Um grupo de cientistas da Alemanha criou um novo método baseado em aprendizado profundo para o potencial de telhados fotovoltaicos em escala de cidade com base em imagens aéreas. A novidade da técnica proposta consiste em sua capacidade de considerar superestruturas em telhados.
“Essas partes da área do telhado podem estar indisponíveis para instalação do sistema solar devido a obstruções como janelas ou chaminés. A superestimação do potencial solar do telhado pode ser amplamente aliviada se considerarmos as superestruturas do telhado”, Qingyu Li, pesquisador da Universidade Técnica de Munique e o autor correspondente do projeto, disse à pv magazine.
“Criamos uma rede inovadora de aprendizado multitarefa capaz de aprender mapas de orientação do telhado e mapas de superestrutura do telhado simultaneamente. Especificamente, as máscaras de segmentação de telhado são inicialmente aprendidas e alocadas em recursos contextuais e multiescala para aprendizado adicional de orientações e superestruturas de telhado”, acrescentou. “Ao fazer isso, não apenas as informações do telhado do edifício podem ser aprimoradas, mas também a desordem de fundo, como carros e estradas, podem ser suprimidos.”
A estrutura é baseada em uma rede neural convolucional (CNN), uma classe de algoritmos de aprendizado profundo. Dando o nome ao framework Rede Solar+, ele usa CNN para aprender a orientação do telhado e os mapas da superestrutura. Primeiro extrai classes individuais de segmentos de cobertura e classifica-os de acordo com a sua orientação e, em seguida, exclui a área das superestruturas, determinada utilizando mapas de superestrutura de cobertura previstos. Em seguida, usando o banco de dados de radiação solar, a produção fotovoltaica prevista pode ser calculada a partir do nível do painel para a escala da cidade.
O sistema foi treinado, validado e testado pela primeira vez no conjunto de dados de informações do telhado (RID), que compreende 1.880 edifícios na pequena cidade alemã de Wartenberg. Foi dividido em conjuntos de treinamento, validação e teste com uma proporção de 7:1:2. O RID é o único banco de dados disponível com superestruturas anotadas, portanto, foi possível comparar a estrutura com seus dados reais.
“Para uma avaliação abrangente dos resultados das orientações e superestruturas do telhado, o SolarNet+ é comparado com vários métodos de última geração”, disseram os pesquisadores. “Especificamente, no que diz respeito às orientações do telhado, são feitas comparações com cinco redes: DeepLab V3+, FC-DenseNet, Efficient-UNet, U-Net e SolarNet. Para a superestrutura do telhado, realizamos comparações com quatro redes de segmentação semântica, DeepLab V3+, FC-DenseNet, Efficient-UNet e U-Net.”
A análise mostrou que a SolarNet+ supera outros concorrentes em termos de precisão de previsão de orientações e superestruturas de telhados. Usando interseção sobre união (IoU) para medir a precisão, a nova estrutura superou o restante em sete das nove classes de superestrutura e quatro das seis classes de orientação do telhado.
Após o teste em Wartenberg, os pesquisadores verificaram a transferibilidade do sistema para outras áreas e o deixaram rodar em um conjunto de dados de 216 edifícios da área urbana de Munique, a partir do qual coletaram dados manualmente para compressão.
“As métricas de IoU da superestrutura do telhado e da previsão da orientação do telhado são de 20,80% e 23,86%, respectivamente”, disseram eles. “Claro, ainda há um grande espaço a ser melhorado. No entanto, considerando que os telhados são muito diferentes entre Wartenberg e Munique, os resultados alcançados já são impressionantes.”
Li acrescentou que, em pesquisas futuras, o grupo tentará melhorar a transferibilidade coletando mais amostras de treinamento de uma ampla gama de cidades e implementando técnicas de adaptação e generalização de domínio para resolver o problema de mudança de domínio entre diferentes cidades.
Finalmente, o grupo integrou o sistema com vários tipos de zona climática local (LCZ) e o testou em Bruxelas, na Bélgica. “Os resultados de Bruxelas revelam que três tipos urbanos específicos de LCZ exibem a maior eficiência potencial solar em telhados: arranha-céus compactos, arranha-céus compactos e indústria pesada. O potencial fotovoltaico anual para esses tipos de LCZ é relatado como 10,56 GWh∕ano∕km2, 11,77 GWh∕ano∕km2 e 10,70 GWh∕ano∕km2, respectivamente”, disseram eles.
O enquadramento foi apresentado em “Deep learning-based framework for city-scale rooftop solar potential estimation by considering roof superstructures”, publicado emEnergia Aplicada. Cientistas da Universidade Técnica de Munique e do Centro de Aprendizado de Máquina de Munique participaram da pesquisa.
Este conteúdo é protegido por direitos autorais e não pode ser reutilizado. Se você deseja cooperar conosco e gostaria de reutilizar parte de nosso conteúdo, por favor entre em contato com: editors@pv-magazine.com.
Ao enviar este formulário, você concorda com a pv magazine usar seus dados para o propósito de publicar seu comentário.
Seus dados pessoais serão apenas exibidos ou transmitidos para terceiros com o propósito de filtrar spam, ou se for necessário para manutenção técnica do website. Qualquer outra transferência a terceiros não acontecerá, a menos que seja justificado com base em regulamentações aplicáveis de proteção de dados ou se a pv magazine for legalmente obrigada a fazê-lo.
Você pode revogar esse consentimento a qualquer momento com efeito para o futuro, em cujo caso seus dados serão apagados imediatamente. Ainda, seus dados podem ser apagados se a pv magazine processou seu pedido ou se o propósito de guardar seus dados for cumprido.
Mais informações em privacidade de dados podem ser encontradas em nossa Política de Proteção de Dados.