2026年6月4日上海SNEC国际光伏展-会议系列盖锡笔记（面向循环利用的光伏：技术类型及其空间存量智能识别）

温宗国

清华大学环境学院教授、博士生导师

清华大学环境学院循环经济产业研究中心主任

在SNEC“第十届新材料在新能源领域的应用国际高峰论坛”上，温宗国发表了关于面向循环利用的光伏技术类型与空间存量智能识别的演讲。他指出，从1996年到2024年，全球光伏装机增长了约1万多倍，但时空格局极不均衡：早期以德美日为主，后来扩展到德国、意大利、法国，当前以中国、印度、越南为主导。这种不均衡意味着退役也将呈现显著的时空差异。早期安装的国家已陆续开始退役。根据正常退役、早期退役、30年、50年四种时间轴的预测，中国、日本、印度、美国等未来退役量巨大，区域和规模差异明显。

当前光伏退役面临两个核心问题：组件类型不清（早年统计不全，许多企业已破产）和空间位置不清（缺乏细粒度数据）。传统宏观数据无法定位到具体组件。温宗国团队结合人工智能和遥感技术（卫星、无人机），实现大尺度、高效率、低成本、高精度的光伏清查，可识别类型、面积，并持续动态监测。

在技术类型识别方面，利用美国集中式光伏数据作为训练样本，构建多元遥感数据集（哨兵2号多光谱、温度、雷达、地磁场等）。每片光伏组件提取378维特征，通过AI算法（优选H2O Stack模型）判别类型。关键特征包括夏季B2/B4比值等光谱数据，模型表现稳健。该模型可迁移至全球其他国家，建立全球光伏分类管理台账，为退役预警、回收拆解提供依据。

在空间存量提取方面，针对中国复杂场景（工商业大电站、用户碎片化、建筑纹理、阴影、植被干扰），团队开发了GMDSU网络架构，集成4个核心模块（多尺度捕捉、像素关联、Transformer减少误报、轻量全局注意力），兼顾多尺度目标与背景干扰。跨区域独立测试显示模型表现稳定，在混淆、误检、碎片漏检、相似颜色区分方面均可靠。

主要结果：2024年全国建成期光伏总面积约304平方公里，覆盖2800多个县，识别率98%（县一级）。东部沿海及部分中部地区城市密集，面积大、密度高，退役压力最大，主要集中在5个地方。进一步细分到县，735个县已占全国退役总压力的81%。这些县的空间组织方式分为：山东式“广域多核”（均衡）、宁夏式“核心极核”、河南式“分散混合”、贵州式“落基气”等。不同模式决定回收设施建设策略——区域协同、集中建点、或动态监测与分散收集相结合。