Los investigadores entrenaron modelos capaces de identificar patrones visuales característicos de paneles solares y turbinas eólicas dentro de enormes volúmenes de imágenes satelitales. El sistema analizó automáticamente toda la superficie del país, generando puntos geolocalizados para cada instalación detectada.
Gestionar ese volumen de datos fue uno de los principales retos técnicos. China incluye desiertos, zonas montañosas, ciudades densas y áreas agrícolas, lo que significa que las instalaciones renovables aparecen en contextos visuales muy distintos. Los modelos de IA tuvieron que reconocerlas en diferentes paisajes, condiciones de iluminación y escalas.
El inventario resultante ofrece una imagen detallada del despliegue de energías renovables en todo el país. El sistema detectó:
Cada instalación está georreferenciada, lo que permite estudiar patrones regionales de desarrollo energético y analizar cómo se distribuyen las fuentes renovables a escala nacional.
Hasta ahora, muchos estudios dependían de imágenes satelitales de menor resolución o reportes incompletos, lo que dificultaba localizar con precisión dónde se habían construido los parques solares y eólicos. La combinación de imágenes de alta resolución y aprendizaje automático está cambiando esa situación.
La energía solar y la eólica tienen una característica fundamental: su producción es variable. Depende del clima y de la hora del día.
Esto puede provocar el fenómeno conocido como "curtailment" o vertido de energía renovable, cuando la electricidad generada no puede usarse o transportarse y se pierde.
El nuevo mapa permite estudiar cómo interactúan diferentes fuentes renovables en distintas regiones. Los investigadores analizaron la llamada complementariedad solar‑eólica, observando que a menudo producen energía en momentos distintos: la solar durante el día y la eólica con mayor estabilidad durante la noche.
Comprender estos patrones puede ayudar a:
Según los investigadores, ampliar la coordinación regional de recursos eólicos y solares podría aumentar significativamente la cantidad de energía renovable que la red puede absorber.
El proyecto también tiene implicaciones más allá de la planificación eléctrica tradicional.
China está experimentando un rápido crecimiento en centros de datos, computación en la nube e inteligencia artificial, lo que aumenta de forma notable la demanda de electricidad.
Para equilibrar ese crecimiento con sus objetivos climáticos, el país ha comenzado a conectar directamente proyectos de energía renovable con infraestructuras digitales. Un ejemplo es un proyecto en la región de Ningxia que suministra energía fotovoltaica a instalaciones de computación mediante líneas dedicadas.
Con un mapa detallado de los recursos renovables, los responsables políticos pueden analizar mejor:
En ese sentido, el inventario generado por IA no solo documenta infraestructuras existentes: crea una base de datos clave para gestionar la próxima fase de la transición energética china.
A medida que las energías renovables se expanden en todo el mundo, la capacidad de monitorizar infraestructuras a gran escala se vuelve cada vez más importante.
La combinación de satélites y algoritmos de inteligencia artificial permite actualizar mapas energéticos de forma continua y detectar nuevas instalaciones conforme se construyen.
Para China —que lidera el despliegue global de energía solar y eólica— esta cartografía nacional proporciona algo que durante años faltaba: una imagen precisa y actualizable de dónde se encuentra realmente su infraestructura renovable sobre el terreno.
Comments
0 comments