การประเมินศักยภาพพลังงานแสงอาทิตย์ทั่วโลกด้วยข้อมูลจากดาวเทียม
(research.google)- ท่ามกลางความต้องการพลังงานที่เพิ่มขึ้นอย่างรวดเร็ว Google ได้ขยายขอบเขตการประเมินพลังงานแสงอาทิตย์รายหลังคาของ Solar API ไปถึงพื้นที่ใน Global South ที่มีภาพถ่ายทางอากาศจำกัด ด้วย ML จากภาพดาวเทียม
- แนวทางหลักคือการสร้าง แบบจำลองพื้นผิวดิจิทัล (DSM) และแผนที่แบ่งส่วนหลังคาจากภาพดาวเทียม ณ เวลาเดียว เพื่อประมาณข้อมูลรูปทรงหลังคาที่จำเป็นต่อการจัดวางแผงและการวิเคราะห์เงาบัง
- การขยายครั้งนี้เพิ่มข้อมูล Solar API ให้กับ อาคาร 125 ล้านหลังใน 23 ประเทศ และทำให้พื้นที่ครอบคลุมที่เป็นไปได้ตามภาพดาวเทียมที่มีอยู่ในปัจจุบันเพิ่มขึ้นเป็น 1.9 พันล้านอาคาร ทั่วโลก
- โมเดลแสดงประสิทธิภาพที่เสถียรแม้ใช้เพียง อินพุต RGB อย่างเดียว จึงนำไปใช้ได้กับพื้นที่ที่ไม่มี DSM อินพุตแบบสเตอริโอ ส่วนข้อผิดพลาดที่เป็นข้อยกเว้นใน Chile และ Philippines มองว่าเกิดจากผลของข้อมูลคำตอบจริงที่มีนอยส์
- ความละเอียดพิกเซลของอินพุต เมฆ และการบดบังยังคงจำกัดคุณภาพเอาต์พุต และโจทย์ถัดไปจะขยายไปสู่ การตรวจจับสิ่งกีดขวาง การตรวจจับวัสดุหลังคา และการระบุแผงโซลาร์เซลล์ที่มีอยู่แล้ว
อุปสรรคในการประเมินพลังงานแสงอาทิตย์ที่ Solar API มุ่งแก้
- คาดว่าความต้องการพลังงานจะเพิ่มขึ้นอย่างมากในอนาคต และภายในปี 2035 การผลิตไฟฟ้าจากพลังงานแสงอาทิตย์คาดว่าจะผลิตได้ 10.7k TWh ทั่วโลก คิดเป็นเกือบ 28% ของอุปสงค์รวมที่คาดการณ์ไว้
- พลังงานแสงอาทิตย์สำหรับที่อยู่อาศัยเป็นหนึ่งในเครื่องมือสำคัญที่จะตอบสนองการเติบโตของความต้องการได้อย่างยั่งยืน
- ในบางพื้นที่ของ Global South ยังมีอุปสรรคต่อการนำพลังงานแสงอาทิตย์มาใช้ เนื่องจากการเข้าถึงด้านการเงิน เทคโนโลยี และโครงสร้างพื้นฐานมีข้อจำกัด
- การประเมินความเป็นไปได้ของพลังงานแสงอาทิตย์ในระดับอาคารต้องพิจารณาตัวแปรหลายอย่าง จึงอาจเป็นภาระทั้งสำหรับเจ้าของบ้านและธุรกิจ
- Google Maps Platform Solar API ใช้ภาพถ่ายทางอากาศเพื่อให้ข้อมูลสำคัญรายหลังคา และทำให้การประเมินศักยภาพพลังงานแสงอาทิตย์กับการออกแบบระบบง่ายขึ้น
ฐานข้อมูลของ Solar API เดิม
- Solar API เปิดตัวในปี 2023 ภายใต้ Environment APIs ของ Google Maps Platform
- ระบบประมวลผลภาพถ่ายทางอากาศ ข้อมูลสภาพอากาศ และข้อมูลการเงิน เพื่อให้ข้อมูลต่อไปนี้
- ในช่วงต้นปี 2024 มีการนำเทคนิค ML มาใช้กับไปป์ไลน์ประมวลผล เพื่อให้ข้อมูลเชิงลึกด้านพลังงานแสงอาทิตย์กับอาคารเพิ่มเติมอีกหลายล้านหลังในสหรัฐฯ ยุโรป และญี่ปุ่น
