論文の概要: Spatial Distribution of Solar PV Deployment: An Application of the
Region-Based Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2207.08287v1
- Date: Sun, 17 Jul 2022 21:03:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:55:43.364678
- Title: Spatial Distribution of Solar PV Deployment: An Application of the
Region-Based Convolutional Neural Network
- Title(参考訳): 太陽電池展開の空間分布 : 領域型畳み込みニューラルネットワークの応用
- Authors: Serena Y. Kim, Koushik Ganesan, Crystal Soderman, Raven O'Rourke
- Abstract要約: 2021年現在、コロラド州の屋根面積の2.5%はソーラーパネルで覆われている。
PV-to-roof面積比は、ソーラーPVのスケジュール、賃貸者の割合、多戸建て住宅、冬季の気象リスクに大きく依存している。
ソーラー展開の重要な予測要因を知ることで、ビジネスや政策決定をよりよく知ることができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents a comprehensive analysis of the social and environmental
determinants of solar photovoltaic (PV) deployment rates in Colorado, USA.
Using 652,795 satellite imagery and computer vision frameworks based on a
convolutional neural network, we estimated the proportion of households with
solar PV systems and the roof areas covered by solar panels. At the census
block group level, 7% of Coloradan households have a rooftop PV system, and
2.5% of roof areas in Colorado are covered by solar panels as of 2021. Our
machine learning models predict solar PV deployment based on 43 natural and
social characteristics of neighborhoods. Using four algorithms (Random Forest,
CATBoost, LightGBM, XGBoost), we find that the share of Democratic party votes,
hail risks, strong wind risks, median home value, and solar PV permitting
timelines are the most important predictors of solar PV count per household. In
addition to the size of the houses, PV-to-roof area ratio is highly dependent
on solar PV permitting timelines, proportion of renters and multifamily
housing, and winter weather risks. We also find racial and ethnic disparities
in rooftop solar deployment. The average marginal effects of median household
income on solar deployment are lower in communities with a greater proportion
of African American and Hispanic residents and are higher in communities with a
greater proportion of White and Asian residents. In the ongoing energy
transition, knowing the key predictors of solar deployment can better inform
business and policy decision making for more efficient and equitable grid
infrastructure investment and distributed energy resource management.
- Abstract(参考訳): 本稿では,米国コロラド州における太陽光発電(PV)導入率の社会的および環境決定要因の包括的分析を行う。
畳み込みニューラルネットワークに基づく652,795の衛星画像とコンピュータビジョンの枠組みを用いて、太陽太陽光発電システムとソーラーパネルで覆われた屋根面積の世帯の割合を推定した。
クロラダンの世帯の7%は屋上太陽光発電システムを持っており、コロラド州の屋根面積の2.5%は2021年の時点でソーラーパネルで覆われている。
我々の機械学習モデルは、近隣地域の43の自然・社会的特性に基づいてソーラーPVの展開を予測する。
4つのアルゴリズム (Random Forest, CATBoost, LightGBM, XGBoost) を用いて, 世帯ごとの太陽光発電数予測には, 民主党の票率, 被害リスク, 強風リスク, 中央値, 太陽光発電許可期間の4つが重要となる。
住宅の大きさに加えて、太陽光発電と屋根面積の比率は、日時、賃貸者の割合、多世帯住宅、冬季の気象リスクに大きく依存している。
また、屋上ソーラーの配備では人種や民族の格差も見つかります。
平均的な世帯所得が太陽の展開に与える影響は、アフリカ系アメリカ人とヒスパニック系住民の比率が高い地域社会において低く、白人とアジア系住民の比率が高い地域社会では高い。
進行中のエネルギー移行において、ソーラー展開の鍵となる予測因子を知ることは、より効率的で公平なグリッドインフラ投資と分散エネルギー資源管理のためにビジネスや政策決定により良い情報を与えることができる。
関連論文リスト
- Multimodal Power Outage Prediction for Rapid Disaster Response and Resource Allocation [42.97753005297686]
最も影響を受けやすい 過小評価のコミュニティが インフラの整備を受けています
本稿では,夜間照明(LNT)の重症度,停電,大ハリケーン前後の位置を予測するための新しい視覚的時間的枠組みを提案する。
我々の研究は、将来の太陽光発電(PV)の展開など、エネルギーインフラの強化を緊急に必要とする場合、未表示領域に認識をもたらします。
論文 参考訳(メタデータ) (2024-09-14T21:35:29Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-06-01T19:54:39Z) - Blockchain-enabled Parametric Solar Energy Insurance via Remote Sensing [1.76179873429447]
パラメトリックソーラーエネルギー保険は、太陽エネルギーの不足に対する財政補助金の機会を提供する。
我々は、最先端のゼロ知識証明(zk-SNARK)を利用して、プライバシー保護ブロックチェーンベースのソーラーエネルギー保険プラットフォームを実現する。
論文 参考訳(メタデータ) (2023-05-17T05:41:35Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳(メタデータ) (2023-01-30T14:35:47Z) - Location-aware green energy availability forecasting for multiple time
frames in smart buildings: The case of Estonia [0.5156484100374058]
本研究の目的は、異なる機械学習モデルを用いて、天気と派生した特徴に基づいてPVシステムの出力パワーを予測することである。
目的は、データを調べて出力パワーを正確に予測する最適なモデルを得ることである。
論文 参考訳(メタデータ) (2022-10-04T14:02:43Z) - An Artificial Intelligence Dataset for Solar Energy Locations in India [6.454602468926006]
インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げている。
土地利用プランナーは、PVインフラの最新の正確な地理空間情報にアクセスする必要がある。
インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを構築した。
論文 参考訳(メタデータ) (2022-01-31T23:53:19Z) - SunCast: Solar Irradiance Nowcasting from Geosynchronous Satellite Data [2.285928372124628]
本稿では,太陽フレーミングを次のフレーム予測問題として扱う畳み込み長短期記憶ネットワークモデルを提案する。
当社のモデルは、GPUを使わずに1台のマシン上で、北米全体の太陽光放射を最大3時間60秒で予測できる。
論文 参考訳(メタデータ) (2022-01-17T01:55:26Z) - HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。
我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文 参考訳(メタデータ) (2022-01-06T15:43:13Z) - Optimizing a domestic battery and solar photovoltaic system with deep
reinforcement learning [69.68068088508505]
バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。
本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
論文 参考訳(メタデータ) (2021-09-10T10:59:14Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳(メタデータ) (2020-03-02T20:32:10Z)
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。