Przetwarzanie zdjęć satelitarnych za pomocą AI

Naukowcy zastosowali oparte na AI, komputerowe rozpoznawanie obrazu do analizy ogromnych ilości zdjęć satelitarnych obejmujących cały kraj. Wykorzystanie autorskich modeli DAMO Academy w chmurze obliczeniowej pozwoliło na przetworzenie 7,56 TB danych i automatyczne wykrycie wizualnych sygnatur paneli słonecznych i turbin wiatrowych.

To podejście różni się od tradycyjnych statystyk energetycznych, które często opierają się na raportach regionalnych władz lub szacunkach. Zamiast tego, system identyfikuje infrastrukturę bezpośrednio na podstawie zdjęć, tworząc geolokalizowane dane dla poszczególnych instalacji.

Ogromnym wyzwaniem technicznym była skala zdjęć. Zróżnicowany teren Chin – od pustyń po gęsto zaludnione obszary miejskie – sprawia, że instalacje OZE pojawiają się w wielu różnych kontekstach. Modele AI musiały nauczyć się je rozpoznawać w różnorodnych krajobrazach i warunkach oświetleniowych.

Co ujawnia ogólnokrajowa mapa OZE?

Gotowa inwentaryzacja oferuje szczegółowy obraz przestrzenny chińskiej infrastruktury odnawialnej. Według opublikowanych wyników, system AI wykrył:

• Około 319 000 instalacji fotowoltaicznych
• Około 91 600 turbin wiatrowych
• Obiekty rozmieszczone w 1915 powiatach

Ponieważ każdy aktyw jest geolokalizowany, zbiór danych ujawnia regionalne wzorce rozwoju OZE i stanowi podstawę do analizy systemu energetycznego.

Wcześniejsze ogólnokrajowe zbiory danych często opierały się na zdjęciach satelitarnych o niższej rozdzielczości lub cząstkowych raportach, co utrudniało precyzyjne śledzenie lokalizacji instalacji. Badania z wykorzystaniem teledetekcji coraz częściej używają uczenia maszynowego do mapowania infrastruktury słonecznej i wiatrowej, ale tak szczegółowe inwentaryzacje w wysokiej rozdzielczości są wciąż rzadkością.

Dlaczego „widok z lotu ptaka” ma znaczenie dla planowania sieci?

Energia wiatrowa i słoneczna są z natury zmienne. Ich produkcja zmienia się w zależności od pogody i pory dnia, co może prowadzić do zjawiska curtailment – gdy zielona energia nie może być wykorzystana lub przesłana i jest marnowana.

Ogólnokrajowa, geolokalizowana mapa instalacji pomaga badaczom analizować, jak różne źródła OZE oddziałują na siebie w różnych regionach. Korzystając z nowego zbioru danych, zespół zbadał komplementarność wiatru i słońca, odkrywając, że ich szczyty produkcyjne często występują w różnym czasie – np. słońce daje więcej energii w ciągu dnia, podczas gdy wiatr może być silniejszy w nocy.

Zrozumienie tych wzorców pozwala planistom badać strategie takie jak:

• Koordynacja produkcji OZE między prowincjami
• Rozbudowa linii przesyłowych między regionami
• Dodawanie magazynów energii w miejscach o zmiennej produkcji

Naukowcy informują, że szersza regionalna koordynacja zasobów wiatrowych i słonecznych może znacząco zwiększyć ilość zielonej energii, którą jest w stanie wchłonąć sieć.

Łączenie OZE z boomem centrów danych AI

Projekt mapowania ma również implikacje wykraczające poza tradycyjne planowanie sieci. Szybko rozwijająca się w Chinach infrastruktura centrów danych i obliczeń AI powoduje ogromny wzrost zapotrzebowania na energię elektryczną.

Aby sprostać temu zapotrzebowaniu, realizując jednocześnie cele dekarbonizacyjne, kraj zaczął bezpośrednio łączyć produkcję OZE z infrastrukturą obliczeniową. Przykładem jest projekt w regionie Ningxia, który dostarcza energię z wielkoskalowej farmy fotowoltaicznej bezpośrednio do centrum danych.

Kompleksowa mapa aktywów wiatrowych i słonecznych może pomóc decydentom w decyzjach dotyczących:

• Lokalizacji nowych centrów danych w pobliżu źródeł OZE
• Potrzeb w zakresie infrastruktury przesyłowej i magazynowania
• Koordynacji zielonej energii na potrzeby energochłonnych obciążeń obliczeniowych

W tym sensie inwentaryzacja stworzona przez AI to nie tylko katalog infrastruktury – to baza danych do zarządzania kolejną fazą chińskiej transformacji energetycznej.

Nowy sposób śledzenia infrastruktury OZE

W miarę globalnej ekspansji systemów energii odnawialnej, zdolność do ich dokładnego monitorowania staje się coraz ważniejsza. Połączenie zdjęć satelitarnych i AI oferuje skalowalny sposób śledzenia infrastruktury na rozległych obszarach i aktualizowania inwentaryzacji w miarę powstawania nowych obiektów.

Dla Chin – państwa z największym na świecie systemem energii odnawialnej – nowa ogólnokrajowa mapa dostarcza czegoś, czego decydentom i badaczom długo brakowało: precyzyjnego, stale aktualizowanego obrazu tego, gdzie energia słoneczna i wiatrowa faktycznie istnieje na ziemi.

