IBM开发出一款计算机系统，该系统可通过分析数千数据点的数据来了解天气，并可提前几天甚至几周预测太阳能和风力发电厂可产生多少电能用于美国电网。

根据美国国家可再生能源实验室表示，这个新系统的精确度比现在美国国家气象服务等机构使用的最先进的天气预测系统高30%。

IBMT.J.Watson研究中心研究经历HendrikHamann表示：“它可为太阳能、风能和其他环境参数提供预测，并且，它会分析太阳能发电厂和气象站的数据，不断调整和改善其预测。”

由于该系统可以更好地预测可再生能源的可用性，国家电网将能够更好地整合电力与传统能源形势。

IBM的这个新计算机算法被称为自我学习天气模型和可再生预测技术(简称为SMT)，该技术利用大数据分析和机器学习来提高太阳能预测。该系统会对1600多个气象监测站、美国太阳能及风力发电场以及气象卫星的1TB多数据进行收集和分析。

Hamann称：“收集的数据越多，它就越智能化。”

该SMT系统会持续分析数据来学习和提高可再生能源的预测。其数据来自美国大陆成千上万气候模型、气象卫星影像以及安装在风力和太阳能发电厂的摄像机拍摄的天空图片。

相比之下，目前大多数预测技术仅依靠单个气象站，这让它们无法有效分析可再生能源的可用性。

IBM公司物理分析研究员SiyuanLu表示：“通过利用数千气象站的历史记录以及实时测量数据，该系统会不断训练自己，并且该系统结合了很多天气模型的预测与地理信息和其他数据，以产生最精确的预测—从几分钟到未来几周。”

现在，只有5%的美国电力来自风能和太阳能资源，但可再生能源的能源量正在迅速增长。

例如，据预测，在15年内，太阳能发电预计将占美国能源的高达14%，到2050年这个数据将达到27%。根据美国能源情报署(EIA)表示，目前，大约65%的美国电力是由化石燃料产生的能源，例如煤炭。

在过去两年里，太阳能是美国第二大新发电能源(+本站微信networkworldweixin)，排在它前面的只有天然气。

随着太阳能和风能能源量持续增加，区域电网需要提前知道他们将会有多少可再生能源电力，以更好地规划其能源需求。

在美国，电力传输由区域独立系统运营商(ISO)来控制，ISO会接收来自其成员公共设施的电力。例如，ISO新英格兰公司管理者该地区的大容量电力系统和传输线。

从传统渠道(例如化石燃料发电厂和水电大坝)的能源相对稳定，很容易预测。然而，可再生能源取决于天气;云、湿度和风速都会影响太阳能和风力涡轮机产生的可再生能源。

IBM的SMT系统每隔15分钟会获取新数据，使其能够预测并通知ISO太阳能和风力发电厂可能产生多少能源。

“通过提高预报的准确度，公共设施可以更有效率和更有盈利地运营，”SMT项目合作者美国国家可再生能源实验室(NRET)传输和电网集成部门负责任Bri-MathiasHodge表示。“这可以提高可再生能源的使用，让其成为更加公认的能源发电选择。”