Nagy változás történt az időjárás-előrejelzésében, ez pedig az energiaárakra is hat

Az időjárás az energiatermeléstől az energia továbbításán át az igények alakulásáig széles körű és mély hatást gyakorol az egész energiarendszerre. Legyen szó akár az időjárásfüggő és hagyományos erőművekről, az energiahordozók szállításáról, a villamosenergia-hálózatról vagy a keresletről. Az olyan, nagyrészt éppen a klímavédelmi célok teljesítése érdekében zajló nagy trendek, mint a nap- és szélerőművek terjedése pedig még érzékenyebbé teszik az energiarendszert az időjárás hatásaira. 

Mindez érthető módon a piaci körülmények változását is eredményezi, az energiakereskedelemben az időjárás napjainkra az egyik leglényegesebb tényezővé vált. Mindez mind jobban felértékeli a meteorológiai előrejelzések szerepét, az időjárási, valamint klímamodellek fejlesztését. Az energiakereskedők, köztük a hazai piac meghatározó szereplőjének számító MVM Partner számára is gyakorlatilag a teljes, rendelkezésre álló előrejelzési horizont számít, a másnapi időtávtól a több hónapra előre terjedő prognózisokig.

Az energiakereskedők hagyományosan a dinamikus előrejelző modellekkel dolgozó, olyan nagy adatszolgáltatóknak köszönhetően jutnak az előrejelzésekhez, mint a Középtávú Időjárás-előrejelző Központ (ECMWF - European Centre for Medium-Range Weather Forecasts). A prognózisok elkészítéséhez és pontosításához azonban már a dinamikus előrejelző modellekhez képest egészen más működési elveket követő mesterségesintelligencia (MI)-modellekre is egyre inkább támaszkodnak, amelyek fejlődése az elmúlt időszakban mérföldkőhöz ért. Az ECMWF, korábban rendre legjobban teljesítő dinamikus előrejelző modelljéhez lényegében felnőtt a mesterséges intelligencián alapuló változat. Sőt, hétnapos időtávon már megbízhatóbb prognózisokat készít. Az MI a következő években a hosszabb távú időjárás-előrejelzések és klímamodellek megalkotása területén is átveheti az elsőséget a dinamikus változatoktól.

Az MI-modell statisztikai alapú elemzést folytatva jelez előre. Az elmúlt évtizedekben nem csak a felszín közelében, hanem a magasabb légköri szinteken rögzített időjárási adatok között is összefüggéseket keresve vetíti ki az eredményeket a jövőre vonatkozóan. A technológia emellett képes a korábbi elemzéseket, illetve azt is értékelni, hogy hogyan változtak és fejlődtek a prognózisok. Ráadásul nem feltétlenül korlátozódik meteorológiai adatok használatára, hanem más jellegű információk, például az üvegházhatású gázok kibocsátási értékeinek változásai is beletáplálhatók.

A hagyományos, dinamikus előrejelzés kizárólag az aktuális időjárási adatokból számolja ki a várható paramétereket. Ezek rendkívüli számítási kapacitást igényelnek, egy-egy globális léptékű számítás a leggyorsabb szuperszámítógépeken is négy-hat órába telik. A mesterséges intelligencia statisztikai alapú vizsgálata nagyságrendekkel kevesebb kapacitást igényel, így az előrejelzés perceken belül előállítható. Különösen a napon belüli villamosenergia-kereskedelemben kritikus, hogy az előrejelzések időben rendelkezésre álljanak. A pontosabb előrejelzés növeli az energiatermelés hatékonyságát, és minél pontosabban, minél hosszabb távra előre tervezhető az energia rendelkezésre állása, annál olcsóbb az adott forrás. Az időjárási előrejelzések megbízhatóságának növelése tehát kedvező hatást gyakorol a hatékonyságra és a villamos energia árára is, amit természetesen számos más, geopolitikai és egyéb tényező is befolyásol.

A mesterséges intelligencia statisztikai alapú előrejelzésével a szélsőséges időjárási események is pontosabban előre jelezhetők. Erre egyre inkább szükségük van az energiakereskedőknek is, mivel a klímaváltozás az extrém meteorológiai jelenségek gyakoriságának és súlyosságának növekedésével jár. Ráadásul a globális felmelegedés az elmúlt időszakban ugrásszerűen fokozódott is, amihez paradox módon a klímaváltozás megfékezése érdekében hozott kibocsátáscsökkentési intézkedések is hozzájárulnak.

A klímavédelmi lépések mérsékelték a klímaváltozás fő felelősének tartott szén-dioxid-kibocsátást, egyúttal a környezet- és egészségkárosító korom és kén-dioxid emisszióját is visszafogták. Káros hatásaik mellett ugyanakkor ezek a szennyező anyagok a többi úgynevezett aeroszollal együtt elősegítik a felhők képződését is, amelyek jelentős napsugárzás-visszaverő, ezáltal a földi klímát hűtő hatással bírnak.

A folyamat egyrészt a téli fűtési igény csökkenésével jár, másrészt azonban jelentősen növeli a nyári hűtési igényt, ami a légkondicionáló berendezések terjedése és fokozott használata irányába hat. Mindez, az energiaigényen keresztül alapvetően befolyásolja az energiakereskedelmet is. Jó hír ugyanakkor, hogy a mesterséges intelligencia előrejelzési célú alkalmazása e szempontból is támogatást nyújt az energiakereskedőknek, így az MVM Partner részére is azáltal, hogy adatok szélesebb köréből gyorsabb és egyre megbízhatóbb előrejelzésre képes a hagyományos dinamikus modellekhez képest.