风场选址是个复杂的问题，如果在错误的地方开发风场，最后可能会因为发电效益不高而亏损，现在美国宾夕法尼亚州立大学研发出全新的深度学习模型，声称能找到最佳设置地点，并进行 24 小时的发电量预测。
风力发电历史悠久，早在 19 世纪末就有科学家想利用风来产生电力，近年来风能装置量也不断攀升，而风场建置考量要点繁多，需要丰沛的风、足够的资金、选址、土地取得等都是挑战。
由于风遇到障碍物会消耗能量，进而降低发电量，宾夕法尼亚州立大学地理、气象与大气科学教授 Guido Cervone 表示，通常人们都会选择在地形平坦，风速不强又不弱、但稳定的地方开发风力发电场。
因此团队也从这一方向着手，宾夕法尼亚州立大学团队将深度学习技术加入发电模型（energy-generation models）中，其中深度学习技术为美国国家大气研究中心开发的 Analog Ensemble（ANEN）算法，它是借由过去至少一年的预测与实际发电量等历史纪录来预测未来，提供风电产业与气象风能概率。
虽然 ANEN 不能简单明了地说等下会不会有风，但它能生成概率曲线（probability curve），告诉电力公司与电厂风险并协助做出决定，团队认为，如果模型可以预测风量，那么也可以预测发电量，而新的模型相当有效，可以在“历史纪录”中寻找类似的情况，并预测风速和风时。
这对电力公司以及开发商来说相当重要，风力发电是种间歇性能源，并不是每天都有风，风速也不会天天都一样，有效预估发电量，电网才能知道何时提高或降低其他机组的发电量，以供电电网平衡与稳定性；厂商在开发风场之前得评估收益，并网后也会想知道当天、下周等能卖多少。
团队认为，目前还不需要采用真正的深度神经网络模型，深度学习工具已经能强化开发、训练与调整等过程。而宾夕法尼亚州立大学新开发的深度模型也在实际测试中，正在西班牙特内里费岛风场进行实验，团队初步认为新模型比更为有效，除了能找到风电场最佳位置，还能进行 24 小时风力预测。
- Model helps choose wind farm locations, predicts output
- Using Deep Learning Techniques To Predict Wind Farm Locations And Output
（首图来源：Flickr/News Oresund CC BY 2.0）
延伸阅读：
- 如何提高陆上风电发电量？欧美科学家从小尺度天气预报着手
