中国人工智能可再生能源电网测绘对全球清洁能源意味着什么

目前，所有主要经济体都面临着同样的问题。 人工智能消耗电力的速度远远超过了电网的设计承受能力。 在美国，PJM（该国最大的电网运营商）的容量市场价格已经上涨。 两年内增长超过十倍其中，数据中心的增长被认为是主要驱动因素。在欧洲，公用事业公司正争先恐后地升级输电基础设施，以满足超大规模数据中心的需求。

这 国际能源署（IEA） 预计全球数据中心电力消耗可能 到本十年末，发电量将接近 1000 太瓦时。可再生能源已经基本到位，但大多数国家仍然缺乏通过人工智能在国家层面绘制能源网络地图来协调可再生能源的能力。

💡 但中国只是把它建起来了。

一个 一项发表于 自然 本周，研究人员…… 北京大学 和 阿里巴巴集团达摩学院 实现了任何国家以前都未曾实现的目标：一个完整​​的、高分辨率的、人工智能生成的全国风能和太阳能基础设施清单——以及将其协调为一个统一系统的分析框架。

研究团队利用基于亚米级卫星图像训练的深度学习模型，识别出了：

• ☀️ 319,972 座太阳能光伏发电设施
• 💨 91,609台风力涡轮机
• 💾 处理中 7.56太字节 利用卫星图像来实现这一点

📈人工智能能源网格测绘：它有何不同之处

先前对 太阳风互补性 ——认为两个能源来源可以相互抵消彼此在时间和地域上的变异性——这一观点很大程度上依赖于假设或模型化的部署场景。互补性如何在以下情况下体现： 现实世界的基础设施以及它如何影响系统级集成结果，至今仍不清楚。

研究人员表明， 太阳能与风能的互补性显著降低了发电波动性随着配对地理范围的扩大，其有效性也随之提高。

🌍 “遮蔽甘肃太阳能发电场的云层并不会遮蔽内蒙古的风道。”

实际上，协调的设施之间距离越远，它们就越能可靠地实现平衡。该研究结果表明： 结构性低效 中国目前管理电网的方式： 协调工作是在省级层面而非国家层面进行的。

过渡到 统一的国家尺度研究人员认为，这将使以下操作更容易：

• ⚡ 互补能源配对
• 📈 稳定电网
• ⛔ 避免 削减 ——长期以来一直困扰中国清洁能源系统的，是大量可再生能源发电资源被浪费的严重问题。

Liu Yu北京大学地球与空间科学学院的一位教授表示，这份清单使中国能够从另一个角度看待其新能源格局。 “上帝视角” ——这句话的实际意义远比乍看之下要大。电网运营商无法优化他们不了解的方面——直到现在。

⚡ 中国人工智能驱动的电力需求激增

中国正经历人工智能驱动的电力需求激增，电网不堪重负。数据服务和大型计算设施的快速发展推高了该行业的电力消耗。 2026年第一季度同比增长44%达到 229亿千瓦时据中国电力企业联合会称。

📊 对于一个需求已经非常巨大的行业来说，这是一个非同寻常的增长速度。

这加速了中国数据中心的扩张。 北部和西部省份在这些地区，土地价格更低，风能和太阳能资源更丰富，电力价格也相应较低。值得注意的是， 新建数据中心的目标省份，正是太阳能与风能互补性最高的地区。

🔌模特幕后故事

这项技术成就本身就值得理解。DAMO 的深度学习模型经过训练，能够识别太阳能光伏设施和风力涡轮机。 亚米级分辨率卫星图像 由于安装类型、地形条件和图像质量的多样性，这项任务变得十分复杂。

生成的数据集涵盖了以下安装情况： 1915个中国县涵盖范围广泛，从沿海城市的屋顶太阳能电池板到蒙古高原的公用事业规模风力发电场。处理中 7.56太字节 利用图像生成全国统一的县级清单，展示了大规模地理空间人工智能在解决基础设施问题时所能发挥的作用—— 其他国家原则上可以复制的模板。

中国的清洁能源行业创造了约 15.4万亿元人民币（2.26万亿美元） 去年的经济产出——相当于 巴西的全部GDP ——据总部位于芬兰的 能源与清洁空气研究中心如果没有国家级的可视性工具，管理如此大规模的资产始终是一个限制因素。

✅ 那个限制现在已经取消了。

该研究的数据集和代码已经制作完成。 公开可用 通过 泽诺布斯。

📷 罗磊摄影