Pendekatan ini berbeda dari statistik energi tradisional yang biasanya bergantung pada laporan dari pemerintah daerah atau perkiraan kapasitas terpasang. Dengan metode baru ini, fasilitas energi dapat dideteksi langsung dari gambar satelit, sehingga setiap instalasi memiliki koordinat geografis yang jelas.
Tantangan teknisnya juga besar. Lanskap China sangat beragam—mulai dari gurun luas hingga kawasan perkotaan padat—sehingga model AI harus mampu mengenali instalasi energi di berbagai kondisi geografis, sudut pencahayaan, dan latar belakang lingkungan.
Inventaris yang dihasilkan memberikan gambaran spasial yang sangat rinci tentang distribusi energi terbarukan di China. Sistem AI tersebut mendeteksi:
Karena setiap aset memiliki lokasi geografis yang presisi, para peneliti dapat melihat pola regional pembangunan energi—misalnya daerah yang sangat bergantung pada tenaga surya atau wilayah yang lebih dominan dengan energi angin.
Sebelumnya, banyak dataset nasional menggunakan citra satelit resolusi lebih rendah atau laporan parsial, sehingga sulit mengetahui lokasi pembangunan secara akurat. Studi penginderaan jauh memang telah menggunakan machine learning untuk memetakan infrastruktur energi, tetapi inventaris resolusi tinggi berskala nasional masih relatif jarang.
Energi angin dan surya bersifat variabel—produksinya berubah tergantung cuaca dan waktu dalam sehari. Hal ini sering menimbulkan fenomena yang dikenal sebagai curtailment, yaitu ketika listrik dari energi terbarukan tidak dapat digunakan atau disalurkan ke jaringan sehingga terbuang.
Dengan peta nasional yang menunjukkan lokasi setiap instalasi, peneliti dapat menganalisis bagaimana sumber energi ini saling melengkapi di berbagai wilayah.
Salah satu temuan penting adalah potensi komplementaritas angin–surya. Di banyak tempat, produksi energi surya tinggi pada siang hari, sementara angin bisa lebih stabil pada malam hari. Jika sistem listrik dikelola secara terkoordinasi, kedua sumber ini dapat saling menyeimbangkan.
Informasi seperti ini membantu perencana energi mempertimbangkan strategi seperti:
Penelitian menunjukkan bahwa koordinasi regional yang lebih luas dapat meningkatkan kemampuan jaringan listrik untuk menyerap energi terbarukan secara signifikan.
Peta energi ini juga relevan untuk sektor lain yang sedang tumbuh cepat: pusat data dan komputasi AI.
Permintaan listrik dari pusat data meningkat pesat di China seiring berkembangnya layanan cloud dan kecerdasan buatan.
Untuk mengimbangi kebutuhan listrik tersebut sekaligus menjaga target pengurangan emisi karbon, pemerintah dan industri mulai menghubungkan sumber energi terbarukan langsung ke infrastruktur komputasi. Salah satu contohnya adalah proyek di Ningxia yang menyalurkan listrik dari pembangkit surya skala besar langsung ke fasilitas pusat data.
Dengan inventaris nasional yang detail, pembuat kebijakan dapat lebih mudah menentukan:
Dengan kata lain, peta berbasis AI ini bukan sekadar katalog instalasi energi. Ia menjadi fondasi data penting untuk mengelola tahap berikutnya dari transisi energi China, terutama ketika permintaan listrik meningkat karena komputasi skala besar.
Seiring ekspansi energi bersih di seluruh dunia, kemampuan memantau infrastruktur secara akurat menjadi semakin penting. Kombinasi citra satelit resolusi tinggi dan AI menawarkan cara yang skalabel untuk memetakan fasilitas energi dalam wilayah luas dan memperbarui data saat instalasi baru dibangun.
Bagi China—yang memiliki sistem energi terbarukan terbesar dan berkembang paling cepat di dunia—peta nasional ini memberikan sesuatu yang sebelumnya sulit dicapai: gambaran presisi dan terus diperbarui tentang di mana sebenarnya pembangkit surya dan turbin angin berada di lapangan.
Comments
0 comments