गलत और महंगी पूर्वानुमान सेवाओं से निपटने के लिए, माइक्रोसॉफ्ट और टेम्पोक्वेस्ट ने पवन ऊर्जा पूर्वानुमानों को गति देने के लिए ऐसकास्ट के साथ सहयोग किया है। नया प्लेटफ़ॉर्म पहले के सीपीयू-आधारित मॉडलों की तुलना में अधिक सटीक और समय पर है, जो प्रति घंटे के आधार पर मेगावाट में अक्षय ऊर्जा उत्पादन की भविष्यवाणियां प्रदान करता है।
नवीकरणीय ऊर्जा उत्पादन के सटीक पूर्वानुमान के लिए कंपनियों को सटीक मौसम मॉडलिंग की आवश्यकता होती है। इससे प्राकृतिक आपदाओं से निपटने के लिए बेहतर कार्य योजना तैयार करने में भी मदद मिलती है। हाल ही में हुए एक जीटीसी सत्र में, माइक्रोसॉफ्ट और टेम्पोक्वेस्ट ने एनवीडिया के साथ अपने काम का उल्लेख और विस्तृत विवरण प्रस्तुत किया ।
यह परियोजना ऊर्जा और जलवायु संबंधी मुद्दों को संबोधित करने के लिए है। यह समय की मांग है क्योंकि मौसम के पूर्वानुमानों के गलत और अप्रभावी होने के कारण 2022 में लगभग 714 अरब डॉलर का नुकसान हो चुका है ।
इससे निपटने के लिए कंपनियों को लागत-प्रभावी लेकिन तेज़ और सटीक मौसम पूर्वानुमान मॉडल की आवश्यकता है। तीनों में, टेम्पोक्वेस्ट हाइपर-लोकल लो-लेटेंसी पर्यावरण और मौसम पूर्वानुमान को सक्षम बनाता है।
यह एनवीडिया इंसेप्शन प्रोग्राम का सदस्य है। कंपनी ने कहा, “हमारी टीम बहुविषयक है, जिसमें वायुमंडलीय विज्ञान, मौसम विज्ञान, एचपीसी, एआई, एमएल, इंजीनियरिंग और अन्य क्षेत्र शामिल हैं। हम पर्यावरण क्षेत्र में जीपीयू लाने में अग्रणी रहे हैं।”
कंपनी के बारे में उद्धृत अन्य बातें निम्नलिखित हैं:
- यह GPU सॉफ्टवेयर को इस तरह से विकसित करने वाली पहली कंपनी है जिसका उपयोग सेवा मौसम पूर्वानुमान प्रणाली के रूप में किया जा सकता है।
- मौसम अनुसंधान और पूर्वानुमान (WRF) को GPU में पोर्ट करने वाली पहली कंपनी
- इसके अलावा, पहला उपाय है तेज और उच्च-रिज़ॉल्यूशन पूर्वानुमान तैयार करना, जो सीपीयू-आधारित पूर्वानुमानों की तुलना में सस्ता है।
कंपनी ने माइक्रोसॉफ्ट एज़्योर पर स्थित एनवीडिया की मदद से पारंपरिक मौसम अनुसंधान और पूर्वानुमान सॉफ्टवेयर को जीपीयू पर स्थानांतरित किया। साथ ही, इससे किलोमीटर से कम के रिज़ॉल्यूशन और 1 मिनट से 1 घंटे तक के समय रिज़ॉल्यूशन प्राप्त हुए। इसके अलावा, सौर और पवन ऊर्जा स्रोतों से उत्पन्न बिजली का पूर्वानुमान भी तेजी से लगाया जा सकता है।
नवीकरणीय ऊर्जा को एकीकृत करने में उपयोगिताओं के सामने आने वाली चुनौतियाँ
हवा की गति और बादलों की कवरेज जैसे पर्यावरणीय कारक पवन और सौर ऊर्जा को प्रभावित करते हैं। इससे मुख्य रूप से पवन और सौर ऊर्जा से ग्रिड को बनाए रखना चुनौतीपूर्ण हो जाता है।
नवीकरणीय संसाधनों से अपर्याप्त बिजली उत्पादन वाले दिनों में , बिजली कंपनियां स्पिनिंग रिजर्व का उपयोग करती हैं, यानी जनरेटरों द्वारा उत्पादित कार्बन-आधारित बिजली का। बेहतर, त्वरित और सटीक मौसम पूर्वानुमान के साथ नवीकरणीय बिजली उत्पादन का अनुमान लगाना आसान हो जाएगा।
ग्रिड में नवीकरणीय ऊर्जा को अधिक शामिल करने के लिए बिजली कंपनियों को उच्च वोल्टेज वाली ट्रांसमिशन लाइनें और टावर बनाने होंगे । लेकिन इससे भी महत्वपूर्ण बात यह है कि नए उत्पादन संयंत्रों और इन सब से परिचालन और पूंजीगत लागत में वृद्धि होगी।
GPU के साथ मौसम अनुसंधान और पूर्वानुमान में तेजी लाना