- ข้อมูลนี้สามารถนำไปใช้ให้ธุรกิจสร้างข้อมูลศักยภาพพลังงานแสงอาทิตย์แบบเฉพาะบุคคล การจัดวางแผงที่เหมาะสมที่สุด ข้อเสนอและใบเสนอราคาจากระยะไกล รวมถึงโปรแกรมแรงจูงใจที่ขับเคลื่อนด้วยข้อมูล
ขยายการครอบคลุม Global South ด้วยภาพดาวเทียม
- เพื่อตอบสนองความต้องการข้อมูลพลังงานแสงอาทิตย์ใน Global South Google ได้นำเทคนิค ML มาใช้กับ ภาพดาวเทียม
- ภาพดาวเทียมมีความละเอียดต่ำกว่าภาพถ่ายทางอากาศ จึงมีข้อจำกัดหลายประการ
- ขาดแผนที่ระดับความสูงที่แม่นยำ
- คุณภาพภาพต่ำกว่า
- เกิดความบิดเบี้ยวจากมุมสังเกตการณ์แบบเอียง
- แต่ในทางกลับกันสามารถขยายพื้นที่ครอบคลุมไปทั่วโลกได้ และยังอัปเดตข้อมูลในพื้นที่ที่มีการทำแผนที่ดีอยู่แล้วอย่างสหรัฐฯ และยุโรปได้บ่อยขึ้น
- ข้อมูลทดลองมีให้ผ่าน Solar API Expanded Coverage Testing Program และผู้ติดตั้งโซลาร์เซลล์บางรายเริ่มใช้เอาต์พุตข้อมูลแล้ว
- การขยายครั้งนี้เพิ่มข้อมูล Solar API ให้กับ อาคาร 125 ล้านหลังใน 23 ประเทศ
- พื้นที่ครอบคลุมที่เป็นไปได้ตามภาพดาวเทียมที่มีอยู่ในปัจจุบันขยายเป็น 1.9 พันล้านอาคาร ทั่วโลก
- หากดาวเทียมยังคงถ่ายภาพพื้นที่ใหม่ ๆ ต่อไป ก็อาจเพิ่มอาคารได้มากขึ้น
- ตรวจสอบพื้นที่ครอบคลุมล่าสุดได้ที่ Solar API coverage map
ไปป์ไลน์ ML สำหรับสร้าง DSM และการแบ่งส่วนหลังคา
- ไปป์ไลน์สร้างข้อมูลพลังงานแสงอาทิตย์ต้องใช้ DSM คุณภาพสูง เพื่อสร้างเซกเมนต์หลังคาแบบระนาบสำหรับการคำนวณแผง
- วิธีสร้าง DSM จากดาวเทียมแบบเดิมมีข้อจำกัด
- ภาพดาวเทียมความละเอียดสูงระดับต่ำกว่า 1m มีต้นทุนการถ่ายภาพสูง
- จำนวนมุมมองสำหรับพื้นที่เฉพาะอาจมีจำกัด และช่วงเวลาระหว่างภาพอาจห่างกันมาก
- ความละเอียดที่ต่ำทำให้เทคนิคแบ่งส่วนหลังคาแบบเดิมมีความแม่นยำต่ำลงเมื่อใช้กับข้อมูลดาวเทียม
- โมเดล ML ใหม่สร้าง DSM คุณภาพสูงแบบ nadir หรือมุมมองตรงลง และอินสแตนซ์เซกเมนต์หลังคาแบบระนาบ จากภาพดาวเทียม ณ เวลาเดียว
- วิธีการอยู่ในงานวิจัย “Satellite Sunroof: High-res Digital Surface Models and Roof Segmentation for Global Solar Mapping” และเผยแพร่ในเวิร์กช็อป Climate Change and AI ของ NeurIPS 2024
โครงสร้างโมเดล 2 ขั้นตอน
- โมเดลสร้าง DSM และเซกเมนต์หลังคาด้วย 2 ขั้นตอน ได้แก่ base model และ refinement model
- ขั้นตอนแรก base model ใช้ภาพดาวเทียม RGB แบบ off-nadir และมุมสังเกตการณ์ของดาวเทียมเป็นอินพุต
- ในพื้นที่ที่มีให้ใช้ จะรวม DSM-DTM ซึ่งเป็นแผนที่ความสูงสัมพัทธ์คุณภาพต่ำจาก photogrammetry เป็นตัวเลือกด้วย
