AI如何從衛星影像辨識新能源設施

研究的核心技術是電腦視覺（computer vision）。AI模型會掃描衛星影像中的圖像特徵，例如：

• 太陽能板陣列的規則矩形排列
• 風力發電機塔與葉片的形狀與陰影

透過達摩院自研的AI模型與雲端算力，系統可以在海量影像資料中自動定位這些特徵，並為每個設施建立精確的地理座標。

這種方法與傳統能源統計很不同。過去很多資料依賴：

• 地方政府上報
• 裝機容量推算
• 低解析度衛星資料

因此資料往往零散或不完整。AI影像分析則是直接從地表影像辨識設施本身，建立更可靠的基礎數據。

另一個技術難題是中國地形極為多樣——從沙漠大型光伏基地，到山區風電場，再到城市周邊小型設施。模型必須能在不同地貌與光照條件下辨識設備，這也是研究的一大挑戰。

全國新能源地圖揭示了什麼

因為每一個設施都有精確座標，研究人員可以分析中國新能源的空間分布模式，例如：

• 哪些地區風電集中
• 哪些地區光伏發展最快
• 新能源與電力需求中心之間的距離

這類高解析度資料在以往非常少見。很多舊研究雖然使用衛星遙感，但解析度較低，或只覆蓋部分地區。

有了全國尺度的清單，能源系統分析就能更精確，例如評估電網調度、環境影響，或規劃未來能源投資。

為什麼「上帝視角」對電網很重要

風電與太陽能都有一個共通問題：發電並不穩定。

• 太陽能白天強、夜晚幾乎沒有
• 風力在不同時間與地區變化很大

當電網無法即時消化這些電力，就會出現「棄風棄光」——也就是可再生能源被迫浪費。

研究利用這份地圖分析風光互補現象，發現很多地區的風電與太陽能在時間上其實互相補充，例如：

• 光伏在白天輸出高
• 風電在夜間較穩定

如果能在更大範圍內協調不同地區的發電，例如跨省電力調度，就能提高新能源被電網吸收的比例。

AI與數據中心：電力需求的新壓力

這項研究另一個背景，是AI與數據中心帶來的用電需求暴增。

隨著雲計算與人工智能發展，數據中心耗電量正快速上升。中國也開始嘗試把新能源發電直接與算力基礎設施結合。

例如在寧夏，一個大型光伏項目已開始直接為數據中心供電，把沙漠地區的太陽能輸送到計算設施。

如果掌握全國風電與光伏設施的精確分布，政策制定者就可以更容易決定：

• 新數據中心應該建在哪些能源豐富的地區
• 哪些地方需要新增輸電線路
• 哪些地區適合部署儲能設施

換句話說，這份AI生成的地圖不只是統計資料，而是規劃下一代能源與算力基礎設施的重要工具。

新一代能源監測方式

隨著全球可再生能源規模持續擴大，如何準確追蹤這些設施變得越來越重要。AI結合衛星影像提供了一種可擴展的方法，可以定期更新並監測大範圍能源基礎設施。

對於擁有全球最大新能源系統的中國而言，這份全國地圖提供了一個長期缺失的關鍵能力：清楚知道每一座風機與每一片太陽能板到底在哪裡。

AI如何從衛星影像辨識新能源設施

研究的核心技術是電腦視覺（computer vision）。AI模型會掃描衛星影像中的圖像特徵，例如：

• 太陽能板陣列的規則矩形排列
• 風力發電機塔與葉片的形狀與陰影

透過達摩院自研的AI模型與雲端算力，系統可以在海量影像資料中自動定位這些特徵，並為每個設施建立精確的地理座標。

這種方法與傳統能源統計很不同。過去很多資料依賴：

• 地方政府上報
• 裝機容量推算
• 低解析度衛星資料

因此資料往往零散或不完整。AI影像分析則是直接從地表影像辨識設施本身，建立更可靠的基礎數據。

另一個技術難題是中國地形極為多樣——從沙漠大型光伏基地，到山區風電場，再到城市周邊小型設施。模型必須能在不同地貌與光照條件下辨識設備，這也是研究的一大挑戰。

全國新能源地圖揭示了什麼

因為每一個設施都有精確座標，研究人員可以分析中國新能源的空間分布模式，例如：

• 哪些地區風電集中
• 哪些地區光伏發展最快
• 新能源與電力需求中心之間的距離

這類高解析度資料在以往非常少見。很多舊研究雖然使用衛星遙感，但解析度較低，或只覆蓋部分地區。

有了全國尺度的清單，能源系統分析就能更精確，例如評估電網調度、環境影響，或規劃未來能源投資。

為什麼「上帝視角」對電網很重要

風電與太陽能都有一個共通問題：發電並不穩定。

• 太陽能白天強、夜晚幾乎沒有
• 風力在不同時間與地區變化很大

當電網無法即時消化這些電力，就會出現「棄風棄光」——也就是可再生能源被迫浪費。

研究利用這份地圖分析風光互補現象，發現很多地區的風電與太陽能在時間上其實互相補充，例如：

• 光伏在白天輸出高
• 風電在夜間較穩定

如果能在更大範圍內協調不同地區的發電，例如跨省電力調度，就能提高新能源被電網吸收的比例。

AI與數據中心：電力需求的新壓力

這項研究另一個背景，是AI與數據中心帶來的用電需求暴增。

隨著雲計算與人工智能發展，數據中心耗電量正快速上升。中國也開始嘗試把新能源發電直接與算力基礎設施結合。

例如在寧夏，一個大型光伏項目已開始直接為數據中心供電，把沙漠地區的太陽能輸送到計算設施。

如果掌握全國風電與光伏設施的精確分布，政策制定者就可以更容易決定：

• 新數據中心應該建在哪些能源豐富的地區
• 哪些地方需要新增輸電線路
• 哪些地區適合部署儲能設施

換句話說，這份AI生成的地圖不只是統計資料，而是規劃下一代能源與算力基礎設施的重要工具。

新一代能源監測方式

隨著全球可再生能源規模持續擴大，如何準確追蹤這些設施變得越來越重要。AI結合衛星影像提供了一種可擴展的方法，可以定期更新並監測大範圍能源基礎設施。

對於擁有全球最大新能源系統的中國而言，這份全國地圖提供了一個長期缺失的關鍵能力：清楚知道每一座風機與每一片太陽能板到底在哪裡。