Epätarkkojen ja kalliiden ennustepalvelujen torjumiseksi Microsoft ja TempoQuest tekevät yhteistyötä AceCASTin kanssa tuulienergian ennusteiden nopeuttamiseksi. Uusi alusta on tarkempi ja oikea-aikaisempi kuin aiemmat prosessoripohjaiset mallit, ja se tarjoaa uusiutuvan sähkön tuotannon ennusteita megawatteina tunneittain.
Uusiutuvan energian tuotannon oikeiden ennusteiden tekemiseksi yritykset tarvitsevat tarkkaa säämallinnusta. Tämä auttaa entisestään laatimaan paremman toimintasuunnitelman luonnonkatastrofien varalle. Äskettäisessä GTC-sessiossa Microsoft ja TempoQuest mainitsivat ja esittelivät yksityiskohtaisesti työtään NVIDIAn kanssa.
Hankkeen tarkoituksena on ratkaista energia- ja ilmastokysymyksiä. Se on ajankohtainen tarve, koska ennustamattomat ja tehottomat sääennusteet maksoivat jo noin 714 miljardia dollaria vuonna 2022.
Tämän ratkaisemiseksi yritykset tarvitsevat kustannustehokkaita, mutta nopeita ja tarkkoja sääennustemalleja. Kolmiossa TempoQuest mahdollistaa hyperpaikallisen matalan latenssin ympäristö- ja sääennusteet.
Se on NVIDIA Inception -ohjelman jäsen. Yhtiö sanoi: "Tiimimme on monialainen ja kattaa ilmakehätieteen, meteorologian, suurteholaskentaa, tekoälyä, koneoppimista, tekniikkaa ja paljon muuta. Olemme olleet johtava grafiikkasuorittimien käyttöönottaja ympäristöalalla."
Muita yhtiöstä lainattuja asioita ovat mm.
- Se on ensimmäinen, joka kehittää GPU-ohjelmiston tavalla, jota voidaan käyttää palvelun sääennusteena.
- Ensimmäinen yritys, joka on siirtänyt Weather Research and Forecasting (WRF) -toiminnon GPU:ihin
- Ensimmäinen on myös luoda nopeat ja korkearesoluutioiset ennusteet, jotka ovat halvempia kuin prosessoripohjaiset ennusteet.
Yritys hyödynsi NVIDIAa Microsoft Azuressa siirtääkseen perinteiset säätutkimus- ja ennustusohjelmistot grafiikkasuorittimille. Lisäksi se tarjoaa alle kilometrin tarkkuudella ja 1 minuutin - 1 tunnin aikatarkkuudella varustettuja tietoja. Tämän avulla se mahdollistaa myös nopeammat ennusteet aurinko- ja tuulivoiman tuottamasta sähköstä.
Utilities kohtaamat haasteet uusiutuvien energialähteiden integroimiseksi
Ympäristötekijät, kuten tuulen nopeus ja pilvipeitto, vaikuttavat tuuli- ja aurinkoenergiaan. Tämän vuoksi verkkojen ylläpito ensisijaisesti tuuli- ja aurinkovoimalla on haastavaa.
Päivinä, jolloin uusiutuvien energialähteiden tuottama sähkö on riittämätöntä, sähköyhtiöt käyttävät pyöriviä reservejä eli generaattoreiden tuottamaa hiilipohjaista sähköä. Parempien, nopeampien ja tarkempien sääennusteiden avulla uusiutuvan energian tuotannon ennustaminen on helpompaa.
Jotta sähköverkkoon voidaan liittää enemmän uusiutuvaa energiaa, sähköyhtiöiden on rakennettava korkeajännitteisiä siirtolinjoja ja -mastoja . Mutta mikä tärkeämpää, uudet tuotantolaitokset ja kaikki tämä lisäävät käyttö- ja pääomakustannuksia.
Säätutkimuksen ja sääennusteen nopeuttaminen näytönohjainten avulla
AceCAST eli Accelerated Forecast on seurausta WRF:n suorittamisesta, jota käyttää 50 000 käyttäjää 160 maassa. WRF on portattu toimimaan x86-järjestelmissä, joissa on NVIDIA-näytönohjaimet.
