IBM heeft samen met het Amerikaanse Ministerie van Energie een zelflerend big data-systeem voor weersvoorspellingen ontwikkeld. Het systeem kan de opbrengst van windparken, zonnepanelen en waterkrachtcentrales ruim 30 procent accurater voorspellen dan de beste bestaande methoden.
“Met betere weersvoorspellingen kunnen energiebedrijven efficiënter en winstgevender opereren”, zegt Bri-Mathias Hodge, onderzoeker van het Amerikaanse National Renewable Energy Laboratory (NREL). “Dat kan de acceptatie en het gebruik van hernieuwbare energiebronnen vergroten.”
Windturbines en zonnepanelen zijn voor het opwekken van duurzame stroom volledig afhankelijk van het weer. Nu het aandeel hernieuwbare energie in de elektriciteitsmarkt groeit tot in de tientallen gigawatts, is het weer een zeer belangrijke factor in de planning van energieleveranciers.
Machine learning
Meteorologen maken gebruik van verschillende weermodellen, die het weer aan de hand van uiteenlopende factoren voorspellen. Dit is terug bijvoorbeeld te zien in de pluim in de weerblokjes in TV-journaals. Naarmate de voorspellingen meerdere dagen voorruitkijken lopen de verschillen in de voorspellingen op. De spreiding in de verschillende modelen waaiert dan steeds meer uit.
Het zelflerende systeem van IBM vergelijkt vele verschillende weermodellen, en onderzoekt in grote historische datasets welk model in bepaalde gebieden en onder bepaalde condities het meest accuraat is geweest.
“Ons concept traint zichzelf voortdurend door historische metingen en real time data van duizenden weerstations naast elkaar te leggen”, zegt Siyuan lu, onderzoeker van IBM. “Het systeem voorspelt zo steeds opnieuw de beste voorspelling. Dit geeft een zeer accuraat weerbeeld, vanaf enkele minuten tot zelfs weken vooruit.”
Bekijk een filmpje over het IBM weermodel:
Bron: IBM, Technology Review | Foto: Nancy, via Flickr Creative Commons (Cropped by Duurzaambedrijfsleven)
