Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Oprogramowanie sieci energetycznych sięga po prognozy pogody kosmicznej i oszczędne współdzielenie GPU

Microsoft Research twierdzi, że potok uczenia maszynowego potrafi oznaczyć ryzyko pogody kosmicznej w 66 935 podstacjach w USA na 30 do 60 minut przed uderzeniem. Praca z SOSP '26 donosi z kolei o oszczędnościach energii rzędu 1,4-2,3x dzięki lepszemu współdzieleniu GPU.

TechnologiaNewsMarta ZielińskaOpublikowano: 30 września 20264 min czytaniaŹródła 10
Oprogramowanie sieci energetycznych sięga po prognozy pogody kosmicznej i oszczędne współdzielenie GPU

W tym tygodniu pojawiły się dwie prace o oprogramowaniu blisko związanym z sieciami energetycznymi. Obie dotyczą tego samego: infrastruktura stojąca za energią i mocą obliczeniową ma robić więcej przy krótszym ostrzeżeniu i mniejszym zużyciu prądu.

Najnowszy datowany materiał pochodzi z Microsoft Research. Firma opublikowała 30 września wpis na blogu o potoku prognostycznym do oceny ryzyka pogody kosmicznej dla sieci energetycznych.

Pogoda kosmiczna, podstacja po podstacji

Według Microsoft Research system korzysta z informacji o wietrze słonecznym dostępnych w czasie prognozy, żeby wyliczyć ryzyko dla konkretnych lokalizacji w 66 935 podstacjach w kontynentalnej części Stanów Zjednoczonych. Łączy prognozy indeksów Auroral Electrojet (AE) i Disturbance Storm Time (Dst) z lokalną szerokością geograficzną, budową geologiczną i przewodnością gruntu. Blog podaje, że w okresie oceny potok wykrył blisko 80% poważnych zdarzeń pogody kosmicznej i może ostrzec operatorów sieci na 30 do 60 minut przed pojawieniem się konkretnego zagrożenia.

Wpis stawia sprawę operacyjnie: wiedza, że nadchodzi burza, to nie to samo co wiedza, kiedy i gdzie jej skutki będą najgorsze. Prądy indukowane geomagnetycznie (GIC) zależą od warunków lokalnych, a regiony o opornym podłożu skalnym mogą odnotować silniejsze prądy niż obszary o lepiej przewodzącej geologii, czytamy w tym samym tekście. Jako przykład motywujący autorzy przywołują burzę geomagnetyczną z maja 2024 roku, która wypchnęła zorze daleko poza ich zwykły zasięg.

Pracę wykonano podczas letniego stażu w Microsoft Research, podaje blog. Autor opisuje ją jako kompletny potok uczenia maszynowego, a nie symulację fizyczną. Ta różnica ma znaczenie dla operatorów sieci, którym potrzebna jest prognoza, na której można działać, a nie model badawczy wymagający interpretacji.

Energia, nie tylko wykorzystanie, w klastrach GPU

Druga praca, opublikowana na SOSP '26 28 września, bierze na warsztat drugą stronę problemu energetycznego. Autorzy, Prasoon Sinha, Dimitrios Liakopoulos, Nathan Lemma i Neeraja J. Yadwadkar, przekonują w „Beyond Utilization: Energy-Conscious GPU Sharing for Inference Serving”, że optymalizacja wyłącznie pod kątem wykorzystania GPU może, wbrew intuicji, zwiększyć zużycie energii. Ich system EnerTune korzysta z modeli analitycznych do szacowania wydajności i mocy każdego modelu oraz poboru mocy przez modele współlokowane na wspólnych GPU. Wyniki trafiają do algorytmu pakowania z uwzględnieniem energii.

Praca donosi, że EnerTune spełnia SLO wydajności, jednocześnie zmniejszając zużycie energii 1,4-2,3x i pobór mocy 1,3-2,6x względem najlepszych dostępnych rozwiązań odniesienia. Autorzy zauważają, że profilowanie wszystkich możliwych konfiguracji w skali jest zbyt kosztowne, dlatego potrzebne są modele analityczne: każdy model można wdrożyć w setkach konfiguracji, a samo profilowanie też zużywa energię.

Obie prace trafiły w tym samym tygodniu co wysyp aktywności wokół oprogramowania sieci. Energy Digital Magazine opublikował 30 września listę dziesięciu najważniejszych dostawców inteligentnych sieci, a Sustainable Views przekonywał tego samego dnia, że Europa musi budować i eksploatować swoją sieć jako jeden system. Utilities Middle East zamieścił materiał Siemensa o uwalnianiu zdolności przesyłowych, również 30 września.

Po stronie magazynowania Energy Vault uzyskała od stanu Nowa Południowa Walia zgodę rozwojową na bateryjny magazyn energii Stoney Creek o mocy 125 MW i pojemności 1 GWh, podało Business Wire 29 września, otwierając drogę do budowy. Energy Source & Distribution poinformowało o tej samej zgodzie 30 września. W tym samym tygodniu Energy-Storage.News opublikowało tekst o tym, dlaczego dostępność jest ważnym wskaźnikiem wydajności magazynów BESS i jak ją liczyć, oraz podało, że falownik bateryjny firmy SMA jako pierwszy zdobył certyfikat grid-forming dla niemieckiego rynku inercji.

Prognozowanie i elastyczność

Prognozowanie to nie tylko sprawa pogody kosmicznej. pv magazine Global poinformowało 29 września o cyfrowej mapie, która prognozuje ograniczenia sieci w Hiszpanii i miejsca redukcji generacji na 2027 rok. Tego samego dnia Business Wire podało, że Critical Loop dostarczył elastyczne przyłączenie dla przemysłu w Kalifornii dzięki pierwszemu kontrolerowi mocy z certyfikatem CSIP 2030.5 i wpisem UL 3141.

29 września Spectra by MHI opublikowała wyjaśnienie, jak wirtualne elektrownie mogą uodpornić sieci na przyszłość, a Business Wire podało, że Willow zatrudnia autonomicznych agentów w portfelach budynków z listy Fortune 100. MarketScale poinformował o badaniu IFS, z którego wynika, że tylko 33% kadry zarządzającej w firmach energetycznych nazywa swoje zarządzanie aktywami zaawansowanym. Ta liczba kiepsko pasuje do deklaracji o automatyzacji.

Wspólny wątek jest taki, że oprogramowanie sieci przechodzi od pulpitów do decyzji. Potok Microsoftu nie tylko pokazuje burzę, ale szacuje ryzyko dla każdej podstacji z wyprzedzeniem. EnerTune nie tylko upycha modele na GPU, ale wymienia energię na opóźnienie i przepustowość. Czy operatorzy zaufają któremuś z tych systemów na tyle, by działać na podstawie jego wyników, to osobne pytanie i żadna z prac w zestawieniu go bezpośrednio nie rozstrzyga.

Komentarze 0

Źródła

10
  1. 01Forecasting space weather risks on power gridsEN
  2. 02Beyond Utilization: Energy-Conscious GPU Sharing for Inference ServingEN
  3. 03CHOMPI portable sampler instrument is now open-sourceEN
  4. 04The open-source AI platforms vying to become China's Hugging FaceEN
  5. 05Report: Kakao is shutting down Tapas webtoon platformEN
  6. 06Justice Department and FBI Seize Platforms Operated and Used by China State-Sponsored HackersEN
  7. 07Japan's fusion energy startup to begin power-on tests at pilot reactor in 2027EN
  8. 08Dear Software MakersEN
  9. 09OpenClaw Enterprise – The Open Agent PlatformEN
  10. 10Estimating software projects without fooling yourselfEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.