⚛️量子位•較早收集於 76m
AI 首次實現中國風光發電普查
💡發表於《Nature》的 AI 研究，展示如何利用 AI 進行國家級基礎設施普查以支持永續發展。
⚡ 30-Second TL;DR
有什麼變化
首次 AI 驅動的全國風光發電普查
為什麼重要
展示了 AI 在環境監測與支持國家碳中和目標方面的強大能力。
下一步行動
探索地理空間 AI 如何應用於您所屬產業的資產監測或永續報告中。
誰應關注：Researchers & Academics
關鍵要點
- •首次 AI 驅動的全國風光發電普查
- •北京大學與阿里達摩院合作研究
- •研究成果發表於《Nature》
🧠 深度解析
Web-grounded analysis with 17 cited sources.
🔑 增強重點摘要
- •該研究利用AI和開源衛星影像，繪製出中國首張全國尺度高精度風光設施分布圖，成功定位並識別出全國1915個縣的31.9萬處光伏設施和9.16萬台風機。
- •研究發現，不同地區的風電和光伏發電在時間上具有較強互補潛力，跨區域的協同配置可顯著提升新能源利用率並減少「棄風棄光」現象。
- •研究測算顯示，在電力系統具備較高調節能力的前提下，全國範圍的跨省協同可額外提升約1000億千瓦時的綠電消納能力，同時顯著降低儲能和系統調節壓力。
- •此普查處理了覆蓋全國的7.56TB、0.5米級分辨率開源衛星影像，並基於達摩院自研AI模型在雲計算平台上完成，克服了數據量龐大和地形地貌多樣的技術挑戰。
- •這項成果為中國掌握大規模、高精度的全國風光設施清單提供了首次機會，為電網優化、環境評估及系統性新能源規劃研究奠定了堅實基礎。
🛠️ 技術深入
- 數據來源： 覆蓋全國的7.56TB、0.5米級分辨率開源衛星影像。
- 處理平台： 雲計算平台。
- 核心模型： 基於阿里巴巴達摩院自研的AI模型。
- 解決挑戰： 克服了數據量龐大、地形地貌種類多等技術挑戰，實現了大規模、高精度的設施識別。
- 應用方法： 利用生成的風光設施分布圖，進行了「風光互補」策略研究，分析了省內整合、鄰省互補、跨省協同和全國協同等不同空間尺度下的新能源消納情況。
🔮 前景展望AI analysis grounded in cited sources
該普查結果將為中國的能源規劃和電網優化提供堅實的數據基礎。
首次大規模、高精度的全國風光設施清單，能以「上帝視角」看清全國新能源格局，為電網優化、環境評估等一系列分析研究提供了堅實基礎。
跨區域風光互補協同將顯著提升中國新能源消納能力並降低儲能壓力。
研究測算顯示，全國範圍的跨省協同可額外提升約1000億千瓦時綠電消納能力，並顯著降低儲能和系統調節壓力。
AI在能源領域的應用將從普查擴展到更精細的預測、調度與優化，以應對AI自身帶來的電力需求增長。
AI技術在能源領域已廣泛應用於電力預測、電網調度、智慧工廠能源管理等，且AI自身的高耗電特性也促使對綠色AI和能源效率優化的需求增加。
⏳ 時間線
2021-10
達摩院可信電力時序預測平台開始在山東等七省電力公司部署，用於電網負載和新能源功率預測。
2021-12
阿里巴巴達摩院發佈《2022十大科技趨勢預測》，其中提到AI將助力綠色能源的大規模消耗與容納。
2022-03
阿里巴巴達摩院成功研發可精準預測風電場風速及發電功率的AI算法，並已服務中國多個風電場。
2022-12
阿里達摩院獲NeurIPS虛擬電廠國際競賽冠軍，其電力調度AI解決方案可顯著降低碳排放和電費。
2024-11
達摩院發布「八觀」氣象大模型，預測時空精度最高可達1公里×1公里×1小時，已落地國網山東電力調度中心。
2026-05-20
北京大學與阿里巴巴達摩院的合作研究成果「AI首次實現中國風光發電普查」發表於《Nature》期刊。
📎 來源 (17)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 量子位 ↗