- DSM อินพุตเริ่มต้นมีพื้นที่ครอบคลุมจำกัด และมีความละเอียดไม่เพียงพอต่อการคำนวณหลังคาอย่างละเอียด
- ใช้สถาปัตยกรรมสไตล์ U-Net และตัวเข้ารหัส Swin Transformer
- สร้างแผนที่ความสูงที่ปรับปรุงแล้วและอินสแตนซ์เซกเมนต์หลังคาจากมุมมอง off-nadir
- จากนั้นแปลงผลลัพธ์เป็น nadir view ด้วยการฉายซ้ำตามเรขาคณิต
- ขั้นตอนที่สอง refinement model เติมช่องว่างและอาร์ติแฟกต์ที่เกิดจากกระบวนการฉายซ้ำ พร้อมปรับปรุง nadir RGB, DSM และอินสแตนซ์เซกเมนต์
- การประมาณ DSM ใช้ L1 loss และ Sobel gradient loss ส่วนการแบ่งส่วนหลังคาใช้ affinity mask loss
ผลการประเมินและเงื่อนไขอินพุต
- โมเดลได้รับการประเมินเชิงปริมาณด้วยตัวชี้วัดหลายแบบ
- ค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ (MAE) ของ DSM
- ค่าคลาดเคลื่อนความลาดชันของหลังคา
- IOU ของอินสแตนซ์เซกเมนต์หลังคา
- ผลลัพธ์ DSM และความลาดชันถูกเปรียบเทียบกับ DSM จากภาพถ่ายทางอากาศคุณภาพสูง
- ป้ายกำกับเซกเมนต์หลังคาได้มาด้วย 2 วิธี
- คำนวณโดยใช้ graph-cut กับป้ายกำกับ DSM
- ให้มนุษย์ทำ annotation โดยตรง
- แบ่งผลลัพธ์เป็น 2 กลุ่มตามช่องอินพุต
- RGB-only: สอดคล้องกับพื้นที่ครอบคลุมทั่วโลก
- RGB+DSM: สอดคล้องกับพื้นที่จำกัดที่มี DSM อินพุตแบบสเตอริโอ
- การเพิ่ม DSM คุณภาพต่ำช่วยปรับปรุงการพยากรณ์เงาบังที่จับได้ผ่านค่า MAE ของ DSM อาคาร
- แต่การเพิ่ม DSM คุณภาพต่ำไม่ได้เพิ่มความแม่นยำของการแบ่งส่วนหลังคาหรือความลาดชันอย่างมีนัยสำคัญ ซึ่งเป็นสิ่งสำคัญกว่าสำหรับการประมาณศักยภาพพลังงานแสงอาทิตย์
- แม้ใช้ อินพุต RGB อย่างเดียว ประสิทธิภาพก็ยังแข็งแกร่ง ทำให้สามารถใช้โมเดลได้ในพื้นที่ที่มีภาพดาวเทียม RGB
- ความแปรผันของข้อผิดพลาดรายประเทศมีน้อย และข้อยกเว้นใน Chile กับ Philippines เกิดจากข้อมูลคำตอบจริงที่มีนอยส์
- โดยสรุป โมเดลสามารถปรับตัวเข้ากับพื้นที่ที่มีรูปแบบสถาปัตยกรรม ขนาดอาคาร และโครงสร้างหลังคาซับซ้อนแตกต่างกันได้
ผลการแสดงภาพและข้อจำกัดที่เหลืออยู่
- ภาพแสดงผลการพยากรณ์ในหลายพื้นที่แสดง nadir RGB, nadir DSM และอินสแตนซ์เซกเมนต์หลังคาแบบ nadir ร่วมกัน
- Ayodhya, India
- Kuala Lumpur, Malaysia
- Adelaide, Australia
- ในพื้นที่หลังคาแบน DSM จับสิ่งกีดขวางและพื้นผิวหลังคาได้อย่างแม่นยำสูง
- ในพื้นที่หลังคาเอียง โมเดลคาดการณ์ สันหลังคา ซึ่งสำคัญต่อการจัดวางแผงได้อย่างมีประสิทธิภาพ
- DSM อาจไม่สามารถจับรายละเอียดรูปทรงของต้นไม้แต่ละต้นได้ แต่ข้อมูลความสูงของต้นไม้ถูกนำไปใช้วิเคราะห์ผลกระทบของเงาบังต่อหลังคาข้างเคียง
