为了解决预测服务不准确且成本高昂的问题，微软和 TempoQuest 与 AceCAST 合作，加速风能预测。新平台比之前基于 CPU 的模型更加精确、及时，能够以每小时兆瓦为单位提供可再生能源发电量预测。
为了对可再生能源生产企业进行准确的预测，需要精确的天气模型。这也有助于制定更好的应对自然灾害的行动计划。在最近的一次GTC会议上，微软和TempoQuest提及并详细介绍了他们与NVIDIA的合作。
该项目旨在解决能源和气候问题。这迫在眉睫，因为仅2022年，不准确和无效的天气预报就已经造成了约714亿美元的损失。
为了应对这一挑战，企业需要经济高效、快速准确的天气预报模型。在这三款产品中，TempoQuest 能够实现超本地化、低延迟的环境和天气预报。
它是NVIDIA Inception计划的成员。该公司表示：“我们的团队是跨学科的，涵盖大气科学、气象学、高性能计算、人工智能、机器学习、工程等领域。我们一直是将GPU引入环境领域的领先企业。”
关于该公司的其他信息包括：
- 这是第一个以可用作服务天气预报系统的方式开发GPU软件。
- 第一家将天气研究与预报 (WRF) 移植到 GPU 的公司
- 另外，第一个目标是创建比基于 CPU 的预测更便宜的快速、高分辨率预测。
该公司受益于NVIDIA在微软Azure上的技术，将传统的气象研究和预报软件迁移到GPU上。此外，该技术还能提供小于公里级的分辨率和1分钟到1小时的时间分辨率。同时，它还能更快地预测太阳能和风能的发电量。
公用事业公司整合可再生能源面临的挑战
风速和云量等环境因素会影响风能和太阳能发电。这使得主要依靠风能和太阳能发电的电网维护变得极具挑战性。
在可再生能源发电量不足的日子里，电力公司会启用旋转备用电源，也就是由发电机组生产的碳基电力。如果天气预报更加完善、快速和准确，预测可再生能源发电量将会更加容易。
为了将更多可再生能源并入电网，电力公司必须建设更高电压的输电线路和铁塔。但更重要的是，新建发电厂等相关设施将增加运营成本和资本支出。
利用 GPU 加速天气研究和预报
AceCAST（加速预测）是基于 WRF 运行的，WRF 在 160 个国家/地区拥有 50,000 万用户。WRF 已被移植到配备 NVIDIA GPU 的 x86 系统上运行。
它采用专有的 OpenACC 和 CUDA，并可扩展到多节点和 mullet-GPU 系统。AceCAST 支持所有主要的 WRF 名称列表选项、物理方案和动力学。
此外，它可以直接替代所有现有的 WRF 配置。更快的解算速度、更高的精度、更高的分辨率、更低的计算成本以及对本地天气现象的出色感知，这些都是 AceCAST 的优势所在。
AceCAST 验证和性能的成本分析
检查 CPU WRF 与 GPU WRF 之间的差异是否在可接受的范围内。并在空间预测和多个时间范围内测试了模型性能。
最后，我们验证了数千个测试用例，以确保 AceCAST 的结果与 CPU WRF 的结果一致。在 Microsoft Azure 上运行性能测试后，我们发现性能和成本存在显著差异。请查看
1.基于 CPU 的 WRF – 标准 HB120rs_v3 虚拟机 (HBv3)：
- 120 个 AMD EPYC™ 7V73X 系列 (Milan-X) CPU 核心
- 450 GB RAM（350 GB/秒内存带宽）
- 200 Gb/秒 HDR InfiniBand
- 2 个 1 TB NVME SSD 磁盘
- NCAR WRF 4.2.2
- 使用并行网络CDF
- 使用英特尔编译器和 MPI 进行编译
2.GPU 加速 WRF – Standard_ND96amsr_A100_v4 (NDmv4)：
- 8 个 NVIDIA A100 Tensor Core GPU（80GB）
- NVLink 3.0（200 Gb/s HDR InfiniBand）
- 96 个 AMD EPYC™ 7V12 系列 (Rome) CPU 核心
- 8 个 1 TB NVME SSD 磁盘
- AceCAST 2.1
- 使用 OpenACC 和 CUDA 的专有实现
- 使用 MPI 在多节点和多 GPU 上扩展
3. Azure 托管 Lustre 文件系统
- 40TiB 存储 Azure 托管容量
- 最大吞吐量 10000 MB/s
根据测试结果，AceCAST 的加速比基于 CPU 的 WRF 约高出 9 倍。18 个 CPU 节点的测试结果与 1 个 GPU 节点的测试结果相似。
这些结果表明，电力公司能够准确预测可再生能源发电量。这样一来，就能避免过多的停电，并确保电力供应的可靠性。
在AceCAST 3.0.1上进行另一次测试，采用嵌套域加外域的方式，外域为5万个网格点（430x331x38v），网格间距为15公里；内域为80万个网格点（1551x1361x38v），网格间距为3公里。
根据所得结果，可以得出结论：AceCAST 的运行速度比 WRF 内部域快 16.8 倍。此外，与基于 CPU 的 WRF 相比，它的运行速度也快约 7%，成本则降低了 75%。这意味着电力公司能够每天每小时准确地对特定地点的电力需求进行兆瓦级预测。
微软和 TempoQuest 与 AceCAST 合作，加速风能预测。这将带来重大的社会和全球变革。
来源：NVIDIA
