準確的天氣模型對于企業(yè)正確預測可再生能源的生產(chǎn)和制定自然災害預案至關重要。僅 2022 年，無效和無法預測的天氣就造成了約 7140 億 美元的損失。為了避免這種情況，企業(yè)需要更快、更便宜、更精準的天氣模型。

在 GTC23上，微軟和 TempoQuest 詳細介紹了他們?nèi)绾闻c NVIDIA 合作一起解決這個能源和氣候問題。NVIDIA 初創(chuàng)加速計劃成員 TempoQuest 實現(xiàn)了超本地、低延遲的天氣和環(huán)境預測。該多學科合作團隊涵蓋大氣科學、氣象學、高性能計算（HPC）AI、機器學習（ML）、工程等領域，是將 GPU 引入環(huán)境領域的先鋒，包括：

• 第一個將 WRF 移植到 GPU 上

• 第一個以比基于 CPU 的預測更快、更便宜的方式創(chuàng)建更高分辨率的預測

• 第一個開發(fā)出 GPU 軟件即服務的天氣預報系統(tǒng)

本文中將介紹 TempoQuest 如何利用微軟 Azure 上的 NVIDIA 加速計算，將傳統(tǒng)的天氣研究和預報（WRF）軟件移植到 GPU 上、提供高于 1 公里的分辨率以及 1 分鐘至 1 小時的時間分辨率并加快對可再生風能和太陽能資源發(fā)電的預測。

公用事業(yè)單位在整合可再生能源過程中所面臨的挑戰(zhàn)

公用事業(yè)單位在他們的電網(wǎng)中使用可再生能源（主要是風能和太陽能）是具有挑戰(zhàn)性的。這些能源因環(huán)境因素而異，比如云層覆蓋和風速等。如果可再生能源的發(fā)電量不足以滿足需求，公用事業(yè)單位必須使用“旋轉備用”，即由發(fā)電機生產(chǎn)的碳基電力來彌補缺口。為了更好地預測可再生能源發(fā)電，需要快速、準確、經(jīng)濟的天氣預報。

圖 1 標準電網(wǎng)基礎設施示意圖，包括發(fā)電、輸電和配電

能源行業(yè)需要實現(xiàn)三個關鍵功能：發(fā)電、輸電和配電。發(fā)電目前主要使用碳基燃料，但正在向包括風能和太陽能在內(nèi)的可再生能源過渡，以實現(xiàn)凈零排放。輸電指的是產(chǎn)生的電力通過升壓變壓器后經(jīng)高壓線傳輸。在遙遠的電網(wǎng)邊緣，電力經(jīng)變壓器和變電站“降壓”后，輸送給家庭和企業(yè)的用電者（240 V / 120 V）。

如果要在電網(wǎng)中增加更多可再生能源，公用事業(yè)單位不僅要整合新的發(fā)電站，還要建造更多高壓輸電線路和塔架。這就給電網(wǎng)維護帶來了更高的復雜性和成本，包括投資和運營費用。高分辨率的 GPU 加速 WRF 可以通過減少對碳基電力的依賴和優(yōu)化可再生能源的使用幫助實現(xiàn)這一目標。

使用 GPU 加速 WRF

AceCAST 代表“加速預測”，通過運行一個名為“天氣研究和預報”（WRF）的區(qū)域模型可實現(xiàn)加速預測。目前，已有 160 個國家的 5 萬名用戶使用該模型。通過將 WRF 移植到使用專有的 OpenACC 和 CUDA 帶有 NVIDIA GPU 的 x86 系統(tǒng)上運行，并在多 GPU 和多節(jié)點系統(tǒng)上進行擴展。AceCAST 支持所有主要的 WRF 動力學、物理學方案和名詞表選項，可直接取代現(xiàn)有的 WRF 配置。

AceCAST 的眾多優(yōu)點包括更快的求解時間、更高的分辨率和精度、對局部天氣現(xiàn)象更加深入的認識以及更低的計算成本。

測試表明，在天氣預報和可再生能源預測方面，GPU 比 CPU 速度更快、分辨率更高且更具成本效益。這一加速解決方案對于減少碳排放、提升電網(wǎng)可靠性和管理以及降低用電者的用電成本十分重要。

AceCAST 驗證和性能成本分析

為了驗證基準測試結果，首先要保證 CPU WRF 與 GPU WRF 的差異在可接受的范圍內(nèi)。團隊在幾個時間和空間預測范圍內(nèi)測試了模型性能，最終驗證了數(shù)千個測試案例，以確保 AceCAST 產(chǎn)生與 CPU WRF 相同的結果。在微軟 Azure 上運行性能測試時，團隊發(fā)現(xiàn)兩者在性能和成本上都有很大的差異。

