Satelliittikuvien käsittely tekoälyn avulla

Tutkijat luottivat tekoälypohjaiseen tietokonenäköön analysoidakseen massiivisia määriä satelliittikuvia, jotka kattoivat koko maan. Käyttämällä DAMO Academyn omia malleja pilvi-infrastruktuurissa, järjestelmä pystyi käsittelemään 7,56 TB:n aineiston ja tunnistamaan automaattisesti aurinkopaneelien ja tuuliturbiinien visuaaliset tunnusmerkit.

Tämä lähestymistapa eroaa perinteisistä energiatilastoista, jotka usein perustuvat alueviranomaisten raportointiin tai asennetun kapasiteetin arvioihin. Sen sijaan järjestelmä tunnistaa infrastruktuurin suoraan kuvista tuottaen paikannettuja tietopisteitä yksittäisille laitoksille.

Kuvien mittakaavan hallinta oli merkittävä tekninen haaste. Kiinan monimuotoinen maasto – aavikoista tiheään asuttuihin kaupunkialueisiin – tarkoittaa, että uusiutuvan energian laitokset esiintyvät monissa eri yhteyksissä, mikä vaatii malleja, jotka tunnistavat ne erilaisissa maisemissa ja valaistusolosuhteissa.

Mitä valtakunnallinen uusiutuvan energian kartta paljastaa

Valmis inventaario tarjoaa yksityiskohtaisen paikallisen tilannekuvan Kiinan uusiutuvan energian infrastruktuurista. Raportoitujen tulosten mukaan tekoälyjärjestelmä havaitsi:

• Noin 319 000 aurinkosähköjärjestelmää
• Noin 91 600 tuuliturbiinia
• Laitoksia 1 915 eri piirikunnassa koko maassa

Koska jokainen omaisuus on paikannettu, tietoaineisto paljastaa alueellisia malleja uusiutuvan energian käyttöönotossa ja tarjoaa perustan energiajärjestelmän analyysille.

Aiemmat kansalliset tietoaineistot nojasivat usein matalamman resoluution satelliittikuviin tai osittaiseen raportointiin, mikä teki tarkasta seurannasta vaikeaa. Kaukokartoitustutkimukset ovat yhä enemmän käyttäneet koneoppimista aurinko- ja tuulivoimainfrastruktuurin kartoittamiseen, mutta kattavat korkean resoluution inventaariot ovat edelleen suhteellisen harvinaisia.

Miksi "Jumalan silmä" on tärkeä verkon suunnittelussa

Tuuli- ja aurinkovoima ovat luonnostaan vaihtelevia. Niiden tuotanto vaihtelee sääolosuhteiden ja vuorokaudenajan mukaan, mikä voi johtaa säännöstelyyn – tilanteeseen, jossa uusiutuvaa sähköä ei voida käyttää tai siirtää ja se menee hukkaan.

Valtakunnallinen, paikannettu laitosten kartta auttaa tutkijoita analysoimaan, miten eri uusiutuvat lähteet vuorovaikuttavat alueiden välillä. Uutta tietoaineistoa käyttäen tiimi tutki aurinko-tuulivoiman täydentävyyttä ja havaitsi, että tuuli- ja aurinkovoiman tuotanto saavuttaa huippunsa usein eri aikoina – esimerkiksi aurinkovoima tuottaa enemmän päivällä, kun taas tuuli voi olla vahvempaa yöllä.

Näiden mallien ymmärtäminen antaa suunnittelijoille mahdollisuuden tutkia strategioita, kuten:

• Uusiutuvan energian tuotannon koordinointi maakuntien välillä
• Siirtoyhteyksien laajentaminen alueiden välillä
• Energiavarastojen lisääminen sinne, missä uusiutuvan energian tuotanto vaihtelee

Tutkijoiden mukaan laajempi alueellinen tuuli- ja aurinkoresurssien koordinointi voisi merkittävästi lisätä uusiutuvan sähkön määrää, jonka verkko pystyy vastaanottamaan.

