隨著越來越多的可再生能源電力并網，電網的穩定性和可靠性經受了嚴峻考驗。在此背景下，以人工智能、機器學習為代表的數字化技術，正在不斷激發和挖掘太陽能、風能等可再生能源的潛能。

近日，美國麻省理工學院和斯坦福大學領導的研究團隊宣布，利用機器學習技術成功制造出了可達市場競爭水平的新一代太陽能電池板。事實上，數字化不僅可以為可再生能源技術革新提供助力，還能在可再生能源項目的投建、運營和維護方面發揮關鍵作用。

機器學習提升“風光”價值

據麻省理工和斯坦福研究團隊的介紹，他們利用機器學習技術制造出了能量轉換效率達18.5%的鈣鈦礦電池。

據了解，鈣鈦礦材料的電池板可以在室溫下制造，不僅造價便宜，成品也更薄更輕、更易運輸和安裝，但是大規模制造此類電池板仍面臨巨大挑戰。

麻省理工指出，將鈣鈦礦材料從實驗產品變成具有競爭力的量產產品，經歷了漫長的研發過程。制造基于鈣鈦礦的太陽能電池板涉及同時優化至少十幾個變量，應用了機器學習技術的新系統，加快了生產工藝的開發，提升了新一代太陽能電池的轉換效率。

事實上，“風光”本身的多變性和間歇性使其成為不可預測的能源，無法保證在設定的時間可靠地提供電力。使用機器學習可以幫助運營商對電力輸出如何滿足電力需求進行更智能、更快速的評估和分析。

科技巨頭谷歌旗下的前沿數字化技術公司DeepMind表示，基于天氣預報和風機歷史數據，利用機器學習技術可提前預測發電情況，從而實現最佳發電效果，為電網電力調度提供有價值的支撐，該公司估計，機器學習可以將風能的價值提高約20%。

人工智能讓“風光”可預測

人工智能也是在可再生能源領域應用最廣泛的技術之一。世界經濟論壇去年發布的白皮書指出，人工智能是一款能夠應對全球能源轉型復雜性、提高系統效率，從而降低成本、加快轉型速度的強大工具。

據了解，人工智能可以對可再生能源項目的廠址選擇、建設、運營、維護，甚至發電能力進行全方位的分析，讓“風光”變得更可預測。憑借人工智能，可以找到擁有最佳日照和風力資源且便于接入現有電網基礎設施的廠址，并在開工建設后監管工程進度、優化設備運輸，從而極大提高施工作業效率。

值得注意的是，預測太陽能電站和風電場的發電時間、發電量乃至電力需求仍比較困難和復雜，人工智能通過學習和分析歷史氣象數據、衛星云圖、實時風速和日照強度、歷史消費數據等信息，能夠最大化實現對太陽能和風能發電情況和電力需求的預測，從而加快“風光”電力的更大規模普及。

英國數據分析和咨詢公司ONYX Insight表示，運營和維護成本占風電場運營費用的60%，缺乏人工智能等數字化技術會導致風電場運營能力下降，無法提前檢測到的小故障可能最終導致災難性故障和嚴重的停機事故。該公司的一項統計顯示，62%的風電行業利益相關者表示，通過數字解決方案，運營商可以節省長達10年的意外停機和計劃外維修時間。

綠色能源轉型離不開數字化技術

動力管理公司伊頓指出，利用數字化技術，“風光”可以實現按需供電，并將多余的電力輸送回電網，同時運營商還能通過智能電源管理系統，掌控需求變化，幫助消費者享受更低電價。

事實上，除了機器學習、人工智能等耳熟能詳的技術，5G、集中式計算機監控等技術也能在“風光”產業鏈條上提供從設備制造到選址建設，再到后期運營維護的“一條龍式”服務。

日立能源全球數字投資組合負責人Jamie Stapleton指出，數字化建設可以進一步推進可再生能源發電技術的成長，進而加速綠色能源轉型。以風電行業為例，集中式計算機監控中心可以自動檢測技術故障，并建立糾正措施來增強風電場的控制，減少相關的成本支出。

5G技術在風能領域也可以發揮意想不到的作用。比如，利用5G網絡從風機傳感器獲取數據，并與現場的工程師和控制中心共享相關數據和信息，這樣的自動化采集和智能化處理極大地降低了人力和時間成本。

值得關注的是，今年初，三一重能打造的中國首個5G全連接風電柔性智能工廠已經問世，這是國內首條風電總裝脈動式柔性生產線，工廠內配置了工業機器人等自動化設備，將整體生產制造過程統一在一個全局運行的模型框架下。