論文の概要: DeepSolar tracker: towards unsupervised assessment with open-source data
of the accuracy of deep learning-based distributed PV mapping
- arxiv url: http://arxiv.org/abs/2207.07466v1
- Date: Fri, 15 Jul 2022 13:23:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-18 18:06:28.528847
- Title: DeepSolar tracker: towards unsupervised assessment with open-source data
of the accuracy of deep learning-based distributed PV mapping
- Title（参考訳）: DeepSolar Tracker:ディープラーニングに基づく分散PVマッピングの精度のオープンソースデータによる教師なし評価に向けて
- Authors: Gabriel Kasmi, Laurent Dubus, Philippe Blanc, Yves-Marie Saint-Drenan
- Abstract要約: 既存の作業に基づいて、自動PVレジストリパイプラインを提案します。
このパイプラインは、すべての分散PVインストールの位置、エリア、インストール容量、傾き角を記録するデータセットを自動的に生成する。
本稿では,RNI(Registre national d'installation)に基づく非監督的手法を提案する。
当社のモデルは,50万平方キロメートル以上をカバーしているフランス9カ所のディパートメントにデプロイしています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Photovoltaic (PV) energy is key to mitigating the current energy crisis.
However, distributed PV generation, which amounts to half of the PV energy
generation, makes it increasingly difficult for transmission system operators
(TSOs) to balance the load and supply and avoid grid congestions. Indeed, in
the absence of measurements, estimating the distributed PV generation is tough.
In recent years, many remote sensing-based approaches have been proposed to map
distributed PV installations. However, to be applicable in industrial settings,
one needs to assess the accuracy of the mapping over the whole deployment area.
We build on existing work to propose an automated PV registry pipeline. This
pipeline automatically generates a dataset recording all distributed PV
installations' location, area, installed capacity, and tilt angle. It only
requires aerial orthoimagery and topological data, both of which are freely
accessible online. In order to assess the accuracy of the registry, we propose
an unsupervised method based on the {\it Registre national d'installation}
(RNI), that centralizes all individual PV systems aggregated at communal level,
enabling practitioners to assess the accuracy of the registry and eventually
remove outliers. We deploy our model on 9 French {\it d\'epartements} covering
more than 50 000 square kilometers, providing the largest mapping of
distributed PV panels with this level of detail to date. We then demonstrate
how practitioners can use our unsupervised accuracy assessment method to assess
the accuracy of the outputs. In particular, we show how it can easily identify
outliers in the detections. Overall, our approach paves the way for a safer
integration of deep learning-based pipelines for remote PV mapping. Code is
available at {\tt https://github.com/gabrielkasmi/dsfrance}.
- Abstract（参考訳）: 太陽光発電(PV)エネルギーは、現在のエネルギー危機を緩和する鍵となる。
しかし、PV発電の半分を占める分散PV発電は、送電系統のオペレーター(TSO)が負荷と供給のバランスをとるのが難しくなり、グリッドの混雑を避けることが難しくなる。
実際、測定がない場合、分散PV生成を推定するのは困難である。
近年、分散pvインストールをマップするリモートセンシングベースの手法が数多く提案されている。
しかし、産業環境に適用するには、配置領域全体にわたるマッピングの精度を評価する必要がある。
既存の作業に基づいて、自動PVレジストリパイプラインを提案します。
このパイプラインは、すべての分散PVインストールの位置、エリア、インストール容量、傾き角を記録するデータセットを自動的に生成する。
航空画像とトポロジカルデータしか必要とせず、どちらもオンラインで自由にアクセスできる。
レジストリの精度を評価するために,共同レベルで集約された個々のPVシステムをすべて集中化して,実践者がレジストリの精度を評価し,最終的にはアウトラヤを除去する,RNI( {\it Registre national d'installation)に基づく教師なしの手法を提案する。
私たちはモデルを5万平方キロメートル以上をカバーする9つのフランス語のd\'epartementsに展開し、このレベルの詳細を持つ分散pvパネルの最大のマッピングを提供します。
次に,教師なしの精度評価手法を用いて,アウトプットの精度を評価する方法を示す。
特に,検出における異常値の識別が容易であることを示す。
