基于人工智能的屋顶光伏资源评估方法及其应用

在我国加速推进整县分布式屋顶光伏的大背景下,为直观、可靠地初步评估建筑屋顶可利用的光伏资源,提出一种基于深度学习的屋顶光伏资源评估方法,将图像分割技术与光伏仿真部分结合并应用。先根据双卷积神经网络模型Double U-Net识别建筑屋顶的外轮廓,实现建筑物屋顶的高精度自动提取,进行屋顶边缘的检测及屋顶面积的计算,判断该屋顶光伏组件的数量,使用KLEIN-THEILACKER模型计算出在该屋顶光伏组件最佳倾角和其倾斜面辐照量,最终估算屋顶面积的光伏最佳发电量。提出的DoubleU-Net模型训练准确度可达95.83%,同时该方法可估算所选屋顶的月、年总辐照量及总发电量。最后,以河海大学常州校区为案例,通过与Solargis网站数据对比,验证了所提出方法具备较高的可靠性和适用性。