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) エネルギーは急速に成長しており、エネルギー危機を緩和する鍵となっています。
しかし、PV 設置容量の半分に相当する分散型 PV 発電は、通常、送電システム オペレーター (TSO) が利用できないため、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。
分散型 PV 生成を評価するには、TSO は分散型 PV 設備のメタデータに関する正確な知識が必要です。
近年、これらの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、産業プロセスでこれらの方法を使用するには、マッピング領域、つまり展開中にモデルがカバーする領域での精度を評価する必要があります。
ダウンストリーム タスクの精度 (DTA) は、マッピング エリア全体の精度として定義され、公開されているデータ ソースとモデルの出力を使用して自動的に計算され、オペレーターが解釈できる方法で表現されます。
分散 PV マッピングの既存のモデルをベンチマークし、DTA の観点からそれらがどのように機能するかを示します。
テスト セットで計算された精度は、マッピング エリアの精度よりも約 30% 過大評価されていることがわかります。
私たちのアプローチは、リモート PV マッピングのための深層学習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 https://github.com/gabrielkasmi/dsfrance で入手できます。

要約(オリジナル)

Photovoltaic (PV) energy is rapidly growing and key to mitigating the energy crisis. However, distributed PV generation, which amounts to half of the PV installed capacity, is typically unavailable to transmission system operators (TSOs), making it increasingly difficult to balance the load and supply and avoid grid congestions. To assess distributed PV generation, TSOs need precise knowledge regarding the metadata of distributed PV installations. Many remote sensing-based approaches have been proposed to map these installations in recent years. However, to use these methods in industrial processes, assessing their accuracy over the mapping area, i.e., the area covered by the model during deployment, is necessary. We define the downstream task accuracy (DTA) as the accuracy over the mapping area, automatically computed using publicly available data sources and the model’s outputs and expressed in an interpretable way for operators. We benchmark existing models for distributed PV mapping and show how they perform in terms of DTA. We show that the accuracy computed on the test set overestimates by about 30 percentage points the accuracy on the mapping area. Our approach paves the way for safer integration of deep-learning-based pipelines for remote PV mapping. Code is available at https://github.com/gabrielkasmi/dsfrance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google