<sup id="dulk5"><noscript id="dulk5"></noscript></sup>
<div id="dulk5"></div>
    <div id="dulk5"></div>
    <em id="dulk5"></em>

    <div id="dulk5"></div>

    <dl id="dulk5"></dl>
      <sup id="dulk5"></sup>

      机房360首页
      当前位置:首页 ? 大数据 ? 可再生能源领域的大数据

      可再生能源领域的大数据

      来源:企业网D1Net 作者:Harris编辑 更?#29575;?#38388;:2019/3/13 7:46:39

      摘要:使用大数据和人工智能技术可以提高可再生能源生产的效率,并提供减少能耗的机会。

         使用大数据和人工智能技术可以提高可再生能源生产的效率,并提供减少能耗的机会。
        
        在使用大数据提高制造、安全和医疗保健等行业领域的效率方面,人们看到了一场全球性的革命。近年来,环境问题和气候变化引起了人们广泛地关注和讨论。那么是否可以采用同样的方法用于能源监测、建模、分析和预测,以实现可?#20013;?#30340;能源目标,并减少导致全球变暖的二氧化碳排放量?
        
        清洁高效的发电
        
        根据美国能源部能源情报署的调查,美国的可再生能源发电量占所用电量的17%,太阳能、风能、水力发电和其他可再生能源是世界上增长最快的能源。
        
        人们需要扩大可再生能源的采用规模,以取代负责?#29575;?#27668;体排放的传统能源,否则很难扭转气候不断变暖的影响。为了实现规模化,需要尽可能的高效,而将大数据和人工智能技术结合可以有所帮助。将可再生能源应用到现有的电网中需要对来自太阳能、风能和水力发电源的电力进行估算,以便基础设施能够通过适当的估算、规划、定价和实时运营发挥作用。
        
        预测和最大化太阳能发电量
        
        最近几年,分布式太阳能发电设施的发电量增长迅速,据最新的调查数据显示,全球太阳能发电量预计在未来5年内将超过1TW。
        
        大数据引入不同的观测数据源和模型,可以用于准确预测气象变量,然后使用计算智能技术进行实时分析。例如,SunCast是美国国家大气研究中心(NCAR)的一个用于提供太阳能的预测系?#22330;?#23427;基于现场的实时测量和云计算模式的卫星数据。该预测融合了许多模型,并使用统计学习和一系列人工智能算法根据历史观测?#20113;?#36827;行调整。
        
        很多人会在城郊看到大规模太阳能光伏阵?#23567;?#20063;可能在小镇上看到在住宅屋顶部署的太阳能发电设施。那么在城市中部署太阳能光伏阵列的最佳位置在哪里?最近发表的一篇论文指出了使用图像识别和机器学习来?#33539;?#37096;署住宅太阳能发电设施的最佳场所,使当地的决策者能够评估其辖区内潜在的太阳能发电容量。该方法不需要使用3D城?#24515;?#22411;,而是使用公共地理建筑数据和航空图像进行分析。人工智能利用地理数据,并输出辐照度模拟和发电电位,可以?#33539;?#37096;署太阳能电池板的最佳位置。
        
        由于太阳能电池板可能部署在难以进入的区域,因此设施所有者需要了解可能?#20113;?#25928;率产生负面影响并导致发电损失的环境因素,例如阴影、落叶、?#39029;尽?#38632;雪和鸟类损害等。机器学习可用于监视各个面板的输出,作为一组时间序列数据,训练模型以检测异常输出并?#20113;?#36827;行分类。然后,人工智能可以指?#22659;?#29305;定面板表面上的问题,然后可以安排进行检查和维修。
        
        预测风力发电机组的发电量
        
        风力发电为未来增加的发电量提供了一个重要的机会,并且每年都在大幅增长。一份调查报告表明,到2030年,风力发电量将达到2000吉瓦,将提供全球电力的16.7-18.8%,并帮助减少30亿吨以上的二氧化碳排放量。
        
        风力发电预测是?#26032;?#26426;控制、负荷跟踪、电力系统管理和能源?#28784;?#25152;必需的。许多不同的风电预测模型已与数据挖掘结合使用。有许多方法,例如基于低层大气的物理(?#33539;?#24615;)方法,或使用天气预报数据(如温度、压力、表面粗糙度和?#20064;?#29289;)进行的数值天气预报。另一种统计方法在不考虑气象条件的情况下使用大量的历史数据,并?#35272;?#20154;工智能(神经网络、神经模糊网络)和时间序列分析方法。最后一种方法是结合物理和统计方法的混合模型。
        
