Om onnauwkeurige en dure voorspellingsdiensten aan te pakken, werken Microsoft en TempoQuest samen met AceCAST om windenergievoorspellingen te versnellen. Het nieuwe platform is nauwkeuriger en actueler dan eerdere CPU-gebaseerde modellen en levert voorspellingen voor de opwekking van hernieuwbare energie in megawatt per uur.
Voor accurate voorspellingen van de productie van hernieuwbare energie hebben bedrijven nauwkeurige weermodellen nodig. Dit helpt bovendien bij het opstellen van een beter actieplan om natuurrampen het hoofd te bieden. Tijdens een recente GTC-sessie bespraken Microsoft en TempoQuest hun samenwerking met NVIDIA en gaven hier details over.
Het project is bedoeld om energie- en klimaatproblemen aan te pakken. Dat is hard nodig, want onjuiste en ineffectieve weersvoorspellingen hebben in 2022 al zo'n 714 miljard dollar gekost.
Om dit aan te pakken, hebben bedrijven kosteneffectieve, maar snelle en nauwkeurige weersvoorspellingsmodellen nodig. TempoQuest maakt met dit trio hyperlokale milieu- en weersvoorspellingen met lage latentie mogelijk.
Het bedrijf is lid van het NVIDIA Inception Program. Het bedrijf verklaarde: "Ons team is multidisciplinair en omvat atmosferische wetenschappen, meteorologie, HPC, AI, ML, engineering en meer. We zijn een van de koplopers in het toepassen van GPU's in de milieusector."
Andere zaken die over het bedrijf worden genoemd, zijn onder meer:
- Het is de eerste onderneming die GPU-software heeft ontwikkeld die als serviceweersvoorspellingssysteem kan worden gebruikt.
- Eerste bedrijf dat Weather Research and Forecasting (WRF) naar GPU's porteert
- Het eerste doel is om snelle en nauwkeurige voorspellingen te maken die goedkoper zijn dan voorspellingen die op de CPU gebaseerd zijn.
Het bedrijf profiteerde van NVIDIA op Microsoft Azure om traditionele software voor weersonderzoek en -voorspelling naar GPU's te migreren. Dit leverde resoluties op van minder dan een kilometer en tijdresoluties van 1 minuut tot 1 uur. Hierdoor konden ook snellere voorspellingen worden gedaan van de energieopwekking door zonne- en windenergie.
Uitdagingen voor nutsbedrijven bij de integratie van hernieuwbare energiebronnen
Omgevingsfactoren zoals windsnelheid en bewolking beïnvloeden wind- en zonne-energie. Dat maakt het lastig om de netwerken voornamelijk met wind- en zonne-energie te onderhouden.
Op dagen dat er onvoldoende stroom wordt opgewekt uit hernieuwbare bronnen, maken energiebedrijven gebruik van reservevermogen, oftewel fossiele brandstoffen die door generatoren worden opgewekt. Met betere, snellere en nauwkeurigere weersvoorspellingen wordt het gemakkelijker om de opwekking van hernieuwbare energie te voorspellen.
Om meer hernieuwbare energiebronnen in het net te integreren, moeten energiebedrijven hoogspanningsleidingen en masten aanleggen . Maar belangrijker nog, nieuwe energiecentrales en al deze ontwikkelingen zullen de operationele en investeringskosten verhogen.
Versnelling van weeronderzoek en -voorspelling met GPU's
AceCAST , ofwel Accelerated Forecast, is het resultaat van het gebruik van WRF, dat door 50,000 gebruikers in 160 landen wordt gebruikt. WRF is geporteerd om te draaien op x86-systemen met NVIDIA GPU's.
Het maakt gebruik van de eigen OpenACC- en CUDA-technologieën en is schaalbaar op systemen met meerdere knooppunten en meerdere GPU's . Alle belangrijke WRF-naamlijstopties, fysicaschema's en dynamica worden ondersteund in AceCAST.
Bovendien is het een directe vervanging voor alle bestaande WRF-configuraties. Snellere oplossingen, grote nauwkeurigheid, hogere resolutie, lagere rekenkosten en een uitstekend lokaal inzicht in weersverschijnselen zijn enkele van de voordelen van AceCAST.
Kostenanalyse van AceCAST-validatie en -prestaties
Er wordt gecontroleerd of de verschillen tussen CPU-WRF en GPU-WRF binnen een acceptabel tolerantiebereik vallen. De modelprestaties werden getest met behulp van ruimtelijke voorspellingen en verschillende tijdsintervallen.
Ten slotte werden duizenden testcases gevalideerd om te garanderen dat de resultaten van AceCAST hetzelfde zijn als die van CPU WRF. Er werden grote verschillen in prestaties en kosten vastgesteld na het uitvoeren van prestatietests op Microsoft Azure. Bekijk de
1. CPU-gebaseerde WRF – Standaard HB120rs_v3 VM's (HBv3):
- 120 AMD EPYC™ 7V73X-serie (Milan-X) CPU-cores
- 450 GB RAM (350 GB/sec geheugenbandbreedte)
- 200 Gb/sec HDR InfiniBand
- 2 x 1 TB NVME SSD-schijven
- NCAR WRF 4.2.2
- Gebruikt Parallel net-CDF
- Gecompileerd met Intel-compilers en MPI
2. GPU-versnelde WRF – Standard_ND96amsr_A100_v4 (NDmv4):
- 8 NVIDIA A100 Tensor Core GPU's (80 GB)
- NVLink 3.0 (200 Gb/s HDR InfiniBand)
- 96 AMD EPYC™ 7V12-serie (Rome) CPU-cores
- 8 x 1 TB NVME SSD-schijven
- AceCAST 2.1
- Eigendomsimplementatie met behulp van OpenACC en CUDA
- Schalen op meerdere knooppunten en meerdere GPU's met behulp van MPI
3. Azure Managed Lustre-bestandssysteem
- 40TiB Azure beheerde opslagcapaciteit
- Maximale doorvoer van 10000 MB/s
Volgens de verkregen resultaten behaalde AceCAST een versnelling die ongeveer 9x hoger lag dan die van CPU-gebaseerde WRF. De resultaten behaald met 18 CPU-knooppunten zijn vergelijkbaar met die van 1 GPU-knooppunt.
Deze resultaten tonen aan dat energiebedrijven de opwekking van hernieuwbare energie nauwkeurig kunnen voorspellen . Hierdoor kunnen overmatige stroomonderbrekingen worden voorkomen en kan een betrouwbare stroomvoorziening worden gegarandeerd.
Voor een andere test op AceCAST 3.0.1 werd een genest domein met een buitendomein gebruikt. Het buitendomein besloeg 5 miljoen rasterpunten (430x331x38v) met een rasterafstand van 15 kilometer, en het binnendomein besloeg 80 miljoen rasterpunten (1551x1361x38v) met een rasterafstand van 3 kilometer.
Uit de verkregen resultaten is geconcludeerd dat AceCAST 16.8 keer sneller werkt dan het interne domein van WRF . Bovendien is het ongeveer 7% sneller en 75% goedkoper in vergelijking met CPU-gebaseerde WRF. Dit betekent dat energiebedrijven elke dag nauwkeurig het stroomverbruik in megawatt op specifieke locaties per uur kunnen voorspellen.
Microsoft en TempoQuest werken samen met AceCAST om windenergievoorspellingen te versnellen. Dit zal een grote maatschappelijke en wereldwijde verandering teweegbrengen.
Bron: NVIDIA
