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）は急速に普及しており、エネルギー危機を緩和する鍵となっています。しかし、太陽光発電の設備容量の半分を占める分散型太陽光発電は、通常、送電系統運用者（TSO）が利用できないため、負荷と供給のバランスをとり、系統渋滞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発電を評価するために、TSOは分散型PV設備のメタデータに関する正確な知識を必要としています。近年、分散型太陽光発電設備のマッピングを行うために、リモートセンシングに基づく多くのアプローチが提案されています。しかし、これらの手法を産業プロセスで利用するためには、マッピング領域、すなわち展開時にモデルがカバーする領域における精度の評価が必要である。我々は、一般に公開されているデータソースとモデルの出力を用いて自動的に計算され、オペレータが解釈可能な方法で表現されたマッピング領域上の精度をDTA（Downstream Task Accuracy）と定義する。我々は、分散型PVマッピングのための既存のモデルをベンチマークし、DTAの観点で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、マッピング領域での精度を約30%ポイント過大評価することを示す。我々のアプローチは、遠隔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をより安全に統合するための道を開くものである。コードは https://github.com/gabrielkasmi/dsfrance で公開されています。

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, DeepL