隨著能源轉型和碳中和目標的推進，屋頂光伏作為分布式光伏的重要補充發(fā)展迅速。由于屋頂光伏存在統(tǒng)計困難、開發(fā)潛力難以評估等問題，精準評估屋頂光伏潛力有助于地方政府制定科學的發(fā)展目標和規(guī)劃，優(yōu)化資源配置，避免資源浪費，從而有效促進地區(qū)能源結構優(yōu)化和綠色發(fā)展。衛(wèi)星遙感技術作為觀察地球的“第三只眼”，是精準識別屋頂和光伏的關鍵。
青島能源所泛能源大數據與戰(zhàn)略研究中心提出了識別衛(wèi)星遙感圖像的集成多注意力機制網絡MANet。MANet是一個基于編碼器-解碼器結構的語義分割網絡，融合了空間自注意力模塊（SSAM）和通道注意力模塊（CARM）。其中SSAM用于提取全局上下文信息，幫助模型更全面地理解目標對象及其周圍環(huán)境，而CARM側重自適應地學習通道權重進行特征校準，突出重要信息并抑制冗余信息，提高分割精度。相較同類模型，MANet對屋頂和光伏分割的精度指標分別提升了1.93%和0.9%，達到了最佳的預測能力。
利用MANet的優(yōu)異性能，研究團隊巧妙地設計了雙分支架構，實現(xiàn)了對光伏和屋頂的同步識別，通過差分可精準得到未部署光伏的屋頂面積。該技術在杭州某鎮(zhèn)的屋頂光伏裝機容量潛力評估中得到了檢驗，為該地區(qū)政府制定新能源的規(guī)劃提供了重要參考，展現(xiàn)了人工智能在新能源監(jiān)測和預測方面重要的應用價值。
聯(lián)系地址：陜西省西安市北關正街35號方興大廈8樓