Uusiutuvan energian yhdistäminen tekoälyn datakeskusbuumiin

Kartoitushankkeella on vaikutuksia myös perinteisen verkon suunnittelun ulkopuolelle. Kiinan nopeasti kasvava datakeskus- ja tekoälylaskentainfrastruktuuri lisää sähkön kysyntää huomattavasti.

Vastatakseen tähän kysyntään ja samalla edistääkseen hiilidioksidipäästöjen vähentämistavoitteita, maa on alkanut kytkeä uusiutuvaa energiaa suoremmin laskentainfrastruktuuriin. Yksi esimerkki on Ningxian hanke, joka toimittaa suuren mittakaavan aurinkosähköä suoraan datakeskuksille.

Kattava tuuli- ja aurinkoresurssien kartta voi auttaa päättäjiä päättämään:

• Minne uudet datakeskukset tulisi sijoittaa suhteessa uusiutuviin energialähteisiin
• Missä siirto- tai varastointi-infrastruktuuria tarvitaan
• Miten uusiutuvaa energiaa voidaan koordinoida tukemaan energiaa kuluttavia laskentatehtäviä

Tässä mielessä tekoälyn tuottama inventaario tekee enemmän kuin luetteloi infrastruktuuria – se luo tietopohjan Kiinan energiasiirtymän seuraavan vaiheen hallintaan.

Uusi tapa seurata uusiutuvan energian infrastruktuuria

Kun uusiutuvan energian järjestelmät laajenevat maailmanlaajuisesti, kyky seurata niitä tarkasti tulee yhä tärkeämmäksi. Satelliittikuvat yhdistettynä tekoälyyn tarjoavat skaalautuvan tavan seurata infrastruktuuria laajoilla alueilla ja päivittää inventaarioita uusien laitosten rakentuessa.

Kiinalle – maailman suurimman uusiutuvan energiayärjestelmän kotimaalle – uusi valtakunnallinen kartta tarjoaa jotain, mitä poliittisilla päättäjillä ja tutkijoilla on pitkään puuttunut: tarkan, jatkuvasti päivitettävän kuvan siitä, missä aurinko- ja tuulivoima todella sijaitsevat maan päällä.

Satelliittikuvien käsittely tekoälyn avulla

Tutkijat luottivat tekoälypohjaiseen tietokonenäköön analysoidakseen massiivisia määriä satelliittikuvia, jotka kattoivat koko maan. Käyttämällä DAMO Academyn omia malleja pilvi-infrastruktuurissa, järjestelmä pystyi käsittelemään 7,56 TB:n aineiston ja tunnistamaan automaattisesti aurinkopaneelien ja tuuliturbiinien visuaaliset tunnusmerkit.

Tämä lähestymistapa eroaa perinteisistä energiatilastoista, jotka usein perustuvat alueviranomaisten raportointiin tai asennetun kapasiteetin arvioihin. Sen sijaan järjestelmä tunnistaa infrastruktuurin suoraan kuvista tuottaen paikannettuja tietopisteitä yksittäisille laitoksille.

Kuvien mittakaavan hallinta oli merkittävä tekninen haaste. Kiinan monimuotoinen maasto – aavikoista tiheään asuttuihin kaupunkialueisiin – tarkoittaa, että uusiutuvan energian laitokset esiintyvät monissa eri yhteyksissä, mikä vaatii malleja, jotka tunnistavat ne erilaisissa maisemissa ja valaistusolosuhteissa.

Mitä valtakunnallinen uusiutuvan energian kartta paljastaa

Valmis inventaario tarjoaa yksityiskohtaisen paikallisen tilannekuvan Kiinan uusiutuvan energian infrastruktuurista. Raportoitujen tulosten mukaan tekoälyjärjestelmä havaitsi:

• Noin 319 000 aurinkosähköjärjestelmää
• Noin 91 600 tuuliturbiinia
• Laitoksia 1 915 eri piirikunnassa koko maassa

Koska jokainen omaisuus on paikannettu, tietoaineisto paljastaa alueellisia malleja uusiutuvan energian käyttöönotossa ja tarjoaa perustan energiajärjestelmän analyysille.

