例如，大风时，风机加速运转，发电量提高，过多的电力超出了电网的负荷，最终导致断电。因此，为了平衡电力需求与供应，避免断电给客户带来损失，在特殊的大风时期或是光照丰富的时候，大型发电厂往往都会替客户的用电付费。当前，各国政府都计划在未来几十年内淘汰发电稳定的燃煤发电厂，这对于如何应对波峰和波谷期可再生能源发电间歇性来说，越发具有挑战性。那么为了减轻或管理这些可再生能源的波动性，我们首先需要更好地了解这些波动的性质。Mahesh Bandi教授，冲绳科技大学大学院Collective Interactions部门的负责人，在出版的物理评论快报中利用湍流理论并结合风电厂的实验数据解释风电波动的统计性质。风速图形可以被描述为风速谱图。1941年，俄罗斯物理学家Andrei Kolmogorov绘制出了风速波动的频谱。随后被表明，风力发电的频谱遵循与此完全相同的模式。然而，直到现如今，也只是假设当功率等于风速的立方时，这些光谱是相同的。Bandi教授第一个提出，风电波动的频谱与风速波动遵循相同的模式是另有原因的。Kolmogorov 1941年的结论是基于在同一时间风速分布在不同空间点的情况。但是测量一台风机的功率波动，是长时间内在某一个固定的位置。两种测量方式是根本不同的，通过仔细核算这种差异，Bandi教授就可以解释单个风机风力发电波动的频谱。我们可以把湍流看成是空气中的一个球体，或者说是一个“涡流”的脉动风速。在足够的时间范围内，低频涡流可跨越数百公里。在这些大漩涡中，在较短的时间范围内，即使是高频涡流，可能也只跨越几公里。因此，如果同一个风电场的所有风机遇到同一时间段涡流，那么产生的能量波动就好比整个风电场是一台风机的波动。这正是Bandi教授研究德克萨斯州某风电场风机功率波动时的发现。事实上，即使是分散在不同地理位置的风电场，在相同时间段的涡流中也可以呈现出相关联的功率波动。然而，随着风电场之间距离增加，它们功率波动的关联性也愈发减弱。两个不同地理位置的风电场有可能遇到相同的长时间段的涡流，也有可能遇到完全不同的短时间段的涡流。过去，很多科学家忽视了湍流的影响力，认为不同位置的风电场在同一个时间点，不管是多风还是风力平和的区域，只要并入统一的电网中，输出功率就会达到平均值。Bandi教授的研究结果首次证明这种现象，也被称为“geographic smoothing”现象，只有在一定条件下才会发生。位于不同位置的风电场，风机功率有可能处于同一频率上的平均值，因为当一个风电场遇到短时间段涡流时，另一个风电场可能处于相反的状态。但由于风电场仍处于同一时间长度涡流中，它们在低频时产生的功率会发生相关波动。
在不同位置的两个风电场遇到的是相同长时间尺度的涡流，就意味着他们并网时不可能产生平均输出功率。也就是说风电波动平均值有一个自然的极限值；超越极限值的波动就会对电网造成持续性的严重破坏。Bandi教授统计了德克萨斯州20个风电场以及爱尔兰224个风电场的数据来证明：这个自然的极限值是真实存在的。
当人们了解了风机功率波动的性质，就可以重新审视经济和政治决策。由于可再生能源的不稳定性，燃煤电厂随时在突然停电的情况下继续运转，以提供后备电量，这表明发电量大于需求量。所以“绿色”能源仍然有助于减少碳排放量，并且有助于维护储能的相关成本，那么在未来的几年内，可增加可再生能源的比例。根据Bandi教授的“geographic smoothing”理论，有利于更好得控制储能总量和相关的数据预测。
同时，这一理论对环境政策也有影响。根据功率平均波动的极限值，结合某一地区不同的可再生资源，如太阳能、风能以及潮汐能，政策的制定者能够更好得了解本地区风机的波动性质，有助于不同能源的优化组合。除此，利用该理论，也开启了通过更多的途径研究其他波动的系统。