- เอาต์พุตโมเดลจากดาวเทียมถูกเปรียบเทียบกับข้อมูลภาพถ่ายทางอากาศคุณภาพสูงที่มีอยู่ใน Solar API ปัจจุบัน และการคาดการณ์ฟลักซ์แสงอาทิตย์รายปีถูกแสดงซ้อนบนภาพดาวเทียม RGB
- คุณภาพเอาต์พุตยังมีข้อจำกัดอยู่
- ความละเอียดพิกเซลของอินพุต
- เมฆ
- อาร์ติแฟกต์จากการบดบัง
- Google กำลังปรับปรุงความแม่นยำผ่านงานวิจัยและฟีดแบ็กจากผู้ใช้
- งานวิจัยในอนาคตรวมถึง การตรวจจับสิ่งกีดขวาง การตรวจจับวัสดุหลังคา และการระบุแผงโซลาร์เซลล์ที่มีอยู่แล้ว
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
จากมุมมองของคนที่เคยสำรวจ ความพร้อมใช้งานของ DSM ทั่วโลกมา Google Solar API น่าจะเป็นหนึ่งในตัวเลือกที่มีอนาคตมากที่สุด
อีกทางเลือกคือ การสำรวจ LiDAR ของภาครัฐ แต่ทั้งขอบเขตการครอบคลุม รูปแบบไฟล์ และระบบพิกัดต่างก็ไม่เหมือนกันไปหมด
คงจะดีถ้าชุมชนแผนที่สร้างชุดข้อมูลไทล์แผนที่ DSM ระดับโลก แบบเดียวกับชุดข้อมูลไทล์ระดับความสูงพื้นดินที่ใช้กับเส้นชั้นความสูงหรือมุมมองภูมิประเทศ 3D
อาจมีใครทำอยู่แล้วก็ได้ แต่พื้นที่ที่กล่าวถึงในบทความเป็นเพียงพื้นที่ที่มีศักยภาพในการสร้าง DSM ไม่ใช่พื้นที่ที่มีข้อมูลจริงอยู่แล้ว จึงน่าเสียดาย
ตัวย่อนี้มีหลายความหมายมาก อย่างน้อยน่าจะเขียนชื่อเต็มไว้สักครั้ง
แม้จะเป็นการปรับปรุงเครื่องมือเดิมได้อย่างน่าประทับใจมาก แต่ก็ยังสงสัยว่า การคำนวณขั้นสูง อย่างเช่นความชันของหลังคายังมีความหมายอยู่หรือไม่
ดูเหมือนว่าจะสรุปกันไปแล้วว่าการติดตั้งโซลาร์บนหลังคาแยกเป็นรายหลังจำนวนมากนั้นแทบเป็นวิธีที่แย่ที่สุด เพราะทั้งขออนุญาตและติดตั้งยุ่งยากและแพง ประสิทธิภาพการดำเนินงานต่ำ และยังซ่อมแซม ประกัน อัปเกรด และเชื่อมเข้ากับโครงข่ายไฟฟ้าได้ยาก
โครงสร้างพื้นฐานสำคัญแบบกระจายศูนย์ช่วยเพิ่มความยืดหยุ่นต่อสภาพภูมิอากาศได้มาก ดังนั้นไม่ควรละเลยส่วนนี้ในการคำนวณประสิทธิภาพ
ขณะที่โรงไฟฟ้าพลังงานแสงอาทิตย์ขนาดใหญ่ซึ่งโดยทั่วไปมีประสิทธิภาพมากกว่า ต้องเผชิญปัญหาอย่างการรอเชื่อมต่อโครงข่ายและข้อจำกัดด้านความจุของโครงข่าย
แน่นอนว่าโซลาร์แบบกระจายศูนย์ไม่ใช่คำตอบทั่วไปสำหรับการลดคาร์บอนของระบบพลังงานทั้งหมด แต่ก็มีบทบาทที่มีความหมาย และไม่มีเหตุผลว่าทำไมจะทำทั้งสองอย่างไม่ได้
ณ ช่วงเที่ยงวันนี้ เกือบ 50% ของกำลังผลิตในโครงข่ายไฟฟ้าทั้งประเทศมาจากโซลาร์บนหลังคา และอีกราว 10% มาจากโซลาร์ระดับสาธารณูปโภค
ถ้าบริษัทไฟฟ้าไม่คอยขัดขวางการใช้งานอย่างแข็งขัน โซลาร์บนหลังคาก็ทำงานได้ดีพออยู่แล้ว
มีตัวอย่างหนึ่งอยู่ที่นี่: https://www.theguardian.com/environment/article/2024/sep/08/...
