Que s'est-il passé
Google DeepMind a publié WeatherNext 3, un modèle de prévision météorologique IA spécialement conçu pour les parcs éoliens, les producteurs solaires et les opérateurs de réseaux électriques. Le modèle est mis à jour toutes les heures et génère deux flux de prévisions principaux : la vitesse et la direction du vent à des hauteurs allant jusqu'à 100 mètres, et la couverture nuageuse avec le rayonnement solaire entrant. Cette résolution horaire vise à aider les opérateurs à anticiper les fluctuations de la production d’énergies renouvelables et à gérer plus efficacement la stabilité du réseau.
Google DeepMind a annoncé le lancement de WeatherNext 3 le 14 septembre, le décrivant comme un outil destiné aux opérateurs d'infrastructures énergétiques. Le modèle est conçu pour prévoir les conditions qui ont un impact direct sur la production d'énergie renouvelable, en ciblant spécifiquement les secteurs éolien et solaire.
Le système fonctionne selon une cadence de mise à jour horaire, ce qui, selon DeepMind, est essentiel car les conditions météorologiques affectant la production d'électricité peuvent changer au cours d'une seule période de négociation sur les marchés de l'électricité. Le modèle produit deux flux de données distincts : un pour la vitesse et la direction du vent aux hauteurs pertinentes pour les éoliennes (jusqu'à 100 mètres) et un autre pour la couverture nuageuse et le rayonnement solaire afin d'estimer la production photovoltaïque.
DeepMind a positionné cette version comme une infrastructure pour la transition énergétique, arguant que la notification préalable des changements météorologiques permet aux équipes d'équilibrer les réseaux électriques lorsque la production renouvelable est variable. Cela s'appuie sur les travaux antérieurs de l'entreprise avec GraphCast, un modèle météorologique mondial qui surpassait auparavant les références traditionnelles.
Détails de la source: Google DeepMind ↗
Pourquoi c'est important
WeatherNext 3 répond à un défi crucial dans la transition énergétique : la variabilité de l’énergie éolienne et solaire. En fournissant des prévisions horaires haute résolution, le modèle permet aux opérateurs de réseau de mieux adapter l'offre d'énergie propre à la demande des consommateurs, réduisant ainsi le besoin d'une production de secours coûteuse et améliorant l'efficacité des marchés de l'électricité. Il s’agit d’une application pratique de l’IA dans les infrastructures critiques, allant au-delà de la prévision météorologique générale vers la gestion spécialisée des services publics.
Les réseaux électriques reposent historiquement sur une production distribuable, comme les centrales au charbon, au gaz et nucléaires, qui peut être limitée à la demande. L’éolien et le solaire ne sont pas distribuables, ce qui signifie que leur production dépend de conditions météorologiques incontrôlables. À mesure que la part des énergies renouvelables augmente, les réseaux doivent anticiper les fluctuations de production plutôt que d’y réagir.
Les erreurs de prévision dans le domaine des énergies renouvelables peuvent avoir des effets cumulatifs sur la stabilité du réseau. Surestimer la production éolienne peut entraîner des pénuries d’approvisionnement lors des pics de demande, tandis que la sous-estimer entraîne un gaspillage de capacité et oblige à recourir à une production de secours plus coûteuse. Les prévisions horaires de l’IA visent à atténuer ces risques en fournissant des données précises pour la répartition du stockage et la réponse à la demande.
Le déploiement d'un modèle d'IA aussi spécialisé par un laboratoire de premier plan tel que DeepMind augmente le niveau de compétitivité en matière de précision des prévisions dans le secteur. Il met également en évidence l’intersection croissante de l’IA et des infrastructures critiques, où des données précises sont essentielles à la gestion de la complexité d’un réseau électrique décarboné.
Mécanisme interactif : comment cela fonctionne réellement
Explorez de manière interactive la technologie sous-jacente à ce développement.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Que regarder ensuite
Les prochaines étapes consistent à observer quels opérateurs de réseau ou sociétés énergétiques spécifiques adoptent WeatherNext 3, car DeepMind n'a pas divulgué les utilisateurs actuels. En outre, la précision du modèle sur des horizons de prévision étendus, en particulier au-delà de six heures, sera cruciale pour son utilité dans les appels d'offres sur le marché de l'électricité à un jour, où les erreurs de prévision entraînent des pénalités financières importantes.
DeepMind n'a pas révélé quels opérateurs de réseau, services publics ou producteurs d'électricité indépendants utilisent actuellement WeatherNext 3. Le suivi de l'adoption par les principales sociétés énergétiques indiquera l'impact pratique et la viabilité commerciale du modèle.
La performance du modèle dans les enchères journalières sur le marché de l'électricité est une mesure clé à surveiller. Étant donné que le plus grand volume de contrats d’électricité est réglé dans cette fenêtre, la précision des prévisions au-delà de la barre des six heures déterminera son utilité financière pour les négociants et les opérateurs d’énergie.
Des concurrents, notamment des startups comme Tomorrow.io et des agences météorologiques nationales, ciblent également ce marché. L’entrée de DeepMind pourrait accélérer l’innovation et faire pression sur les services existants pour qu’ils améliorent la précision et la résolution de leurs prévisions.