Przetwarzanie zdjęć satelitarnych za pomocą AI

Naukowcy zastosowali oparte na AI, komputerowe rozpoznawanie obrazu do analizy ogromnych ilości zdjęć satelitarnych obejmujących cały kraj. Wykorzystanie autorskich modeli DAMO Academy w chmurze obliczeniowej pozwoliło na przetworzenie 7,56 TB danych i automatyczne wykrycie wizualnych sygnatur paneli słonecznych i turbin wiatrowych.

To podejście różni się od tradycyjnych statystyk energetycznych, które często opierają się na raportach regionalnych władz lub szacunkach. Zamiast tego, system identyfikuje infrastrukturę bezpośrednio na podstawie zdjęć, tworząc geolokalizowane dane dla poszczególnych instalacji.

Ogromnym wyzwaniem technicznym była skala zdjęć. Zróżnicowany teren Chin – od pustyń po gęsto zaludnione obszary miejskie – sprawia, że instalacje OZE pojawiają się w wielu różnych kontekstach. Modele AI musiały nauczyć się je rozpoznawać w różnorodnych krajobrazach i warunkach oświetleniowych.

Co ujawnia ogólnokrajowa mapa OZE?

Gotowa inwentaryzacja oferuje szczegółowy obraz przestrzenny chińskiej infrastruktury odnawialnej. Według opublikowanych wyników, system AI wykrył:

• Około 319 000 instalacji fotowoltaicznych
• Około 91 600 turbin wiatrowych
• Obiekty rozmieszczone w 1915 powiatach

Ponieważ każdy aktyw jest geolokalizowany, zbiór danych ujawnia regionalne wzorce rozwoju OZE i stanowi podstawę do analizy systemu energetycznego.

Wcześniejsze ogólnokrajowe zbiory danych często opierały się na zdjęciach satelitarnych o niższej rozdzielczości lub cząstkowych raportach, co utrudniało precyzyjne śledzenie lokalizacji instalacji. Badania z wykorzystaniem teledetekcji coraz częściej używają uczenia maszynowego do mapowania infrastruktury słonecznej i wiatrowej, ale tak szczegółowe inwentaryzacje w wysokiej rozdzielczości są wciąż rzadkością.

Dlaczego „widok z lotu ptaka” ma znaczenie dla planowania sieci?

Energia wiatrowa i słoneczna są z natury zmienne. Ich produkcja zmienia się w zależności od pogody i pory dnia, co może prowadzić do zjawiska curtailment – gdy zielona energia nie może być wykorzystana lub przesłana i jest marnowana.

Ogólnokrajowa, geolokalizowana mapa instalacji pomaga badaczom analizować, jak różne źródła OZE oddziałują na siebie w różnych regionach. Korzystając z nowego zbioru danych, zespół zbadał komplementarność wiatru i słońca, odkrywając, że ich szczyty produkcyjne często występują w różnym czasie – np. słońce daje więcej energii w ciągu dnia, podczas gdy wiatr może być silniejszy w nocy.

Zrozumienie tych wzorców pozwala planistom badać strategie takie jak:

• Koordynacja produkcji OZE między prowincjami
• Rozbudowa linii przesyłowych między regionami
• Dodawanie magazynów energii w miejscach o zmiennej produkcji

Naukowcy informują, że szersza regionalna koordynacja zasobów wiatrowych i słonecznych może znacząco zwiększyć ilość zielonej energii, którą jest w stanie wchłonąć sieć.

Łączenie OZE z boomem centrów danych AI

Projekt mapowania ma również implikacje wykraczające poza tradycyjne planowanie sieci. Szybko rozwijająca się w Chinach infrastruktura centrów danych i obliczeń AI powoduje ogromny wzrost zapotrzebowania na energię elektryczną.

Aby sprostać temu zapotrzebowaniu, realizując jednocześnie cele dekarbonizacyjne, kraj zaczął bezpośrednio łączyć produkcję OZE z infrastrukturą obliczeniową. Przykładem jest projekt w regionie Ningxia, który dostarcza energię z wielkoskalowej farmy fotowoltaicznej bezpośrednio do centrum danych.

Kompleksowa mapa aktywów wiatrowych i słonecznych może pomóc decydentom w decyzjach dotyczących:

• Lokalizacji nowych centrów danych w pobliżu źródeł OZE
• Potrzeb w zakresie infrastruktury przesyłowej i magazynowania
• Koordynacji zielonej energii na potrzeby energochłonnych obciążeń obliczeniowych

W tym sensie inwentaryzacja stworzona przez AI to nie tylko katalog infrastruktury – to baza danych do zarządzania kolejną fazą chińskiej transformacji energetycznej.

Nowy sposób śledzenia infrastruktury OZE

W miarę globalnej ekspansji systemów energii odnawialnej, zdolność do ich dokładnego monitorowania staje się coraz ważniejsza. Połączenie zdjęć satelitarnych i AI oferuje skalowalny sposób śledzenia infrastruktury na rozległych obszarach i aktualizowania inwentaryzacji w miarę powstawania nowych obiektów.

Dla Chin – państwa z największym na świecie systemem energii odnawialnej – nowa ogólnokrajowa mapa dostarcza czegoś, czego decydentom i badaczom długo brakowało: precyzyjnego, stale aktualizowanego obrazu tego, gdzie energia słoneczna i wiatrowa faktycznie istnieje na ziemi.