ความสมบูรณ์แบบคือศัตรูของสิ่งที่ดี
โซลาร์ระดับสาธารณูปโภค จ่ายไฟได้ราคาถูก แต่โซลาร์บนหลังคาสำหรับผู้บริโภคไม่เป็นเช่นนั้น และก็น่าจะยังไม่เป็นไปอีกนาน
ราคาของโซลาร์บนหลังคามักถูกซ่อนไว้ เพราะแทบไม่มีแหล่งพลังงานไหนได้รับเงินอุดหนุนมากเท่านี้
นอกจากเงินอุดหนุนโดยตรงแล้ว เจ้าของบ้านที่มีฐานะมักยังได้รับค่าตอบแทนไฟที่ขายกลับเข้าระบบในราคาเท่าราคาขายปลีก ทำให้เกิดโครงสร้างแบบโรบินฮูดย้อนกลับที่ค่าไฟของคนที่ไม่มีเงินพอติดแผงบนหลังคาต้องสูงขึ้น
รายงานของ statista.com ยังระบุว่าในสหรัฐฯ ต้นทุนพลังงานถัวเฉลี่ยตลอดอายุโครงการแบบไม่มีเงินอุดหนุนของโซลาร์บนหลังคาที่อยู่อาศัยและพลังงานนิวเคลียร์สูงที่สุด และถ้าไม่มีเงินอุดหนุน โซลาร์บนหลังคาจะมีต้นทุน 117~282 ดอลลาร์ต่อ MWh: https://www.statista.com/statistics/493797/estimated-leveliz...
รายงานนี้ดูเหมือนจะเป็นข้อมูลเมื่อ 1 ปีก่อน แต่แม้ราคาของแผงจะลดลง ต้นทุนแรงงานและอย่างอื่นไม่ได้ลดลงมากนัก จึงไม่น่าที่ค่าติดตั้งจะลดลงมาก
สุดยอดจริง ๆ
ถ้าใส่ค่าไฟในท้องถิ่นเข้าไปด้วยแล้วประเมินยอดประหยัดต่อปีออกมาได้ ก็น่าจะเป็น จุดเริ่มต้นของบทสนทนา สำหรับเจ้าของบ้านที่ไม่เคยคิดเรื่องโซลาร์สำหรับบ้านมาก่อน
การประมวลผลภาพ ที่กล่าวถึงในบทความนั้นเจ๋งมาก แต่ยังสงสัยเรื่องเป้าหมายการนำไปใช้
Google ทำการประเมินศักยภาพพลังงานแสงอาทิตย์แบบนี้มาเกือบ 10 ปีแล้ว ดังนั้นถ้าถือว่าเริ่มพัฒนาฟีเจอร์ตั้งแต่ราวปี 2010 ต้นทุนแผงโซลาร์ก็ลดลงไปหลายเท่าตัวแบบเลขหลักเดียวในช่วงนั้น
ถ้าอย่างนั้น คำตอบของคำถามว่าจะติดตั้งโซลาร์ที่ไหนก็น่าจะถูกตัดสินไปแล้วไม่ใช่หรือ? ตอนนี้ผมคิดว่าคำตอบคือ “ที่ไหนก็ได้ ใช่หมด”
แปลว่าผู้เล่นในตลาดกำลังพลาดเงินง่าย ๆ ไป หรือไม่ก็คำตอบอาจไม่ใช่แค่ “ที่ไหนก็ได้ ใช่หมด”
แม้ราคาของแผงจะลดลงมาก แต่ในสหรัฐฯ ฮาร์ดแวร์สำหรับยึดติดตั้งและค่าติดตั้ง ก็ยังค่อนข้างสูง
ผมค่อนข้างกังขากับการติดตั้งแผงโซลาร์บนหลังคา
มันดูยุ่งยากและแพงกว่าการติดตั้งบนพื้นราบมาก: https://en.wikipedia.org/wiki/Bhadla_Solar_Park