Aiemmat kansalliset tietoaineistot nojasivat usein matalamman resoluution satelliittikuviin tai osittaiseen raportointiin, mikä teki tarkasta seurannasta vaikeaa. Kaukokartoitustutkimukset ovat yhä enemmän käyttäneet koneoppimista aurinko- ja tuulivoimainfrastruktuurin kartoittamiseen, mutta kattavat korkean resoluution inventaariot ovat edelleen suhteellisen harvinaisia.

Miksi "Jumalan silmä" on tärkeä verkon suunnittelussa

Tuuli- ja aurinkovoima ovat luonnostaan vaihtelevia. Niiden tuotanto vaihtelee sääolosuhteiden ja vuorokaudenajan mukaan, mikä voi johtaa säännöstelyyn – tilanteeseen, jossa uusiutuvaa sähköä ei voida käyttää tai siirtää ja se menee hukkaan.

Valtakunnallinen, paikannettu laitosten kartta auttaa tutkijoita analysoimaan, miten eri uusiutuvat lähteet vuorovaikuttavat alueiden välillä. Uutta tietoaineistoa käyttäen tiimi tutki aurinko-tuulivoiman täydentävyyttä ja havaitsi, että tuuli- ja aurinkovoiman tuotanto saavuttaa huippunsa usein eri aikoina – esimerkiksi aurinkovoima tuottaa enemmän päivällä, kun taas tuuli voi olla vahvempaa yöllä.

Näiden mallien ymmärtäminen antaa suunnittelijoille mahdollisuuden tutkia strategioita, kuten:

• Uusiutuvan energian tuotannon koordinointi maakuntien välillä
• Siirtoyhteyksien laajentaminen alueiden välillä
• Energiavarastojen lisääminen sinne, missä uusiutuvan energian tuotanto vaihtelee

Tutkijoiden mukaan laajempi alueellinen tuuli- ja aurinkoresurssien koordinointi voisi merkittävästi lisätä uusiutuvan sähkön määrää, jonka verkko pystyy vastaanottamaan.

Uusiutuvan energian yhdistäminen tekoälyn datakeskusbuumiin

Kartoitushankkeella on vaikutuksia myös perinteisen verkon suunnittelun ulkopuolelle. Kiinan nopeasti kasvava datakeskus- ja tekoälylaskentainfrastruktuuri lisää sähkön kysyntää huomattavasti.

Vastatakseen tähän kysyntään ja samalla edistääkseen hiilidioksidipäästöjen vähentämistavoitteita, maa on alkanut kytkeä uusiutuvaa energiaa suoremmin laskentainfrastruktuuriin. Yksi esimerkki on Ningxian hanke, joka toimittaa suuren mittakaavan aurinkosähköä suoraan datakeskuksille.

Kattava tuuli- ja aurinkoresurssien kartta voi auttaa päättäjiä päättämään:

• Minne uudet datakeskukset tulisi sijoittaa suhteessa uusiutuviin energialähteisiin
• Missä siirto- tai varastointi-infrastruktuuria tarvitaan
• Miten uusiutuvaa energiaa voidaan koordinoida tukemaan energiaa kuluttavia laskentatehtäviä

Tässä mielessä tekoälyn tuottama inventaario tekee enemmän kuin luetteloi infrastruktuuria – se luo tietopohjan Kiinan energiasiirtymän seuraavan vaiheen hallintaan.

Uusi tapa seurata uusiutuvan energian infrastruktuuria

Kun uusiutuvan energian järjestelmät laajenevat maailmanlaajuisesti, kyky seurata niitä tarkasti tulee yhä tärkeämmäksi. Satelliittikuvat yhdistettynä tekoälyyn tarjoavat skaalautuvan tavan seurata infrastruktuuria laajoilla alueilla ja päivittää inventaarioita uusien laitosten rakentuessa.

Kiinalle – maailman suurimman uusiutuvan energiayärjestelmän kotimaalle – uusi valtakunnallinen kartta tarjoaa jotain, mitä poliittisilla päättäjillä ja tutkijoilla on pitkään puuttunut: tarkan, jatkuvasti päivitettävän kuvan siitä, missä aurinko- ja tuulivoima todella sijaitsevat maan päällä.