ある調査では、機械学習テクノロジーを使用して再生可能エネルギーの予測の精度を45％向上させ、オーストリアの電力網の運用を効果的に改善した。
この研究はオーストラリアの再生可能エネルギー庁（ARENA）によって資金が提供され、モナッシュ大学のグリッドイノベーションセンター、インダストリアルエンジニアリングウォーリー、および再生可能エネルギー発電機パリセードエナジーによって交渉され、発電機にさらに正確な予測ツールを提供した。
この研究は2018年に最初に開始され、機械学習の計算方法に基づく予測モデルの開発に貢献した。これらの計算方法は、南オーストラリア州の風力発電所や太陽光発電所からのデータを含む、特定の発電機からの監視制御およびデータ取得（SCADA）データを利用する。
これらの予測モデルは、将来5分間のより正確な予測データを生成するために使用される。これによって、不十分な発送の頻度を減らし、国の送電網における再生可能エネルギーの普及率を高めている。
Worleyは予測の計算方法が予測出力を45％増加させるのに役立ったと述べた。
データサイエンスを使用して、顧客ソリューションを提供する責任を負うWorleyのDenis Marshmentは、天候の自然な変化により、再生可能エネルギー発電機が短期発電レベルを正確に予測することが困難になり、グリッドの安定性に影響を与えると述べた。 2020年だけでも、不正確な電力予測はオーストラリアの発電機に2億1,000万オーストラリアドルの費用をかけた。したがって、機械学習アルゴリズムを使用して次の5分間を予測することは非常に価値がある。
Worleyは、この研究の結果は再生可能エネルギー予測における機械学習の使用に関する「全体的な知識システム」を改善し、結果の予測モデルがオーストラリアのすべての発電機に適用できることを確認すると付け加えた。しかし、彼はさらにソーラープロジェクトに関するさらなる研究の必要性強調した。
この研究は、Monash大学情報技術学部のデータサイエンスおよび人工知能学科のBergmeir博士が主導した。
Bergmeirは、ネットワークの安定性を達成し、より多くの再生可能エネルギーに対応するには、信頼できる短期予測手法が必要であると述べた。
「再生可能エネルギー発電機が原因となる支払い要素を減らすことができれば、電力をより安く生産でき、最終的なコスト削減を顧客に還元できる。これにより、再生可能エネルギーの競争力も高まり、望ましい結果になる。」と述べた。
