風力發電已經成為環保電能的重要來源，加上渦輪機的成本急劇下降，各界不斷探尋風力發電的效用與發展方向，然而隨著風力發電佔比逐步提高，不穩定性和不可預測性便成了風力發電的重大的考驗。2019年二月底，Google宣布其位於倫敦的人工智慧軟體開發子公司 DeepMind，將機器學習算法應用於谷歌美國中部的一組風力發電廠內，這項技術可在渦輪開始旋轉之前36小時預測發電量，從而讓電廠提前一天確定必須提供的輸電量。若能良好的預測風力發電廠的能源輸出，便可大幅提升這種綠色能源的可用性。
風力發電的挑戰與解套
在過去十年，由於渦輪機成本下降，風力發電採用率不斷上升，因此成為了無碳發電的重要替代來源。不過，風的變動性，使得風力發電成為一種不可預測的能源，比起其他能在需要的時候傳輸可靠電力的能源相比，風力發電就顯得不這麼有用。為了解決這個問題，自去年起Google將氣象觀測資料、氣象預測、和實地的量測結果餵進 DeepMind 的機器學習平台上，並且應用於自家位在美國中部的 700MW 風力發電場。雖然說這並不能改變風吹的量，但卻讓 Google 提前知會電力公司未來一天預計能提供的電力總量。
提早預測風電產出，能源價值大漲20%
DeepMind提到，風力發電雖然極其不穩定，但並不是沒有應對方式的，然而隨時待命補足風力發電缺口的發電方式，卻通常都成本高昂。如果能早一步知道未來的風力何時會出現缺口，電廠就能有充裕的時間啟動需要較長時間才能上線的發電手段，與風力互補。「我們無法消除風力的波動性，但研究的早期結果顯示，我們能夠使用機器學習，大大提升風力發電的可預測性和價值。」DeepMind提到，預測的能力對於電力安排很有幫助，可以在設定的時間提供定量的電力，對電網來說非常有價值。Google 估計自己風力電場的電力因此提升了 20% 的「價值」。DeepMind認為，使用機器學習的方法可以增加風力發電的商業價值，進一步推動全球電網採用再生能源，為地球的永續盡一份力。
