Para lidar com serviços de previsão imprecisos e caros, a Microsoft e a TempoQuest colaboram com a AceCAST para acelerar as previsões de energia eólica. A nova plataforma é mais precisa e oportuna do que os modelos anteriores baseados em CPU, fornecendo previsões de geração de energia renovável em megawatts por hora.
Para previsões adequadas da produção de energia renovável, as empresas precisam de modelos meteorológicos precisos. Isso, por sua vez, auxilia na elaboração de um plano de ação mais eficaz para lidar com desastres naturais. Em uma sessão recente da GTC, a Microsoft e a TempoQuest mencionaram e detalharam seu trabalho com a NVIDIA.
O projeto visa abordar questões energéticas e climáticas. É uma necessidade urgente, pois previsões meteorológicas imprecisas e ineficazes já custaram cerca de 714 bilhões de dólares em 2022.
Para lidar com isso, as empresas precisam de modelos de previsão do tempo econômicos, mas rápidos e precisos. No trio, o TempoQuest permite previsões ambientais e meteorológicas de baixa latência hiperlocais.
A empresa faz parte do Programa NVIDIA Inception. Em comunicado, a empresa afirmou: "Nossa equipe é multidisciplinar, abrangendo ciências atmosféricas, meteorologia, computação de alto desempenho (HPC), inteligência artificial (IA), aprendizado de máquina (ML), engenharia e muito mais. Temos sido pioneiros na adoção de GPUs no setor ambiental."
Outras coisas citadas sobre a empresa incluem o seguinte:
- É a primeira a desenvolver software de GPU de forma que possa ser usado como um sistema de previsão do tempo de serviço.
- Primeira empresa a portar Weather Research and Forecasting (WRF) para GPUs
- Além disso, o primeiro é criar previsões rápidas e de alta resolução que sejam mais baratas do que as previsões baseadas em CPU.
A empresa se beneficiou da NVIDIA no Microsoft Azure para migrar o software tradicional de pesquisa e previsão do tempo para GPUs. Além disso, oferece resoluções inferiores a um quilômetro e resoluções temporais de 1 minuto a 1 hora. Com isso, também possibilita previsões mais rápidas da energia gerada por fontes solares e eólicas.
Desafios enfrentados pelas concessionárias para integrar energias renováveis
Fatores ambientais como velocidade do vento e cobertura de nuvens influenciam a energia eólica e solar. Isso torna desafiador manter as redes principalmente com energia eólica e solar.
Em dias de geração insuficiente de energia a partir de fontes renováveis , as empresas de serviços públicos utilizam reservas girantes, ou seja, energia gerada a partir de combustíveis fósseis. Com previsões meteorológicas melhores, mais rápidas e precisas, será mais fácil prever a geração de energia renovável.
Para incorporar mais energia renovável à rede elétrica, as empresas de serviços públicos precisam construir linhas de transmissão e torres de maior tensão . Mas, mais importante ainda, novas usinas de geração e tudo isso aumentarão os custos operacionais e de capital.
Acelerando a pesquisa e a previsão do tempo com GPUs
O AceCAST, ou Previsão Acelerada, é resultado da execução do WRF, utilizado por 50,000 usuários em 160 países. O WRF foi adaptado para rodar em sistemas x86 com GPUs NVIDIA.
Ele utiliza OpenACC e CUDA proprietários e é escalável em sistemas com múltiplos nós e GPUs . Todas as principais opções de lista de nomes do WRF, esquemas de física e dinâmicas são suportadas no AceCAST.
Além disso, é um substituto imediato para todas as configurações WRF existentes. Soluções mais rápidas, alta precisão, maior resolução, custos computacionais reduzidos e maior percepção localizada de fenômenos meteorológicos são alguns dos benefícios do AceCAST.
Análise de custos de validação e desempenho do AceCAST
As diferenças de CPU WRF para GPU WRF são verificadas se estão dentro de uma faixa de tolerância aceitável. O desempenho do modelo foi testado em previsões espaciais e em várias faixas temporais.
Por fim, milhares de casos de teste foram validados para garantir que os resultados produzidos pelo AceCAST sejam os mesmos do CPU WRF. Grandes diferenças em desempenho e custo foram reveladas após a execução de testes de desempenho no Microsoft Azure. Dê uma olhada no
1. WRF baseado em CPU – VMs HB120rs_v3 padrão (HBv3):
- 120 núcleos de CPU AMD EPYC™ série 7V73X (Milan-X)
- 450 GB de RAM (largura de banda de memória de 350 GB/seg)
- 200 Gb/seg HDR InfiniBand
- 2 discos SSD NVME de 1 TB
- NCAR WRF 4.2.2
- Utiliza Parallel net-CDF
- Compilado com compiladores Intel e MPI
2. WRF acelerado por GPU – Standard_ND96amsr_A100_v4 (NDmv4):
- 8 GPUs NVIDIA A100 Tensor Core (80 GB)
- NVLink 3.0 (200 Gb/s HDR InfiniBand)
- 96 núcleos de CPU AMD EPYC™ série 7V12 (Roma)
- 8 discos SSD NVME de 1 TB
- AceCAST 2.1
- Implementação proprietária usando OpenACC e CUDA
- Escalas em vários nós e várias GPUs usando MPI
3. Sistema de arquivos Lustre gerenciado do Azure
- Capacidade de armazenamento gerenciada do Azure de 40 TiB
- Taxa de transferência máxima de 10000 MB/s
De acordo com os resultados adquiridos, o AceCAST atingiu uma aceleração de ~9x do que o WRF baseado em CPU. Os resultados obtidos de 18 nós de CPU são semelhantes aos recebidos de 1 nó de GPU.
Esses resultados mostram que as concessionárias de energia podem prever com precisão a geração de energia renovável . Com isso, interrupções excessivas no fornecimento de energia podem ser evitadas e o fornecimento de energia confiável pode ser garantido.
Em outro teste no AceCAST 3.0.1, foi utilizado um domínio aninhado com um domínio externo. O domínio externo tinha 5 milhões de pontos de grade (430x331x38v) com espaçamento de 15 quilômetros, e o domínio interno tinha 80 milhões de pontos de grade (1551x1361x38v) com espaçamento de 3 quilômetros.
A partir dos resultados obtidos, concluiu-se que o AceCAST é 16.8 vezes mais rápido que o domínio interno do WRF . Além disso, ele é cerca de 7% mais rápido e tem um custo 75% menor em comparação com o WRF baseado em CPU. Isso significa que as concessionárias de energia poderão fazer previsões de potência em megawatts com precisão em locais específicos, a cada hora, todos os dias.
A Microsoft e a TempoQuest colaboram com a AceCAST para acelerar previsões de energia eólica. Com isso, haverá uma grande mudança social e global.
Fonte: NVIDIA
