AI Nirlaba Memprakirakan Energi Matahari untuk Jaringan Inggris

Cuaca Inggris yang mendung adalah sasaran dari banyak lelucon — tetapi jaringan listrik nasional Inggris memanfaatkan sinar matahari secara maksimal.

Dengan bantuan Open Climate Fix, sebuah lab produk nirlaba, ruang kontrol National Grid Electricity System Operator (ESO) sedang menguji model AI yang memberikan prakiraan granular jangka pendek tentang kondisi cerah dan berawan di atas panel surya negara tersebut.

Wawasan ini dapat membantu ESO, operator jaringan listrik Inggris, mengatasi tantangan utama dalam energi terbarukan: Tutupan awan yang tiba-tiba dapat menyebabkan penurunan signifikan dalam pembangkit listrik tenaga surya, sehingga operator jaringan meminta pembangkit berbahan bakar fosil untuk memproduksi energi secara berlebihan sebagai cadangan.

Dengan prakiraan yang lebih baik, ESO dapat mengurangi energi bahan bakar fosil tambahan yang disimpan sebagai cadangan — meningkatkan efisiensi sekaligus mengurangi jejak karbon.

“Model cuaca tradisional tidak terlalu bagus dalam memprediksi awan, tetapi dengan menggunakan AI dan citra satelit, kami dapat memberikan akurasi yang jauh lebih baik untuk peramalan matahari,” kata Dan Travers, salah satu pendiri Open Climate Fix, sebuah perusahaan rintisan yang berbasis di Inggris. “Energi matahari benar-benar efektif untuk menggantikan batu bara, tetapi operator jaringan memerlukan prakiraan yang akurat untuk memungkinkan integrasi pembangkit tenaga surya dalam jumlah besar — ​​jadi kami melihat banyak peluang dalam membawa solusi ini ke jaringan listrik yang sarat batu bara di seluruh dunia.”

Open Climate Fix adalah anggota NVIDIA Inception, sebuah program global yang menawarkan keahlian, teknologi, dan dukungan go-to-market yang mutakhir untuk startup. Tim menerbitkan kumpulan datanya, lusinan model, dan kode sumber terbuka ke HuggingFace dan GitHub.

Setiap titik berwarna pada peta mewakili sistem fotovoltaik surya. Titik biru menunjukkan keluaran energi matahari yang rendah, titik kuning menunjukkan keluaran tinggi dan titik hitam adalah sistem tanpa data.

AI untuk Menangkap Cloud dan Menyematkannya

Sebelum munculnya energi terbarukan, para ahli yang mengelola jaringan listrik sehari-hari hanya perlu mengkhawatirkan variabilitas permintaan di seluruh jaringan — memastikan ada cukup daya yang dihasilkan untuk mengimbangi AC selama gelombang panas, atau kompor dan peralatan listrik pada malam hari kerja.

Dengan menambahkan energi terbarukan seperti energi angin dan matahari ke dalam campuran, jaringan energi juga harus memperhitungkan variasi terkait cuaca pada tingkat pasokan. Gambar satelit memberikan tampilan paling mutakhir untuk menentukan kapan awan datang antara panel fotovoltaik dan matahari.

Model AI Open Climate Fix dilatih pada terabyte data satelit yang diambil dengan interval lima menit di Eropa, Timur Tengah, dan Afrika Utara. Sumber data tambahan termasuk prediksi cuaca per jam selama bertahun-tahun dengan resolusi sepuluh kilometer, peta topografi, informasi tentang waktu dan posisi matahari di langit, dan pembacaan langsung dari seluruh panel surya di seluruh Inggris Raya

Tim menggunakan beberapa model pembelajaran mendalam terbaru untuk pemodelan cuaca termasuk MetNet, GraphCast, dan Model Radar Generatif Jauh. Mereka telah menunjukkan bahwa model AI berbasis transformator mereka 3x lebih baik dalam memprediksi pembangkitan energi matahari daripada perkiraan yang dihasilkan oleh metode tradisional ESO. Presisi yang meningkat dapat membantu ESO mencapai tujuannya untuk dapat mengoperasikan jaringan listrik nol karbon pada tahun 2025.

“Model peramalan berbasis fisika sangat kuat untuk memprediksi cuaca dalam skala hari dan minggu, tetapi membutuhkan waktu berjam-jam untuk membuatnya – membuatnya tidak cocok untuk prediksi pada tingkat jam atau menit,” kata Travers. “Tapi dengan citra satelit yang diambil dengan interval beberapa menit, kita bisa lebih dekat dengan tampilan langsung tutupan awan.”

AI Bekerja di Sunshine

Tutupan awan menjadi perhatian khusus di Inggris, di mana kota-kota termasuk London, Birmingham dan Glasgow menerima rata-rata 1.400 jam atau lebih sedikit sinar matahari setiap tahun – kurang dari setengah Los Angeles. Tetapi bahkan di iklim gurun di mana hari berawan jarang terjadi, model AI Open Climate Fix dapat digunakan kembali untuk mendeteksi kapan panel surya akan tertutup debu dari badai pasir.

Selain meramalkan untuk seluruh Inggris Raya, organisasi nirlaba ini juga mengembangkan model yang dapat memperkirakan berapa banyak energi yang akan ditangkap oleh masing-masing panel surya. Data ini dapat membantu operator ladang surya besar memahami dan memaksimalkan output energi mereka. Perusahaan rumah pintar juga dapat menggunakan informasi tersebut untuk mengoptimalkan penggunaan energi dari panel surya di atap pelanggan – memberikan wawasan kepada pemilik rumah tentang kapan harus menjalankan perangkat yang haus daya atau menjadwalkan pengisian kendaraan listrik.

Open Climate Fix menggunakan sekelompok GPU NVIDIA RTX A6000 yang diberikan melalui Hibah Perangkat Keras NVIDIA untuk mendukung pekerjaannya. Saat melatih beberapa model sekaligus, tim mengalihkan beban kerjanya yang melimpah ke GPU NVIDIA A100 Tensor Core yang tersedia melalui penyedia layanan cloud.

“Hibah perangkat keras telah membantu kami mengembangkan dan mengulangi model kami dengan lebih mudah,” kata Jacob Bieker, peneliti pembelajaran mesin di Open Climate Fix. “Saat tim kami pertama kali melakukan debug dan melatih model, dua atau tiga kali lebih cepat untuk melakukannya secara lokal.”

Untuk mempelajari lebih lanjut tentang AI yang mempercepat dekarbonisasi, meningkatkan ketahanan jaringan, dan mendorong efisiensi energi, daftar gratis untuk NVIDIA GTC, yang berlangsung online, 20-23 Maret.

Membaca tentang Pekerjaan NVIDIA dalam kekuatan dan utilitas dan mendaftar untuk bergabung NVIDIA Inception.

Gambar utama dari National Grid ESO Electricity National Control Centermilik Pusat Media ESO