Kiekviena didelė ekonomika šiuo metu susiduria su ta pačia problema. Dirbtinis intelektas sunaudoja elektros energiją tokiu greičiu, kokiam tinkleliai niekada nebuvo sukurti. JAV didžiausio šalies tinklo operatoriaus PJM pajėgumų rinkos kainos per dvejus metus išaugo daugiau nei dešimt kartų, o duomenų centrų augimas įvardijamas kaip pagrindinis veiksnys. Europoje komunalinės įmonės stengiasi pakankamai greitai atnaujinti perdavimo infrastruktūrą, kad neatsiliktų nuo hiperskalerių poreikio.
Tarptautinė energetikos agentūra (IEA) prognozuoja, kad iki šio dešimtmečio pabaigos pasaulinis duomenų centrų elektros suvartojimas gali siekti 1000 TWh. Atsinaujinančios energijos iš esmės yra, tačiau daugumos šalių vis dar trūksta gebėjimo ją koordinuoti naudojant dirbtinio intelekto energijos tinklo žemėlapių sudarymą nacionaliniu mastu. Tačiau Kinija ką tik ją pastatė.
Šią savaitę „Nature“ paskelbtame tyrime, kurį atliko Pekino universiteto ir „Alibaba Group“ DAMO akademijos mokslininkai, pavyko sukurti tai, ko anksčiau nebuvo pavykę jokiai šaliai: visapusišką didelės skiriamosios gebos dirbtinio intelekto sukurtą visos šalies vėjo ir saulės infrastruktūros inventorių su analitine sistema, leidžiančia ją koordinuoti kaip vieningą sistemą.
Naudodama gilaus mokymosi modelį, apmokytą naudojant pometrinius palydovinius vaizdus, komanda nustatė 319 972 Kinijos saulės fotovoltinius įrenginius ir 91 609 vėjo turbinas, apdorodama 7,56 terabaito vaizdų.
AI energijos tinklo žemėlapių sudarymas
Ankstesni saulės ir vėjo papildomumo tyrimai – idėja, kad du šaltiniai gali kompensuoti vienas kito laiko ir geografijos kintamumą – daugiausia rėmėsi hipotetiniais arba modeliuotais diegimo scenarijais. Iki šiol neaišku, kaip papildomumas pasireiškia realioje infrastruktūroje ir kaip jis formuoja sistemos lygio integracijos rezultatus.
Tyrėjai rodo, kad saulės ir vėjo papildomumas iš esmės sumažina generacijos kintamumą, o efektyvumas didėja plečiantis geografinei poravimo sričiai.
Praktiškai, kuo toliau vienas nuo kito yra koordinuojami įrenginiai, tuo patikimiau jie pasiekia pusiausvyrą. Pavyzdžiui, debesis, dengiantis saulės energijos fermas Gansu, neužtemdo vėjo koridorių Vidinėje Mongolijoje. Tyrimo išvados rodo struktūrinį neefektyvumą, kaip Kinija šiuo metu valdo savo tinklą: koordinavimas vyksta provincijos, o ne nacionaliniu lygmeniu.
Tyrėjai teigia, kad perėjimas prie vieningo nacionalinio masto padėtų lengviau susieti papildomus energijos šaltinius, stabilizuotų tinklą ir būtų išvengta apribojimų – pagamintos atsinaujinančios energijos švaistymo, kuris ilgą laiką buvo viena brangiausių Kinijos švarios energijos problemų.
Liu Yu, Pekino universiteto Žemės ir kosmoso mokslų mokyklos profesorius, apibūdino inventorių kaip leidžiantį Kinijai pamatyti savo naujos energijos kraštovaizdį „Dievo akimis“ – tai frazė, kuri turi daugiau veiklos svarbos, nei gali pasirodyti iš pradžių. Tinklo operatoriai negali optimizuoti to, ko jie nežino – iki šiol.
Kinija išgyvena dirbtinio intelekto sukelto elektros paklausos padidėjimo viduryje, kuris apkrauna jos tinklą. Kinijos elektros tarybos duomenimis, spartus duomenų perdavimo paslaugų ir didžiulių skaičiavimo įrenginių paplitimas lėmė, kad 2026 m. pirmąjį ketvirtį sektoriaus energijos suvartojimas per metus padidėjo 44 % ir pasiekė 22,9 mlrd. kilovatvalandžių.
Tai yra nepaprastas augimo tempas sektoriui, kurio paklausa ir taip buvo didelė. Tai paspartino duomenų centrų plėtrą Kinijos šiaurinėse ir vakarinėse provincijose, kur žemė yra pigesnė, vėjo ir saulės ištekliai yra prieinamesni, o elektros kainos yra atitinkamai mažesnės. Provincijos, kurioms skirti nauji duomenų centrai, yra tie patys regionai, kuriuose saulės ir vėjo energijos papildomumas yra didžiausias.
Už modelio
Verta suprasti, koks yra techninis pasiekimas. DAMO giluminio mokymosi modelis buvo išmokytas atpažinti saulės fotovoltinius įrenginius ir vėjo turbinas iš po metro skiriamosios gebos palydovinių vaizdų – šią užduotį apsunkino didžiulė įrengimų tipų įvairovė, reljefo sąlygos ir vaizdo kokybė.
Gautas duomenų rinkinys apima įrenginius 1 915 Kinijos apskričių, apimančių viską nuo stogų plokščių pakrantės miestuose iki komunalinių paslaugų masto vėjo jėgainių Mongolijos plokščiakalnyje. Apdorojant 7,56 terabaito vaizdų, kad būtų sukurta nacionaliniu mastu nuosekli, apskrities lygio inventorizacija, parodoma, ką didelio masto geoerdvinis AI gali padaryti, kai jis taikomas infrastruktūros problemoms spręsti, ir šablonas, kurį kitos šalys iš esmės galėtų pakartoti.
Remiantis Suomijoje įsikūrusio Energetikos ir švaraus oro tyrimų centro duomenimis, Kinijos švarios energijos sektorius praėjusiais metais sudarė 15,4 trilijono juanių (2,26 trilijono JAV dolerių), o tai atitinka visą Brazilijos BVP. Tokio masto turto bazės valdymas be nacionalinio lygio matomumo įrankio visada buvo ribojantis veiksnys, o dabar jau nebeliko.
Tyrimo duomenų rinkinys ir kodas buvo viešai prieinami per Zenodo.
(Luo Lei nuotrauka)
Taip pat žiūrėkite: Kinijos pastangos pritaikyti dirbtinį intelektą savo energijos sistemoje
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys yra „TechEx“ dalis ir vyksta kartu su kitais pagrindiniais technologijų renginiais. Norėdami gauti daugiau informacijos, spustelėkite čia.
AI naujienas teikia TechForge Media. Čia rasite kitus būsimus įmonių technologijų renginius ir internetinius seminarus.
