Команда использовала методы компьютерного зрения — алгоритмы, способные автоматически распознавать объекты на изображениях. Специальные модели, разработанные в DAMO Academy, анализировали спутниковые снимки, покрывающие всю территорию Китая.
Работа выполнялась в облачной инфраструктуре, поскольку объём данных был огромным: 7,56 ТБ изображений высокого разрешения. Алгоритмы искали характерные визуальные признаки солнечных панелей и ветряных турбин и превращали найденные объекты в географические координаты.
Такая методика отличается от традиционной энергетической статистики. Вместо отчётов или оценок по установленной мощности система определяет реальные объекты прямо на спутниковых изображениях, формируя точную карту инфраструктуры.
Дополнительную сложность представляло разнообразие ландшафтов Китая — от пустынь и сельских районов до плотной городской застройки. Модели должны были распознавать энергетические объекты в разных условиях освещения, масштаба и окружающей среды.
После обработки спутниковых данных исследователи получили подробный пространственный снимок китайской зелёной энергетики. Алгоритмы обнаружили:
Поскольку каждая установка имеет точные координаты, карта позволяет увидеть реальные региональные закономерности развития возобновляемой энергетики.
Ранее национальные базы данных часто строились на основе снимков более низкого разрешения или неполных отчётов регионов, из‑за чего было трудно точно определить, где именно расположены станции. Современные методы дистанционного зондирования и машинного обучения постепенно меняют эту ситуацию.
Солнечная и ветровая генерация нестабильны: их мощность зависит от погоды и времени суток. Из‑за этого возникает проблема «ограничения генерации» (curtailment) — когда произведённая зелёная энергия не может быть передана в сеть и фактически теряется.
Новая карта помогает исследовать, как разные источники энергии дополняют друг друга. Учёные обнаружили, что во многих регионах ветровая и солнечная генерация имеют разное время пиков: солнечные станции дают максимум днём, а ветер часто усиливается ночью.
Это открывает возможности для более эффективного управления энергосистемой, например:
Исследования показывают, что расширение координации между провинциями может значительно увеличить объём возобновляемой энергии, который энергосистема способна использовать.
Карта также важна для другой быстро растущей отрасли — центров обработки данных и инфраструктуры искусственного интеллекта, которые требуют всё больше электроэнергии.
Чтобы удовлетворить этот спрос и одновременно сокращать выбросы, Китай начинает напрямую связывать вычислительные мощности с источниками возобновляемой энергии. Например, в автономном районе Нинся уже запущен проект, где крупная солнечная электростанция обеспечивает энергией дата‑центры.
Подробная карта солнечных и ветровых установок может помочь властям и энергетическим компаниям решать несколько стратегических задач:
Таким образом, созданная с помощью ИИ база данных — это не просто каталог энергетических объектов. Она становится информационной основой для следующего этапа энергетического перехода Китая, где возобновляемая энергетика, вычислительная инфраструктура и энергосистема будут тесно связаны.
По мере роста мировых мощностей возобновляемой энергетики точный мониторинг инфраструктуры становится всё более важным. Комбинация спутниковых снимков и искусственного интеллекта позволяет отслеживать строительство новых объектов на огромных территориях и регулярно обновлять данные.
Для Китая — страны с крупнейшей системой зелёной энергетики — такая карта даёт то, чего раньше не было: точное и постоянно обновляемое понимание того, где именно находятся солнечные и ветровые мощности по всей стране.
Comments
0 comments