AI прогнозите за времето навлизат на енергийния пазар, тъй като Google насочва WeatherNext 3 към операторите на електропреносни мрежи

Най-новият модел на Google за прогнозиране на времето с изкуствен интелект предвижда скоростта на вятъра на 100 метра над земята — приблизително височината на съвременна вятърна турбина. Той също така прогнозира облачността и количеството слънчева светлина, достигащо до повърхността, и се актуализира на всеки час. Търговците на енергия, операторите на електропреносни мрежи и разработчиците на вятърни и соларни проекти вече плащат на други компании за тези данни. Представянето на WeatherNext 3 вече поставя Google на този пазар.

Google DeepMind и Google Research представиха модела на 3 септември. Той създава глобална прогноза на всеки час с резолюция до пет километра за променливи на повърхността като температура и влажност. Предишната версия, WeatherNext 2, работеше с мрежа от 25 километра и се обновяваше на всеки шест часа. Google заявява, че новите енергийни променливи са предназначени да помогнат на операторите на мрежи и разработчиците да предвиждат колко електроенергия ще генерират техните вятърни и соларни активи, а след това да я съпоставят с търсенето.

Потребителската страна на представянето получи най-голямо внимание. WeatherNext 3 вече захранва резултатите за времето в Google Search, приложението Gemini, Google Maps и Weather API на Google Maps Platform. Зад него стои корпоративен слой, който е по-важен от търговска гледна точка. Същите прогнозни данни могат да бъдат извличани чрез BigQuery и Earth Engine или да бъдат изтегляни групово от Google Cloud Storage, без клиентът да трябва да настройва модел.

Защо енергийният сектор купува прогнозиране на времето с изкуствен интелект

Операторите на електропреносни мрежи управляват система, която е станала по-трудна за прогнозиране и от двете страни. От страна на производството възобновяемите източници вече представляват по-голямата част от новия капацитет. US Grid Outlook 2026 на S&P Global Market Intelligence прогнозира, че соларната енергия и съхранението на енергия ще бъдат основните източници на нов капацитет тази година — съответно 51,2 GW и 25,7 GW от над 90 GW планирани допълнения.

Соларните и вятърните централи произвеждат електроенергия според времето, а не според търсенето, така че всеки добавен гигават прави краткосрочната прогноза по-важна.

От страна на потреблението новото натоварване идва от изкуствения интелект. S&P Global определя разпространението на центровете за данни в Северна Америка като основен фактор за неотдавнашния ръст на търсенето на електроенергия, което принуждава комуналните компании да повишават прогнозите си за натоварването. Power and Utilities Industry Outlook на Deloitte за 2026 г. прогнозира, че пиковото търсене ще нарасне с приблизително 26% до 2035 г., като само търсенето от центровете за данни потенциално ще достигне 176 GW — пет пъти повече от нивото през 2024 г.

Цената на грешната прогноза е ясна. Ако операторът подцени количеството вятърна енергия, което ще постъпи в мрежата, той трябва да закупи заместваща електроенергия в кратък срок, обикновено от газови централи, поддържани в скъп резерв. Ако надцени количеството, на вятърните и соларните паркове се плаща да се изключат, защото мрежата не може да поеме произведената от тях електроенергия. И двата резултата са скъпи и и двата са провали на прогнозирането.

Пазарът, на който навлиза Google

Продажбата на метеорологични прогнози на енергийния сектор е утвърден бизнес. Vaisala, Solcast, WindGEMINI на DNV и HyperWatch на IBM се конкурират на този пазар. Същото прави и Jua — швейцарска компания, която твърди, че нейният модел EPT-2 превъзхожда по точност Microsoft Aurora и по-ранния GraphCast на DeepMind, като се обновява 24 пъти дневно в сравнение с описваните от нея обичайни четири обновявания дневно при конкурентите.

Предимството на Google е обхватът. Същата прогноза се появява като таблица в BigQuery, слой в Earth Engine, API в Google Maps Platform и отговор по подразбиране в Google Search. Никой специализиран доставчик не разполага с такова разпространение, а ежечасното обновяване преодолява разликата в честотата на актуализациите, която тези доставчици използваха, за да се отличат.

Утвърдените компании имат един оставащ технически аргумент. Публикуваната позиция на Jua е, че базираните на физика модели като HRES на ECMWF все още превъзхождат чисто основаните на данни модели с изкуствен интелект при рекордно екстремни метеорологични явления, тъй като физичните модели кодират правила за движението на енергията и масата през атмосферата, докато моделите с изкуствен интелект изучават закономерности от минали данни.

Jua продава продукт, ограничен от физични закони, така че твърдението обслужва собствените ѝ интереси. То също така описва условията, от които операторите на мрежи се опасяват най-много — когато буря излезе извън всичко, което моделът е виждал по време на обучението.

