การประเมินศักยภาพพลังงานแสงอาทิตย์ทั่วโลกด้วยข้อมูลจากดาวเทียม

 (research.google)
1 คะแนน โดย GN⁺ 2024-12-21 | 1 ความคิดเห็น | แชร์ทาง WhatsApp

  • การประเมินศักยภาพพลังงานแสงอาทิตย์ทั่วโลกด้วยข้อมูลจากดาวเทียม

    • ภูมิหลัง: คาดว่าความต้องการพลังงานจะเพิ่มสูงขึ้นอย่างรวดเร็ว และพลังงานแสงอาทิตย์สำหรับที่อยู่อาศัยจะมีบทบาทสำคัญในฐานะทางออกที่ยั่งยืน คาดว่าภายในปี 2035 พลังงานแสงอาทิตย์จะผลิตไฟฟ้าได้ 10.7k TWh ทั่วโลก อย่างไรก็ตาม ยังมีอุปสรรคต่อการนำพลังงานแสงอาทิตย์มาใช้ โดยเฉพาะในซีกโลกใต้

    • Google Maps Platform Solar API: API นี้ช่วยให้การประเมินศักยภาพพลังงานแสงอาทิตย์ง่ายขึ้นด้วยการใช้ภาพถ่ายทางอากาศ และได้ประกาศขยาย API แบบทดลองไปยังซีกโลกใต้ โดยใช้โมเดลแมชชีนเลิร์นนิงจากภาพถ่ายดาวเทียมเพื่อสร้าง digital surface model (DSM) และแผนที่การแบ่งส่วนหลังคา ทำให้สามารถประเมินพลังงานแสงอาทิตย์ในพื้นที่ใหม่ ๆ ได้

  • ข้อมูลเชิงลึกจาก Solar API

    • การแก้ปัญหาการติดตั้ง: การติดตั้งแผงโซลาร์สำหรับที่อยู่อาศัยมักช้าและซับซ้อน Solar API ให้ข้อมูลพลังงานแสงอาทิตย์ของอาคารเพื่อช่วยระบุตำแหน่งติดตั้ง เพิ่มอัตราการเปลี่ยนลูกค้าเป็นผู้ใช้จริง เร่งการเสนอและประเมินราคาแบบระยะไกล และช่วยเพิ่มประสิทธิภาพการจัดวางแผงด้วยโมเดล 3D

  • การขยายสู่ระดับโลกผ่านดาวเทียม

    • การใช้ภาพถ่ายดาวเทียม: เพื่อแก้ปัญหาความต้องการข้อมูลพลังงานแสงอาทิตย์ในซีกโลกใต้ จึงได้สำรวจเทคโนโลยี ML ที่ใช้ภาพถ่ายดาวเทียม แม้จะมีความท้าทายใหม่ในการจัดการกับภาพดาวเทียมความละเอียดต่ำ แต่ก็มองว่านี่เป็นโอกาสในการเร่งการเติบโตของตลาดพลังงานแสงอาทิตย์ในภูมิภาคใหม่

    • ผลลัพธ์ของการขยาย: การขยายโดยใช้ภาพถ่ายดาวเทียมทำให้สามารถให้ข้อมูล Solar API สำหรับอาคารใหม่ 125 ล้านหลังใน 23 ประเทศ และจากภาพถ่ายดาวเทียมที่มีอยู่ในปัจจุบัน ยังสามารถขยายการครอบคลุมที่เป็นไปได้ไปสู่อาคารเพิ่มเติมทั่วโลกอีก 1.9 พันล้านหลัง

  • การใช้ ML เพื่อคาดการณ์ DSM และการแบ่งส่วนหลังคาคุณภาพสูง

    • การพัฒนาโมเดล: ได้พัฒนาโมเดล ML ใหม่เพื่อสร้าง DSM คุณภาพสูง โดยใช้โมเดลแบบสองขั้นตอนเพื่อสร้าง DSM และส่วนแบ่งหลังคา ขั้นตอนแรกเป็นโมเดลพื้นฐาน และขั้นตอนที่สองเป็นโมเดลปรับละเอียด

    • การประเมินโมเดล: มีการประเมินโมเดลด้วยตัวชี้วัดหลากหลายแบบ ประสิทธิภาพที่แข็งแกร่งของโมเดลที่ใช้ข้อมูลนำเข้าแบบ RGB-only บ่งชี้ว่าสามารถนำไปใช้ได้กับทุกพื้นที่ที่มีภาพถ่ายดาวเทียม RGB

  • การแสดงผลและแนวโน้มในอนาคต

    • ความสามารถในการทำให้โมเดลทั่วไปใช้ได้ดี: โมเดลสามารถทั่วไปได้ดีในรูปแบบสถาปัตยกรรมและภูมิทัศน์ที่หลากหลาย ในพื้นที่ที่มีหลังคาแบน โมเดลสามารถจับสิ่งกีดขวางและพื้นผิวหลังคาได้อย่างแม่นยำ ส่วนในพื้นที่ที่มีหลังคาลาดเอียง ก็สามารถคาดการณ์สันหลังคาได้อย่างมีประสิทธิภาพ

