中国AI完成全国可再生能源电网高精度测绘，全球能源转型迎来新范式

一句话看懂

中国首次用AI完成全国可再生能源电网高精度测绘，揭示太阳能-风能互补性可大幅稳定电网，但当前省级调度模式存在结构性低效。

北京大学与阿里巴巴达摩院在《自然》发表研究，利用深度学习模型处理7.56TB亚米级卫星图像，识别出中国319,972个太阳能光伏设施和91,609个风力涡轮机，覆盖1915个县。这是全球首次对一个国家的全部可再生能源基础设施进行完整、高分辨率的AI生成清单。

研究发现，太阳能-风能互补性（即两种能源在时间和地理上相互抵消波动）在实际基础设施中显著降低了发电波动，且地理跨度越大，平衡效果越好。例如，甘肃的太阳能被云层覆盖时，内蒙古的风电走廊仍可正常发电。然而，当前中国电网以省级为单位调度，未能充分利用跨省互补优势，导致弃风弃光问题长期存在。

该研究的数据集和代码已通过Zenodo公开，为其他国家提供了可复现的模板。

这项研究对中文用户有直接意义：

国内用户用得上吗？ 数据集和代码已公开，国内研究者和企业可直接下载使用。但原始卫星图像处理需要大量算力，普通用户可能无法复现。不过，阿里云等平台可能提供API或简化工具，降低使用门槛。
国产平替与对比：类似工作在国际上已有尝试，如DeepMind用AI优化谷歌数据中心能耗，但中国这次是国家级全量测绘，规模远超以往。国内ModelScope社区可提供模型部署支持，但尚无直接竞品。
对中文用户的具体场景：
- 能源企业：可基于该数据优化电站选址和调度策略，减少弃电损失。
- AI从业者：该模型展示了大规模地理空间AI的应用范式，可迁移至农业、城市规划等领域。
- 政策制定者：研究直接指出省级调度低效，为全国统一电力市场改革提供了量化依据。
监管与合规：数据公开有利于学术透明，但涉及关键基础设施的精确位置，需注意数据安全。国内已有《数据安全法》，公开数据需经脱敏处理。
中文圈盲点：多数讨论聚焦AI算力耗电，却忽略了AI本身可优化能源系统。这项研究证明AI是解决自身能耗问题的关键工具，而非单纯负担。

中国AI不仅消耗电力，更在帮助优化整个可再生能源电网，为全球能源转型提供了可复现的AI范本。