เงินที่ต้องจ่ายเพิ่มตรงนั้นน่าจะช่วยให้ติดตั้งโซลาร์หรือแบตเตอรี่ได้มากขึ้น
ในสภาพแวดล้อมเมือง ที่ดินของบ้านส่วนใหญ่มีจำกัด หลังคาอาจเป็นที่เดียวที่ติดตั้งได้
ถ้ามีพื้นที่มากพอ หลังคาก็เป็นตำแหน่งที่แย่กว่าพื้นดินในแทบทุกมุมมอง
เยอรมนีมีปัญหาเรื่องการส่งไฟฟ้าระยะไกลมากอยู่แล้ว
ตอนนี้ทั้งโซลาร์และแบตเตอรี่มีราคาถูกมาก จึงได้ทั้ง ความเป็นอิสระและเสรีภาพที่จับต้องได้ เป็นของแถมพื้นฐาน
ถ้าอยากทำให้ไม่สามารถใช้พื้นที่บนดินที่มีมูลค่าได้ ก็จะติดตั้งบนพื้นดินก็ได้ แต่ผมชอบหลังคาที่ไม่มีการสูญเสียแบบนั้นมากกว่า
ถ้าเป็นข้างทางด่วนหรืออยู่ในตำแหน่งที่ฉลาด การติดตั้งบนพื้นก็ถือว่าดี
เพียงแต่เวลาที่ผมลงทุนกับบ้านของตัวเอง ผมไม่อยากไปสนับสนุนโซลาร์ของคนอื่น
นี่เป็นค่าประมาณโดยอิงจากบ้านที่มีหลังคาทั่วไปและค่าไฟฟ้าทั่วไปในซานฟรานซิสโก
ถ้าค่าใช้จ่ายเริ่มต้น 20,000 ดอลลาร์ และประหยัดได้ 4,000 ดอลลาร์ใน 20 ปี นั่นหมายถึงผลตอบแทนต่อปี 0.9%
ผมขอไม่รับข้อเสนอนี้
ถ้าคิดว่ากำลังผลิตจริงอยู่ที่ 10% ของความจุ ก็จะได้ 14~19kWh ต่อวัน หรือ 5,000~7,000kWh ต่อปี
ค่าไฟฟ้าที่อยู่อาศัยในซานฟรานซิสโกตอนนี้อยู่ที่ 38.9 เซนต์ต่อ kWh[1] ดังนั้นจะ ประหยัดได้ 2,000~2,700 ดอลลาร์ต่อปี และใน 20 ปีก็เท่ากับ 40,000~54,000 ดอลลาร์
จำนวนเงินที่ประหยัดได้จริงอาจต่างออกไปตามปริมาณการใช้ไฟในช่วงพีค แต่ไม่น่าจะผิดไปถึง 10 เท่า
ดังนั้น 20,000 ดอลลาร์จริง ๆ แล้วจะเหลือ 12,000 ดอลลาร์ ทำให้การคำนวณดูดีขึ้นเล็กน้อย
แล้วได้รวมอัตราการขึ้นของค่าไฟในช่วง 20 ปีหรือยัง? ดูไม่เหมือนว่าไฟฟ้าจะถูกลง
ในพื้นที่ภาคตะวันออกเฉียงเหนือของสหรัฐที่ผมเคยเจอ ไฟดับยาวทำให้อาหารเสียหายเป็นมูลค่าหลายพันดอลลาร์ น้ำท่วมชั้นใต้ดินทำให้เสียหายหลักหลายหมื่นดอลลาร์ และในฤดูหนาวอุณหภูมิลดต่ำกว่าศูนย์จนท่อแข็งตัว สร้างความเสียหายหนักกว่าเดิมทั้งอาคาร
เมื่ออุตสาหกรรมประกันภัยเข้าใจข้อดีของการกักเก็บพลังงานในระดับท้องถิ่น ในที่สุดก็คงลดเบี้ยประกันให้บ้านที่มี ระบบกักเก็บพลังงานท้องถิ่น
