目前风电行业的预测是乐观的。美国的风电装机容量从五年前的60千兆瓦(GW)增加到2017年的90千兆瓦以上，预计到2030年将达到220吉瓦。仅去年一年，工业增长就来自110亿美元的私人投资。
即使在今天的数字时代，人们在做出商业决策时仍然很重要。 软件应该直观易用，在具有挑战性的环境中高效工作，并支持人类的努力。 在这里，一名Uptake员工爬上风力涡轮机顶部，提供O&M帮助。
即使在今天的数字时代，人们在做出商业决策时仍然很重要。软件应该直观易用，在具有挑战性的环境中高效工作，并支持人类的努力。在这里，一名Uptake员工爬上风力涡轮机顶部，提供O&M帮助。
然而，尽管风能增长，但风能仍然是竞争激烈且多元化的美国能源市场的一个参与者。其他清洁能源如太阳能正在赶上价格曲线。为了更快地发展并保持竞争力，该行业必须继续创新，并进一步降低其平均能源成本或LCOE。
实现这一目标的一种有希望的方法是通过可再生能源的数字化转型改进机器和人类的合作方式。这意味着工程师，风能技术人员和机器在风力涡轮机检查，维护和故障排除方面进行合作，以充分最大化风电场的生产。
世界经济论坛预测，在未来十年，一些最大的工业部门的数字化转型将创造17.8万亿美元的价值。预计电力部门将获得约3.1万亿美元的价值。人工智能(AI)和数据是这种增长和发展的关键。
虽然人工智能的应用存在巨大的潜力，但迄今为止，风电行业只有很小的价值。一个原因是风能所有者和运营商通常只关注数据，而不是可以从数据中获得的商业价值。
当前的数据收集和分析方法存在两个反复出现的问题：
公司正在查看错误的数据
公司通常使用基本方法对其进行分析
在将大数据应用于具有挑战性的问题时，首先要确定最有价值的位置至关重要 - 而不是大多数数据可用的位置。铁路是一个最大限度地利用人工智能的行业的例子。通过有效地应用人工智能，一些铁路每年能够为每个机车产生160,000美元的价值。通过典型的一级铁路运营超过5,000辆机车，这些数字很快就会增加。
铁路是许多系统的集合 - 轨道，信号，机车和汽车 - 都值得。因此，首先确定具有最大价值的资产然后是否优化可靠性或生产率是非常重要的。对于铁路来说，最大的机会在于机车及其可靠性。例如，调度员可能会问的问题包括：当货物装运时机车是否准备就绪?如果是这样，它会毫不拖延地到达目的地或者发生故障吗?
在风能行业，这被称为基于时间或能源可用性，其工作方式与铁路行业大致相同。操作员可能会问：当风吹时，我的涡轮机是否可以发电? 什么是安排工作以优化风电场运营和成本的最佳方式?这需要分析许多混淆变量，如空气密度，电网条件，技术人员可用性，市场价格等。
由于有效的人工智能使用，在机车车队中节省的数百万美元只是铁路行业成功故事的一部分。主要部分是人 - 因为即使在数字化，人工智能驱动的业务中，数据也只是到目前为止。仍然需要业主，运营商，制造商和工程师来剖析数据并做出适当的价值判断。这就是领先的工业AI公司在研究用户体验方面投入巨资的原因，因此他们可以深入了解最有用和最有效的信息。
有效的AI也在风能行业中发挥作用。事实上，这一教训是为什么伯克希尔哈撒韦能源可再生能源公司和中美能源公司的风力发电机组在其现有2,400台风力发电机组的相同条件下产生的能量比之前的AI应用要多。据一家公司称，AI软件最近阻止了涡轮机的主轴承故障。像这样的查找(或“保存”)对于所有者来说可能意味着高达250,000美元，包括因停机而损失的项目收入。
风电行业无法在美国能源发电中占据更大的份额。该行业拥有所需的工具和数据。现在它只需要使用它们。
在风电场最大化人工智能的五种方法
1.关注价值所在的位置，而不是数据
的位置您可能拥有最多项目数据的区域可能不是您可以在运营中推动价值的地方。从您的主要挑战开始，从那里开始工作。
2.询问AI如何推动更智能的车队范围内的涡轮机决策
软件应识别单个组件故障，让风电场所有者和运营商在其风力发电机组中做出更明智，数据驱动的决策。
3.确保您的AI系统可用于所有涡轮机
通常，安装仅适用于一个品牌涡轮机的软件将导致更复杂和更高的成本。
4.即使在机器帮助下，人们仍然很重要
即使在今天的数字时代，风能技术也需要进行维修。在网站数字化转型的早期阶段让他们参与进来。
5.数字化转型具有挑战性，但值得一提
世界经济论坛估计，在未来十年内，仅电力市场就可以解锁3.1万亿美元的价值。