Se käyttää omaa OpenACC:tä ja CUDA:a, ja se skaalautuu monisolmu- ja mullet-GPU-järjestelmiin . AceCAST tukee kaikkia tärkeimpiä WRF-nimiluettelovaihtoehtoja, fysiikkakaavioita ja dynamiikkaa.
Lisäksi se korvaa kaikki olemassa olevat WRF-kokoonpanot. Nopeammat ratkaisut, suuri tarkkuus, korkeampi resoluutio, pienemmät laskentakustannukset ja hyvä paikallinen tietoisuus sääilmiöistä ovat useita AceCASTin etuja.
AceCASTin validoinnin ja suorituskyvyn kustannusanalyysi
CPU WRF:n ja GPU WRF:n väliset erot tarkistetaan, ovatko ne hyväksyttävällä toleranssialueella. Mallin suorituskykyä testattiin spatiaalisen ennusteen ja useiden aika-alueiden välillä.
Lopuksi tuhansia testitapauksia validoitiin sen varmistamiseksi, että AceCASTin tuottamat tulokset ovat samat kuin CPU WRF. Suuria eroja suorituskyvyssä ja kustannuksissa paljastettiin suoritettuaan suorituskykytestejä Microsoft Azuressa. Katsokaa
1. CPU-pohjainen WRF – Vakio HB120rs_v3 VM:t (HBv3):
- 120 AMD EPYCâ„¢ 7V73X-sarjan (Milan-X) CPU-ydintä
- 450 Gt RAM-muistia (350 Gt/s muistin kaistanleveys)
- 200 Gb/s HDR InfiniBand
- 2 x 1 TB NVME SSD -levyä
- NCAR WRF 4.2.2
- Käyttää rinnakkaisverkko-CDF:ää
- Käännetty Intel Compilersin ja MPI:n avulla
2. GPU-kiihdytetty WRF – Standard_ND96amsr_A100_v4 (NDmv4):
- 8 NVIDIA A100 Tensor Core GPU:ta (80 Gt)
- NVLink 3.0 (200 Gb/s HDR InfiniBand)
- 96 AMD EPYCâ„¢ 7V12-sarjan (Rooma) CPU-ydintä
- 8 x 1 TB NVME SSD -levyä
- AceCAST 2.1
- Oma toteutus OpenACC:tä ja CUDA:ta käyttäen
- Skaalautuu multi-node- ja multi-GPU-sovelluksiin MPI:n avulla
3. Azure Managed Luster File System
- 40 TiB Storage Azure Managed Capacity
- 10000 XNUMX MB/s maksimi suoritusnopeus
Saatujen tulosten mukaan AceCAST saavutti ~ 9x kiihtyvyyden kuin CPU-pohjainen WRF. 18 CPU-solmun tulokset ovat samanlaisia kuin 1 GPU-solmusta saadut tulokset.
Nämä tulokset osoittavat, että sähkölaitokset pystyvät ennustamaan tarkasti uusiutuvan energian tuotantoa. Tällä tavoin voitaisiin välttää liiallisia sähkökatkoksia ja toimittaa sähköä luotettavasti.
Toisessa AceCAST 3.0.1 -testissä käytettiin sisäkkäistä verkkotunnusta, jossa oli ulompi verkkotunnus. Ulompi verkkoalue oli 5 miljoonaa verkkopistettä (430x331x38v) 15 kilometrin ruudukkovälillä, ja sisäalue oli 80 miljoonaa verkkopistettä (1551x1361x38v) 3 kilometrin ruudukkovälillä.
Saatujen tulosten perusteella pääteltiin, että AceCAST toimii 16.8 kertaa nopeammin kuin WRF:n sisäinen alue . Lisäksi se toimii noin 7 % nopeammin ja 75 % halvemmalla verrattuna suoritinpohjaiseen WRF:ään. Tämä tarkoittaa, että sähkölaitokset voivat tehdä tarkkoja tehoennusteita megawatteina tietyissä kohteissa tunneittain joka päivä.
Microsoft ja TempoQuest tekevät yhteistyötä AceCASTin kanssa tuulivoimaennusteiden nopeuttamiseksi. Tämän myötä tapahtuu suuri yhteiskunnallinen ja globaali muutos.
Lähde: NVIDIA
