全球极端天气事件持续增加，但天气仍然是全球许多企业运营中被忽视的因素。这一问题的主要原因是现代数值天气预报 (NWP) 模型无法以经济高效且及时的方式预测关键的局部天气现象。
这对于全球风力发电运营尤其重要，因为更好的天气预报可以实现：
- 提高应对极端天气（例如可能损坏风力涡轮机或其他设备的大风）的安全性
- 更好的天气情报，可进行日前负荷预测，以预测第二天每小时必须输送多少能量
A 可视化 数值天气预报模型中每个网格单元中发生的物理过程。
NWP 模型旨在将世界分割成一个三维网格，其中包含数十亿个水平和垂直网格单元。在每个网格单元内，气象控制方程用于计算物理过程，这些物理过程描述了随着模型及时前进，空气如何移动（即，热量和水分如何在大气中交换）。每个网格单元中的大气条件，例如温度、压力、湿度等都是相同的。
以较低分辨率（即 > 4 公里）运行的模型（例如全球天气预报模型）的计算成本较低，但严重缺乏准确表示局部尺度天气特征所需的详细程度。在低分辨率模拟中，网格单元更大，这意味着更大的区域将包含相同的大气条件。这对区域天气预报提出了一个重大问题，因为局部尺度过程被歪曲和忽视，特别是在复杂地形（即山区和沿海地区），地形驱动的过程极大地影响局部天气条件（即湖泊效应降雪、突然出现的雷暴等）。
解决此问题的一种方法是以更高分辨率（即 < 4 公里）运行（区域）模型，因为这些模型可以增强关键的局部尺度天气特征的表示。然而，以更高分辨率运行模型也有其缺点。较高分辨率模型中的网格单元较小，这意味着模型域比以较低分辨率运行时包含更多网格单元。较小的网格单元使模型能够更有效地表征局部尺度物理过程的相互作用，但由于需要计算更多的计算，因此大大增加了计算成本和完成模拟所需的时间。
TempoQuest 是加速本地规模天气预报软件的领先提供商，正在致力于通过开发增强型天气预报软件产品 AceCAST 来解决这个问题，AceCAST 是天气研究和预报 (WRF) 模型的加速版本。 AceCAST 仅在图形处理器单元 (GPU) 上运行，而不是在传统的中央处理器 (CPU) 上运行，这使用户能够以低得多的成本运行更高分辨率的模拟，速度提高五到十五倍。
AceCAST每年可以防止能源公司损失数百万美元
对天气状况缺乏了解和不积极管理所造成的风险是巨大的。
冰雹或闪电： 可能会损坏或毁坏涡轮机，其成本高达 220万美元.
大风： 虽然涡轮机旨在利用风能，但它们也可能被时速超过 60 英里的阵风损坏。
极端温度： 许多涡轮机位于偏远地区，这些地区面临 -22°F 至 131°F 的极端温度波动。
运营决策： 将 AceCAST 生成的风能预测与负荷预测相结合，使运营商能够保证发电机组的平衡在第二天经济、安全地提供负荷。
正如“风电预测的价值” 由国家可再生能源实验室的 Debra Lew 和 Michael Milligan 撰写：
“对于变桨控制风力涡轮机，功率输出在功率输出曲线的很大一部分上随着风速的立方而变化（见下图）。在该地区，预测风速的微小改善将导致风电预测的显着改善。”
风力涡轮机功率输出曲线示例。
AceCAST 能够通过在 GPU 上加速运行的数值天气预报来改进天气预报。因此，生成本地天气预报的能力变得更加实用。当与负荷预测相结合时，统计和机器学习算法将通过向发电厂提供风力预测的影响，进一步将天气预报增强为可操作的见解。
通过一开始就能够进行更好的预测，负载预测的最终不确定性将低于使用不太准确、低分辨率的天气模型。
来源： https://www.nrel.gov/docs/fy11osti/50814.pdf
有关 AceCAST 的更多信息，请访问： https://tempoquest.com/
有关AceCAST的更多技术信息请访问： https://acecast-docs.readthedocs.io/en/latest/
