AIと衛星画像で中国の太陽光・風力を全国マッピング

AIで全国の衛星画像を解析

今回の研究の中心は、衛星画像から設備を自動検出する**AIによる画像認識（コンピュータビジョン）**だ。

DAMOアカデミーの独自AIモデルをクラウド環境で稼働させ、巨大な衛星データを処理。太陽光パネルの配列や風力タービンの形状といった視覚的特徴を識別し、設備の位置を自動的に抽出した。

従来のエネルギー統計は、地方政府の報告や設備容量の推計に依存するケースが多かった。しかしこの方法では、画像から直接インフラを検出するため、実際の設置場所をピンポイントで特定できるという特徴がある。

ただし技術的には難易度が高い。中国は砂漠地帯から都市部、山岳地帯まで地形が多様で、太陽光や風力設備の見え方も大きく変わる。AIはこうした環境差や光条件の違いを考慮して学習する必要があった。

全国マップで見えた再エネの実態

完成したデータベースは、中国の再生可能エネルギー設備を空間的に詳細に把握できる初の全国インベントリとされる。

検出された主な設備は次の通り。

• 太陽光発電設備：約31万9,000件
• 風力タービン：約9万1,600基
• 対象地域：全国1,915県

設備はすべて地理座標付きで記録されているため、地域ごとの再エネ分布や開発パターンを分析する基盤データとして利用できる。

これまでの研究でも衛星データや機械学習を用いて太陽光・風力設備を検出する試みはあったが、全国規模で高解像度の包括的データを作る例は比較的少ない。

「神の視点」が電力網計画を変える可能性

風力発電と太陽光発電は、天候や時間帯によって出力が変動する。電力網が対応できない場合、発電された電力が使われずに捨てられる**「出力抑制（中国では“弃风弃光”）」**が発生することがある。

研究チームはこのマップを使い、**風力と太陽光の時間的な補完関係（ソーラー・ウィンド補完）**を分析した。その結果、多くの地域で

• 太陽光は昼間に発電量が増える
• 風力は夜間でも比較的安定する

といった形で時間帯がずれることで相互補完できる可能性が示された。

この情報は、電力システムの計画に次のような示唆を与える。

• 省をまたぐ再エネの協調運用
• 長距離送電網の整備
• 出力変動を吸収する蓄電設備の配置

研究では、広い地域で風力と太陽光を統合して運用すると、再エネ電力の利用率を大きく高められる可能性があると指摘されている。

AI・データセンター時代の電力需要にも影響

この研究が注目される理由の一つは、急増するデータセンターとAI計算の電力需要との関係だ。

中国ではクラウドやAI向けのデータセンターが急拡大しており、電力消費も急速に増えている。

その対策として、再生可能エネルギーとデジタルインフラを直接結びつける取り組みも始まっている。例えば寧夏では、大規模太陽光発電所からデータセンターへ直接電力を供給するプロジェクトが稼働している。

全国レベルの再エネマップがあれば、政策担当者は次のような判断をより精密に行える可能性がある。

• 再エネ資源に近い場所へのデータセンター配置
• 必要な送電・蓄電インフラの整備
• AI計算需要と再エネ供給のマッチング

つまり、このAIマップは単なる設備一覧ではなく、中国のエネルギー転換とデジタル経済の両方を支える基盤データになる可能性がある。

再エネインフラ監視の新しい方法

世界中で再生可能エネルギーの導入が加速するなか、インフラを正確に把握することの重要性も高まっている。

AIと衛星画像を組み合わせた今回の手法は、広大な地域を対象に設備を継続的に監視・更新できるスケーラブルな方法だ。

世界最大の再生可能エネルギーシステムを持つ中国にとって、この全国マップは、実際にどこに風力や太陽光が存在するのかを高精度で把握する初めてのツールになりつつある。