論文の概要: Nationally Consistent, Locally Incomplete: A Bayesian Remote-Sensing Audit of Rooftop Photovoltaic Registries
- arxiv url: http://arxiv.org/abs/2609.16294v1
- Date: Mon, 14 Sep 2026 19:50:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.217339
- Title: Nationally Consistent, Locally Incomplete: A Bayesian Remote-Sensing Audit of Rooftop Photovoltaic Registries
- Title（参考訳）: 全国的かつ地域的に不完全:屋上太陽光発電登録のベイズリモートセンシング監査
- Abstract要約: 本稿では,リモートセンシングによる屋上PV容量推定のためのベイジアンフレームワークを提案する。
補正された検出は、36kWp以下の屋上PVの容量を4.03GWp [3.96--4.11] (99%の信頼区間)と見積もった。
本稿では,フランスの屋上PVオープンデータに有意な乱れバイアスを文書化し,定量化する。
- 参考スコア（独自算出の注目度）: 0.41998444721319217
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tracking the energy transition requires reliable statistics on renewable deployment. Rooftop photovoltaics (PV) are especially hard to track, owing to their decentralised nature, and the resulting inaccuracies in official statistics are known but not quantified. Remote sensing offers an independent way to identify rooftop PV systems. We introduce a Bayesian framework to estimate the ground-truth rooftop PV capacity from remote sensing detections, turning an imperfect detector into an uncertainty-aware measurement instrument. Applied to France, the corrected detections estimate a capacity of 4.03 GWp [3.96--4.11] (99% credible interval) of rooftop PV below 36 kWp, matching the transmission system operator's connection data within 3.3% nationally, while identifying local under-reports of up to 61% of local capacity. We also document and quantify a significant truncation bias in French rooftop PV open data. Beyond France, the approach paves the way for more reliable estimates of rooftop PV capacity worldwide.
- Abstract（参考訳）: エネルギー遷移を追跡するには、再生可能エネルギー導入に関する信頼できる統計が必要である。
ルーフトップ太陽光発電(PV)は、その分散した性質のため、特に追跡が困難であり、公式統計における結果の不正確さは分かっていないが、定量化されていない。
リモートセンシングは、屋上PVシステムを特定する独立した方法を提供する。
本研究では,リモートセンシングから地中トラス屋上PV容量を推定し,不完全検出器を不確実性検知器に変えるためのベイズフレームワークを提案する。
フランスでは、36kWp未満の屋上PVの4.03 GWp [3.96--4.11] (99%の信頼区間)の容量を推定し、送信システムのオペレーターの接続データを全国で3.3%の範囲内で一致させた。
また、フレンチルーフトップPVオープンデータにおいて、大きな乱れバイアスを文書化し、定量化する。
フランス以外では、この手法は世界中の屋上PV容量をより信頼性の高い推定方法となる。
関連論文リスト
- An AI-Based Decision-Support Pipeline for Day-Ahead Photovoltaic Forecasting [3.5367752722811794]
日中PV予測のための配置指向型環境AIパイプラインを開発した。
パイプラインはタイムスタンプの規則を修正し、漏れやすい太陽測地とクリアネス・インデクシング機能を構築し、短期的な大気環境を追加する。
日光正規化RMSEを、ランダムな日光遮断評価で約32%、より厳密なローリングオリジンプロトコルで9%削減する。
論文 参考訳（メタデータ） (2026-08-03T11:48:32Z) - OpenPVMapper: A Multi-source, Nationwide Database of Rooftop Photovoltaic Systems in France [0.0]
OpenPVMapper(OpenPVMapper)は、フランス本土の屋上PV施設の複数ソースデータベースである。
データベースには1,135,850のインストールがあり、総インストール容量は約15.01GWpである。
オープンソース(CC-BY)ライセンスで,ビルドに使用される完全なソースコードとともに公開されている。
論文 参考訳（メタデータ） (2026-07-27T23:53:03Z) - Bayesian-Driven Graph Reasoning for Active Radio Map Construction [96.08082552413117]
本稿では,経路ナビゲーションに適したグラフベースの推論を明示的に活用する不確実性を考慮した無線地図再構成フレームワークを提案する。
提案手法は,(1)空間的不確実性をリアルタイムで推定するベイズニューラルネットワーク,(2)グローバル推論を行う注意に基づく強化学習ポリシの2つの重要な深層学習要素を統合した。
実験の結果,URAMは既存のベースラインよりも最大で34%の精度で復元できることがわかった。
論文 参考訳（メタデータ） (2025-07-29T03:32:01Z) - 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) - 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) - 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) - DeepSolar tracker: towards unsupervised assessment with open-source data
of the accuracy of deep learning-based distributed PV mapping [0.0]
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。
論文 参考訳（メタデータ） (2022-07-15T13:23:24Z) - Jalisco's multiclass land cover analysis and classification using a
novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。
本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。
組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
論文 参考訳（メタデータ） (2022-01-26T14:58:51Z) - Regularization methods for the short-term forecasting of the Italian
electric load [77.34726150561087]
イタリアの電力負荷の24のプロファイル全体を予測する問題はマルチタスク学習問題として対処される。
96x96行列重みは96x96行列を形成し、正方形の領域にサンプリングされた表面として見ることができる。
表面の自由度を下げるための規則化とスパーシリティの異なるアプローチを探索し、得られた予測をイタリアのトランスミッション・システム・オペレーター・テルナの予測と比較した。
論文 参考訳（メタデータ） (2021-12-08T22:15:06Z) - Country-wide Retrieval of Forest Structure From Optical and SAR
Satellite Imagery With Bayesian Deep Learning [74.94436509364554]
本研究では,10mの解像度で森林構造変数を高密度に推定するベイズ深層学習手法を提案する。
本手法は,Sentinel-2光画像とSentinel-1合成開口レーダ画像を5種類の森林構造変数のマップに変換する。
ノルウェーを横断する41の空中レーザー走査ミッションの基準データに基づいて、我々のモデルを訓練し、テストする。
論文 参考訳（メタデータ） (2021-11-25T16:21:28Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳（メタデータ） (2021-11-23T08:04:32Z)
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。