通过机器学习和深度学习模型对全球太阳能潜力进行预测

为何阳光与智能计算至关重要

随着全球变暖和极端天气愈发常见，社会正加紧寻找更清洁的方式为家庭、交通和工业供电。太阳能电池板是最有前景的选项之一：它们成本越来越低、效率不断提高，且只要有阳光几乎可以在任何地方部署。本研究提出了一个简单但至关重要的问题：如果我们利用现代数据工具洞察未来，到本世纪中叶太阳能能够达到多大规模？这将对整体能源结构意味着什么？

借助过去窥见未来

研究人员收集了2000年至2022年的详细全球数据，包括世界用电量、来自太阳能的发电量，以及驱动太阳能发电的基本气象要素：日照、气温和风速。在此期间，全球太阳能装机容量从2000年的仅1.23吉瓦激增到2022年的超过1000吉瓦，年发电量也从约1太瓦时跃升到1,300多太瓦时。这些数字反映了更便宜的组件、更好的技术以及中国、印度、美国和欧洲等国的强力政策支持。研究团队以这些历史模式为基础，展开对2050年的预测。

两种智能的太阳能预测方法

为预测未来，作者使用了两类擅长时间序列数据的计算模型。一种称为SARIMAX，属于统计学家的传统工具箱；它寻找重复模式和趋势，同时也能考虑温度或风速等影响太阳能产出的外生因素。另一种为时序卷积网络（temporal convolutional network），属于深度学习方法，能够一次性审视较长的数据序列并发现更复杂的非线性关系。两种模型都在相同的全球数据集上训练和测试，并用标准的误差与拟合优度指标评估其准确性。在这些测试中，SARIMAX略微优于深度学习模型，整体上给出更精确的预测。

太阳能可能达到的规模

利用这些工具，研究人员预测全球太阳能发电将持续快速增长。根据SARIMAX的结果，装机容量可能从2023年的约1,300吉瓦上升到2050年的超过11,600吉瓦。深度学习模型给出的上限非常相近，略高于11,500吉瓦。太阳能发电量也呈现同样的显著增长：两种模型显示，从2023年的不足2,000太瓦时增长到2050年的大约15,000–16,000太瓦时。换言之，如果现有趋势持续且政策总体保持支持，到本世纪中叶全球太阳能发电可能达到今天的十倍以上。

全球能源结构的变化

研究还考察了这一太阳能激增如何融入更广泛的能源构成——化石燃料、核能与所有可再生能源的总体格局。历史上，化石燃料占主导地位，可再生能源和核能占比较小。模型表明，到2050年，在太阳能带动下，可再生电力相比2023年将增长三倍以上，达到每年约26,000到31,000太瓦时左右。核电大体保持稳定或略有下降，而化石燃料来源的发电仍有增长，尤其在SARIMAX情景中，尽管增速低于可再生能源。这意味着即便清洁能源显著扩展，要实现严格的气候目标仍需采取有力措施遏制煤、油与天然气的使用。

对日常生活的意义

对非专业读者而言，预测工具的技术细节不如其传递的信息重要：太阳能有足够潜力为大部分人类活动提供动力，其角色将显著扩大。研究发现，经过精心调优并以高质量数据为输入的传统统计方法，在长期能源预测方面可以匹敌甚至优于更为时髦的深度学习技术。更重要的是，两种方法都指向同一方向——一个以太阳能为核心的世界电力体系。如果各国政府将这种增长与限制化石燃料使用、支持能量储存、电动交通和碳去除的政策相结合，一个更清洁、更稳定的气候仍然可实现。

引用: Raza, M.A., Karim, A., Altayeb, M. et al. Global solar energy potential forecasting through machine learning and deep learning models. Sci Rep 16, 10466 (2026). https://doi.org/10.1038/s41598-026-41357-x

关键词: 太阳能, 可再生能源, 能源转型, 气候变化, 机器学习