AI首次实现中国风光发电普查，北大、阿里达摩院研究登上《自然》
TL;DR · AI 摘要
北京大学与阿里达摩院利用AI和卫星影像首次完成中国全国风光发电设施普查，揭示跨省风光互补可提升1000亿千瓦时绿电消纳能力。
核心要点
- 研究团队处理7.56TB卫星影像，识别出31.9万光伏设施和9.16万台风机，构建全国高精度风光分布图
- 跨省风光协同可额外消纳1000亿千瓦时绿电，减少弃风弃光，降低储能压力
- 空间协同范围扩大提升时序互补性，全国协同比邻省互补提升更高潜力
结构提纲
按章节快速跳转。
介绍Nature发表的AI驱动风光发电普查项目及其对双碳目标的意义
说明处理7.56TB卫星影像的技术方案及识别精度
展示全国光伏和风机设施的识别数量及地理分布特征
对比不同空间尺度的协同效应，量化跨省协同的消纳提升潜力
阐述研究对新能源规划、电力系统优化的指导意义
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AI驱动风光发电普查与互补研究
- 数据处理
- 卫星影像分析
- AI模型应用
- 分布普查
- 光伏设施定位
- 风机识别
- 互补分析
- 时空互补性
- 协同效益
金句 / Highlights
值得收藏与分享的关键句。
处理7.56TB、0.5米级分辨率开源卫星影像，定位识别出31.9万光伏设施和9.16万台风机。
全国跨省协同可额外提升约1000亿千瓦时绿电消纳能力，无需新增装机。
跨区域组合比地理邻近地区互补潜力更高，证明更大范围协同的重要性。
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
2026-05-21 17:14:23 来源：量子位
加快实现‘双碳’目标。
5月20日，国际顶级学术期刊《自然》（Nature）发表了北京大学与阿里巴巴达摩院的合作研究成果，利用AI和开源卫星影像，绘制出中国首张全国尺度高精度风光设施分布图，并揭示了不同地区的风电和光伏互补协同可显著提升新能源利用率、减少“弃风弃光”。
国家能源局数据显示，在“双碳”目标牵引下，中国已建成全球最大、发展最快的可再生能源体系，2025年风电、太阳能发电新增装机超4.3亿千瓦，新增规模历史性超过火电。精准统计这些基础设施的分布颇具挑战，也限制了系统性的能源规划研究。
为此，研究团队基于达摩院自研AI模型，在云计算平台上处理了覆盖全国的7.56TB、0.5米级分辨率开源卫星影像，克服了数据量庞大、地形地貌种类多等技术挑战，成功定位并识别出全国1915个县的31.9万处光伏设施和9.16万台风机。
AI统计全国光伏设施（左）和风机（右）分布情况
“这是我们第一次掌握大规模、高精度的全国风光设施清单，” 北京大学地球和空间学院教授刘瑜表示，“从而能以‘上帝视角’看清全国新能源格局，为电网优化、环境评估等一系列分析研究提供了坚实基础。”
此次，研究团队利用这张分布图开展了“风光互补”策略研究。风电和光伏发电具有间歇性和波动性，“弃风弃光”现象长期存在。研究发现，不同地区的风电与光伏发电在时间上具有较强互补潜力。例如，部分地区光伏白天出力强，而风电夜间发电更稳定，跨区域的协同配置可有效提升新能源消纳能力。
进一步地，研究团队系统性分析了不同空间尺度“风光互补”下的新能源消纳情况，包括省内整合、邻省互补、跨省协同和全国协同。研究发现，随着空间协同范围扩大，风光发电与电力负荷之间能够形成更
强的时序互补关系，从而有效提升新能源利用效率。部分跨区域组合相比地理邻近地区表现出更高的理论互补潜力，说明更大范围的空间协同对于新能源消纳具有重要意义。
研究测算显示，在电力系统具备较高调节能力、能较好适应新能源波动的条件下，全国范围的跨省协同可额外提升约1000亿千瓦时绿电消纳能力。值得注意的是，这一提升并非新增发电，而是在现有风光装机基础上减少弃风弃光、额外释放出的潜力。同时，跨区域协同还能够显著降低储能和系统调节压力。这为相关决策者制定跨省电力交易和基础设施建设计划、克服新能源大规模并网挑战提供了重要的理论参考。
阿里巴巴达摩院算法专家于超辉表示，“在AI模型的帮助下，我们为学术界和产业界构建起全新数据底座，有望推动系统性的风光发电规划研究，进一步助力新型电力系统建设、加快实现‘双碳’目标。”
论文链接： doi.org/10.1038/s41586-026-10570-z
来源：阿里巴巴
_版权所有，未经授权不得以任何形式转载及使用，违者必究。_