Ifølge nye studier i Australia har maskinlæring bidratt til mer nøyaktige anslag for produksjon av solenergi, noe som igjen legger grunnlaget for bedre stabilitet i strømnettet, skriver PV Tech.
Unøyaktige anslag på kraftproduksjonen kostet australske produsenter nesten 1,4 milliarder kroner etter dagens valutakurs i fjor.
Med maskinlæring forbedres nøyaktigheten på anslagene med 45 prosent, ifølge en studie finansiert av Australian Renewable Energy Agency.


Anslaget for produksjonen fem minutter fram i tid er viktig for å få mest mulig stabilitet i strømnettet.
– Naturlige variasjoner i været gjør det vanskelig for produsentene av fornybar energi å forutsi nøyaktig hva som blir deres kortsiktige energiproduksjon, og det på virker stabiliteten i nettet. Å bruke maskinlæring og algoritmer til å se fem minutter inn i framtiden er svært verdifullt, sier Denis Marshment fra ingeniørselskapet Worley, som har vært med på prosjektet.
Studiet har foregått i både en solenergipark og i et vindkraftanlegg.

– Lover godt for innovasjonen