英国国家电网拥有将电力输往英国各地的基础设施，以确保任何时候有足够电力来满足英国各地的需求。不过近些年平衡电网供需矛盾有些棘手，其主要因客观因素：如风能和太阳能等可再生能源已经成为英国能源结构中重要的组成部分。
这个时候，鉴于能源种类变多，如何使得可再生能源的分配和适当调度，成了英国电网需要解决的问题。
基于此，DeepMind认为，机器学习算法可以更准确地预测需求模式，有效地平衡英国国家电力系统中的供需矛盾。
DeepMind发言人提到，预测性机器学习在帮助电力系统减少对环境的影响上有巨大的潜力。一个真正令人感兴趣的前景是，DeepMind是否可以利用机器学习技术预测电力需求和供应的高峰，从而帮助英国国家电网公司最大限度地利用可再生能源。
DeepMind CEO哈萨比斯说到：“目前，我们正在与英国国家电网公司以及其他大型电力供应商进行初步探讨，以便帮助解决这些机构面临的种种问题。无需投入新的基础设施，只通过优化的手段，就可帮助英国节省10％ 的电力使用量，这一成效将是非常令人兴奋的。”
雷锋网之前也曾报道过，去年7月DeepMind就有着成功的电力节能应用案例，其利用机器学习算法将谷歌数据中心的用电量减少了15％。
DeepMind的智能算法能够更有效地预测谷歌数据中心的冷却系统和控制设备的负载，从而将用于冷却的电量减少了40％。DeepMind人工智能软件控制着数据中心内部大约120个设备参数变量，包括风扇、空调系统、甚至窗户等等。虽然DeepMind人工智能系统仅帮助数据中心降低了十几个百分点的耗电量，但由于总量巨大，一定程度上也节约了很多成本。根据2014年的数据，谷歌公司的总耗电量达到了4,402,836兆瓦小时，相当于366,903个美国家庭平均年耗电量总和，而其中最大的耗电源就是数据中心——用于支持全球的网页及移动应用服务。分析师估计，未来几年这可能会为谷歌节省数亿美元。
雷锋网了解到，这里需要指出的是，Google也并不是在拥有了DeepMind后才想着用人工智能节能，它在2014年就将机器学习技术用在一数据中心上。当时它使用神经网络预测能耗随时间的变化，从而更高效地安排设备使用情况。
哈萨比斯称：因为它的效果非常好，我们将这一技术的应用扩大至整个谷歌，但我们希望看到它能用于英国国家电网这样的规模上。我们认为，你能用于数据中心的技术没有理由不能用于一个国家的电网上。