    • ทิศทางการวิจัยในอนาคต: ปัจจัยต่าง ๆ เช่น ความละเอียดพิกเซลของข้อมูลนำเข้า เมฆปกคลุม และอาร์ติแฟกต์จากการบดบัง อาจส่งผลต่อคุณภาพของผลลัพธ์ ขณะนี้กำลังปรับปรุงอย่างต่อเนื่องผ่านงานวิจัยเพื่อเพิ่มความแม่นยำและผ่านข้อเสนอแนะจากผู้ใช้

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-12-21
ความคิดเห็นจาก Hacker News

  • Solar API ของ Google เป็นตัวเลือกที่มีอนาคตสำหรับการศึกษาความพร้อมใช้งานของ DSM ทั่วโลก การสำรวจ LiDAR ของภาครัฐก็เป็นอีกทางเลือกหนึ่ง แต่ความครอบคลุมของข้อมูล รูปแบบไฟล์ และการฉายแผนที่ยังแตกกระจายอยู่ น่าจะดีหากมีการสร้างชุดข้อมูลแผนที่ไทล์ DSM ระดับโลก บางทีอาจมีใครทำเรื่องนี้อยู่แล้วก็ได้

    • ในบทความแสดงพื้นที่ที่มีศักยภาพในการสร้าง DSM ได้ แต่ไม่ใช่พื้นที่ที่มีข้อมูลอยู่แล้ว

  • ถ้าสามารถใส่ค่าไฟของผู้ให้บริการสาธารณูปโภคในพื้นที่และประเมินจำนวนเงินที่ประหยัดได้ต่อปี ก็น่าจะเป็นจุดเริ่มต้นบทสนทนาที่ดีมากสำหรับเจ้าของบ้าน

  • เป็นการปรับปรุงที่น่าประทับใจมากของเครื่องมือที่มีอยู่เดิม แต่ก็ยังสงสัยว่าการคำนวณขั้นสูงอย่างความลาดชันของหลังคายังมีความเกี่ยวข้องอยู่หรือไม่

    • สงสัยว่าได้ข้อสรุปหรือยังว่าการติดตั้งบนหลังคาขนาดเล็กจำนวนมากเป็นวิธีที่แย่ที่สุด เพราะการขออนุญาตและการติดตั้งซับซ้อนและแพง ประสิทธิภาพการดำเนินงานต่ำ ซ่อมและทำประกันยาก อัปเกรดยาก และไม่มีประสิทธิภาพในการผนวกรวมเข้ากับกริด

  • ค่อนข้างสงสัยกับการติดตั้งแผงโซลาร์บนหลังคา มันยุ่งยากและแพงกว่าการติดตั้งบนพื้นราบมาก

    • ค่าใช้จ่ายส่วนเพิ่มนั้นอาจนำไปใช้ช่วยติดตั้งแผงโซลาร์หรือแบตเตอรี่เพิ่มได้

  • การใช้ดาวเทียมในอนาคตจะมีประโยชน์ต่อการประเมินกำลังผลิตไฟฟ้าจากแสงอาทิตย์ในอนาคตอันใกล้อย่างมาก ปัจจุบันการคาดการณ์ทำได้ยากเพราะแผงโซลาร์ไม่สามารถรู้ความสัมพันธ์กับเมฆได้

  • เมื่อแต่ละคนติดตั้งแผงโซลาร์เอง จะเกิดปัญหามากมาย

    • 1/4 หรือ 1/3 ของค่าไฟเป็นค่าระบบจำหน่าย เมื่อใช้ไฟจากกริดน้อยลงเพราะโซลาร์ สัดส่วนนี้ก็จะยิ่งสูงขึ้นเรื่อยๆ
    • บริษัทไฟฟ้าจะมีรายได้ลดลง ทำให้มีเงินลงทุนในระบบจำหน่ายน้อยลง และต้องขึ้นค่าระบบจำหน่ายมากขึ้นอีก
    • ถ้าทุกคนติดตั้งแผงโซลาร์ ผู้ดำเนินการกริดก็จะเหลือหน้าที่เพียงจ่ายไฟช่วงนอกพีก ทำให้ภาพลักษณ์แย่ลง
    • กริดจะมีความยืดหยุ่นมากขึ้น แต่ต้องลงทุนอย่างมากในระบบจำหน่ายระดับท้องถิ่น

  • เวอร์ชันเบต้าเปิดให้เฉพาะภาคธุรกิจเท่านั้น ส่วนตัวอยากลองใช้ดู

  • ในปี 2020 เคยใช้เครื่องมือ PV สำหรับหลังคารุ่นแรกๆ เพื่อออกแบบระบบ PV บนหลังคาของตัวเอง ติดตั้งเทคโนโลยีเก็บพลังงาน PV ไว้ทุกด้านของบ้าน และตอนนี้แม้ในวันที่เมฆมากและฝนตกก็ยังผลิตได้ 700 วัตต์ PV พร้อมแบตเตอรี่เป็นตัวเลือกที่ช่วยยกระดับคุณภาพชีวิต

    • การประเมินการประหยัดพลังงานและค่าใช้จ่ายมักผิดพลาดเพราะใช้ข้อมูลแบบเหมารวม เมื่อนำไปเทียบกับข้อมูลจริงของแต่ละคนแล้วชวนให้ขำมาก
    • ข้อมูลไม่โกหก ขอให้มีสุขภาพแข็งแรง