論文の概要: AI and Open-data Driven Scalable Solar Power Profiling
- arxiv url: http://arxiv.org/abs/2605.02738v1
- Date: Mon, 04 May 2026 15:37:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.381859
- Title: AI and Open-data Driven Scalable Solar Power Profiling
- Title（参考訳）: AIとオープンデータ駆動のスケーラブルソーラーパワープロファイリング
- Authors: Shiliang Zhang, Sabita Maharjan, Damla Turgut,
- Abstract要約: 本稿では、オープンデータからソーラーパネルを検出し、都市レベルのソーラーパワープロファイルを生成するための、オープンでスケーラブルなフレームワークを提案する。
ファンデーションビジョンAIモデルを利用して、オープンソースの衛星画像からソーラーパネルを検出する。
このフレームワークは、プロプライエタリなイメージ、手動ラベリング、クローズドソースモデルへの依存を減らし、ソーラープランニングと分析のための透明でスケーラブルなアプローチを提供する。
- 参考スコア（独自算出の注目度）: 48.72868465736126
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Solar photovoltaic (PV) deployment is expanding rapidly, yet detailed, up-to-date information on the spatial distribution and capacity of rooftop PV remains limited. This paper presents an open, scalable framework for detecting solar panels from open data and generating city-level solar power profiles. We leverage foundation vision AI models to detect solar panel geometries from open-source satellite imagery. This avoids manual data labeling and case-specific model training while maintaining robustness across heterogeneous imagery. Detected solar panels are converted into georeferenced polygons, yielding spatially explicit and incrementally extensible inventories. By integrating open weather data, we translate panel footprints into regional solar power profiles. The framework reduces dependency on proprietary imagery, manual labeling, and closed-source models, and offers a transparent and scalable approach for solar planning and analysis. We released the data and an API resulted from this work. For any user-specified building location, our API retrieves aerial imagery, detects rooftop solar panels, and returns georeferenced polygons. This empowers researchers and developers to scan user-defined areas to build solar panel maps and associated solar production profiles, thus facilitating advanced analysis like distributed solar production integration, local power flow optimization, energy tariff design, and infrastructure planning.
- Abstract（参考訳）: 太陽光発電(PV)の展開は急速に拡大しているが、屋上PVの空間分布と容量に関する最新の情報はまだ限られている。
本稿では、オープンデータからソーラーパネルを検出し、都市レベルのソーラーパワープロファイルを生成するための、オープンでスケーラブルなフレームワークを提案する。
ファンデーションビジョンAIモデルを用いて、オープンソースの衛星画像からソーラーパネルのジオメトリを検出する。
これにより、不均一な画像間の堅牢性を維持しながら、手動のデータラベリングやケース固有のモデルトレーニングを回避できる。
検出されたソーラーパネルはジオレファレンスされたポリゴンに変換され、空間的に明確で漸進的に拡張可能な在庫を生み出す。
オープン気象データを統合することで、パネルのフットプリントを地域太陽エネルギープロファイルに変換する。
このフレームワークは、プロプライエタリなイメージ、手動ラベリング、クローズドソースモデルへの依存を減らし、ソーラープランニングと分析のための透明でスケーラブルなアプローチを提供する。
この作業で得られたデータとAPIをリリースしました。
ユーザが指定したビルの場所について,このAPIは空中画像を取得し,屋上ソーラーパネルを検出し,ジオレファレンスしたポリゴンを返却する。
これにより、研究者や開発者は、ユーザーが定義した領域をスキャンしてソーラーパネルマップや関連するソーラー生産プロファイルを構築することができ、分散ソーラー生産の統合、ローカル電力フロー最適化、エネルギー関税設計、インフラ計画といった高度な分析を容易にすることができる。
関連論文リスト
- Ultra-short-term solar power forecasting by deep learning and data reconstruction [60.200987006598524]
深層学習に基づく超短周期太陽エネルギー予測とデータ再構成を提案する。
我々は、ターゲット予測期間に対する長期的および短期的依存関係をキャプチャするために、ディープラーニングモデルを用いる。
論文 参考訳（メタデータ） (2025-09-21T14:22:35Z) - Solar Panel Mapping via Oriented Object Detection [0.0]
本研究では、個々のソーラーパネルを検出するためのエンドツーエンドのディープラーニングフレームワークを提案する。
本稿は,米国全土から収集した多種多様な太陽光発電プラントについて評価する。
論文 参考訳（メタデータ） (2025-02-05T20:19:37Z) - FusionSF: Fuse Heterogeneous Modalities in a Vector Quantized Framework
for Robust Solar Power Forecasting [24.57911612111109]
本稿では,過去の電力データ,数値天気予報,衛星画像を統合するための多モード融合フレームワークを提案する。
本フレームワークは,新たに設置した植物に特に有用である,強いゼロショット予測能力を示す。
我々のモデルは頑丈なだけでなく、ゼロショット予測とトレーニングデータに富んだシナリオの両方において精度を高める。
論文 参考訳（メタデータ） (2024-02-08T17:03:10Z) - 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) - 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) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳（メタデータ） (2023-01-21T19:16:03Z) - 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) - 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)
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。