AI与卫星影像如何绘出中国风电与光伏的“全国地图”？

北京大学与阿里巴巴达摩院（DAMO Academy）的研究团队利用人工智能和高分辨率卫星影像，对中国可再生能源基础设施进行了系统性盘点，建立了一个覆盖全国的风电与光伏设施数据库。中国媒体将其称为中国首张全国尺度、高精度的新能源设施地图。

研究人员在云计算平台上运行达摩院自研的AI模型，处理了7.56TB的开源卫星影像数据，这些影像的空间分辨率达到0.5米级，基本覆盖整个中国国土。 通过计算机视觉技术自动识别地面特征，系统能够检测并定位大规模的太阳能光伏电站和风力发电机组。

AI如何完成全国级识别

传统统计通常依赖地方行政数据或模型估算，信息分散且难以实时更新。此次研究采用的是AI图像识别 + 大规模遥感数据分析的方法：

• 利用深度学习模型从卫星影像中识别风机和光伏阵列的形态特征
• 在云计算平台上处理海量影像数据，以应对中国复杂地形和巨大的数据规模
• 将识别结果转化为精确的地理坐标，形成统一的全国能源设施数据库

该研究成果据报道已于2026年5月20日发表在《自然》（Nature）期刊。

全国新能源设施的首次完整清单

通过这一系统，研究团队识别出：

• 约31.9万处太阳能光伏设施
• 约9.16万台风力发电机组
• 覆盖1915个县级行政区

北京大学地球与空间科学学院教授刘瑜表示，这让研究人员第一次获得大规模、高精度的全国新能源设施清单，从而能够以“上帝视角”观察中国的新能源布局。

为什么这张地图很重要

拥有精确的地理分布数据，对能源系统规划意义重大：

• 优化电网调度：了解风电与光伏集中区域，有助于规划输电线路和电力调度。
• 减少“弃风弃光”：通过分析不同地区风能与太阳能的时间互补性，提高新能源消纳能力。
• 环境与能源研究：为评估生态影响、土地利用和能源转型提供基础数据。

研究还发现，不同地区的风电和光伏发电在时间上往往具有互补关系，例如一些地区白天光伏发电强，而夜间风电更稳定。通过跨区域协同配置，可以进一步提升清洁能源利用率。

与数据中心和AI用电需求的关系

这项研究也与中国不断增长的算力需求相关。随着AI和云计算的发展，数据中心耗电量持续攀升。

中国已经开始尝试将可再生能源直接连接到算力基础设施。例如宁夏的一项大型项目把沙漠地区的太阳能和风能通过专用输电线路直接供给数据中心。

在这种背景下，全国新能源设施地图能够帮助决策者回答关键问题，例如：

• 新数据中心应该建设在哪些新能源资源丰富的地区
• 哪些区域需要新增储能或输电能力
• 如何让风电、光伏和算力负荷实现更低碳的匹配

换句话说，这张由AI和卫星影像绘制的“能源地图”，不仅让研究人员看清中国新能源的空间格局，也可能成为未来电网规划、能源转型和数字基础设施布局的重要工具。