เวลามองแต่การคำนวณทางการเงินล้วน ๆ โดยไม่เห็นภาพใหญ่ว่าชีวิตได้รับผลกระทบอย่างไรเมื่อเปิดสวิตช์แล้วไฟไม่ติด มันก็น่าขำอยู่เหมือนกัน
ผมยังเคยออกแบบระบบซอฟต์แวร์ที่ต้องการความพร้อมใช้งานสูงจำนวนมาก และจุดตั้งต้นพื้นฐานของทุกระบบก็คือพลังงานเสมอ
คนส่วนใหญ่ในสังคมตั้งสมมติฐานว่าสวิตช์จะเปิดไฟได้ตลอด แต่พอมันไม่เป็นเช่นนั้น ถึงจะเริ่มตระหนักว่า “โครงข่ายไฟฟ้าแบบรวมศูนย์” หมายถึงอะไรจริง ๆ
อย่างที่แคลิฟอร์เนียเพิ่งประกาศว่าหลังปี 2026 จะบังคับให้อาคารที่อยู่อาศัยสร้างใหม่ต้องมีทั้งโซลาร์และระบบกักเก็บพลังงาน การกระจายศูนย์ของโครงข่ายไฟฟ้ากำลังเกิดขึ้นแล้ว
ตอนนี้แต่ละคนอาจยังแกล้งไม่รับรู้ปัญหาพลังงานได้ แต่เมื่อปัญหาสะสมมากขึ้น สุดท้ายทุกคนก็ต้องเข้ามามีส่วนร่วม
ต่างกันแค่ว่าจะเตรียมตัวล่วงหน้าหรือค่อยรับมือทีหลัง และพอถึงเวลาที่จำเป็นจริง ๆ ก็มักสายเกินไปแล้ว
แต่ไม่แน่ใจว่าอายุการใช้งานของแผงจะยาวพอให้โมเดลนี้成立หรือไม่
โพสต์ที่เกี่ยวข้อง: Global Solar Power Potential Map - https://news.ycombinator.com/item?id=40303570 - พฤษภาคม 2024
การใช้งานดาวเทียมที่น่าสนใจต่อจากนี้ น่าจะเป็นการประเมิน กำลังผลิตไฟฟ้าจากโซลาร์ ในอนาคตอันใกล้ได้อย่างแม่นยำ เช่น ในอีก 1 ชั่วโมงข้างหน้า เพื่อให้ผู้ดูแลโครงข่ายไฟฟ้าปรับระบบกักเก็บและดีมานด์ให้สมดุลกัน
ตอนนี้ยังทำการคาดการณ์แบบนี้ไม่ได้ เพราะไม่รู้ว่ามีแผงโซลาร์อยู่ที่ไหนบ้างเมื่อมีเมฆลอยผ่าน
ถ้าไม่ได้ ก็ scrape รูปจาก Google Maps มาเทรน โมเดล AI ได้
ถ้ายังไม่มีใครทำอยู่แล้ว ผมกลับจะรู้สึกแปลกใจมากกว่า
การที่แต่ละคนมีแผงโซลาร์เองก่อให้เกิดปัญหาหลายอย่าง
ประมาณ 1/4~1/3 ของค่าไฟคือ ต้นทุนการจ่ายไฟฟ้า และยิ่งมีโซลาร์บนหลังคาที่ทำให้ดึงไฟจากโครงข่ายน้อยลง สัดส่วนนี้ก็ยิ่งสูงขึ้น
ขณะเดียวกัน บริษัทไฟฟ้าก็มีรายได้ลดลงเพราะผู้ใช้ใช้ไฟจากโครงข่ายน้อยลง ทำให้มีเงินลงทุนน้อยลงสำหรับระบบจ่ายไฟ