AceCAST या एक्सीलरेटेड फोरकास्ट, WRF के संचालन का परिणाम है, जिसका उपयोग 160 देशों में 50,000 उपयोगकर्ता करते हैं। WRF को NVIDIA GPU वाले x86 सिस्टम पर चलाने के लिए अनुकूलित किया गया है।
यह स्वामित्व वाली OpenACC और CUDA का उपयोग करता है, और इसे मल्टी-नोड और मुलेट-GPU सिस्टम पर स्केल किया जा सकता है । AceCAST में सभी प्रमुख WRF नाम सूची विकल्प, भौतिकी योजना और गतिशीलता समर्थित हैं।
इसके अलावा, यह सभी मौजूदा WRF कॉन्फ़िगरेशन के लिए एक ड्रॉप-इन प्रतिस्थापन है। तेज़ समाधान, बढ़िया सटीकता, उच्च रिज़ॉल्यूशन, कम कम्प्यूटेशन लागत और मौसम की घटनाओं के बारे में बढ़िया स्थानीय जागरूकता AceCAST के कई लाभ हैं।
ऐसकास्ट सत्यापन और प्रदर्शन का लागत विश्लेषण
CPU WRF से GPU WRF के बीच अंतर की जाँच की जाती है कि क्या वे स्वीकार्य सहनशीलता सीमा के भीतर हैं। मॉडल के प्रदर्शन का परीक्षण स्थानिक पूर्वानुमान और कई अस्थायी सीमाओं में किया गया।
अंत में, यह सुनिश्चित करने के लिए कि AceCAST द्वारा उत्पादित परिणाम CPU WRF के समान हैं, हज़ारों परीक्षण मामलों को मान्य किया गया। Microsoft Azure पर प्रदर्शन परीक्षण चलाने के बाद प्रदर्शन और लागत में बड़े अंतर सामने आए।
1. CPU-आधारित WRF – मानक HB120rs_v3 VMs (HBv3):
- 120 AMD EPYCâ„¢ 7V73X-सीरीज (मिलान-X) CPU कोर
- 450 जीबी रैम (350 जीबी/सेकंड मेमोरी बैंडविड्थ)
- 200 जीबी/सेकंड एचडीआर इनफिनिबैंड
- 2 x 1 TB NVME SSD डिस्क
- एनसीएआर डब्ल्यूआरएफ 4.2.2
- समानांतर नेट-सीडीएफ का उपयोग करता है
- इंटेल कम्पाइलर्स और एमपीआई के साथ संकलित
2. GPU-त्वरित WRF – Standard_ND96amsr_A100_v4 (NDmv4):
- 8 NVIDIA A100 टेंसर कोर GPU (80GB)
- एनवीलिंक 3.0 (200 जीबी/एस एचडीआर इनफिनिबैंड)
- 96 AMD EPYCâ„¢ 7V12-सीरीज (रोम) CPU कोर
- 8 x 1 TB NVME SSD डिस्क
- ऐसकास्ट 2.1
- OpenACC और CUDA का उपयोग करके स्वामित्व कार्यान्वयन
- MPI का उपयोग करके मल्टी-नोड और मल्टी-GPU पर स्केलिंग
3. Azure प्रबंधित लस्टर फ़ाइल सिस्टम
- 40TiB संग्रहण Azure प्रबंधित क्षमता
- 10000 MB/s अधिकतम थ्रूपुट
प्राप्त परिणामों के अनुसार, AceCAST ने CPU-आधारित WRF की तुलना में ~9x त्वरण प्राप्त किया। 18 CPU नोड्स से प्राप्त परिणाम 1 GPU नोड से प्राप्त परिणामों के समान हैं।
इन परिणामों से पता चलता है कि बिजली कंपनियां नवीकरणीय ऊर्जा उत्पादन का सटीक अनुमान लगा सकती हैं । इससे अत्यधिक बिजली कटौती से बचा जा सकता है और विश्वसनीय बिजली आपूर्ति सुनिश्चित की जा सकती है।
AceCAST 3.0.1 पर दूसरे परीक्षण के लिए, बाहरी डोमेन के साथ नेस्टेड डोमेन का इस्तेमाल किया गया। बाहरी डोमेन 5 किलोमीटर ग्रिड स्पेसिंग के साथ 430 मिलियन ग्रिड पॉइंट (331x38x15v) था, और आंतरिक डोमेन 80 किलोमीटर ग्रिड स्पेसिंग के साथ 1551 मिलियन ग्रिड पॉइंट (1361x38x3v) था।
प्राप्त परिणामों से यह निष्कर्ष निकाला गया कि AceCAST, WRF इनर डोमेन की तुलना में 16.8 गुना अधिक तेज़ी से चलता है । साथ ही, CPU-आधारित WRF की तुलना में यह लगभग 7% अधिक तेज़ी से चलता है और इसकी लागत 75% कम है। इसका अर्थ है कि बिजली कंपनियां प्रतिदिन प्रति घंटे के आधार पर विशिष्ट स्थानों पर मेगावाट में बिजली की सटीक भविष्यवाणी कर सकेंगी।
माइक्रोसॉफ्ट और टेम्पोक्वेस्ट ने पवन ऊर्जा पूर्वानुमानों में तेजी लाने के लिए ऐसकास्ट के साथ मिलकर काम किया है। इससे समाज और दुनिया में बड़ा बदलाव आएगा।
स्रोत: एनवीडिया
