像可再生能源这样的无碳技术有助于应对气候变化，但这其中许多技术尚未充分发挥其潜力。以风能为例：在过去的十年中，随着涡轮机成本的大幅下降和应用的激增，风力发电场已经成为无碳电力的一个重要来源。然而，风能本身的多变性使其成为一种不可预测的能源，因此，它不如在固定时间能可靠输送电力的能源有用。
为了寻找这个问题的解决方案，去年DeepMind和谷歌开始将机器学习算法应用到美国中部地区的700兆瓦容量的风力发电场。这些风力发电场，是谷歌全球可再生能源项目的一部分，其产生的电力足以满足一个中等城市的用电需求。
我们采用一个在预测天气预报和分析涡轮机的历史数据等方面都可用的神经网络，将DeepMind系统配置为在实际发电前36小时预测风力输出。基于这些预测，我们的模型会建议如何提前一天对电网做出最佳的每小时交付承诺。这一点很重要，因为可以计划的能源（即可以在规定的时间提供一定数量的电力）通常对电网来说更有价值。
虽然我们在继续改进我们的算法，但我们在风力发电场中采用机器学习的方法已经产生了积极的效果。迄今为止，与没有对电网进行时间承诺的情况相比，机器学习已将风能价值提高了约20％。
虽然我们无法消除风的可变性，但我们的早期研究结果表明，我们可以使用机器学习使风力发电更具可预测性和价值。这种方法还有助于为风力发电场的运营带来更强的数据严密性，因为机器学习可以帮助风力发电场运营商更智能、更快和更多地以数据为驱动评估其电力输出如何满足电力需求。我们希望这种机器学习方法能够加强风力发电的商业案例，推动全球电网进一步采用无碳能源。能源行业的研究人员和从业人员正在为社会如何最大限度地利用太阳能和风能等可变能源开发新思路。我们渴望加入他们，一起探索这些基于“云”的机器学习策略的普遍适用性。
谷歌最近实现了100％的可再生能源采购，目前正努力在24x7的基础上采购无碳能源。谷歌与DeepMind的合作使风力发电更具可预测性和价值，这是实现这一愿望的具体一小步。虽然还有许多工作要做，但这一小步不仅对谷歌来说很有意义，更重要的是，它对环境保护大有裨益。