基于 CPU 的 WRF – Standard HB120rs_v3 VMs（HBv3）：

• 120 顆 AMD EPYC7V73X 系列（Milan-X）CPU 核

• 450 GB 內(nèi)存（ 350 GB/s 內(nèi)存帶寬）

• 200 Gb/s HDR InfiniBand

• 2 個1 TB NVMe 固態(tài)硬盤

• NCAR WRF 4.2.2

• 使用 Parallel net-CDF

• 使用英特爾編譯器和 MPI 進行編譯

GPU 加速 WRF - Standard_ND96amsr_A100_v4（NDmv4）：

• 8 個 NVIDIA A100 Tensor Core GPUs (80GB)

• NVLink 3.0（200 Gb/s HDR InfiniBand）

• 96 顆 AMD EPYC7V12 系列（Rome）CPU 核

• 8 個 1 TB NVMe 固態(tài)硬盤

• AceCAST 2.1

• 使用 OpenACC 和 CUDA 的專有實現(xiàn)

• 使用 MPI 在多節(jié)點和多 GPU 上進行擴展

Azure 代管式 Lustre 文件系統(tǒng)

• 40 TiB 存儲Azure 代管容量

• 10000 MB/s 最大吞吐量

圖 2 基于 CPU 的 WRF 與 TempoQuest AceCAST 的性能價格比較分析

結果顯示，與一個節(jié)點上基于 CPU 的 WRF 相比，一個節(jié)點上的 GPU 加速 WRF（AceCAST）的速度加快了約 9 倍，而要實現(xiàn)與一個 GPU 節(jié)點類似的性能，需要 18 個 CPU 節(jié)點。這些結果至關重要，因為更快、更低成本的天氣預報使公用事業(yè)單位能夠更加準確地預測可再生能源發(fā)電、提供穩(wěn)定可靠的電力并避免過長時間的停電。

AceCAST 3.0.1 上的進一步測試顯示其可繼續(xù)提升性能。團隊使用了一個嵌套域，外域由 500 萬個網(wǎng)格點（430x331x38v）和 15 公里的網(wǎng)格間距組成，內(nèi)域由 8000 萬個網(wǎng)格點（1551x1361x38v）和 3 公里的網(wǎng)格間距組成。

圖 3 TempoQuest AceCAST 以最佳配置運行一項作業(yè)的性能成本圖

結果顯示，AceCAST 在 1xNDmA100V4（8 個 GPU）上的內(nèi)域計算和通信時間比 1xHBv3（64 個CPU）快 16.8 倍。單個作業(yè)的最佳配置是在 16 個 HBv3（CPU）虛擬機上運行 WRF，在 1 個包含 8 個 GPU 的 NDmA100（GPU）虛擬機上運行 AceCAST。在這種情況下，AceCAST 比基于 CPU 的 WRF 運行速度快 7%，成本低 75%。

可再生發(fā)電功率預測

最后一步是將 AceCAST 應用于可再生能源預測。美國的公用事業(yè)單位掌握著所有 7 萬多臺風力發(fā)電機的規(guī)格以及每個風能和太陽能節(jié)點的位置。通過使用專有的天氣-電力算法，AceCAST 可提供更高的預測分辨率，每天對特定可再生能源發(fā)電站點作出小時級的精確功率預測（MW）。

電網(wǎng)脫碳化

隨著發(fā)電資產(chǎn)從集中化的碳基技術過渡到清潔的分布式能源資源，電網(wǎng)面臨著實時管理供需的挑戰(zhàn)。通過預測可再生資產(chǎn)的性能，電力公司能夠提高電網(wǎng)的可靠性和彈性。NVIDIA、微軟和 TempoQuest 正在聯(lián)手幫助解決這一重大的社會及全球挑戰(zhàn)。

憑借 AceCAST 這一 GPU 加速 WRF，TempoQuest 正在以更低的成本加速風能和太陽能可再生資源的發(fā)電功率預測。這有助于優(yōu)化負載和發(fā)電的平衡、減少公用事業(yè)單位的運營成本、管理可再生能源輸出的波動并產(chǎn)生更加可靠的預測，進而減少對碳基電力儲備的依賴。

點擊“閱讀原文”深入了解加速計算，訪問 GPU 加速庫論壇。