Какво е ново и какво се представя преувеличено

Архитектурното твърдение зад WeatherNext 3 е, че той се обучава от реални наблюдения, а не от симулации. Повечето модели за прогнозиране на времето с изкуствен интелект, включително WeatherNext 2, се обучават с резултати от числени модели за прогнозиране на времето — физични симулации, извършвани от суперкомпютри, които носят шестчасово закъснение на данните. Това закъснение може да внесе отклонение при бързо променящи се променливи като дъжд и температура на повърхността. WeatherNext 3 приема изображения от геостационарни спътници в реално време и се обучава директно с показания от отделни метеорологични станции.

Промяната е реална, макар и по-ограничена, отколкото предполага голяма част от публикациите. Собствената системна диаграма на Google показва, че моделът приема едночасови сателитни мозайки наред с традиционни исторически анализи. Старшият научен изследовател на DeepMind Илън Прайс каза пред Bloomberg, че подобрението идва от това, че не се изчаква следващият анализ и вместо това се използва най-новата налична информация.

Според публикации оставащото закъснение на данните е от три до четири часа, спрямо около седем часа преди. Зависимостта от численото прогнозиране на времето е намалена, но не е премахната.

Към данните за точността също трябва да се подхожда внимателно. Google съобщава за подобрения до 60% спрямо сателитния продукт IMERG на NASA, 30% спрямо радара MRMS и 10% спрямо показанията на дъждомерите при ранни периоди на прогнозиране, измерени чрез стандартен метод за оценяване на вероятностни прогнози. Това са три отделни базови показателя и процентите не се събират. Широко повтаряното твърдение за 50% по-добро прогнозиране на валежите се отнася конкретно за прогнози с хоризонт от един или повече дни. Към всяка цифра е добавено уточнението „до“, което означава, че всяка от тях представлява най-добрия, а не типичния резултат.

Google не публикува независима проверка от трета страна заедно с представянето. Вместо това компанията посочва текущи оценки от Brightband, чиято класация цитира, за да твърди, че WeatherNext 3 е най-точният глобален метеорологичен модел досега. Комуналната компания, която обмисля преминаване от платен специализиран доставчик, ще се интересува повече от представянето на модела в собствената ѝ обслужвана територия и върху собствените ѝ активи, отколкото от мястото му в глобална класация.

Собственият интерес на Google към проблема

Google продава инструменти за прогнозиране на мрежов проблем, за чието създаване помогна и собствената му индустрия. Разрастването на центровете за данни, което движи увеличаването на натоварването, с което комуналните компании се борят, се ръководи от хипермащабните доставчици — сред тях и Google — а Google е подписала споразумения за закупуване на възобновяема енергия с мощност от няколко гигавата, за да захранва собствените си обекти.

Точното прогнозиране на производството от вятърна и соларна енергия е пряко полезно за компания, която съпоставя големи обеми чиста енергия с натоварване, което едновременно нараства и се променя. Това е търговска логика и до известна степен обяснява защо енергийните променливи са включени в тази версия.

Google не е публикувала цени за корпоративния достъп до WeatherNext 3, нито е заявила дали данните в BigQuery и Earth Engine се таксуват по стандартните тарифи за заявки в Cloud или изискват отделен лиценз. Комуналните компании, обмислящи преминаване от платен специализиран доставчик, ще искат да знаят тази цифра, преди да преценят твърденията за точност.

През 2025 г. повече от 65 000 служители на корпоративната и инвестиционната банка активно са използвали платформата, докато над 90% от инженерите са използвали асистенти за програмиране с изкуствен интелект.

Банката също така заяви, че проверката на транзакции с помощта на изкуствен интелект ѝ е позволила да прегледа повече от два пъти предишния обем транзакции, като едновременно е намалила наполовина ръчните проверки от оператори.

Bank of America използва система с генеративен изкуствен интелект, наречена EricaAssist, с повече от 18 000 служители в обслужването на клиенти. Инструментът обобщава причината за обаждането на клиента, извлича необходимата информация и препоръчва възможни следващи стъпки, като служителят остава отговорен за взаимодействието.

През юли 2026 г. Bank of America заяви, че EricaAssist може да предоставя контекстуални насоки за по-малко от три секунди и е намалила средната продължителност на разговорите с почти една минута. Банката планира да разшири системата към допълнителни сценарии за обслужване и бизнес направления по-късно през 2026 г.

(Снимка от Google)

Вижте също: Изкуственият интелект на MIT прогнозира екстремно време без исторически данни

Искате да научите повече за изкуствения интелект и големите данни от лидери в индустрията? Посетете AI & Big Data Expo, което ще се проведе в Амстердам, Калифорния и Лондон. Всеобхватното събитие е част от TechEx и се провежда едновременно с други водещи технологични събития. Кликнете тук за повече информация.

AI News се поддържа от TechForge Media. Разгледайте други предстоящи събития и уебинари за корпоративни технологии тук.