全体として、当社のアプローチは、リモート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のより安全な統合の道を開くものです。
コードは {\tt https://github.com/gabrielkasmi/dsfrance}で入手できる。
関連論文リスト
- VQ-Map: Bird's-Eye-View Map Layout Estimation in Tokenized Discrete Space via Vector Quantization [108.68014173017583]
Bird's-eye-view (BEV) マップのレイアウト推定には、エゴ車の周囲の環境要素のセマンティクスを正確に完全に理解する必要がある。
本稿では,Vector Quantized-Variational AutoEncoder (VQ-VAE) に似た生成モデルを用いて,トークン化された離散空間における高レベルのBEVセマンティクスの事前知識を取得することを提案する。
得られたBEVトークンには,異なるBEV要素のセマンティクスを包含したコードブックが組み込まれているため,スパースバックボーン画像特徴と得られたBEVトークンとを直接一致させることができる。
論文 参考訳（メタデータ） (2024-11-03T16:09:47Z) - Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - Space-scale Exploration of the Poor Reliability of Deep Learning Models: the Case of the Remote Sensing of Rooftop Photovoltaic Systems [0.7499722271664147]
ディープラーニングを用いた屋上PVシステムのリモートセンシングが有望なソリューションとして浮上した。
既存の技術は、屋上PVの最新の統計を構築するのに十分な信頼性を持っていない。
本研究では,屋上PVパネルの検出を訓練したディープラーニングモデルの分類精度に及ぼす分布シフトの影響を網羅的に評価する。
論文 参考訳（メタデータ） (2024-07-31T14:34:18Z) - SolNet: Open-source deep learning models for photovoltaic power forecasting across the globe [0.0]
SolNetは、新しい汎用多変量太陽発電予測器である。
我々はSolNetがデータスカース設定よりも予測性能を向上させることを示す。
転校学習実践者に対するガイドラインと考察を行う。
論文 参考訳（メタデータ） (2024-05-23T12:00:35Z) - Can We Reliably Improve the Robustness to Image Acquisition of Remote
Sensing of PV Systems? [0.8192907805418583]
屋上PV設置のリモートセンシングは、屋根上PV設置車両の地域規模での進化を監視する最良の選択肢である。
我々は、宇宙スケール領域におけるモデルの予測を分解するウェーブレットスケール属性法(WCAM)を利用する。
WCAMにより、PVモデルのどのスケールが残留しているかを評価することができ、取得条件に対するロバスト性を改善する手法を導出するための洞察を提供する。
論文 参考訳（メタデータ） (2023-09-21T16:15:56Z) - A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。
モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。
本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
論文 参考訳（メタデータ） (2023-03-02T21:48:22Z) - Efficient anomaly detection method for rooftop PV systems using big data
and permutation entropy [0.0]
本稿では,ビッグデータを用いた多数の屋上PVシステムに対する新しい異常検出手法と,重み付き置換エントロピー(WPE)と呼ばれる時系列複雑度測定手法を提案する。
この効率的な方法は、特定の領域における履歴PV生成データのみを使用して異常なPVシステムを特定し、新しいセンサやスマートデバイスを必要としない。
提案したPV異常検出法は,100世帯以上の豪州世帯の屋上PV発生データを用いて検証した。
論文 参考訳（メタデータ） (2023-01-15T08:01:45Z) - AutoPV: Automated photovoltaic forecasts with limited information using
an ensemble of pre-trained models [0.20999222360659608]
本稿では,日頭PV発電予測のための新しい手法であるAutoPVを提案する。
AutoPVは、異なるPV配置を表す予測モデルの重み付けアンサンブルである。
11のPVプラントを持つ現実世界のデータセットでは、AutoPVの精度は2年間のデータに基づいてトレーニングされたモデルに匹敵し、漸進的に訓練されたモデルよりも優れています。
論文 参考訳（メタデータ） (2022-12-13T18:29:03Z) - QuTE: decentralized multiple testing on sensor networks with false
discovery rate control [130.7122910646076]
本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。
異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。
各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
論文 参考訳（メタデータ） (2022-10-09T19:48:39Z) - OmniSLAM: Omnidirectional Localization and Dense Mapping for
Wide-baseline Multi-camera Systems [88.41004332322788]
超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。
より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。
我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
論文 参考訳（メタデータ） (2020-03-18T05:52:10Z) - Key Points Estimation and Point Instance Segmentation Approach for Lane
Detection [65.37887088194022]
本稿では,PINet (Point Instance Network) と呼ばれるトラヒックライン検出手法を提案する。
PINetには、同時にトレーニングされる複数のスタックされた時間ガラスネットワークが含まれている。
PINetはTuSimpleとCulaneのデータセットで競合精度と偽陽性を達成する。
論文 参考訳（メタデータ） (2020-02-16T15:51:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。