当AI技术不休渗入进人们生涯的方方面面时，，，它对能源行业的影响似乎也成了必然。。。其中，，，可再生能源中的风、、、光能发电对感应技术的大力需要和对数据处置的高要求为AI技术与能源行业的碰撞制作了契机。。。
  日趋发展的行业势头
  全球各机构都在忠告即将出现苦难性气象变动的临界点;就连世界上最大的石油公司沙特阿美此刻也在会商，，，其在将来20年内将达石油峰值;国际能源署预计石油达峰将在约莫10年内实现……能源转型的火急需要使得可再生能源的价值正在变得越来越便宜，，，其中大型太阳能项目正迅速成为常态。。。
  迅速崛起的太阳能项目也推动了有关技术的不休改革与迭代。。。就着这股发展的热潮，，，太阳能项目衍生出一种新的趋向，，，整个行业也似乎在向外泄漏着一个信号——发展规模越大越好。。。随着世界各地要求全球经济脱碳和削减温室气体排放的压力越来越大，，，太阳能微风能等可再生能源得到了比以往任何时辰都更多的关注和投资。。。这将我们带到了太阳能行业的一个新前沿——新的太阳能项主张规模正呈爆炸式增长。。。
  AI加持下的太阳能行业
  与描述人类执行日：透丛庸ぷ髂芰Φ奶烊恢悄芟啾龋，人为智能(AI)描述的是推算机系统的齐全自主行为。。。建设了传感器技术来确定必要执行的工作以及任何守护要求，，，人为智能系统已经成为一项通例技术，，，险些融入了我们每天使用和操作的各类设备。。。
  可再生能源行业对人为智能的依赖很大水平上集中到集成电池中的传感器技术。。。随着传感器技术的日月牙异，，，可再生能源制作商但愿看到这些系统中集成的机械内存芯片工拥有所增长，，，以提高他们在不中断系统的情况下监控、、、处置和分析日常工作的能力。。。太阳能发电受益于上述事实，，，即这些技术是相对最近才起头贸易化开发的，，，并且从一路头就装置了传感器技术。。。因而，，，人为智能在太阳能发展中支持的进取大多集中在资源预测、、、节制和预测性守护方面。。。

  例如，，，去年英国国度电网(ESO)与Alan Turing Institute合作，，，利用新的AI算法：“随机丛林”算法，，，可用来感应、、、监测和分析太阳能辐射数据。。；；；谡庑┬畔ⅲ，人为智能通过寻找数百种分歧的数学蹊径(决策树)来获取这些输入并达到输诞天生数据，，，从而进行自我训练，，，能够最终实现我们必要的某种了局。。。通过这一步骤与多模型集中预报中的其他机械学习技术相结合，，，将ESO预测的正确性提高了33%。。。

转载：互联网