风力发电已经成为环保电能的重要来源，加上涡轮机的成本急剧下降，各界不断探寻风力发电的效用与发展方向，然而随着风力发电佔比逐步提高，不稳定性和不可预测性便成了风力发电的重大的考验。2019年二月底，Google宣布其位于伦敦的人工智慧软体开发子公司 DeepMind，将机器学习算法应用于谷歌美国中部的一组风力发电厂内，这项技术可在涡轮开始旋转之前36小时预测发电量，从而让电厂提前一天确定必须提供的输电量。若能良好的预测风力发电厂的能源输出，便可大幅提升这种绿色能源的可用性。
风力发电的挑战与解套
在过去十年，由于涡轮机成本下降，风力发电采用率不断上升，因此成为了无碳发电的重要替代来源。不过，风的变动性，使得风力发电成为一种不可预测的能源，比起其他能在需要的时候传输可靠电力的能源相比，风力发电就显得不这么有用。为了解决这个问题，自去年起Google将气象观测资料、气象预测、和实地的量测结果餵进 DeepMind 的机器学习平台上，并且应用于自家位在美国中部的 700MW 风力发电场。虽然说这并不能改变风吹的量，但却让 Google 提前知会电力公司未来一天预计能提供的电力总量。
提早预测风电产出，能源价值大涨20%
DeepMind提到，风力发电虽然极其不稳定，但并不是没有应对方式的，然而随时待命补足风力发电缺口的发电方式，却通常都成本高昂。如果能早一步知道未来的风力何时会出现缺口，电厂就能有充裕的时间启动需要较长时间才能上线的发电手段，与风力互补。「我们无法消除风力的波动性，但研究的早期结果显示，我们能够使用机器学习，大大提升风力发电的可预测性和价值。」DeepMind提到，预测的能力对于电力安排很有帮助，可以在设定的时间提供定量的电力，对电网来说非常有价值。Google 估计自己风力电场的电力因此提升了 20% 的「价值」。DeepMind认为，使用机器学习的方法可以增加风力发电的商业价值，进一步推动全球电网采用再生能源，为地球的永续尽一份力。
