如果要在电网中增加更多可再生能源，公用事业单位不仅要整合新的发电站，还要建造更多高压输电线路和塔架。这就给电网维护带来了更高的复杂性和成本，包括投资和运营费用。高分辨率的 GPU 加速 WRF 可以通过减少对碳基电力的依赖和优化可再生能源的使用帮助实现这一目标。

测试表明，在天气预报和可再生能源预测方面，GPU 比 CPU 速度更快、分辨率更高且更具成本效益。这一加速解决方案对于减少碳排放、提升电网可靠性和管理以及降低用电者的用电成本十分重要。

(相关资料图)

120 颗 AMD EPYC™7V73X 系列（Milan-X）CPU 核

450 GB 内存（ 350 GB/s 内存带宽）

200 Gb/s HDR InfiniBand

2 个1 TB NVMe 固态硬盘

NCAR WRF 4.2.2

使用 Parallel net-CDF

使用英特尔编译器和 MPI 进行编译

GPU 加速 WRF - Standard_ND96amsr_A100_v4（NDmv4）：

8 个 NVIDIA A100 Tensor Core GPUs (80GB)

NVLink 3.0（200 Gb/s HDR InfiniBand）

96 颗 AMD EPYC™7V12 系列（Rome）CPU 核

8 个 1 TB NVMe 固态硬盘

AceCAST 2.1

使用 OpenACC 和 CUDA 的专有实现

使用 MPI 在多节点和多 GPU 上进行扩展

Azure 代管式 Lustre 文件系统

40 TiB 存储Azure 代管容量

10000 MB/s 最大吞吐量

最后一步是将 AceCAST 应用于可再生能源预测。美国的公用事业单位掌握着所有 7 万多台风力发电机的规格以及每个风能和太阳能节点的位置。通过使用专有的天气-电力算法，AceCAST 可提供更高的预测分辨率，每天对特定可再生能源发电站点作出小时级的精确功率预测（MW）。