Can We Reliably Improve the Robustness to Image Acquisition of Remote Sensing of PV Systems?

要約

太陽光発電 (PV) エネルギーは、エネルギー システムの脱炭素化にとって重要です。
一元化されたデータが不足しているため、屋上 PV 設置のリモートセンシングは、屋上 PV 設置フリートの進化を地域規模で監視する最良の選択肢です。
しかし、現在の技術は信頼性に欠けており、取得条件の変化に著しく敏感です。
これを克服するために、空間スケール領域でモデルの予測を分解するウェーブレット スケール アトリビューション メソッド (WCAM) を活用します。
WCAM を使用すると、PV モデルの表現がどのスケールに基づいているかを評価でき、取得条件に対する堅牢性を向上させる方法を導き出すための洞察が得られるため、ディープ ラーニング システムへの信頼が高まり、クリーン エネルギーを電力に安全に統合するためのディープ ラーニング システムの使用が促進されます。
システム。

要約(オリジナル)

Photovoltaic (PV) energy is crucial for the decarbonization of energy systems. Due to the lack of centralized data, remote sensing of rooftop PV installations is the best option to monitor the evolution of the rooftop PV installed fleet at a regional scale. However, current techniques lack reliability and are notably sensitive to shifts in the acquisition conditions. To overcome this, we leverage the wavelet scale attribution method (WCAM), which decomposes a model’s prediction in the space-scale domain. The WCAM enables us to assess on which scales the representation of a PV model rests and provides insights to derive methods that improve the robustness to acquisition conditions, thus increasing trust in deep learning systems to encourage their use for the safe integration of clean energy in electric systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google