論文の概要: Estimating Residential Solar Potential Using Aerial Data
- arxiv url: http://arxiv.org/abs/2306.13564v1
- Date: Fri, 23 Jun 2023 15:37:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 12:17:52.723868
- Title: Estimating Residential Solar Potential Using Aerial Data
- Title(参考訳): 航空データを用いた住宅用太陽電位の推定
- Authors: Ross Goroshin, Alex Wilson, Andrew Lamb, Betty Peng, Brandon Ewonus,
Cornelius Ratsch, Jordan Raisher, Marisa Leung, Max Burq, Thomas Colthurst,
William Rucklidge, Carl Elkin
- Abstract要約: プロジェクトは高品質の航空データを用いて住宅のソーラーポテンシャルを推定する。
プロジェクトのカバレッジは、高解像度のデジタルサーフェスマップ(DSM)データの欠如によって制限される。
本稿では,このギャップを埋める深層学習手法を提案する。
- 参考スコア(独自算出の注目度): 0.4811810722979911
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Project Sunroof estimates the solar potential of residential buildings using
high quality aerial data. That is, it estimates the potential solar energy (and
associated financial savings) that can be captured by buildings if solar panels
were to be installed on their roofs. Unfortunately its coverage is limited by
the lack of high resolution digital surface map (DSM) data. We present a deep
learning approach that bridges this gap by enhancing widely available
low-resolution data, thereby dramatically increasing the coverage of Sunroof.
We also present some ongoing efforts to potentially improve accuracy even
further by replacing certain algorithmic components of the Sunroof processing
pipeline with deep learning.
- Abstract(参考訳): project sunroofは高品質の航空データを用いて住宅の太陽ポテンシャルを推定している。
つまり、ソーラーパネルを屋根に設置すれば、建物によって取得できる太陽エネルギー(およびそれに伴う財政的節約)の可能性を見積もっている。
残念ながら、そのカバレッジは高解像度のデジタルサーフェスマップ(DSM)データがないために制限されている。
我々は,広範に利用可能な低解像度データを拡張し,sunroofのカバー範囲を劇的に増加させることで,このギャップを埋めるディープラーニングアプローチを提案する。
また、Sunroof処理パイプラインのアルゴリズムコンポーネントを深層学習に置き換えることで、精度をさらに向上する取り組みも進行中である。
関連論文リスト
- 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) - Vision Transformers, a new approach for high-resolution and large-scale
mapping of canopy heights [50.52704854147297]
分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。
このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
論文 参考訳(メタデータ) (2023-04-22T22:39:03Z) - 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) - Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。
本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
論文 参考訳(メタデータ) (2023-01-04T05:19:33Z) - Open-Source Ground-based Sky Image Datasets for Very Short-term Solar
Forecasting, Cloud Analysis and Modeling: A Comprehensive Survey [0.0]
ディープラーニングは、太陽光発電の不確実性を減らすための有望なアプローチであると認識されている。
最大の課題の1つは、巨大で多彩なスカイイメージのサンプルがないことである。
本研究では,短期日射予測のためのオープンソース地上画像データセットの総合的な調査を行う。
論文 参考訳(メタデータ) (2022-11-27T03:35:58Z) - SKIPP'D: a SKy Images and Photovoltaic Power Generation Dataset for
Short-term Solar Forecasting [0.0]
画像ベースのソーラー予測のための標準化されたベンチマークデータセットは、ほとんど公開されていない。
SKIPP'D - SKy Images と Photovoltaic Power Generation データセットを紹介する。
データセットには、品質制御されたダウンサンプルスカイイメージと、ディープラーニングを用いた短期太陽予報のためのPV発電データが含まれている。
論文 参考訳(メタデータ) (2022-07-02T21:52:50Z) - Embedding Earth: Self-supervised contrastive pre-training for dense land
cover classification [61.44538721707377]
本研究では,衛星画像の高可用性を活用するための自己監督型コントラスト事前学習法として,エンベディングアースを提案する。
提案手法による事前学習では, 25%の絶対mIoUが得られた。
学習した特徴は、異なる領域間で一般化され、提案した事前学習スキームの可能性を開放する。
論文 参考訳(メタデータ) (2022-03-11T16:14:14Z) - A Moment in the Sun: Solar Nowcasting from Multispectral Satellite Data
using Self-Supervised Learning [4.844946519309793]
我々は、自己教師付き学習を用いた多スペクトル衛星データから、太陽流の一般的なモデルを構築した。
我々のモデルは、衛星観測に基づいて、位置の将来の太陽放射を推定する。
提案手法は,25の太陽観測地点にまたがる異なる範囲で評価し,地平線を予測できる。
論文 参考訳(メタデータ) (2021-12-28T03:13:44Z) - Predicting the Solar Potential of Rooftops using Image Segmentation and
Structured Data [0.0]
屋上太陽光発電システムで発電できる電力量を推定することは、時間を要するプロセスである。
屋上における太陽のポテンシャルを,その位置と建築的特性に基づいて推定する手法を提案する。
論文 参考訳(メタデータ) (2021-05-28T15:49:13Z) - Roofpedia: Automatic mapping of green and solar roofs for an open
roofscape registry and evaluation of urban sustainability [0.0]
ルーフペディアは、衛星画像から関連する都市屋根の分類を自動でマッピングする(i)、(ii)17都市にまたがる100万以上の建物における太陽と緑の屋根の空間分布と面積をマッピングするオープン・ルーフレジストリ、(iii)太陽と緑の屋根の浸透の観点から持続可能な屋根景観の程度で都市をベンチマークするルーフペディア指数(Roofpedia Index)の3つのコントリビューションからなる。
論文 参考訳(メタデータ) (2020-12-22T13:34:50Z)
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。