Dalam konteks ini, energi matahari telah muncul sebagai sumber daya terbarukan yang vital, menjadi salah satu sumber energi bersih paling melimpah yang tersedia. Namun, memanfaatkan tenaga surya secara efektif membutuhkan prakiraan radiasi matahari permukaan (SSI) yang tepat dan andal. Prediksi SSI yang akurat memungkinkan operator untuk memperkirakan ketersediaan tenaga surya, membantu menyinkronkan produksi listrik dengan kebutuhan konsumsi, terutama pada periode permintaan tinggi.
Metode tradisional prediksi radiasi matahari, seperti model prediksi cuaca numerik (NWP) dengan transfer radiatif, mahal untuk dijalankan dan membutuhkan waktu berjam-jam untuk menghasilkan prakiraan. Model nowcasting, seperti yang didasarkan pada aliran optik, lebih cepat tetapi terbatas dalam kemampuannya untuk memberikan prakiraan adaptif jarak jauh, karena bergantung pada pengukuran real-time seperti citra satelit.
NVIDIA, bekerja sama dengan Institute for Atmospheric and Climate Science of ETH Zurich, telah mengembangkan model SSI baru. Pendekatan ini meningkatkan pemodelan SSI dengan menggabungkan kemajuan dalam NWP dan AI untuk membentuk model yang lebih terukur dan kuat daripada pendekatan tradisional. Untuk detail selengkapnya, lihat Estimasi Radiasi Matahari Permukaan Berbasis Data Menggunakan Operator Saraf pada Skala Global.
Menggabungkan model prakiraan FourCastNet SFNO dan model SSI baru dari NVIDIA ini memungkinkan prediksi radiasi matahari yang akurat pada skala global selama beberapa hari tanpa memerlukan data real-time yang bergantung pada cakupan satelit
Terobosan ini dimungkinkan oleh NVIDIA Earth-2, platform full-stack yang dirancang untuk membangun kembar digital iklim. Earth-2 menyediakan alat yang diperlukan untuk dengan mudah membangun pipa untuk prediksi radiasi matahari yang terintegrasi dengan mulus dengan model khusus seperti model NVIDIA SSI yang baru dikembangkan.
Pendekatan terintegrasi ini memungkinkan produksi langsung prediksi real-time resolusi tinggi yang sangat penting untuk aplikasi dalam ilmu iklim, energi terbarukan, dan industri yang bergantung pada cuaca.
Platform Earth-2 memungkinkan pemodelan fisika cuaca dan iklim yang cepat dan akurat yang memanfaatkan kemampuan komputasi yang dipercepat NVIDIA. Ini juga menyediakan alat untuk pelatihan dan inferensi model AI untuk peramalan, penurunan skala, interpolasi, dan aplikasi lainnya. Sebagai pengguna, Anda juga dapat berinteraksi dengan data cuaca dan iklim keluaran melalui serangkaian alat visualisasi dan pascapemrosesan tingkat lanjut.
Seringkali, variabel yang menarik mungkin tidak ada dalam kumpulan variabel yang diperkirakan, seperti SSI. Untuk mengambil prakiraan SSI, pengguna dapat memanfaatkan model diagnostik, yang bertindak sebagai model estimasi dan menerjemahkan variabel atmosfer yang tersedia ke dalam variabel target yang diinginkan. Model diagnostik kemudian dapat diintegrasikan dengan model prakiraan yang berbeda, memanfaatkan kemajuan terbaru dalam prakiraan cuaca.
Melatih model diagnostik cuaca AI kustom
NVIDIA Modulus adalah kerangka kerja sumber terbuka untuk melatih model fisika-ML, seperti model prediksi cuaca AI. Untuk prakiraan cuaca jarak menengah, Modulus menyertakan FourCastNet, SFNO, implementasi NVIDIA dari GraphCast, Pangu-Weather, dan DLWP, dengan arsitektur lain yang ditambahkan.
Untuk mempermudah pelatihan, Modulus juga menyertakan alur untuk melatih ERA5 dan kumpulan data serupa. Untuk detail selengkapnya, kunjungi NVIDIA/modulus di GitHub untuk melihat contoh alur kerja pelatihan dan notebook. Semua arsitektur yang diimplementasikan dioptimalkan untuk pelatihan pada GPU.
