近年來，人工智能引起了極大的炒作。在某些行業(yè)中，它正在實現(xiàn)這一目標，但是在某些行業(yè)中的部署卻很少受到吹捧。就目前而言，人工智能算法為Uber和Waze，數(shù)字助理，商業(yè)航班的自動駕駛儀等運輸應用程序加油。

人工智能在能源效率和可再生能源方面的影響還沒有得到足夠的贊賞。該技術(shù)通過ML提升了風能和太陽能發(fā)電，儲能及其他領(lǐng)域的價值。實際上，強化學習(RL)是一種流行的技術(shù)，在能源領(lǐng)域產(chǎn)生了令人印象深刻的好處。

通過對數(shù)據(jù)集進行訓練以優(yōu)化性能并通過數(shù)學函數(shù)逼近來優(yōu)化解決方案的雙重方法，強化學習可建立有效的算法，從而在可建模限制和收益的大型復雜決策空間中表現(xiàn)出色。

風能和太陽能

強化學習在發(fā)電中正在有效地發(fā)揮作用。Google的DeepMind致力于使間歇性風力發(fā)電更加可預測。RL算法可以對天氣預報數(shù)據(jù)進行功能逼近，并可以對渦輪機數(shù)據(jù)進行訓練，因此可以在實際發(fā)電之前36小時預測功率輸出，隨后可以提前安排向電網(wǎng)的電力輸送，更改負荷分布計劃并有效地使資源商品化。

DeepMind AI今年已將為Google數(shù)據(jù)中心提供的700兆瓦風力發(fā)電的價值提高了20%以上。

太陽能儲能

人工智能對太陽能和儲能裝置的系統(tǒng)管理工具產(chǎn)生了重大影響。該技術(shù)在整個項目生命周期內(nèi)提供了增強的控制，靈活性和價值。它還使可用的價值流多樣化，并平衡了可變利率的影響。具體來說，太陽能和儲藏庫中的RL使用歷史費率，容量和其他數(shù)據(jù)以及創(chuàng)意功能近似值來為發(fā)電，儲藏和購買提供預測性優(yōu)化。

實際上，解決方案提供商Stem Technologies估計，其Athena AI平臺可通過按需收費和通過存儲節(jié)省負載轉(zhuǎn)移，增加5-20%的項目價值。從優(yōu)化集成到公用事業(yè)需求響應，批發(fā)和其他計劃，它又增加了10%。

綜合起來，可以開發(fā)出將近50%的開發(fā)者收入，是開發(fā)者利潤的1.5-2倍。

結(jié)論

盡管不必要的炒作很容易導致失望，但AI的潛力正在實現(xiàn)，并已融入能源領(lǐng)域。RL是一種這樣的AI技術(shù)，它可以在整個價值鏈中創(chuàng)造主要的效率，并且隨著軟件解決方案的發(fā)展而提高。它將變得更加復雜并被廣泛采用。幾家采用AI技術(shù)的公司尚未將單獨的AI應用程序連接到完整的端到端自動化流程中，但是一旦發(fā)生，AI的全部潛力就會被釋放。

人工智能作為能源領(lǐng)域的顛覆性技術(shù)的職業(yè)仍處于起步階段，但是現(xiàn)在應該以新的眼光來看待人工智能是一項實質(zhì)性技術(shù)。