A jelenlegi numerikus időjárási modellek térbeli és időbeli felbontása nem képes megragadni azokat a lokális hatásokat, amelyek a megújuló energiatermelésben meghatározóak, jóllehet minden százaléknyi előrejelzési hiba kiegyenlítő energia költségként jelentős anyagi kockázatot jelent. Az előadás bemutatja, hogyan lehet deep learning algoritmusokkal és műholdas terepmodellekkel kilométer alatti felbontásra finomítani ezeket az előrejelzéseket. Kitérünk a szükséges adatforrásokra az ESA Copernicus műholdaktól a felszíni mérésekig, és konkrét számokkal szemléltetjük, milyen gyakorlati hatást jelenthet a pontosabb előrejelzés egy napelempark vagy egy szélerőmű energiatermelésében.
