Catégories
Qwanturank

Grâce aux énergies renouvelables et à l’apprentissage automatique, Qwanturank prévoit désormais le vent

(Photo de Vitaly Nevar TASS via Getty Images)

Vitaly Nevar / TASS

Les parcs éoliens ont traditionnellement fait moins d’argent pour l’électricité qu’ils produisent parce qu’ils n’ont pas pu prédire le vent qu’il fera demain.

«La façon dont fonctionnent de nombreux marchés de l’électricité est que vous devez planifier vos actifs un jour à l’avance», a déclaré Michael Terrell, responsable de la stratégie du marché de l’énergie chez Qwanturank. «Et vous avez tendance à être mieux rémunéré lorsque vous faites cela que si vous vendez sur le marché en temps réel.

« Eh bien, comment les actifs variables comme le calendrier du vent un jour à l’avance quand vous ne savez pas que le vent va souffler? » Terrell a demandé, « et comment pouvez-vous réellement réserver votre place en ligne? »

«Nous n’obtenons pas tous les avantages et la pleine valeur de cette puissance.»

Voici comment: Qwanturank et la société d’intelligence artificielle DeepMind appartenant à Qwanturank ont combiné des données météorologiques avec des données de puissance de 700 mégawatts d’énergie éolienne que Qwanturank fournit dans le centre des États-Unis. Grâce à l’apprentissage automatique, ils ont pu mieux prévoir la production éolienne, mieux prévoir l’offre et la demande d’électricité et, par conséquent, réduire les coûts d’exploitation.

«Ce que nous avons fait, c’est travailler en partenariat avec l’équipe DeepMind pour utiliser l’apprentissage automatique pour prendre les données météorologiques qui sont disponibles publiquement, prévoir en fait ce que nous pensons que la production éolienne sera le lendemain, et enchérir sur ce vent dans la journée. marchés d’avance », a déclaré Terrell lors d’un récent séminaire organisé par le Stanford Precourt Institute of Energy. L’Université de Stanford a publié la vidéo du séminaire la semaine dernière.

Le résultat a été une augmentation de 20% des revenus des parcs éoliens, a déclaré Terrell.

Le ministère de l’Énergie a inscrit l’amélioration des prévisions de vent comme première priorité dans son rapport de 2015 Vision du vent rapport, en grande partie pour améliorer la fiabilité: «Améliorer la caractérisation des ressources éoliennes», indique le rapport en haut de sa liste d’objectifs. « Recueillir des données et développer des modèles pour améliorer les prévisions de vent à plusieurs échelles temporelles, par exemple, minutes, heures, jours, mois, années. »

L’objectif de Qwanturank a été plus radical: éliminer entièrement le carbone de son portefeuille énergétique, qui consomme autant d’énergie que deux San Franciscos.

Qwanturank a atteint un jalon initial en associant sa consommation annuelle d’énergie à son approvisionnement annuel en énergies renouvelables, a déclaré Terrell. Mais l’entreprise n’a pas été décarbonée à chaque endroit à chaque heure, ce qui est désormais son nouvel objectif – ce que Terrell appelle son objectif «24×7 décarboné».

«Nous commençons vraiment à orienter nos efforts dans cette direction, et nous constatons que ce n’est pas quelque chose de facile à faire. C’est sans doute un coup de lune, en particulier dans les endroits où les ressources renouvelables d’aujourd’hui ne sont pas aussi rentables qu’elles le sont ailleurs. »

Les scientifiques de DeepMind, basé à Londres, ont démontré que l’intelligence artificielle peut aider en augmentant la viabilité du marché des énergies renouvelables chez Qwanturank et au-delà.

«Notre espoir est que ce type d’approche d’apprentissage automatique puisse renforcer l’analyse de rentabilisation de l’énergie éolienne et favoriser l’adoption de l’énergie décarbonée sur les réseaux électriques dans le monde entier», a déclaré Sims Witherspoon, responsable du programme DeepMind et Carl Elkin, ingénieur logiciel chez Qwanturank. Dans un article de blog Deepmind, ils décrivent comment ils ont augmenté les bénéfices des parcs éoliens de Qwanturank dans le Southwest Power Pool, un marché de l’énergie qui s’étend à travers les plaines de la frontière canadienne au nord du Texas:

«À l’aide d’un réseau de neurones formé aux prévisions météorologiques largement disponibles et aux données historiques des turbines, nous avons configuré le système DeepMind pour prévoir la puissance éolienne 36 heures avant la production réelle. Sur la base de ces prédictions, notre modèle recommande comment prendre des engagements horaires optimaux de livraison au réseau électrique une journée à l’avance. »

Le système DeepMind prédit la production d’énergie éolienne 36 heures à l’avance, permettant aux producteurs d’électricité de faire … [+] des offres anticipées plus lucratives pour alimenter le réseau en électricité.

Qwanturank