AI机器学习继续证明它可以使太阳能行业受益。
使用机器学习和数据科学的新太阳能预测方法将太阳能发电预测提高了33%。英国项目由Ofgem的网络创新津贴资助，由National Grid ESO与Alan Turing Institute共同开发。
新的AI方法被昵称为“随机森林”模型。
这种新方法被称为“随机森林”模型，分析历史数据和大约80个输入变量。这些变量包括温度和更多粒状的太阳辐射数据。据太阳能门户网站报道，基于这些信息，人工智能通过寻找数百种不同的数学途径(决策树)来获取这些输入并达到输出生成数据，从而进行自我训练。
从这一点开始，80个新的预测天气变量将通过决策树和平均数据被确定为新的太阳能产量预测。
这种方法不同于ESO以前的太阳能预报，它采用太阳能容量和太阳辐照度，并利用这两个变量之间的简单关系产生太阳能发电输出的预测。
此外，新方法与多模型集合预报中的其他机器学习技术相结合，将ESO预测的准确性提高了33%。
国家电网ESO是英国的电力系统运营商(ESO)，它实时平衡电力供需。
准确的太阳能预报一直在变得越来越重要。
随着越来越多的可再生能源进入电力系统，太阳能发电预测的准确性变得越来越重要。
太阳能门户网站引用国家电网ESO的商业运营经理Rob Rome说：“改进太阳能预报将有助于我们更有效地运行系统，最终意味着为消费者降低账单。”
“它还将使更多的太阳能容量得以连接和利用，帮助我们实现2025年的目标，即能够运行零碳电力系统。”
英国的太阳能发电量持续增加。据英国“氢燃料新闻”报道，英国的热浪导致该国的太阳能发电产业短暂超过燃气发电站成为英国最大的能源，它在去年7月(2018年)打破了记录。
展望未来，这个可再生能源部门在该国的增长越多，就需要更准确的太阳能预报来充分利用这一清洁能源。
