Elaborazione delle immagini satellitari con l’IA

I ricercatori si sono affidati alla visione artificiale basata su IA per analizzare enormi volumi di immagini satellitari che coprono l'intero territorio cinese. Utilizzando i modelli proprietari di DAMO Academy su infrastrutture cloud, il sistema ha elaborato il dataset da 7,56 TB e rilevato automaticamente le firme visive di pannelli solari e turbine eoliche.

Questo approccio è molto diverso dalle statistiche energetiche tradizionali, che spesso si basano su segnalazioni delle autorità regionali o stime basate sulla capacità installata. Il sistema, invece, identifica le infrastrutture direttamente dalle immagini, producendo dati geolocalizzati per ogni singolo impianto.

Gestire una mole così imponente di immagini è stata una sfida tecnica notevole. Il paesaggio cinese è estremamente vario: dai deserti alle aree urbane dense, il che significa che gli impianti rinnovabili appaiono in contesti molto diversi, richiedendo modelli in grado di riconoscerli in qualsiasi condizione di illuminazione e terreno.

Cosa rivela la mappa nazionale delle rinnovabili

L'inventario completato fornisce una fotografia spaziale dettagliata delle infrastrutture rinnovabili cinesi. Secondo i risultati riportati, il sistema di IA ha rilevato:

• Circa 319.000 impianti fotovoltaici
• Circa 91.600 turbine eoliche
• Impianti distribuiti in 1.915 contee in tutto il Paese

Poiché ogni impianto è geolocalizzato, il dataset rivela modelli regionali di diffusione delle rinnovabili e fornisce una base solida per l'analisi del sistema energetico.

In passato, i dataset nazionali si basavano su immagini satellitari a risoluzione più bassa o su segnalazioni parziali, rendendo difficile tracciare con precisione dove fossero stati costruiti gli impianti. Gli studi di telerilevamento hanno sempre più spesso utilizzato l'apprendimento automatico per mappare le infrastrutture solari ed eoliche, ma inventari completi e ad alta risoluzione rimangono relativamente rari.

Perché una “vista dall’alto” è importante per la pianificazione della rete

L’energia eolica e solare sono intrinsecamente variabili. La loro produzione fluttua in base alle condizioni meteorologiche e all'ora del giorno, il che può portare al curtailment, ovvero quando l'elettricità rinnovabile non può essere utilizzata o trasmessa e viene quindi sprecata.

Una mappa nazionale e geolocalizzata degli impianti aiuta i ricercatori ad analizzare come le diverse fonti rinnovabili interagiscono tra le regioni. Utilizzando il nuovo dataset, il team ha studiato la complementarità solare-eolica, scoprendo che la produzione eolica e solare spesso raggiunge picchi in momenti diversi: ad esempio, il solare produce di più durante il giorno, mentre l'eolico può rimanere più forte di notte.

Comprendere questi modelli permette ai pianificatori di esplorare strategie come:

• Coordinare la generazione rinnovabile tra province diverse
• Espandere le linee di trasmissione tra regioni
• Aggiungere sistemi di accumulo energetico dove la produzione rinnovabile è più fluttuante

I ricercatori riferiscono che un coordinamento regionale più ampio delle risorse eoliche e solari potrebbe aumentare significativamente la quantità di elettricità rinnovabile che può essere assorbita dalla rete.

Il legame tra rinnovabili e il boom dei data center

Il progetto di mappatura ha implicazioni che vanno oltre la pianificazione tradizionale della rete. La rapida crescita delle infrastrutture per data center e calcolo AI in Cina sta provocando un forte aumento della domanda di elettricità.

Per far fronte a questa domanda e perseguire al contempo gli obiettivi di decarbonizzazione, il Paese ha iniziato a collegare la generazione rinnovabile più direttamente alle infrastrutture informatiche. Un esempio è un progetto nello Ningxia che fornisce energia fotovoltaica su larga scala direttamente ai data center.

Una mappa completa degli asset eolici e solari potrebbe aiutare i decisori politici a stabilire:

• Dove collocare nuovi data center in prossimità di risorse rinnovabili
• Dove sono necessarie infrastrutture di trasmissione o accumulo
• Come coordinare l'energia rinnovabile per supportare carichi di lavoro informatici ad alta intensità energetica

In questo senso, l'inventario generato dall'IA non si limita a catalogare le infrastrutture: crea una base dati per gestire la prossima fase della transizione energetica cinese.

Un nuovo modo per monitorare le infrastrutture rinnovabili

Con l'espansione dei sistemi di energia rinnovabile in tutto il mondo, la capacità di monitorarli con precisione diventa sempre più importante. La combinazione di immagini satellitari e IA offre un metodo scalabile per tracciare le infrastrutture su vaste aree e aggiornare gli inventari man mano che nuovi impianti vengono costruiti.

Per la Cina, che ospita il più grande sistema di energia rinnovabile del mondo, la nuova mappa nazionale fornisce ciò che mancava da tempo a politici e ricercatori: un quadro preciso e continuamente aggiornabile di dove si trovano realmente l'energia solare ed eolica sul territorio.

