其應(yīng)用在自家位于美國中部的700MW風(fēng)力發(fā)電場。雖然說這并不能改變風(fēng)量，但卻讓Google能提前預(yù)測風(fēng)電場未來一天預(yù)計能提供的電力總量。

　　風(fēng)力發(fā)電雖然極其不穩(wěn)定，但并不是沒有應(yīng)對方式的。然而能夠隨時能待命補足風(fēng)力發(fā)電缺口的發(fā)電方式卻通常都成本高昂。如果能提前一步預(yù)先知道未來的風(fēng)力何時會出現(xiàn)缺口的話，電廠就能有充裕的時間啟動需要較長時間才能上線的發(fā)電手段，與風(fēng)力互補。因此谷歌的這項研究成果就顯得特別重要，谷歌的這項研究也使自己的風(fēng)力電場的電力因此提升了20%的價值。

　　谷歌的這項應(yīng)用實例說明AI與機器學(xué)習(xí)已經(jīng)在各種看不見的地方逐漸深入到了各種工業(yè)程序之中，為生活帶來意想不到的改變。