北京大学与阿里达摩院近日在《自然》发表的合作研究成果，首次使用AI从卫星影像中识别并绘制了全国尺度的风光发电设施分布图。这张覆盖2843个县的高精度地图，共识别出31.9万个光伏设施和9.16台风机，为摸清全国新能源家底提供了第一手数据支撑。
数据如何生成
团队调用了7.56TB的0.5米级卫星影像数据，采用自主研发的AI大模型进行目标检测与语义分割。这类遥感图像识别任务此前更多应用于建筑、道路等固定地物，将至迁移至瞬息万变的光伏板和风机识别，本身就具有技术开创性。识别结果不仅包含设施位置，还结合气象数据和系统参数，估算了每小时的潜在发电量。
风光互补的价值
风光发电的核心痛点在于出力波动——光伏午间強、夜间为零，风电则夜间偏强。与其各自为战，不如跨区域调度实现时空互补。研究团队基于普查数据，计算了四种省级电力调配策略：结果在最优配对方案下，青海与江苏形成跨区域互补，每年可额外消纳998.8亿千瓦时的风光电力，约占全国风光总发电量的9.1%，相当于全国平均负荷持续供电120小时。
对行业的意义
过去各地新能源设施的分布情况主要依赖企业自主申报，统计口径不一、更新滞后。这张"人口普查式"的分布图，让主管部门和电网企业在做增量规划时有了统一的基线参考。特别是海上风电场选址、陆上风机尾流效应优化等场景，AI辅助决策可将损失降低三分之一以上。
从更大视角看，我国风光装机已连续十余年居全球第一，2025年占总装机比例接近一半。AI与新能源的深度融合正在从「可见、可管」走向「可预测、可调度」，这或许是能源系统中AI最具价值的落地场景之一。
编注：材料为知乎用户技术解读，综合性强但非一手信源；《自然》论文原文待查证，部分数据（如998.8亿千瓦时）引用自原文。