Elaborazione delle immagini satellitari con l’IA

I ricercatori si sono affidati alla visione artificiale basata su IA per analizzare enormi volumi di immagini satellitari che coprono l'intero territorio cinese. Utilizzando i modelli proprietari di DAMO Academy su infrastrutture cloud, il sistema ha elaborato il dataset da 7,56 TB e rilevato automaticamente le firme visive di pannelli solari e turbine eoliche.

Questo approccio è molto diverso dalle statistiche energetiche tradizionali, che spesso si basano su segnalazioni delle autorità regionali o stime basate sulla capacità installata. Il sistema, invece, identifica le infrastrutture direttamente dalle immagini, producendo dati geolocalizzati per ogni singolo impianto.

Gestire una mole così imponente di immagini è stata una sfida tecnica notevole. Il paesaggio cinese è estremamente vario: dai deserti alle aree urbane dense, il che significa che gli impianti rinnovabili appaiono in contesti molto diversi, richiedendo modelli in grado di riconoscerli in qualsiasi condizione di illuminazione e terreno.

Cosa rivela la mappa nazionale delle rinnovabili

L'inventario completato fornisce una fotografia spaziale dettagliata delle infrastrutture rinnovabili cinesi. Secondo i risultati riportati, il sistema di IA ha rilevato:

• Circa 319.000 impianti fotovoltaici
• Circa 91.600 turbine eoliche
• Impianti distribuiti in 1.915 contee in tutto il Paese

Poiché ogni impianto è geolocalizzato, il dataset rivela modelli regionali di diffusione delle rinnovabili e fornisce una base solida per l'analisi del sistema energetico.

In passato, i dataset nazionali si basavano su immagini satellitari a risoluzione più bassa o su segnalazioni parziali, rendendo difficile tracciare con precisione dove fossero stati costruiti gli impianti. Gli studi di telerilevamento hanno sempre più spesso utilizzato l'apprendimento automatico per mappare le infrastrutture solari ed eoliche, ma inventari completi e ad alta risoluzione rimangono relativamente rari.

Perché una “vista dall’alto” è importante per la pianificazione della rete

L’energia eolica e solare sono intrinsecamente variabili. La loro produzione fluttua in base alle condizioni meteorologiche e all'ora del giorno, il che può portare al curtailment, ovvero quando l'elettricità rinnovabile non può essere utilizzata o trasmessa e viene quindi sprecata.

Una mappa nazionale e geolocalizzata degli impianti aiuta i ricercatori ad analizzare come le diverse fonti rinnovabili interagiscono tra le regioni. Utilizzando il nuovo dataset, il team ha studiato la complementarità solare-eolica, scoprendo che la produzione eolica e solare spesso raggiunge picchi in momenti diversi: ad esempio, il solare produce di più durante il giorno, mentre l'eolico può rimanere più forte di notte.

Comprendere questi modelli permette ai pianificatori di esplorare strategie come:

• Coordinare la generazione rinnovabile tra province diverse
• Espandere le linee di trasmissione tra regioni
• Aggiungere sistemi di accumulo energetico dove la produzione rinnovabile è più fluttuante

I ricercatori riferiscono che un coordinamento regionale più ampio delle risorse eoliche e solari potrebbe aumentare significativamente la quantità di elettricità rinnovabile che può essere assorbita dalla rete.

Il legame tra rinnovabili e il boom dei data center

Il progetto di mappatura ha implicazioni che vanno oltre la pianificazione tradizionale della rete. La rapida crescita delle infrastrutture per data center e calcolo AI in Cina sta provocando un forte aumento della domanda di elettricità.

Per far fronte a questa domanda e perseguire al contempo gli obiettivi di decarbonizzazione, il Paese ha iniziato a collegare la generazione rinnovabile più direttamente alle infrastrutture informatiche. Un esempio è un progetto nello Ningxia che fornisce energia fotovoltaica su larga scala direttamente ai data center.

Una mappa completa degli asset eolici e solari potrebbe aiutare i decisori politici a stabilire:

• Dove collocare nuovi data center in prossimità di risorse rinnovabili
• Dove sono necessarie infrastrutture di trasmissione o accumulo
• Come coordinare l'energia rinnovabile per supportare carichi di lavoro informatici ad alta intensità energetica

In questo senso, l'inventario generato dall'IA non si limita a catalogare le infrastrutture: crea una base dati per gestire la prossima fase della transizione energetica cinese.

Un nuovo modo per monitorare le infrastrutture rinnovabili

Con l'espansione dei sistemi di energia rinnovabile in tutto il mondo, la capacità di monitorarli con precisione diventa sempre più importante. La combinazione di immagini satellitari e IA offre un metodo scalabile per tracciare le infrastrutture su vaste aree e aggiornare gli inventari man mano che nuovi impianti vengono costruiti.

Per la Cina, che ospita il più grande sistema di energia rinnovabile del mondo, la nuova mappa nazionale fornisce ciò che mancava da tempo a politici e ricercatori: un quadro preciso e continuamente aggiornabile di dove si trovano realmente l'energia solare ed eolica sul territorio.