微软和 TempoQuest 利用 AceCast 加速风能预测
2023-06-07 20:29
分享到微信
分享到微博
公用事业单位在整合可再生能源过程中所面临的挑战
公用事业单位在他们的电网中使用可再生能源（主要是风能和太阳能）是具有挑战性的。这些能源因环境因素而异，比如云层覆盖和风速等。如果可再生能源的发电量不足以满足需求，公用事业单位必须使用“旋转备用”，即由发电机生产的碳基电力来弥补缺口。为了更好地预测可再生能源发电，需要快速、准确、经济的天气预报。
图 1 标准电网基础设施示意图，包括发电、输电和配电
使用 GPU 加速 WRF
AceCAST 代表“加速预测”，通过运行一个名为“天气研究和预报”（WRF）的区域模型可实现加速预测。目前，已有 160 个国家的 5 万名用户使用该模型。通过将 WRF 移植到使用专有的 OpenACC 和 CUDA 带有 NVIDIA GPU 的 x86 系统上运行，并在多 GPU 和多节点系统上进行扩展。AceCAST 支持所有主要的 WRF 动力学、物理学方案和名词表选项，可直接取代现有的 WRF 配置。
AceCAST 验证和性能成本分析
为了验证基准测试结果，首先要保证 CPU WRF 与 GPU WRF 的差异在可接受的范围内。团队在几个时间和空间预测范围内测试了模型性能，最终验证了数千个测试案例，以确保 AceCAST 产生与 CPU WRF 相同的结果。在微软 Azure 上运行性能测试时，团队发现两者在性能和成本上都有很大的差异。
8 个 NVIDIA A100 Tensor Core GPUs (80GB)
NVLink 3.0（200 Gb/s HDR InfiniBand）
96 颗 AMD EPYC™ 7V12 系列（Rome）CPU 核
8 个 1 TB NVMe 固态硬盘
AceCAST 2.1
使用 OpenACC 和 CUDA 的专有实现
使用 MPI 在多节点和多 GPU 上进行扩展
Azure 代管式 Lustre 文件系统
图 2 基于 CPU 的 WRF 与 TempoQuest AceCAST 的性能价格比较分析
AceCAST 3.0.1 上的进一步测试显示其可继续提升性能。团队使用了一个嵌套域，外域由 500 万个网格点（430x331x38v）和 15 公里的网格间距组成，内域由 8000 万个网格点（1551x1361x38v）和 3 公里的网格间距组成。
图 3 TempoQuest AceCAST 以最佳配置运行一项作业的性能成本图
可再生发电功率预测
最后一步是将 AceCAST 应用于可再生能源预测。美国的公用事业单位掌握着所有 7 万多台风力发电机的规格以及每个风能和太阳能节点的位置。通过使用专有的天气-电力算法，AceCAST 可提供更高的预测分辨率，每天对特定可再生能源发电站点作出小时级的精确功率预测（MW）。
电网脱碳化
随着发电资产从集中化的碳基技术过渡到清洁的分布式能源资源，电网面临着实时管理供需的挑战。通过预测可再生资产的性能，电力公司能够提高电网的可靠性和弹性。NVIDIA、微软和 TempoQuest 正在联手帮助解决这一重大的社会及全球挑战。
