Ny AI-modell siktar mot att förbättra prognoser för moln och vind
De senaste årens framsteg inom AI-baserade väderprognoser visar att AI-metoder kan skapa konkret samhällsnytta. I ett nytt forskningsprojekt ska SMHI nu använda AI för att möta behov av snabbare prognosproduktion som ger mer aktuella prognoser för moln och vind. Nyckelord är maskininlärning, datadrivet och fokus på slutanvändarens behov.
I ett nytt forskningsprojekt ska SMHI och Svenska kraftnät utveckla en AI-modell som kan användas för att göra prognoser för moln och vind för de kommande timmarna.
Det nya projektet ska arbeta med forskning och utveckling för att skapa en AI-modell för moln och vind som kan bidra till att Svenska kraftnät får lättare att balansera kraftsystemet.
Tomas Landelius.
– I det här pilotprojektet så jobbar vi tillsammans med Svenska kraftnät som har stor nytta av att veta lokala moln- och vindförhållanden för att beräkna hur mycket sol- och vindenergi de kan förvänta sig kommande timmar och dygn, säger Tomas Landelius. Han är forskare på SMHIs meteorologiska forskningsenhet och projektledare för det nystartade projektet som ska ta fram AI-modellen.
I det nya projektet ska forskarna bygga vidare på kunskap från europeiska utvecklingsprojekt om digitala tvillingar och generativa prognosmodeller, framför allt från det europeiska projektet WeatherGenerator. Där används maskininlärning för att ta fram en kompakt beskrivning av atmosfären som görs öppet tillgänglig. Den kan användas för att förenkla utvecklingen av andra modeller med specifika tillämpningar.
Ökad driftsäkerhet och sänkt kostnad
Svenska kraftnät är ansvariga för att balansera kraftsystemet på ett säkert och kostnadseffektivt sätt. För dem skulle förbättrad väderprognos för de närmaste timmarna och kommande dygnet bidra till ökad driftsäkerhet och sänkt kostnad för att hålla balans i systemet.
– Med AI-modellen får vi kortare beräkningstid för varje prognos när modellen väl är tränad. Den begränsande faktorn kommer då främst vara hur snabbt vi kan få tillgång till aktuella observationer, snarare än tiden det tar att köra prognosmodellen, säger Tomas Landelius.
De observationer som ska användas för att träna modellen kommer från de polära satelliterna som passerar över Sverige. Speciellt intressant är den europeiska polära minisatelliten Arctic Weather Satellite. Den ger tredimensionella observationer av temperatur, fuktighet och moln när den färdas runt jorden. Även data från geostationära satellitsystem som ger en överblick över hela jordklotet ska användas. Satellitdata kommer att kompletteras med data från vindkraftverk, flygplan och väderradar.
Samhällsnytta för fler
Projektet har högt ställda mål. Tomas Landelius ser att de med utvecklingen av AI-modellen för moln och vind i förlängningen kan skapa samhällsnytta för fler än Svenska kraftnät. De korta prognoserna kan till exempel användas inom flygsektorn, för drönare som är extra känsliga för vind och nedisning. De flyger dessutom närmare marken där det händer mycket småskaligt i atmosfären som är svårare att beskriva i befintliga prognosmodeller.
De korta prognoserna är också viktiga vid extremväder, som till exempel vid stormar och skogsbränder. Där kan kunskap om moln och lokala vindförhållanden underlätta räddningsarbetet.
Även allmänheten kan få nytta av förbättringar i prognoserna för de kommande timmarna. AI-modellen har möjlighet att bidra till en molnprognos som mer efterliknar den observerade molnigheten.
Sprida inspiration kring digitala tvillingar
Projektet blir också en viktig demonstrator och inspiration för andra myndigheter och aktörer kring hur den digitala tvillingen WeatherGenerator kan användas för att skapa konkret samhällsnytta. WeatherGenerator är skapad med EU-finansierad forskning för plattformen DestinationEarth, ett initiativ inom EU att skapa en digital tvilling av jorden.
Forskningen kring en AI-modell för moln och vind bedrivs i ett projekt finansierat av Rymdstyrelsen. Projektet pågår 2026-2027 och genomförs av SMHI tillsammans med Svenska kraftnät.
