Pokok Berita
Google DeepMind merilis WeatherNext 3, model cuaca berbasis AI untuk operator infrastruktur energi
Model ini diperbarui tiap jam dan memproyeksikan kecepatan angin di ketinggian turbin hingga 100 meter
WeatherNext 3 juga memprediksi radiasi surya untuk memperkirakan produksi listrik panel fotovoltaik
Target utama adalah operator jaringan yang menyeimbangkan pasokan listrik di tengah lonjakan kapasitas energi terbarukan
DeepMind memposisikan alat ini sebagai pendorong percepatan adopsi energi bersih
Google DeepMind meluncurkan WeatherNext 3, model prakiraan cuaca yang dirancang khusus untuk kebutuhan pembangkit listrik tenaga angin, produsen surya, dan operator jaringan listrik.
Perusahaan menyatakan model ini memperbarui data setiap jam dan memproyeksikan kondisi yang langsung memengaruhi output pembangkit listrik terbarukan.
DeepMind menjelaskan detail awal produk ini dalam sebuah unggahan pada 14 September dan merilis paparan teknis lebih lengkap melalui blog resminya.
Apa yang Diukur WeatherNext 3
WeatherNext 3 menghasilkan dua aliran utama prakiraan. Yang pertama berfokus pada kecepatan dan arah angin di ketinggian hingga 100 meter—level di mana bilah turbin beroperasi pada mayoritas ladang angin onshore modern.
Aliran kedua memprediksi tutupan awan dan intensitas radiasi surya. Operator jaringan memanfaatkan data tersebut untuk memperkirakan berapa banyak listrik yang akan dihasilkan panel surya beberapa jam ke depan.
Keduanya diperbarui setiap jam. DeepMind menekankan frekuensi ini krusial karena kondisi cuaca yang memengaruhi output bisa berubah signifikan hanya dalam satu periode perdagangan di pasar listrik.
Perusahaan memosisikan WeatherNext 3 sebagai infrastruktur kunci untuk transisi energi. Informasi dini mengenai perubahan cuaca memberi waktu bagi pelaku pasar untuk mencocokkan pasokan energi bersih dengan permintaan konsumen, sekaligus membantu menstabilkan jaringan ketika produksi energi terbarukan berfluktuasi.
Baca Juga: Bitget: Transaksi Non-Kripto Tembus 40% di Tengah Ekspansi Melampaui Aset Digital
Mengapa Keseimbangan Jaringan Butuh Prakiraan yang Lebih Tajam
Selama ini, sistem kelistrikan banyak bergantung pada pembangkit yang mudah dikendalikan (dispatchable), yakni pembangkit yang bisa dinaik-turunkan outputnya sesuai kebutuhan. Pembangkit batu bara, gas, dan nuklir termasuk dalam kategori ini.
Sebaliknya, tenaga angin dan surya tidak bisa diatur dengan cara yang sama. Output keduanya sepenuhnya ditentukan oleh kondisi alam yang di luar kendali operator. Jaringan dengan porsi energi terbarukan tinggi harus mampu mengantisipasi fluktuasi produksi jauh sebelum terjadi, bukan sekadar bereaksi setelahnya.
Kesalahan prakiraan akan terakumulasi di tingkat sistem. Ladang angin yang melebihkan estimasi produksi dapat membuat operator sistem kekurangan pasokan pada jam beban puncak. Sementara meremehkan output akan menyia-nyiakan kapasitas yang ada dan memaksa pembangkit cadangan yang lebih mahal untuk online.
Prakiraan berbasis AI beresolusi per jam secara langsung menutup kesenjangan ini. Akurasi yang lebih tinggi dalam jendela satu hingga dua belas jam memberi ruang bagi operator jaringan untuk mengatur pelepasan daya dari penyimpanan, respons permintaan (demand response), atau menyiapkan kapasitas cadangan dengan biaya minimal.
DeepMind telah bertahun-tahun mengerjakan pemodelan cuaca. Riset sebelumnya melahirkan GraphCast, model cuaca global yang dalam sejumlah metrik mengungguli benchmark European Center for Medium-Range Weather Forecasts.
WeatherNext 3 memanfaatkan fondasi tersebut untuk kebutuhan spesifik sektor energi.
Sudut Infrastruktur AI bagi Pembaca Kripto
Implementasi model AI berskala besar seperti ini beririsan dengan narasi komputasi terdesentralisasi yang tengah berkembang di pasar kripto. Jaringan seperti Bittensor (TAO) dan Render (RNDR) memasarkan proposisi nilainya di atas meningkatnya kebutuhan infrastruktur AI terdistribusi.
Produk prakiraan cuaca komersial dari laboratorium AI papan atas ini menggambarkan secara konkret besarnya kebutuhan komputasi yang berusaha dipenuhi jaringan-jaringan terdesentralisasi tersebut. Saat ini DeepMind mengoperasikan WeatherNext 3 di atas infrastruktur milik sendiri. Apakah alternatif yang terbuka maupun terdistribusi mampu menandingi kinerja tersebut masih menjadi pertanyaan besar di sektor ini.
Elon Musk menyatakan pada Senin bahwa pusat data AI mulai berkontribusi menurunkan harga listrik bagi konsumen. Pandangan itu sejalan dengan narasi DeepMind bahwa prakiraan AI yang lebih baik akan memangkas biaya pengelolaan pasokan energi terbarukan.
Baca Juga: Grok 5 Muncul sebagai Target AGI Musk di Tengah Meningkatnya Peringatan Soal Keamanan AI
Langkah Berikutnya
DeepMind belum mengungkap operator jaringan atau perusahaan energi mana saja yang sudah menggunakan WeatherNext 3. Di bisnis ini, kemitraan komersial umumnya melibatkan perusahaan utilitas, independent power producer (IPP), dan desk perdagangan energi.
Tingkat akurasi model untuk horizon prakiraan yang lebih panjang—di atas enam jam—akan menjadi penentu nilai tambahnya untuk strategi bidding di pasar listrik day-ahead. Segmen inilah yang menampung volume kontrak listrik terbesar, sekaligus area di mana kesalahan prakiraan paling mahal biayanya.
Model cuaca AI pesaing dari startup seperti Tomorrow.io dan layanan yang sudah ada dari lembaga meteorologi nasional juga membidik pasar yang sama. Masuknya DeepMind menaikkan standar minimum akurasi prakiraan di seluruh sektor.
Artikel Selanjutnya: Peretas Revolut Mulai Sebar Data Klien, Tuntut 10.000 Bitcoin