        减少电力消耗
        
        许多家庭用户熟悉家庭能源监控器的概念,由传感器、发送器和手持显示器组成。传感器连接到电表箱的电源线上,并监控电源线?#20998;?#22260;的磁场,以测量通过的电流。发送器从传感器获取数据并将其发送到手持显示器,该显示器可以假设电力来自化石燃料能源,并计算用户的电力使用、成本和?#29575;?#27668;体排放量。通过收集和分析大量家庭的数据,可以?#33539;?#22312;哪里节省能源,或者在高峰时段之外的使用灵活性。然后,就如何减少消费、削减开支、整合可再生能源和减少排放向消费者提供建议。
        
        例如,在美国一些能源市场解除能源管制的州,客户可以在不同的能源供应?#35752;?#38388;进行选择,但每个州都提供不同的关税和促销费率,这使选择变得更加复杂。机器学习可以在网络平台中使用,以帮助消费者最小化他们的账单。当他们注册时,客户会?#29575;?#20182;们的能源偏好(例如限制使用可再生能源),机器学习模型使用智能电表检查他们的使用模式,并将其与最佳供应商匹配,自动将其转换为不同的供应商和能源计划作为更好的?#28784;?#20986;现。其目的是通过向可能做正确事情的消费者提供可再生能源,并限制他们使用非可再生能源,只要他们不受价格明显上涨的影响,就可以鼓励他们采用可再生能源。
        
        数据中心的能耗
        
        虽然大数据正以各种方式帮助增加可?#20013;?#33021;源的产生并减少能耗,但它本身也负责消耗越来越多的能源。正如行业媒体最近报道的那样,2018年数据中心的消耗超过了一些国家的整体能源消耗。目前,数据中心约占全球电力需求的1%,但预计未来几年内使用率将迅速上升,尤其是在计算密集型?#29992;?#36135;币开采继续增长的情况下。绿色和平组织称,数据中心是全球碳排放量的主要贡献者,因为其中使用的电力中只有大约20%来自可再生能源。
        
        数据中心能耗的主要原因是采用冷却设施,通常采用水泵、冷却器和冷?#27492;?#20256;统上,由于设备组合之间的相互作用的复?#26377;裕?#38590;以人工优化冷却过程。每个场景所需的规则和启发式算法很?#35759;?#20041;,特别是在考虑与周围环境(如天气)的交互时。其结果是,运营人员无法计算设置的变化,这些设置可以对数据中心环境内的变化做出足够快速的响应,以优化电力效率。
        
        为?#25628;?#31350;人工智能能否做得更好,谷歌公司在2016年推出DeepMind,该团队在博客上发布了一个深度学习模型,该模型通过传感器数据进?#20449;?#35757;,能够预测环境因素对性能和能耗的影响。该模型向操作人员提出建议,建议优化设置,以提高冷却效率,从而降低功耗。谷歌公司的一个特定数据中心的模型降低了40%冷却能耗。
        
        总结
        
        大数据和人工智能正在从根本上改变发电、定价和消费的模式,导致能源部门出现重大颠覆性发展。随着全球面临前所未有的环?#31243;?#25112;,监测、建模、分析和预测能源生产和使用的新的、更智能的方法正在帮助人们实现可?#20013;?#33021;源目标。
        
        编辑:Harris
        
       

      机房360微信公众号订阅
      扫一扫,订阅更多数据中心资讯

      本文地址:http://www.8526174.com/news/2019313/n1829116874.html 网友评论: 阅读次数:
      版权声明:凡本站原创文章,未经授权,禁止转载,否则追究法律责任。
      相关评论
      正在加载评论列表...
      评论表单加载中...
      • 我要分享
      广东十一选五胆拖计算器
      <sup id="dulk5"><noscript id="dulk5"></noscript></sup>
      <div id="dulk5"></div>
        <div id="dulk5"></div>
        <em id="dulk5"></em>

        <div id="dulk5"></div>

        <dl id="dulk5"></dl>
          <sup id="dulk5"></sup>

          <sup id="dulk5"><noscript id="dulk5"></noscript></sup>
          <div id="dulk5"></div>
            <div id="dulk5"></div>
            <em id="dulk5"></em>

            <div id="dulk5"></div>

            <dl id="dulk5"></dl>
              <sup id="dulk5"></sup>