Investigadores de Peking University y DAMO Academy (Alibaba) publicaron en Nature un inventario generado por IA que localiza 319.972 instalaciones fotovoltaicas y 91.609 aerogeneradores en China, tras procesar 7,56 terabytes de imágenes satelitales submetro.
Un equipo de investigadores de Peking University y de DAMO Academy (vinculada a Alibaba) publicó en la revista Nature un inventario nacional generado por inteligencia artificial que mapea con precisión todas las instalaciones solares y eólicas de China. El trabajo entrega, por primera vez para un país entero, un registro geolocalizado y reproducible que cubre desde paneles fotovoltaicos instalados en cubiertas urbanas hasta grandes parques eólicos en zonas remotas.
El conjunto de datos resultante identifica 319.972 instalaciones fotovoltaicas y 91.609 aerogeneradores, tras procesar 7,56 terabytes de imágenes satelitales con resolución submetro. Las detecciones abarcan instalaciones localizadas en 1.915 condados y ofrecen un nivel de detalle que permite diferenciar tipos de montaje, disposición y posición geográfica de cada planta o instalación distribuida. Metodológicamente, los autores entrenaron un modelo de aprendizaje profundo para reconocer paneles solares y turbinas en una amplia variedad de escenarios: distintos tipos de instalación, condiciones del terreno y calidad de imagen. Ese enfoque automatizado facilita la actualización y reproducibilidad del inventario y permite su integración con modelos de operación de red y simulaciones de flujo eléctrico.
A partir del inventario real, los investigadores muestran resultados técnicos clave: la complementariedad entre viento y sol reduce de forma apreciable la variabilidad conjunta de generación, y esa reducción mejora cuando el emparejamiento entre recursos se hace a mayor escala geográfica. Es decir, combinar generación de distintas regiones puede atenuar picos y huecos locales de producción renovable.
El estudio plantea implicaciones operativas concretas para el sistema eléctrico chino. Según los autores, la gestión mayoritariamente provincial del sistema limita la posibilidad de emparejar recursos complementarios entre provincias, lo que genera ineficiencias y aumenta el riesgo de curtailment de energía renovable. Pasar a una coordinación a escala nacional podría estabilizar el suministro y reducir el desperdicio de generación renovable al permitir mejores combinaciones de viento y sol.
El trabajo llega en un contexto de fuerte aumento de la demanda eléctrica relacionada con la expansión de centros de datos y aplicaciones de IA en China. Según el China Electricity Council, el consumo del sector creció 44% interanual en el primer trimestre de 2026, hasta alcanzar 22,9 mil millones de kWh, y esa expansión se concentra especialmente en provincias del norte y del oeste, donde la infraestructura de transmisión y la planificación de recursos pueden quedar desfasadas respecto al nuevo patrón de demanda.
La relevancia de la técnica va más allá de China. La Agencia Internacional de la Energía proyecta que el consumo eléctrico global de centros de datos podría acercarse a 1.000 TWh para finales de la década; en Estados Unidos los precios de capacidad en la zona de PJM subieron más de diez veces en dos años, y en Europa las utilities aceleran actualizaciones de transmisión. En ese contexto, la capacidad de mapear y coordinar renovables con IA puede ser una herramienta útil para optimizar redes y reducir tensiones en otros mercados.
Como pasos siguientes, los autores sostienen que un inventario nacional permite optimizar la operación y emparejar recursos para minimizar pérdidas. Liu Yu, profesor de Peking University, describió el inventario como una 'God's‑eye view' del paisaje energético, subrayando que los operadores no pueden optimizar lo que desconocen. El estudio entrega datos y un marco analítico adaptables a otros países, aunque su adopción operativa exigirá integración institucional, reglas de coordinación y actualizaciones en los sistemas de control de la red.
Fuentes
Respuestas (0)
Aún no hay respuestas en este tema.
