Картирование возобновляемой энергетической сети Китая с помощью ИИ: что это значит для глобальной чистой энергетики

В настоящее время все крупные экономики сталкиваются с одной и той же проблемой. Искусственный интеллект потребляет электроэнергию с такой скоростью, на которую энергосети изначально не были рассчитаны. В США цены на электроэнергию на рынке PJM — крупнейшего оператора энергосистемы страны — выросли. более чем в десять раз за два годаПри этом основным фактором роста названо развитие центров обработки данных. В Европе энергетические компании прилагают все усилия для модернизации передающей инфраструктуры, чтобы удовлетворить растущий спрос со стороны крупных компаний.

Он Международное энергетическое агентство (МЭА) проекты глобального потребления электроэнергии центрами обработки данных могут приблизиться к 1000 ТВт·ч к концу этого десятилетияВозобновляемые источники энергии в значительной степени уже существуют, но способность координировать их с помощью картирования энергетических сетей на национальном уровне с использованием искусственного интеллекта – это то, чего большинству стран по-прежнему не хватает.

💡 Но Китай только что его построил.

А исследование опубликовано в Природа на этой неделе исследователями из Пекинский университет и Академия DAMO от Alibaba Group Создана система, которой раньше не удавалось ни одной стране: полный, высокоточный, сгенерированный искусственным интеллектом перечень всей национальной ветровой и солнечной инфраструктуры, а также аналитическая основа для ее координации в рамках единой системы.

Используя модель глубокого обучения, обученную на спутниковых снимках с разрешением менее метра, команда выявила:

• ☀️ 319 972 солнечных фотоэлектрических установок
• 💨 91 609 ветряных турбин
• 💾 Обработка 7,56 терабайт спутниковых снимков для этого

📈 Картирование энергетических сетей с помощью ИИ: чем это отличается?

Предварительные исследования по взаимодополняемость солнечного и ветрового излучения — Идея о том, что два источника могут компенсировать изменчивость друг друга во времени и географическом отношении, — в значительной степени опиралась на гипотетические или смоделированные сценарии развертывания. Как проявляется взаимодополняемость в различных условиях реальная инфраструктураИ как это влияет на результаты интеграции на системном уровне, до сих пор оставалось неясным.

Исследователи показывают, что Взаимодополняемость солнечной и ветровой энергии существенно снижает изменчивость выработки электроэнергии.При этом эффективность возрастает по мере расширения географического охвата парных взаимодействий.

🌍 «Облако, покрывающее солнечные электростанции в Ганьсу, не затемняет ветровые коридоры во Внутренней Монголии».

На практике, чем дальше друг от друга находятся координируемые объекты, тем надежнее достигается баланс. Результаты исследования указывают на следующее: структурная неэффективность в том, как Китай в настоящее время управляет своей энергосистемой: Координация осуществляется на провинциальном, а не на национальном уровне.

Переход к единый национальный масштабИсследователи утверждают, что это упростило бы:

• ⚡ Сочетайте взаимодополняющие источники энергии
• 📈 Стабилизация сети
• ⛔ Избегайте сокращение — дорогостоящие потери вырабатываемой возобновляемой энергии, которые давно являются проблемой для китайской системы чистой энергетики.

Лю ЮйПрофессор Школы наук о Земле и космосе Пекинского университета охарактеризовал инвентаризацию как позволяющую Китаю взглянуть на свою новую энергетическую инфраструктуру с разных сторон. «Взгляд с высоты птичьего полета» — Эта фраза имеет гораздо большее оперативное значение, чем может показаться на первый взгляд. Операторы энергосистемы не могут оптимизировать то, о чём не знают — до сих пор.

⚡ Рост спроса на электроэнергию в Китае, вызванный внедрением ИИ.

Китай переживает резкий рост спроса на электроэнергию, вызванный развитием искусственного интеллекта, что создает нагрузку на его энергосистему. Быстрое распространение услуг обработки данных и масштабных вычислительных мощностей привело к увеличению потребления электроэнергии в этом секторе. Рост на 44% в годовом исчислении в первом квартале 2026 года., достигая 22,9 миллиарда киловатт-часовСогласно данным Китайского электроэнергетического совета.

📊 Это невероятно высокие темпы роста для сектора, спрос на который и без того был огромным.

Это ускорило расширение сети центров обработки данных в Китае. северные и западные провинцииТам, где земля дешевле, ветровые и солнечные ресурсы более доступны, а цены на электроэнергию соответственно ниже. Примечательно, В качестве регионов, предназначенных для размещения новых центров обработки данных, рассматриваются те же самые провинции, где наблюдается наибольшая взаимодополняемость солнечной и ветровой энергии.

🔌 За кулисами создания модели

Данное техническое достижение заслуживает отдельного внимания. Модель глубокого обучения DAMO была обучена распознавать солнечные фотоэлектрические установки и ветряные турбины. спутниковые снимки с разрешением менее метра — задача, осложненная огромным разнообразием типов установок, условий местности и качества изображения.

Полученный набор данных охватывает установки в 1915 китайских уездов, охватывая все — от панелей на крышах прибрежных городов до ветроэлектростанций промышленного масштаба на Монгольском плато. Обработка 7,56 терабайт Использование изображений для создания общенационального, согласованного на уровне округов, кадастра — это демонстрация того, на что способен крупномасштабный геопространственный ИИ при применении к проблемам инфраструктуры. образец, который в принципе могли бы перенять и другие страны.

Китайский сектор чистой энергетики произвел, по оценкам, 15,4 триллиона юаней (2,26 триллиона долларов США) в объеме экономического производства в прошлом году — эквивалентно весь ВВП Бразилии — по данным базирующегося в Финляндии издания Центр исследований в области энергетики и чистоты воздухаУправление активами такого масштаба без инструмента мониторинга на национальном уровне всегда было ограничивающим фактором.

✅ Это ограничение теперь снято.

Для исследования были созданы набор данных и программный код. общедоступный с помощью Зенобус.

📷 Фотография Ло Лэя