DeepSolar tracker: towards unsupervised assessment with open-source data of the accuracy of deep learning-based distributed PV mapping

要約

太陽光発電（PV）エネルギーは、現在のエネルギー危機を緩和するための鍵です。
ただし、PVエネルギー生成の半分に相当する分散PV生成により、送電システム事業者（TSO）が負荷と供給のバランスを取り、グリッドの混雑を回避することがますます困難になっています。
実際、測定値がない場合、分散PV生成の推定は困難です。
近年、分散型太陽光発電設備をマッピングするために、多くのリモートセンシングベースのアプローチが提案されています。
ただし、産業環境に適用するには、展開領域全体にわたるマッピングの精度を評価する必要があります。
自動化されたPVレジストリパイプラインを提案するために、既存の作業に基づいています。
このパイプラインは、すべての分散型PV設備の場所、面積、設備容量、および傾斜角度を記録するデータセットを自動的に生成します。
必要なのは空中オルソ画像とトポロジーデータのみで、どちらもオンラインで自由にアクセスできます。
レジストリの精度を評価するために、{\ it Registre National d’installation}（RNI）に基づく教師なし手法を提案します。これは、共同レベルで集約されたすべての個々のPVシステムを一元化し、開業医が
レジストリを作成し、最終的に外れ値を削除します。
モデルを50000平方キロメートル以上をカバーする9つのフランスの{\itd \’epartements}に展開し、これまでにこのレベルの詳細を備えた分散型PVパネルの最大のマッピングを提供します。
次に、実践者が教師なし精度評価方法を使用して出力の精度を評価する方法を示します。
特に、検出で外れ値を簡単に識別できる方法を示します。
全体として、私たちのアプローチは、リモートPVマッピングのためのディープラーニングベースのパイプラインのより安全な統合への道を開きます。
コードは{\tthttps://github.com/gabrielkasmi/dsfrance}で入手できます。

要約(オリジナル)

Photovoltaic (PV) energy is key to mitigating the current energy crisis. However, distributed PV generation, which amounts to half of the PV energy generation, makes it increasingly difficult for transmission system operators (TSOs) to balance the load and supply and avoid grid congestions. Indeed, in the absence of measurements, estimating the distributed PV generation is tough. In recent years, many remote sensing-based approaches have been proposed to map distributed PV installations. However, to be applicable in industrial settings, one needs to assess the accuracy of the mapping over the whole deployment area. We build on existing work to propose an automated PV registry pipeline. This pipeline automatically generates a dataset recording all distributed PV installations’ location, area, installed capacity, and tilt angle. It only requires aerial orthoimagery and topological data, both of which are freely accessible online. In order to assess the accuracy of the registry, we propose an unsupervised method based on the {\it Registre national d’installation} (RNI), that centralizes all individual PV systems aggregated at communal level, enabling practitioners to assess the accuracy of the registry and eventually remove outliers. We deploy our model on 9 French {\it d\’epartements} covering more than 50 000 square kilometers, providing the largest mapping of distributed PV panels with this level of detail to date. We then demonstrate how practitioners can use our unsupervised accuracy assessment method to assess the accuracy of the outputs. In particular, we show how it can easily identify outliers in the detections. Overall, our approach paves the way for a safer integration of deep learning-based pipelines for remote PV mapping. Code is available at {\tt https://github.com/gabrielkasmi/dsfrance}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google