Pengguna Earth-2 dapat melatih model diagnostik yang disesuaikan di atas output model prakiraan dengan menggunakan Modulus seperti yang ditunjukkan pada Gambar 2. Model yang diterbitkan dalam Estimasi Iradiasi Matahari Permukaan Berbasis Data Menggunakan Operator Saraf pada Skala Global, dilatih dengan Modulus, adalah model diagnostik yang ditingkatkan yang menggunakan Operator Saraf Fourier Adaptif (AFNO), memungkinkannya memperkirakan SSI 6 jam untuk seluruh dunia.
Setelah melatih model kustom, cara termudah untuk memanfaatkannya adalah melalui NVIDIA Earth2Studio, pustaka Python yang dirancang untuk inferensi model cuaca yang digerakkan oleh AI. Earth2Studio menyediakan serangkaian blok bangunan komprehensif yang disesuaikan untuk prediksi cuaca deterministik dan probabilistik.
Pustaka ini mendukung beragam sumber data langsung dari kotak, termasuk namun tidak terbatas pada Climate Data Store (CDS), ARCO, Global Forecast System (GFS), Integrated Forecasting System (IFS), dan High-Resolution Rapid Refresh (HRRR).
Salah satu fitur menonjol dari Earth2Studio adalah fleksibilitasnya dalam pemilihan model. Sebagai pengguna, Anda memiliki opsi untuk memilih dari berbagai model yang telah dilatih sebelumnya yang ada di NVIDIA GPU Cloud (NGC). Model dapat dengan mudah digunakan untuk inferensi langsung (Gambar 4). Anda juga dapat mengintegrasikan model kustom Anda sendiri dengan mulus ke dalam kerangka kerja, seperti model yang dilatih dengan Modulus.
Earth2Studio adalah open source, menyediakan alat bagi komunitas penelitian ilmiah untuk mengeksplorasi dan bereksperimen dengan model AI untuk cuaca dan iklim dan untuk mendorong kolaborasi dan inovasi dalam komunitas.
Pengembang perusahaan yang membangun aplikasi dapat mengakses dengan layanan mikro NVIDIA NIM dan model diagnostik khusus tugas (seperti yang digunakan dalam contoh sebelumnya), serta dukungan perusahaan, melalui NVIDIA AI Enterprise. Integrasi tingkat perusahaan ini memastikan bahwa organisasi dapat membangun solusi yang dapat diskalakan dan berkinerja menggunakan teknologi AI mutakhir dan mendapatkan manfaat dari keahlian NVIDIA dalam solusi berbasis AI.
Memvisualisasikan ramalan cuaca
Platform Earth-2 menyediakan alur visualisasi yang memanfaatkan NVIDIA Omniverse, platform pengembangan 3D yang dirancang untuk memfasilitasi interoperabilitas antara aplikasi yang berbeda dan menawarkan lingkungan kolaboratif di mana pengembang dan desainer dapat bekerja sama dengan mulus.
Dengan bantuan teknologi rendering real-time NVIDIA RTX, Omniverse memungkinkan pembuatan visualisasi interaktif beresolusi tinggi, menjadikannya ideal untuk berbagai kasus penggunaan industri.
Memanfaatkan kemampuan ini melalui platform Earth-2, Anda dapat membangun representasi interaktif dan terperinci dari Bumi dan atmosfer, memfasilitasi pemahaman dan pengambilan keputusan yang lebih baik. Gambar 5 menunjukkan prakiraan SSI 7 hari yang dibangun dengan bantuan NVIDIA Omniverse. Penyinaran tinggi ditunjukkan oleh warna cerah yang dilapisi di atas gambar dasar satelit.
Ini memberikan gambaran sekilas tentang apa yang mungkin dalam hal membangun pipa visualisasi untuk rendering data sistem Bumi dengan ketepatan tinggi. Alur referensi tersebut bersifat modular dan terbuka untuk ekstensi, memungkinkan integrasi fleksibel dari visualisasi canggih dengan aplikasi khusus. Pelajari lebih lanjut tentang alat untuk visualisasi ilmiah.
NVIDIA Earth-2 adalah platform untuk pelatihan yang dipercepat dan inferensi model simulasi cuaca dan iklim. Ini menyediakan alat utama untuk menggunakan model cuaca AI dan mengintegrasikan model yang baru dikembangkan dengan mulus dalam pipa inferensi.
Komponen utama platform Earth-2 adalah NVIDIA Modulus untuk pelatihan model dan Earth2Studio untuk inferensi model. Keduanya memungkinkan pilihan dari berbagai sumber data, arsitektur, dan model yang telah dilatih sebelumnya.
Cek Berita dan Artikel yang lain di
Google News
