从IBM方面获悉，宣布通过采用机器学习和其他认知计算技术，IBM研究院成功将太阳活动和风力预报的精确度提高了30%。公司还将限期提供空间分辨率达5公里的基础太阳活动预报，帮助政府和美国本土其他机构评估太阳活动对能源供需和运作的影响。(图片来源computerworld)

据了解，美国能源部发起的SunShot太阳计划是一项全美协作项目，以在2020年前让太阳能达到与传统能源具有同等成本竞争力的目标，大力推动创新。作为该计划出资参与的研究项目进展，这个突破性成果为优化太阳能利用另辟蹊径。

经过三年发展，IBM研究人员与各界合作开发自我学习天气模型和可再生预测技术（简称为SMT）。该技术利用机器学习、大数据和分析技术持续改进从大量天气模型中获取的太阳活动数据，实现预报优化。与目前大多数预报技术依赖单独的天气模型不同，这对影响可再生能源可用性的变量提供的视图有局限性。

不仅仅针对太阳活动，IBM的模型也适用于风力和水力数据，为可再生能源预测提供了一个通用平台。使用深入的机器学习技术，将区域数据、来自传感器和本地气象台的信息、从空中摄像头和卫星观测点获取的云层运动物理数据及多种天气预报模型结合起来，推动预测能力达到目前的最高水平。

SMT系统

    作为SMT系统首次将多种预测方法整合到单个、可扩展的平台中。数据显示，太阳能从2013年起成为美国第二大用于发电的新能源，仅次于天然气。美国SunShot Vision Study预测，到2030年太阳能将能满足美国14%的电力需求，到2050年则将达到27%。

目前，再生能源预测技术的客户主要有两类：公用事业公司和独立系统运营商 (ISOs)。但随着太阳能设施的快速发展和太阳能利用率的提高，精确的太阳活动和风力预报对电力公司将极具价值。