截至2025年1月底，浙江省內(nèi)電源總裝機突破1.5億千瓦大關，達1.52億千瓦。其中新能源裝機容量達5908萬千瓦，占比近四成。風電光伏發(fā)電合計裝機達到5596萬千瓦，成為電源裝機增長的主力，并超越煤電成為浙江第一大電源。
伴隨裝機規(guī)模增長，風電光伏發(fā)電等新能源在電力保障上的作用進一步凸顯。數(shù)據(jù)顯示，2025年2月8日，浙江風電光伏發(fā)電最大出力3215萬千瓦，首次超過3000萬千瓦，其中光伏最大出力2864萬千瓦，創(chuàng)歷史新高。
近年來，以創(chuàng)建全國清潔能源示范省為契機，浙江省持續(xù)優(yōu)化能源結(jié)構(gòu)，新能源發(fā)電能力穩(wěn)步增長。2024年，浙江新能源發(fā)電量達717.8億千瓦時，同比增長29.24%。
這個信息不一般。作為工業(yè)大省，能夠做到這一點，非常不容易。
截至2023年12月，全國已有多個省份在風電和光伏發(fā)電方面超越了煤電。具體來說，青海和甘肅是其中的代表省份。
青海省在清潔能源發(fā)電量方面占比接近九成，顯示出其風電和光伏發(fā)電的顯著優(yōu)勢。而甘肅省的新能源發(fā)電量也超過了煤電，進一步證明了這些地區(qū)在可再生能源領域的領先地位。
全國范圍內(nèi)新能源的裝機規(guī)模也在2023年實現(xiàn)了歷史性跨越，突破了2億千瓦。這一成就標志著我國在新能源發(fā)電領域取得了重要進展，為實現(xiàn)綠色低碳發(fā)展目標奠定了堅實基礎。
作為內(nèi)陸省份，湖北人最羨慕浙江的海上風電。
根據(jù)浙江省能源局發(fā)布的《浙江省海上風電發(fā)展規(guī)劃（2021-2035年）》，到2035年海上風電裝機容量達到1000萬千瓦以上。
在具體實施方面，浙江省已經(jīng)啟動了多個海上風電項目。例如，浙能嘉興1號海上風電場是浙江省首個開工建設的海上風電項目，該項目位于杭州灣平湖海域，裝機容量達301.2兆瓦。還積極推進其他海上風電項目的建設，如華能蒼南4號海上風電項目等。
盡管如此，浙江只能是排在第四位。
截至2023年12月，中國海上風電裝機容量持續(xù)領跑全球，具體排名如下：
江蘇?。鹤鳛橹袊Ｉ巷L電的領頭羊，江蘇省的海上風電裝機容量穩(wěn)居全國第一。其豐富的海上風電資源和強大的產(chǎn)業(yè)基礎為這一成就提供了堅實支撐。
廣東省：廣東省在海上風電領域也取得了顯著進展，裝機容量緊隨江蘇省之后，位列全國第二。
福建?。焊＝ㄊ{借其優(yōu)越的海域條件和政策支持，海上風電裝機容量在全國排名中占據(jù)重要位置。
浙江省第四。
山東?。撼浞掷闷溲睾５貐^(qū)的風能資源，大力發(fā)展海上風電。
我們知道，人工智能（AI）的快速發(fā)展對電力需求提出了新的挑戰(zhàn)和要求。AI技術的廣泛應用，尤其是在數(shù)據(jù)中心、機器學習訓練和推理任務中，消耗了大量電力。
1. 高計算能力需求
AI模型（如深度學習）的訓練和推理需要大量的計算資源，尤其是GPU、TPU等高性能硬件。高性能計算設備通常功耗極高，單個GPU的功耗可達數(shù)百瓦，而大型AI訓練集群的功耗可能達到兆瓦級別。訓練一個大型語言模型（如GPT-3）可能消耗數(shù)十萬度電，相當于數(shù)百個家庭一年的用電量。
2. 數(shù)據(jù)中心電力消耗
AI依賴于大規(guī)模的數(shù)據(jù)中心來存儲和處理數(shù)據(jù)。數(shù)據(jù)中心需要持續(xù)供電以支持服務器、冷卻系統(tǒng)和網(wǎng)絡設備。全球數(shù)據(jù)中心的電力消耗約占全球總用電量的1-2%，而AI相關計算正在成為數(shù)據(jù)中心電力消耗的主要驅(qū)動力。
3. 持續(xù)性和穩(wěn)定性
AI任務（如云計算、實時推理）需要不間斷的電力供應。電力供應的穩(wěn)定性至關重要，任何中斷都可能導致服務中斷或數(shù)據(jù)丟失。需要配備備用電源（如UPS）和可再生能源儲能系統(tǒng)。
4. 能效優(yōu)化
隨著AI規(guī)模的擴大，電力消耗的快速增長引發(fā)了能效問題。需要更高效的硬件（如低功耗芯片）和算法優(yōu)化，以減少單位計算任務的能耗。業(yè)界正在開發(fā)專門針對AI的能效優(yōu)化技術，如稀疏計算、量化訓練和低精度計算。
5. 綠色電力需求
AI的高能耗引發(fā)了環(huán)境擔憂，尤其是碳排放問題。越來越多的企業(yè)和研究機構(gòu)要求使用可再生能源（如風電、光伏）為AI計算供電。谷歌、微軟等科技巨頭承諾使用100%可再生能源為其數(shù)據(jù)中心供電。
6. 分布式計算和邊緣計算
為了減少數(shù)據(jù)傳輸和集中化計算的能耗，邊緣計算和分布式AI正在興起。邊緣設備（如智能手機、物聯(lián)網(wǎng)設備）需要低功耗設計，以延長電池壽命并減少整體電力消耗。
7. 未來挑戰(zhàn)
隨著AI模型規(guī)模（如大語言模型、多模態(tài)模型）的不斷擴大，電力需求將持續(xù)增長。現(xiàn)有的電網(wǎng)和能源基礎設施可能難以滿足AI的快速增長需求，需要升級和改造。政府和行業(yè)需要制定政策，推動AI與可再生能源的結(jié)合，并鼓勵能效優(yōu)化。
