Ключові тези
Google DeepMind презентувала WeatherNext 3 — AI‑модель погоди для операторів енергетичної інфраструктури
Модель оновлюється щогодини та прогнозує швидкість вітру на висотах до 100 метрів — рівні робочих лопатей турбін
Також оцінює сонячну радіацію для розрахунку генерації з фотоелектричних панелей
WeatherNext 3 націлена на операторів мереж, які балансують попит і пропозицію в умовах зростання ВДЕ
У DeepMind позиціонують інструмент як прямий вклад у прискорення енергетичного переходу
Google DeepMind запустила WeatherNext 3 — модель прогнозування погоди, спеціально спроєктовану для вітрових електростанцій, виробників сонячної генерації та операторів електромереж.
За даними компанії, модель оновлюється щогодини та прогнозує параметри, що безпосередньо впливають на виробництво електроенергії з відновлюваних джерел.
DeepMind описала інструмент у дописі 14 вересня та опублікувала додаткові технічні деталі у своєму блозі.
Що саме вимірює WeatherNext 3
WeatherNext 3 формує два основні потоки прогнозних даних. Перший охоплює швидкість і напрям вітру на висотах до 100 метрів — це робочий діапазон більшості сучасних наземних вітротурбін.
Другий потік дає прогноз хмарності та вхідної сонячної радіації. Оператори мереж використовують ці дані, щоб оцінити, скільки електроенергії вироблять сонячні панелі в найближчі години.
Обидва потоки оновлюються з годинним кроком. У DeepMind наголошують, що така частота критична: погодні умови, які впливають на генерацію, можуть суттєво змінитися всередині одного торгового інтервалу на ринку електроенергії.
У компанії подають продукт як «інфраструктуру для енергопереходу». Завчасне попередження про зміну погоди дає можливість точніше узгоджувати пропозицію «чистої» енергії з попитом споживачів і стабілізувати мережу за умов волатильної генерації з ВДЕ.
Читайте також: Bitget стверджує, що частка некриптовалютних угод досягла 40% на тлі виходу за межі цифрових активів
Чому балансування мережі потребує кращих прогнозів
Традиційно енергосистеми спиралися на так звану «керовану» (dispatchable) генерацію — електростанції, які можна оперативно вмикати, вимикати або змінювати їх потужність. До цієї категорії належать вугільні, газові та атомні об’єкти.
Вітер і сонце такими не є: їхня генерація повністю залежить від погоди, яку оператори контролювати не можуть. Система з високою часткою ВДЕ має не реагувати постфактум, а заздалегідь передбачати коливання виробництва.
Помилки прогнозу накопичуються на рівні всієї мережі. Якщо вітропарк переоцінює свої обсяги, системний оператор може залишитися без достатньої пропозиції в пікові години. Недооцінка ж призводить до недовикористаної «дешевої» потужності та вимушеного включення дорожчого резерву.
AI‑прогнозування з годинною роздільною здатністю безпосередньо закриває цю прогалину. Вища точність у вікні від однієї до дванадцяти годин дає час, щоб із мінімальними витратами спланувати відбір із систем накопичення, керування попитом або підключення резервних потужностей.
DeepMind працює над моделями погоди вже кілька років. Попередні дослідження привели до створення GraphCast — глобальної моделі, яка за низкою метрик перевершила орієнтири Європейського центру середньострокових прогнозів погоди.
WeatherNext 3 спирається на цю базу, але фокусується на енергетичних сценаріях використання.
Кут інфраструктури AI для крипто‑аудиторії
Розгортання AI‑моделей такого масштабу напряму перетинається з наративом децентралізованих обчислень, що набирає обертів на крипторинках. Мережі на кшталт Bittensor (TAO) та Render (RNDR) будують свою ціннісну пропозицію навколо зростаючого попиту на розподілену AI‑інфраструктуру.
Комерційний продукт для прогнозу погоди від провідної AI‑лабораторії наочно демонструє реальні обчислювальні потреби, які прагнуть закрити децентралізовані мережі. Наразі DeepMind запускає WeatherNext 3 на власній інфраструктурі. Чи зможуть відкриті або повністю розподілені альтернативи досягти порівнянної продуктивності — лишається одним із ключових відкритих питань для сектору.
Ілон Маск раніше в понеділок зазначив, що дата‑центри AI вже сприяють зниженню тарифів на електроенергію для споживачів. Ця теза перегукується з підходом DeepMind, згідно з яким точніші AI‑прогнози зменшують витрати на керування змінною «зеленою» генерацією.
Також читайте: Grok 5 стає ціллю Маска на шляху до AGI, поки посилюються попередження щодо безпеки AI
Що далі
DeepMind поки не розкриває, які саме оператори мереж чи енергокомпанії вже використовують WeatherNext 3. Типово комерційні контракти в цьому сегменті укладаються з енергетичними компаніями, незалежними виробниками електроенергії та трейдинговими підрозділами.
Те, наскільки модель буде точною на довших горизонтах — понад шість годин, — визначить її цінність для заявок на ринку «day‑ahead». Саме там укладається основний обсяг контрактів на поставку електроенергії, і там помилки прогнозу обходяться найдорожче.
За той самий ринок змагаються й інші AI‑моделі погоди — від стартапів на кшталт Tomorrow.io до національних метеорологічних служб. Вихід DeepMind підвищує планку вимог до точності прогнозів усього сегмента.
Читайте далі: Хакери Revolut починають публікувати файли клієнтів і вимагають 10 000 біткойнів
