北大阿里《自然》论文：AI首次普查中国风光发电潜力权威榜单

一项发表于《自然》期刊的研究，首次利用人工智能完成了对中国风光发电设施的全国性精准普查。由北京大学与阿里巴巴达摩院组成的联合团队，通过处理海量开源卫星影像，绘制出首张高精度全国风光设施分布图。这项研究不仅摸清了基础设施的宏观“家底”，更关键的是，它揭示了通过跨区域风光协同互补，能够有效提升新能源利用率，为解决“弃风弃光”问题提供了新的路径。

在“双碳”战略的推动下，中国风电与光伏装机规模已跃居全球首位。国家能源局数据显示，2025年风光新增装机容量已超越火电，总量突破4.3亿千瓦。然而，如此庞大的资产，其精确的地理分布与数量一直缺乏系统性数据支撑，这制约了电网的精细化规划与调度效率。

为破解这一数据瓶颈，研究团队采用了前沿的AI技术方案。他们依托达摩院自研的视觉识别模型，在云端处理了总量达7.56TB、分辨率高达0.5米级的全国卫星影像。面对中国复杂多变的地形与设施形态，AI模型展现了强大的泛化能力，最终从影像中精准识别出分布在1915个县的31.9万处光伏阵列与9.16万台风机，完成了这项极具挑战性的基础设施盘点。

AI统计全国光伏设施（左）和风机（右）分布情况

“我们首次获得了大规模、高精度的全国风光设施清单。”北京大学地球与空间科学学院刘瑜教授指出，“这相当于提供了一个‘上帝视角’，让我们能清晰把握新能源的宏观布局。这份数据底座，对于后续的电网优化、消纳分析和环境影响评估等研究至关重要。”

基于这张详尽的设施地图，研究得以深入分析风光发电的波动性问题。研究聚焦于风电与光伏在出力时序上的天然互补性。例如，某些区域光伏在日间出力强劲，而风电在夜间更为稳定。若能在规划与调度中将二者视为协同系统，而非孤立电源，便可有效平滑联合出力曲线，提升电网稳定性。

那么，这种互补效应在何种空间尺度下最为显著？研究团队系统模拟了从省内、区域到全国等不同范围的风光协同消纳场景。结果表明：随着协同范围的扩大，风电与光伏在时序上的互补性增强，整体利用效率随之提升。一个值得关注的发现是，部分地理上不相邻的区域组合，反而展现出比邻近区域更高的理论互补潜力。这意味着，优化新能源消纳需要突破行政区划限制，建立更广泛的协同机制。

研究进一步量化了全国协同的潜在效益：在电力系统具备足够灵活性的前提下，实现跨省协同调度，理论上可额外释放约1000亿千瓦时的绿电消纳空间。这并非来自新增装机，而是通过优化现有设施的运行方式，减少弃电所“挖掘”出的潜力。同时，更大范围的协同还能降低对储能等调节资源的依赖，减轻电力系统的平衡压力。这些发现为规划跨区域电力交易、建设关键输电通道提供了重要的决策参考。

阿里巴巴达摩院算法专家于超辉表示：“这项研究通过AI构建了全新的基础设施数据基础。我们希望它能推动风光发电的系统性规划研究，为构建新型电力系统、加速‘双碳’目标实现提供支持。”

论文链接： doi.org/10.1038/s41586-026-10570-z

来源：互联网