AI pomaga zarządzać energią odnawialną
Rosnące zapotrzebowanie na energię wywołane przez rozwój sztucznej inteligencji zaczyna coraz mocniej obciążać sieci energetyczne na całym świecie. W Stanach Zjednoczonych gwałtownie rosną ceny energii dla operatorów infrastruktury, a w Europie trwa wyścig związany z modernizacją sieci przesyłowych dla nowych centrów danych. Według prognoz Międzynarodowej Agencji Energetycznej globalne zużycie energii przez data center może zbliżyć się do poziomu 1000 TWh jeszcze przed końcem dekady. Problemem przestaje być już sama produkcja energii odnawialnej, ponieważ największym wyzwaniem staje się dziś koordynacja ogromnych ilości energii pochodzącej z różnych źródeł. Właśnie w tym obszarze Chiny wykonały krok, którego do tej pory nie udało się zrealizować żadnemu innemu państwu.
Cyfrowa mapa infrastruktury energetycznej
Badacze z Uniwersytetu Pekińskiego oraz DAMO Academy należącej do Alibaba opracowali pierwszy na świecie kompletny system mapowania infrastruktury odnawialnej całego kraju. Projekt opisany w czasopiśmie Nature wykorzystuje deep learning oraz obrazy satelitarne o bardzo wysokiej rozdzielczości. Dzięki temu udało się wykryć ponad 319 tysięcy instalacji fotowoltaicznych oraz ponad 91 tysięcy turbin wiatrowych rozmieszczonych na terytorium Chin. Analiza wymagała przetworzenia aż 7,56 TB danych satelitarnych. System nie tworzy jedynie statycznej mapy, lecz buduje także analityczny model współpracy źródeł energii, który może być wykorzystywany przez operatorów sieci energetycznych.
Dlaczego energia słoneczna i wiatr się uzupełniają
Jednym z najważniejszych wniosków badania okazało się potwierdzenie zjawiska określanego jako solar-wind complementarity. Polega ono na tym, że energia słoneczna i wiatrowa mogą wzajemnie kompensować swoje wahania produkcji. W praktyce oznacza to, że kiedy warunki pogodowe ograniczają produkcję energii słonecznej w jednym regionie, energia wiatrowa z innego obszaru może stabilizować cały system. Badacze wykazali, że skuteczność takiego bilansowania rośnie wraz z odległością pomiędzy instalacjami. Chmury ograniczające wydajność paneli słonecznych w jednej prowincji nie wpływają jednocześnie na farmy wiatrowe znajdujące się setki kilometrów dalej. Dzięki temu możliwe staje się bardziej stabilne zarządzanie krajową siecią energetyczną.
Problem lokalnego zarządzania siecią
Obecnie chiński system energetyczny działa głównie na poziomie prowincji, co powoduje liczne ograniczenia w efektywnym wykorzystaniu energii odnawialnej. Badacze wskazują, że zarządzanie energią w skali całego państwa pozwoliłoby znacząco zmniejszyć straty i przeciążenia. Jednym z największych problemów pozostaje zjawisko curtailment, czyli marnowania nadwyżek energii odnawialnej, której sieć nie potrafi odpowiednio przesłać lub wykorzystać. Dzięki nowemu systemowi operatorzy mogą uzyskać pełny obraz infrastruktury energetycznej oraz lepiej planować przepływy energii pomiędzy regionami. Profesor Liu Yu określił ten system jako możliwość spojrzenia na energetykę kraju z perspektywy „God’s-eye view”. Bez dokładnej wiedzy o rozmieszczeniu i możliwościach infrastruktury nie da się skutecznie optymalizować nowoczesnej sieci energetycznej.
AI zwiększa zapotrzebowanie na prąd
Rozwój sztucznej inteligencji sam w sobie staje się dziś jednym z największych czynników zwiększających zużycie energii elektrycznej. W Chinach sektor związany z AI i centrami danych zwiększył zużycie energii o 44% rok do roku już w pierwszym kwartale 2026 roku. Według China Electricity Council zużycie osiągnęło poziom 22,9 miliarda kilowatogodzin. Rozbudowa data center koncentruje się głównie w północnych i zachodnich prowincjach Chin, gdzie energia jest tańsza, a dostępność farm wiatrowych i słonecznych znacznie większa. Co istotne, są to także obszary o najwyższym potencjale współpracy energii słonecznej i wiatrowej. AI staje się więc jednocześnie źródłem problemu energetycznego oraz narzędziem do jego rozwiązania.
Technologia stojąca za projektem
Model opracowany przez DAMO Academy został wytrenowany do rozpoznawania turbin wiatrowych oraz instalacji fotowoltaicznych na zdjęciach satelitarnych o rozdzielczości poniżej jednego metra. Zadanie było wyjątkowo trudne ze względu na różnorodność typów instalacji, warunków terenowych i jakości obrazów. System musiał identyfikować zarówno niewielkie instalacje dachowe w dużych miastach, jak i ogromne farmy wiatrowe na terenach Mongolii Wewnętrznej. Ostateczny zbiór danych objął ponad 1915 chińskich powiatów. Projekt pokazuje, że geospatial AI może stać się jednym z najważniejszych narzędzi nowoczesnej infrastruktury energetycznej. Technologia ta może być potencjalnie kopiowana także przez inne państwa rozwijające energetykę odnawialną.
Znaczenie gospodarcze chińskiej energetyki
Chiński sektor czystej energii wygenerował w ubiegłym roku około 15,4 biliona juanów wartości gospodarczej, co odpowiada wielkości całej gospodarki Brazylii. Zarządzanie tak ogromną infrastrukturą bez jednolitego systemu widoczności stawało się coraz większym ograniczeniem dla dalszego rozwoju. Udostępnienie pełnej bazy danych oraz kodu projektu w serwisie Zenodo może dodatkowo przyspieszyć rozwój podobnych rozwiązań na świecie. Połączenie sztucznej inteligencji, danych satelitarnych i energetyki odnawialnej zaczyna tworzyć nowy model zarządzania infrastrukturą krytyczną. Coraz wyraźniej widać również, że przyszłość AI będzie zależeć nie tylko od wydajności modeli, ale także od zdolności państw do zasilania gigantycznych centrów obliczeniowych stabilną i inteligentnie zarządzaną energią.