Para abordar los servicios de pronóstico imprecisos y costosos, Microsoft y TempoQuest colaboran con AceCAST para acelerar los pronósticos de energía eólica. La nueva plataforma es más precisa y oportuna que los modelos anteriores basados en CPU, y ofrece predicciones de generación de energía renovable en megavatios cada hora.
Para realizar pronósticos precisos sobre la producción de energía renovable, las empresas necesitan modelos meteorológicos exactos. Esto, a su vez, ayuda a elaborar un mejor plan de acción para afrontar desastres naturales. En una reciente sesión de GTC, Microsoft y TempoQuest mencionaron y detallaron su colaboración con NVIDIA.
El proyecto busca abordar los problemas energéticos y climáticos. Es una necesidad imperiosa, ya que los pronósticos meteorológicos ineficaces y sin fundamento ya costaron alrededor de 714 mil millones de dólares en 2022.
Para abordar esto, las empresas necesitan modelos de pronóstico meteorológico rentables, pero rápidos y precisos. En este trío, TempoQuest permite pronósticos ambientales y meteorológicos hiperlocales de baja latencia.
Es miembro del programa NVIDIA Inception. La compañía declaró: «Nuestro equipo es multidisciplinario y abarca ciencias atmosféricas, meteorología, computación de alto rendimiento (HPC), inteligencia artificial (IA), aprendizaje automático (ML), ingeniería y más. Hemos sido pioneros en la adopción de GPU en el sector medioambiental».
Otras cosas citadas sobre la empresa incluyen lo siguiente:
- Es el primero en desarrollar software de GPU de manera que pueda usarse como un sistema de pronóstico meteorológico de servicio.
- Primera empresa en trasladar la investigación y previsión meteorológica (WRF) a las GPU
- Además, el primero es crear pronósticos rápidos y de alta resolución que sean más económicos que los pronósticos basados en CPU.
La empresa aprovechó la plataforma NVIDIA en Microsoft Azure para migrar su software tradicional de investigación y pronóstico meteorológico a las GPU. Además, ofrece resoluciones inferiores a un kilómetro y resoluciones temporales de entre un minuto y una hora. Esto también permite predicciones más rápidas de la energía generada por fuentes solares y eólicas.
Desafíos que enfrentan las empresas de servicios públicos para integrar las energías renovables
Factores ambientales como la velocidad del viento y la nubosidad influyen en la energía eólica y solar. Esto dificulta el mantenimiento de las redes eléctricas que utilizan principalmente energía eólica y solar.
En los días de generación insuficiente de energía a partir de fuentes renovables , las compañías eléctricas utilizan reservas rotatorias, es decir, energía generada con combustibles fósiles mediante generadores. Con pronósticos meteorológicos mejores, más rápidos y precisos, será más fácil predecir la generación de energía renovable.
Para incorporar más energía renovable a la red eléctrica, las compañías eléctricas deben construir líneas de transmisión y torres de mayor voltaje . Pero, aún más importante, la construcción de nuevas centrales de generación y todo esto incrementará los costos operativos y de capital.
Aceleración de la investigación y la previsión meteorológica con GPU
AceCAST o Pronóstico Acelerado es el resultado de ejecutar WRF, que es utilizado por 50 000 usuarios en 160 países. WRF se ha adaptado para ejecutarse en sistemas x86 con GPU NVIDIA.
Utiliza OpenACC y CUDA, tecnologías propietarias, y se escala en sistemas multinodo y con múltiples GPU . AceCAST admite todas las opciones principales de la lista de nombres de WRF, el esquema físico y la dinámica.
Además, es un reemplazo directo para todas las configuraciones WRF existentes. Soluciones más rápidas, mayor precisión, mayor resolución, menores costos de computación y un excelente conocimiento localizado de los fenómenos meteorológicos son algunas de las ventajas de AceCAST.
Análisis de costos de la validación y el rendimiento de AceCAST
Se comprobó que las diferencias entre el WRF de la CPU y el WRF de la GPU se encuentren dentro de un rango de tolerancia aceptable. El rendimiento del modelo se evaluó en pronósticos espaciales y en varios rangos temporales.
Finalmente, se validaron miles de casos de prueba para garantizar que los resultados de AceCAST coincidieran con los de CPU WRF. Se detectaron grandes diferencias de rendimiento y costo tras ejecutar pruebas de rendimiento en Microsoft Azure. Consulte
1. WRF basado en CPU: máquinas virtuales HB120rs_v3 estándar (HBv3):
- 120 núcleos de CPU AMD EPYC™ serie 7V73X (Milan-X)
- 450 GB de RAM (ancho de banda de memoria de 350 GB/seg)
- InfiniBand HDR de 200 Gb/seg
- 2 discos SSD NVME de 1 TB
- NCAR WRF 4.2.2
- Utiliza CDF de red paralela
- Compilado con compiladores Intel y MPI
2. WRF acelerado por GPU – Standard_ND96amsr_A100_v4 (NDmv4):
- 8 GPU NVIDIA A100 Tensor Core (80 GB)
- NVLink 3.0 (HDR InfiniBand de 200 Gb/s)
- 96 núcleos de CPU AMD EPYC™ serie 7V12 (Rome)
- 8 discos SSD NVME de 1 TB
- AceCAST 2.1
- Implementación propietaria utilizando OpenACC y CUDA
- Escala en múltiples nodos y múltiples GPU usando MPI
3. Sistema de archivos Lustre administrado por Azure
- Capacidad administrada de Azure de almacenamiento de 40 TiB
- Rendimiento máximo de 10000 MB/s
Según los resultados obtenidos, AceCAST logró una aceleración aproximadamente 9 veces superior a la de WRF basado en CPU. Los resultados obtenidos con 18 nodos de CPU son similares a los obtenidos con un nodo de GPU.
Estos resultados demuestran que las compañías eléctricas pueden predecir con precisión la generación de energía renovable . De esta forma, se podrían evitar cortes de energía excesivos y garantizar un suministro eléctrico fiable.
Para otra prueba en AceCAST 3.0.1, se utilizó un dominio anidado con un dominio externo. El dominio externo tenía 5 millones de puntos de cuadrícula (430x331x38v) con un espaciado de cuadrícula de 15 kilómetros, y el dominio interno tenía 80 millones de puntos de cuadrícula (1551x1361x38v) con un espaciado de cuadrícula de 3 kilómetros.
A partir de los resultados obtenidos, se concluyó que AceCAST funciona 16.8 veces más rápido que el dominio interno de WRF . Además, funciona aproximadamente un 7 % más rápido y con un coste un 75 % menor en comparación con WRF basado en CPU. Esto significa que las empresas de servicios públicos podrán realizar predicciones de potencia precisas en megavatios en sitios específicos cada hora, todos los días.
Microsoft y TempoQuest colaboran con AceCAST para acelerar los pronósticos de energía eólica. Esto supondrá un gran cambio social y global.
Fuente: NVIDIA
