Výzkumníci se při analýze obrovského objemu satelitních snímků pokrývajících celou Čínu spolehli na počítačové vidění poháněné AI. Využití vlastních modelů DAMO Academy na cloudové infrastruktuře umožnilo systému zpracovat dataset o velikosti 7,56 TB a automaticky detekovat vizuální znaky solárních panelů a větrných turbín.
Tento přístup se liší od tradičních energetických statistik, které se často spoléhají na hlášení z regionálních úřadů nebo odhady odvozené z instalovaného výkonu. Místo toho systém identifikuje infrastrukturu přímo ze snímků a vytváří geolokovaná datová pole pro jednotlivé instalace.
Zvládnutí rozsahu snímků bylo velkou technickou výzvou. Různorodý terén Číny – od pouští po hustě osídlené oblasti – znamená, že se zařízení pro obnovitelnou energii vyskytují v mnoha různých kontextech, což vyžaduje modely schopné rozpoznat instalace v různých krajinách a světelných podmínkách.
Hotová inventura poskytuje detailní prostorový snímek čínské infrastruktury obnovitelné energie. Podle zveřejněných výsledků AI systém detekoval:
Protože je každé zařízení geolokováno, dataset odhaluje regionální vzorce rozmístění obnovitelných zdrojů a poskytuje základ pro analýzu energetického systému.
Dřívější celostátní datasety se často opíraly o satelitní snímky s nižším rozlišením nebo částečné hlášení, což ztěžovalo přesné sledování toho, kde byly instalace postaveny. Studie dálkového průzkumu stále častěji využívají strojové učení k mapování solární a větrné infrastruktury, ale komplexní inventury s vysokým rozlišením zůstávají poměrně vzácné.
Větrná a solární energie jsou ze své podstaty proměnlivé. Jejich výkon kolísá v závislosti na počasí a denní době, což může vést k omezení výroby – tedy situaci, kdy nelze elektřinu z obnovitelných zdrojů využít ani přenést, a proto je plýtvána.
Celostátní, geolokovaná mapa instalací pomáhá výzkumníkům analyzovat, jak různé obnovitelné zdroje vzájemně interagují napříč regiony. S využitím nového datasetu tým studoval komplementaritu solární a větrné energie a zjistil, že výroba z větru a slunce často vrcholí v různou dobu – například solární energie vyrábí více během dne, zatímco vítr může být silnější v noci.
Porozumění těmto vzorcům umožňuje plánovačům zkoumat strategie, jako jsou:
Výzkumníci uvádějí, že širší regionální koordinace větrných a solárních zdrojů by mohla výrazně zvýšit množství elektřiny z obnovitelných zdrojů, které může síť absorbovat.
Projekt mapování má také důsledky přesahující tradiční plánování sítě. Rychle rostoucí čínská datová centra a infrastruktura pro AI výpočty způsobuje velký nárůst poptávky po elektřině.
Aby Čína tuto poptávku uspokojila a zároveň pokračovala v dekarbonizaci, začala propojovat výrobu z obnovitelných zdrojů přímo s výpočetní infrastrukturou. Jedním z příkladů je projekt v oblasti Ningxia, který dodává velké objemy fotovoltaické energie přímo do datových center.
Komplexní mapa větrných a solárních aktiv by mohla pomoci politikům rozhodovat:
V tomto smyslu inventura vytvořená AI neslouží pouze ke katalogizaci infrastruktury – vytváří datový základ pro řízení další fáze čínské energetické transformace.
S tím, jak se systémy obnovitelné energie rozšiřují po celém světě, je schopnost přesně je monitorovat stále důležitější. Satelitní snímky v kombinaci s AI nabízejí škálovatelný způsob, jak sledovat infrastrukturu na rozsáhlých územích a aktualizovat inventury s tím, jak vznikají nová zařízení.
Pro Čínu – domov největšího systému obnovitelné energie na světě – poskytuje nová celostátní mapa to, co politikům a výzkumníkům dlouho chybělo: přesný, průběžně aktualizovatelný obraz o tom, kde se solární a větrná energie na zemi skutečně nacházejí.