发生了什么
Google DeepMind 发布了专为风电场、太阳能生产商和电网运营商设计的 AI 天气预报模型 WeatherNext 3。该模型每小时更新一次，并生成两个主要预报流：100 米高度的风速和风向，以及入射太阳辐射的云层。这一每小时决议旨在帮助运营商预测可再生能源输出的波动并更有效地管理电网稳定性。
Google DeepMind 于9月14日宣布推出WeatherNext 3，将其描述为能源基础设施运营商的工具。该模型旨在预测直接影响可再生能源发电的条件，特别是针对风能和太阳能行业。
该系统以每小时更新的节奏运行，DeepMind 表示这一点至关重要，因为影响电力输出的天气条件可能会在电力市场的单个交易周期内发生变化。该模型产生两个不同的数据流：一个用于涡轮机相关高度（最高 100 米）的风速和风向，另一个用于估计光伏发电量的云量和太阳辐射。
DeepMind 将此版本定位为能源转型的基础设施，认为天气变化的提前通知允许团队在可再生能源发电变化时平衡电网。这是建立在该公司早期与 GraphCast 合作的基础上的，GraphCast 是一种全球天气模型，之前的表现优于传统基准。
为什么这很重要
WeatherNext 3 解决了能源转型中的一个关键挑战：风能和太阳能的可变性。通过提供高分辨率的每小时预测，该模型使电网运营商能够更好地将清洁能源供应与消费者需求相匹配，减少对昂贵的备用发电的需求，并提高电力市场的效率。这代表了人工智能在关键基础设施中的实际应用，从一般天气预报转向专门的公用事业管理。
电网历来依赖于可调度的发电，例如煤炭、天然气和核电站，这些发电可以根据需要进行节流。风能和太阳能是不可调度的，这意味着它们的输出取决于不可控的天气条件。随着可再生能源份额的增长，电网必须预测发电波动，而不是对其做出反应。
可再生能源的预测误差会对电网稳定性产生复合影响。高估风力发电量可能会导致需求高峰期间的供应短缺，而低估风力发电量则会浪费容量并迫使使用成本更高的备用发电。每小时分辨率的人工智能预测旨在通过为存储调度和需求响应提供准确的数据来减轻这些风险。
像 DeepMind 这样的领先实验室部署这样一个专门的人工智能模型，提高了该行业预测准确性的竞争底线。它还强调了人工智能和关键基础设施之间日益增长的交叉，其中精确的数据对于管理脱碳电网的复杂性至关重要。
互动机制：它实际上是如何运作的
以交互方式探索这一发展背后的基础技术。
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
接下来看什么
下一步包括观察哪些特定电网运营商或能源公司采用 WeatherNext 3，因为 DeepMind 尚未透露当前用户。此外，该模型在扩展预测范围内（特别是超过六个小时）的准确性对于其在日前电力市场招标中的实用性至关重要，预测错误会带来严重的经济处罚。
DeepMind 尚未透露哪些电网运营商、公用事业公司或独立电力生产商目前正在使用 WeatherNext 3。监测主要能源公司的采用情况将表明该模型的实际影响和商业可行性。
该模型在日前电力市场竞价中的表现是一个值得关注的关键指标。由于最大量的电力合同在此窗口内结算，因此六小时之后的预测准确性将决定其对能源交易商和运营商的财务效用。
包括 Tomorrow.io 等初创公司和国家气象机构在内的竞争对手也瞄准了这个市场。 DeepMind的加入可能会加速创新，并迫使现有服务提高预测准确性和分辨率。