Neue Energie: Bạn muốn xác định một cách đáng tin cậy những vị trí tốt nhất cho các công viên năng lượng mặt trời trên khắp Châu Âu trong tương lai. Tuy nhiên, báo cáo năng suất dựa trên vị trí cho các dự án năng lượng tái tạo đã phổ biến trong kinh doanh dự án từ lâu và không ngừng được cải thiện. Cách tiếp cận của bạn là gì?
Martina Klärle: Đúng vậy, các dự báo về gió và bức xạ mặt trời liên tục được tối ưu hóa. Tuy nhiên, điều còn thiếu cho đến nay là khả năng áp dụng các quy trình này một cách nhanh chóng và tự động trong toàn bộ EU, vì dữ liệu địa lý, tức là thông tin về bản chất của bề mặt trái đất, không có sẵn ở các định dạng dữ liệu kỹ thuật số chuẩn hóa.
ne: Bây giờ điều đó đã thay đổi chưa?
Klärle: Chính xác. Cơ sở cho điều này là cái gọi là Chỉ thị Truyền cảm hứng của EU, có hiệu lực vào năm 2007. Kể từ ngày 1 tháng 1 năm nay, các quốc gia thành viên có nghĩa vụ cung cấp công khai và chuẩn hóa dữ liệu tham chiếu không gian địa lý này và cập nhật dữ liệu này mỗi năm một lần. Công việc nghiên cứu thực tế của chúng tôi sau đó có thể bắt đầu. Về cơ bản, đó là việc cung cấp một phương pháp luận có thể được sử dụng xuyên biên giới quốc gia để xác định tiềm năng năng lượng tái tạo ở mọi khu vực của EU trong lĩnh vực năng lượng mặt trời và gió.
ne: Các báo cáo về lượng gió hoặc bức xạ mặt trời cũng được tối ưu hóa theo cách này?
Klärle: Dự án của chúng tôi không nhằm nâng cao chất lượng của các phân tích tiềm năng. Cuối cùng, chúng tôi đưa ra một công thức, chính xác hơn là một thuật toán mà dữ liệu địa lý thống nhất hiện có sẵn có thể được xử lý dễ dàng hơn. Điều này liên quan đến việc kết hợp dữ liệu về tốc độ gió hoặc bức xạ mặt trời và các hệ thống tái tạo phù hợp với một địa điểm cụ thể.
ne: Vậy lợi thế lớn là tốc độ đánh giá vị trí tự động?
Klärle: Chính xác. Thay vì tốn nhiều công sức xác định tình hình dữ liệu cho một vị trí tiềm năng trong nhiều tháng hoặc nhiều năm, điều này trong tương lai có thể được rút ngắn xuống một vài tuần hoặc thậm chí được tính toán theo yêu cầu. Điều này có thể thực hiện được, trong số những thứ khác, bởi các danh mục thuộc tính được tiêu chuẩn hóa sẽ được sử dụng trong các tính toán. Nhưng chúng tôi cũng sẽ xác định thuật toán của chúng tôi cần bao lâu để xử lý lượng dữ liệu khổng lồ tương ứng và dung lượng máy tính nào là cần thiết cho việc này. Vì vậy, nó cũng là về những câu hỏi rất thực tế về khả năng ứng dụng.
ne: ‘Danh mục loại đối tượng’ có nghĩa là gì?
Klärle: Những danh mục như vậy ghi lại bản chất chính xác của một khu vực nhất định. Ví dụ, có những tuyên bố về việc liệu khu vực tương ứng có phải là cánh đồng, đường cao tốc chạy qua khu vực đó hay không hay khu vực đó có rừng hay không. Trong các tiểu mục có thông tin về việc đó là rừng lá kim hay rừng rụng lá, thảm thực vật có tuổi đời bao nhiêu, v.v. Tuy nhiên, trong hồ sơ dữ liệu, cũng có thể lưu ý rằng liệu một số thông tin nhất định vẫn còn bị thiếu và liệu việc đánh giá vị trí do đó có lẽ chỉ có giá trị thông tin hạn chế. Một mặt, đó là thông tin cụ thể về các khu vực đang được xem xét, nhưng cũng là về đánh giá định tính của dữ liệu này, tất nhiên có thể thay đổi liên tục.
ne: Bạn đang nghĩ về điều gì?
