Китайский искусственный интеллект только что составил карту всей своей сети возобновляемой энергетики. Вот почему остальному миру следует обратить на это внимание.

Окружающая среда и устойчивое развитие

Китайский искусственный интеллект только что составил карту всей своей сети возобновляемой энергетики. Вот почему остальному миру следует обратить на это внимание.

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 энергосети страны, за два года выросли более чем в десять раз, причем основной причиной этого назван рост центров обработки данных. В Европе энергетические компании спешат модернизировать передающую инфраструктуру достаточно быстро, чтобы удовлетворить спрос со стороны крупных компаний.

Международное энергетическое агентство (МЭА) прогнозирует, что к концу этого десятилетия глобальное потребление электроэнергии центрами обработки данных может приблизиться к 1000 ТВт·ч. Возобновляемые источники энергии в значительной степени уже существуют, но большинству стран по-прежнему не хватает возможности координировать их с помощью картирования энергетических сетей на национальном уровне с использованием искусственного интеллекта. Но Китай только что создал такую возможность.

В опубликованном на этой неделе в журнале Nature исследовании ученых из Пекинского университета и Академии DAMO Alibaba Group было создано то, чего 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 идентифицировала 319 972 солнечных фотоэлектрических установки и 91 609 ветряных турбин в Китае, обработав для этого 7,56 терабайт изображений.

Картирование энергетических сетей с помощью ИИ

Предыдущие исследования взаимодополняемости солнечной и ветровой энергии — идеи о том, что два источника могут компенсировать изменчивость друг друга во времени и пространстве — в значительной степени основывались на гипотетических или смоделированных сценариях развертывания. Как именно взаимодополняемость проявляется в реальной инфраструктуре и как она влияет на результаты интеграции на системном уровне, до сих пор оставалось неясным.

Исследователи показали, что взаимодополняемость солнечного и ветрового излучения существенно снижает изменчивость генерации, при этом эффективность возрастает по мере расширения географического охвата парного взаимодействия.

На практике, чем дальше друг от друга находятся координируемые объекты, тем надежнее достигается баланс. Например, облако, закрывающее солнечные электростанции в Ганьсу, не затемняет ветровые коридоры во Внутренней Монголии. Результаты исследования указывают на структурную неэффективность в том, как Китай в настоящее время управляет своей энергосистемой: координация происходит на провинциальном, а не на национальном уровне.

Исследователи утверждают, что переход к единой национальной системе упростит подбор взаимодополняющих источников энергии, стабилизирует энергосеть и позволит избежать ограничений — потерь вырабатываемой возобновляемой энергии, которые долгое время были одной из самых дорогостоящих проблем в сфере чистой энергетики в Китае.

Лю Ю, профессор Школы наук о Земле и космосе Пекинского университета, описал эту инвентаризацию как позволяющую Китаю взглянуть на свою новую энергетическую инфраструктуру с «взгляда Бога», — фраза, которая имеет гораздо большее практическое значение, чем может показаться на первый взгляд. Операторы энергосистем не могут оптимизировать то, о чем они не знают, — до сих пор.

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 на 44% в годовом исчислении в первом квартале 2026 года, достигнув 22,9 миллиарда киловатт-часов, согласно данным Китайского электроэнергетического совета.

Это необычайно высокие темпы роста для сектора, спрос на который и без того был высок. Это ускорило расширение центров обработки данных в северных и западных провинциях Китая, где земля дешевле, ветровые и солнечные ресурсы более доступны, а значит, и цены на электроэнергию соответственно ниже. Провинции, выбранные для размещения новых центров обработки данных, — это те же регионы, где наблюдается наибольшая взаимодополняемость солнечной и ветровой энергии.

За моделью

Техническое достижение, лежащее в основе этого, заслуживает отдельного внимания. Модель глубокого обучения DAMO была обучена идентифицировать солнечные фотоэлектрические установки и ветряные турбины на спутниковых снимках с разрешением менее метра, что является сложной задачей из-за огромного разнообразия типов установок, условий местности и качества изображений.

Полученный набор данных охватывает установки в 1915 китайских уездах, от панелей на крышах прибрежных городов до ветроэлектростанций промышленного масштаба на Монгольском плато. Обработка 7,56 терабайт изображений для создания общенационального, уездного реестра демонстрирует возможности крупномасштабного геопространственного ИИ при решении инфраструктурных проблем и служит образцом, который в принципе могли бы воспроизвести другие страны.

По оценкам финского Центра исследований в области энергетики и чистого воздуха, в прошлом году китайский сектор чистой энергетики принес экономике 15,4 триллиона юаней (2,26 триллиона долларов США), что эквивалентно всему ВВП Бразилии. Управление активами такого масштаба без инструмента мониторинга на национальном уровне всегда было ограничивающим фактором, но теперь этот фактор устранен.

Набор данных и код исследования были опубликованы в открытом доступе на платформе Zenodo.

(Фото Ло Лэя)

Источник: www.artificialintelligence-news.com