Punti chiave
Google DeepMind ha rilasciato WeatherNext 3, un modello meteo AI pensato per gli operatori delle infrastrutture energetiche
Il modello si aggiorna ogni ora e prevede la velocità del vento alle altezze operative delle turbine, fino a 100 metri
Stima anche i livelli di radiazione solare per proiettare la produzione da impianti fotovoltaici
WeatherNext 3 è rivolto agli operatori di rete impegnati a bilanciare l’offerta di energia mentre cresce la capacità rinnovabile
DeepMind presenta lo strumento come un contributo diretto ad accelerare l’adozione dell’energia pulita
Google DeepMind ha lanciato WeatherNext 3, un modello di previsione meteorologica progettato per parchi eolici, produttori solari e gestori delle reti elettriche.
L’azienda spiega che il modello si aggiorna ogni ora e fornisce previsioni sulle condizioni che incidono sulla generazione da fonti rinnovabili.
DeepMind ha descritto lo strumento in un post del 14 settembre, pubblicando ulteriori dettagli tecnici sul proprio blog.
Cosa misura WeatherNext 3
WeatherNext 3 genera due principali flussi di previsione. Il primo riguarda velocità e direzione del vento fino a 100 metri di altezza: la quota in cui operano le pale della maggior parte dei moderni parchi eolici onshore.
Il secondo flusso prevede copertura nuvolosa e radiazione solare in arrivo. Gli operatori di rete sfruttano questi dati per stimare quanta elettricità produrranno i pannelli fotovoltaici nelle ore successive.
Entrambi i flussi vengono aggiornati con cadenza oraria. Secondo DeepMind, questa frequenza è cruciale perché le condizioni meteo che influenzano l’output possono cambiare nell’arco di una singola sessione di negoziazione sui mercati elettrici.
La società inquadra il prodotto come infrastruttura a supporto della transizione energetica: fornire in anticipo indicazioni sull’evoluzione del meteo permette di allineare l’offerta di energia pulita alla domanda dei consumatori e di stabilizzare la rete quando la generazione rinnovabile è volatile.
Da leggere anche: Bitget afferma che il 40% dei volumi arriva da strumenti non‑crypto mentre supera i soli asset digitali
Perché il bilanciamento di rete ha bisogno di previsioni migliori
Storicamente le reti elettriche si sono basate su generazione “dispacciabile”: centrali attivabili o modulabili su richiesta. Carbone, gas e nucleare rientrano in questa categoria.
Eolico e solare no. La loro produzione dipende da condizioni che gli operatori non possono controllare. Una rete con un’elevata quota di rinnovabili deve anticipare le oscillazioni di generazione, non limitarvisi a reagire.
Gli errori previsivi si propagano lungo l’intero sistema. Un parco eolico che sovrastima la propria produzione può lasciare l’operatore di sistema a corto di energia nei picchi di domanda. Sottostimarla significa sprecare capacità e costringere ad attivare riserva più costosa.
Previsioni AI ad alta risoluzione oraria aggrediscono direttamente questo problema. Una maggiore accuratezza nella finestra da una a dodici ore offre agli operatori di rete il tempo necessario per programmare l’uso degli accumuli, gli schemi di demand response o la capacità di riserva con costi contenuti.
DeepMind lavora da anni sulla modellizzazione meteorologica. Una ricerca precedente ha portato a GraphCast, modello meteo globale che ha superato, su varie metriche, i benchmark del Centro Europeo per le Previsioni a Medio Termine.
WeatherNext 3 applica quel know‑how a casi d’uso specifici per il settore energia.
L’angolo infrastruttura AI per i lettori crypto
Il dispiegamento di modelli AI di questa scala si intreccia con la narrativa del calcolo decentralizzato molto presente nei mercati crypto. Reti come Bittensor (TAO) e Render (RNDR) hanno costruito la propria value proposition proprio sulla crescita della domanda di infrastrutture AI distribuite.
Un prodotto di previsione meteorologica in produzione, sviluppato da un laboratorio AI di primo piano, rende tangibile il fabbisogno computazionale che queste reti decentralizzate puntano a servire. DeepMind oggi esegue WeatherNext 3 su infrastruttura proprietaria; restano da verificare le capacità di eventuali alternative aperte o distribuite di eguagliarne le prestazioni.
Elon Musk ha osservato lunedì che i data center dedicati all’AI stanno contribuendo a ridurre i prezzi dell’elettricità per i consumatori. Una visione che corre parallela alla narrativa di DeepMind, secondo cui previsioni AI più accurate abbassano il costo di gestione della generazione rinnovabile.
Da leggere anche: Grok 5 emerge come obiettivo AGI di Musk mentre si intensificano gli allarmi sulla sicurezza AI
I prossimi passi
DeepMind non ha ancora reso noti i nomi dei gestori di rete o delle utility che utilizzano operativamente WeatherNext 3. In questo segmento, le partnership commerciali coinvolgono in genere utility integrate, produttori indipendenti e desk di trading energetico.
La precisione del modello sulle finestre previsionali estese, oltre le sei ore, sarà determinante per il suo impiego nelle offerte sui mercati elettrici day‑ahead, dove si concentra la maggior parte dei volumi e dove gli errori di previsione diventano più onerosi.
Modelli meteo AI concorrenti, sviluppati da startup come Tomorrow.io, e i servizi già offerti dalle agenzie meteorologiche nazionali puntano allo stesso mercato. L’ingresso di DeepMind alza l’asticella competitiva in termini di accuratezza delle previsioni per l’intero settore.
Da leggere dopo: Gli hacker di Revolut iniziano a pubblicare i file dei clienti, chiesti 10.000 Bitcoin