Klärle: Lượng gió và bức xạ mặt trời thay đổi liên tục từ năm này sang năm khác, không chỉ vì khí hậu và thời tiết tại khu vực có thể thay đổi, mà còn do những thay đổi trong cơ sở hạ tầng, ví dụ khi một khu định cư mới được xây dựng ở đâu đó, đường xá được xây dựng hoặc các khu vực rừng được trồng lại rừng.
ne: Ai cung cấp dữ liệu không gian địa lý ở các nước EU?
Klärle: Nó rất khác. Ở Đức, đây là trách nhiệm của Bộ Nội vụ, cơ quan này làm việc cùng với các quốc gia liên bang riêng lẻ nhằm mục đích thu thập dữ liệu và đôi khi ủy quyền cho Bộ Nội vụ.
ne: AI đóng vai trò gì trong dự án này?
Klärle: Đó là về nghiên cứu định hướng ứng dụng, không phải nghiên cứu cơ bản. Trong dự án Carel, chúng tôi sẽ không chủ động phát triển các thuật toán mới mà thay vào đó liên kết các thuật toán và phương pháp hiện có với nhau theo cách mà cuối cùng, các đề xuất quyết định tự động sẽ được đưa ra. Ví dụ, đối với câu hỏi về loại tuabin gió nào có thể được sử dụng tại một số địa điểm nhất định.
ne: Bạn nói rằng thuật toán nên được áp dụng trên toàn Liên minh Châu Âu. Làm thế nào để bạn tiến hành?
Klärle: Trước tiên, chúng tôi sẽ chọn năm tiểu bang mô hình để phát triển phương pháp và thử nghiệm nó với các quốc gia cụ thể của các tiểu bang. Tổng cộng dự án được lên kế hoạch kéo dài một năm rưỡi.
ne: Nghe có vẻ ít thời gian …
Klärle: Sẽ không thể phát triển một thuật toán như vậy từ đầu trong khoảng thời gian ngắn ngủi này, nhưng chúng tôi có thể rút ra được khoảng hai thập kỷ kinh nghiệm. Ví dụ như ở Hessen, tôi đã mang theo bản đăng ký tiềm năng năng lượng mặt trời trên toàn quốc đầu tiên. Cuối cùng, mục tiêu của chúng tôi là làm cho các thuật toán của chúng tôi có sẵn miễn phí. Khi đó, mọi bộ, mọi cơ quan, mọi văn phòng quy hoạch đều có thể truy cập những gì có thể thực hiện được nhờ cấu trúc dữ liệu mở. Điều này cũng đảm bảo sự phát triển hơn nữa của các bên thứ ba.
ne: Bạn không kiếm được gì với nó?
Klärle: Chúng tôi nhận được tài trợ từ bang Hessen và EU; ngoài ra, chúng tôi không nhận được bất kỳ khoản tiền nào. Tôi cũng không bận tâm về việc các công ty khác có thể sử dụng công việc của chúng tôi và dựa trên mô hình kinh doanh của họ. Mục đích của tôi là đóng góp vào việc thực hiện thành công và nhanh chóng Thỏa thuận Xanh của EU. Do đó, chúng tôi cũng muốn cung cấp thuật toán mà chúng tôi đã phát triển với các giải thích bằng bốn ngôn ngữ quốc gia, để việc truy cập dễ dàng hơn trên khắp Châu Âu. Tôi thấy mình là một chiến sĩ bảo vệ khí hậu. Chúng tôi phải tăng tốc độ một cách đáng kể. Dự án của chúng tôi có thể giúp ích.
Martine Klarle
là Phó Hiệu trưởng của Đại học Khoa học Ứng dụng Frankfurt và cùng làm việc với đồng nghiệp Robert Seuss của cô trong một quy trình tự động để đánh giá địa điểm cho các dự án năng lượng gió và năng lượng mặt trời.