Что случилось
Google DeepMind выпустил WeatherNext 3, модель прогнозирования погоды с использованием искусственного интеллекта, специально разработанную для ветряных электростанций, производителей солнечной энергии и операторов электросетей. Модель обновляется каждый час и генерирует два основных потока прогнозов: скорость и направление ветра на высоте до 100 метров, а также облачность с приходящей солнечной радиацией. Это почасовое разрешение призвано помочь операторам предвидеть колебания выработки возобновляемой энергии и более эффективно управлять стабильностью сети.
Google DeepMind объявил о запуске WeatherNext 3 14 сентября, назвав его инструментом для операторов энергетической инфраструктуры. Модель создана для прогнозирования условий, которые напрямую влияют на выработку возобновляемой энергии, особенно в ветровом и солнечном секторах.
Система работает с ежечасной частотой обновления, что, по мнению DeepMind, важно, поскольку погодные условия, влияющие на выработку электроэнергии, могут меняться в течение одного торгового периода на рынках электроэнергии. Модель генерирует два отдельных потока данных: один для скорости и направления ветра на высотах, важных для турбин (до 100 метров), а другой для облачного покрова и солнечной радиации для оценки фотоэлектрической генерации.
DeepMind позиционировал этот выпуск как инфраструктуру для энергетического перехода, утверждая, что заблаговременное уведомление об изменении погоды позволяет командам сбалансировать электросети, когда производство возобновляемых источников энергии является непостоянным. Это основано на более ранней работе компании с GraphCast, глобальной погодной моделью, которая ранее превосходила традиционные тесты.
Подробности об источнике: Google DeepMind ↗
Почему это важно
WeatherNext 3 решает важнейшую проблему энергетического перехода: изменчивость ветровой и солнечной энергии. Предоставляя почасовые прогнозы с высоким разрешением, модель позволяет операторам сетей лучше сопоставлять поставки чистой энергии с потребительским спросом, снижая потребность в дорогостоящей резервной генерации и повышая эффективность рынков электроэнергии. Это представляет собой практическое применение ИИ в критической инфраструктуре, выходя за рамки общего прогнозирования погоды и переходя к управлению специализированными коммунальными предприятиями.
Электрические сети исторически полагались на управляемую генерацию, такую как угольные, газовые и атомные электростанции, которые можно регулировать по требованию. Ветер и солнечная энергия не подлежат диспетчеризации, а это означает, что их мощность зависит от неконтролируемых погодных условий. Поскольку доля возобновляемых источников энергии растет, энергосистемы должны предвидеть колебания выработки, а не реагировать на них.
Ошибки прогнозов в области возобновляемых источников энергии могут иметь комплексное воздействие на стабильность энергосистемы. Переоценка мощности ветровой энергии может привести к дефициту поставок во время пикового спроса, тогда как ее недооценка приводит к потере мощности и вынуждает использовать более дорогостоящую резервную генерацию. Прогнозирование с помощью ИИ с почасовым разрешением призвано снизить эти риски, предоставляя точные данные для диспетчеризации хранилища и реагирования на спрос.
Внедрение такой специализированной модели ИИ ведущей лабораторией, такой как DeepMind, повышает конкурентный уровень точности прогнозов в этом секторе. Это также подчеркивает растущее пересечение искусственного интеллекта и критической инфраструктуры, где точные данные необходимы для управления сложной декарбонизированной энергосистемой.
Интерактивный механизм: как он на самом деле работает
Изучите технологию, лежащую в основе этой разработки, в интерактивном режиме.
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
Что посмотреть дальше
Следующие шаги включают наблюдение за тем, какие конкретные сетевые операторы или энергетические компании используют WeatherNext 3, поскольку DeepMind не раскрыл текущих пользователей. Кроме того, точность модели на расширенном горизонте прогнозирования, особенно за пределами шести часов, будет иметь решающее значение для ее полезности в торгах на рынке электроэнергии на сутки вперед, где ошибки прогноза влекут за собой значительные финансовые штрафы.
DeepMind не раскрыл, какие сетевые операторы, коммунальные предприятия или независимые производители электроэнергии в настоящее время используют WeatherNext 3. Мониторинг внедрения крупными энергетическими компаниями покажет практическое влияние модели и коммерческую жизнеспособность.
Эффективность модели на торгах на рынке электроэнергии на сутки вперед является ключевым показателем, за которым следует следить. Поскольку наибольший объем контрактов на электроэнергию приходится на это окно, точность прогнозов за пределами шестичасовой отметки будет определять его финансовую полезность для энерготрейдеров и операторов.
Конкуренты, в том числе такие стартапы, как Tomorrow.io и национальные метеорологические агентства, также нацелены на этот рынок. Внедрение DeepMind может ускорить инновации и оказать давление на существующие службы, заставив их повысить точность и разрешающую способность прогнозов.