
Los drones y la inteligencia artificial se combinan para crear modelos eólicos predictivos para mejorar las soluciones de energía renovable.
por el redactor de DRONELIFE, Ian J. McNabb
Mientras los científicos han luchado por predecir con precisión las condiciones del viento, una empresa japonesa está trabajando en lo que podría ser el secreto para comprender los patrones atmosféricos y utiliza drones. La Oficina de Patentes y Comercio de EE. UU. recibió recientemente una solicitud del titán de la industria japonesa Mitsubishi Electric Co. (número de serie202418746347) para un nuevo sistema de detección de viento basado en UAV que aprovecha la capacidad del UAV para maniobrar fácilmente a través de la corriente de viento para recopilar datos de ubicación, geodésicos y de velocidad del viento, que luego pueden introducirse en una IA especialmente diseñada que se utiliza para crear datos más precisos y predictivos. modelos de viento.
El objetivo del proyecto es crear sistemas que permitan una ubicación más óptima de los parques eólicos, lo que implica un proceso de reconocimiento de múltiples etapas (y múltiples altitudes) que implica el conocimiento tanto de lo que hay en el suelo como de lo que estará considerablemente por encima de él. Un dron, que puede transportar los sensores adecuados para ambos trabajos, hace que sea mucho más fácil calcular dónde podría colocarse de forma segura una turbina para obtener la máxima potencia, lo que llevó a Mitsubishi a integrar los UAV en su solución más amplia de predicción del viento.
El texto completo de la patente (disponible aquí) incluye una exploración mucho más técnica de cómo funciona el modelo, pero básicamente, el dron utilizará un modelo de IA para posicionarse y recopilar datos del viento, que luego se retroalimentarán al modelo, creando un sistema de predicción del viento de autoaprendizaje. impulsado por vehículos aéreos no tripulados. Si bien probablemente falten algunos años para que esta tecnología cobre vida, tal vez, con la ayuda de drones, el elemento (famoso y caprichoso) del viento ya no sea impredecible.
El texto completo del resumen de la patente dice lo siguiente: “Un dispositivo de aprendizaje de la condición del viento según la presente divulgación comprende una unidad de entrada (32) que recibe la entrada de un conjunto de datos de entrenamiento y una unidad aritmética (34) con una IA que realiza aprendizaje sobre la base del conjunto de datos de entrenamiento. Un lado del conjunto de datos de entrenamiento es un valor del modelo de distribución de altitud de la condición del viento que sigue una ley de potencia en el lado del flujo de entrada, y el otro lado del conjunto de datos de entrenamiento incluye un valor promedio de velocidad del viento, un valor máximo de velocidad del viento y una energía de turbulencia. , o una intensidad de turbulencia en la distribución de las condiciones del viento de un espacio ambiental obtenida mediante simulación”.
Más información sobre la patente, incluidos los autores, está disponible. aquí.
Leer más:
Miriam McNabb es la editora en jefe de DRONELIFE y directora ejecutiva de JobForDrones, un mercado de servicios profesionales de drones, y una observadora fascinada de la emergente industria de los drones y el entorno regulatorio para los drones. Miriam ha escrito más de 3000 artículos centrados en el espacio de los drones comerciales y es una oradora internacional y una figura reconocida en la industria. Miriam tiene un título de la Universidad de Chicago y más de 20 años de experiencia en ventas de alta tecnología y marketing de nuevas tecnologías.
Para consultoría o redacción sobre la industria de drones, Envía un correo electrónico a Miriam.
GORJEO:@spaldingbarker
Suscríbete a DroneLife aquí.