ดังนั้นเพื่อให้ดำเนินการต่อไปได้ ก็ต้องขึ้นค่าบริการจ่ายไฟให้มากขึ้นอีก
เมื่อนำไปรวมกับปัญหา NIMBY ค่าขออนุญาต และข้อเท็จจริงที่ว่าในประเทศนี้แทบสร้างอะไรไม่ได้เลยโดยไม่มีเหตุผลชัดเจน ต้นทุนการจ่ายไฟจึงพองตัวขึ้นโดยรวม
ในบ้านที่ทุกคนมีโซลาร์บนหลังคา โดยพื้นฐานแล้วพวกเขาจะจ่ายให้ผู้ให้บริการโครงข่ายเฉพาะไฟฟ้าสกปรกหรือไฟฟ้านอกช่วงพีคเท่านั้น
จากนั้นผู้ให้บริการก็ดูแย่ในสายตาคนทั่วไป ผู้ใช้ก็โกรธว่า “ฉันใช้ไฟนิดเดียว ทำไมค่าไฟยังแพงขนาดนี้” ขณะที่ฝ่ายการเมืองก็กดดันให้ใช้ไฟฟ้าสะอาด
แต่ผู้ให้บริการต้องติดอยู่ท่ามกลางเพดานกำไร ต้นทุนสูงของการผลิตไฟฟ้าสะอาดนอกช่วงพีค โรงไฟฟ้าราคาแพงที่ใช้งานจริงแค่ครึ่งเวลา และกระแสเงินสดที่ตึงตัว ทั้งหมดนี้ในขณะที่ยังต้องจ่ายไฟ 24 ชั่วโมง
โซลาร์ภาคครัวเรือนไม่สามารถครอบคลุมได้ครบ 24 ชั่วโมง แต่ผู้คนต้องการไฟฟ้า 24 ชั่วโมง และในหลายพื้นที่ก็ผิดกฎหมายด้วยที่จะขายบ้านที่ไม่เชื่อมต่อกับโครงข่ายไฟฟ้า
ดังนั้นผู้บริโภคจึงต้องจ่ายเพื่อคงทางเลือกในการใช้ไฟฟ้านอกช่วงพีค และสุดท้ายทุกฝ่ายก็ไม่พอใจ
ข้อดีคือมันอาจเพิ่มความยืดหยุ่นของโครงข่ายไฟฟ้าได้ แต่ก็อย่างที่คนอื่นพูดไว้ นั่นจะเกิดขึ้นได้ก็ต่อเมื่อมีการลงทุนก้อนใหญ่ในระบบจ่ายไฟท้องถิ่น
ต้องสามารถส่งไฟจากบ้านกลับเข้าสู่โครงข่ายได้อย่างไดนามิกและละเอียดมาก ซึ่งเป็นการลงทุนทุนขนาดใหญ่ที่ผู้ให้บริการโครงข่ายรับมือได้ยาก
สุดท้ายแล้ว ปัญหาทั้งหมดนี้เกิดจากข้อเท็จจริงที่ว่าการเอาแผงโซลาร์ขนาดเล็กไปกระจายติดตั้งไว้ทั่วทุกแห่งนั้นไม่มีทางถูกในแง่การติดตั้ง การทำความสะอาด การบำรุงรักษา และการเปลี่ยนใหม่ จึงไม่มีประสิทธิภาพอย่างมาก
การวางแผงจำนวนมากไว้บนที่ดินราคาถูกในทะเลทรายแห่งเดียว แล้วส่งไฟผ่านโครงข่ายจ่ายไฟเดิม มีต้นทุนต่อวัตต์ถูกกว่ามาก
ไม่ว่าอย่างไร ทุกคนก็จะต้องจ่าย ต้นทุนเพื่อความยืดหยุ่นนี้ ผ่านค่าไฟฟ้า
เพราะไฟจากโครงข่ายจะ “ถูกกว่ามาก” จนไม่คุ้มติดตั้ง
ดังนั้นไม่ใช่ว่าคำพูดนี้ไม่จริง ก็เป็นว่าบริษัทไฟฟ้ามัวแต่หากำไรเกินควรจนทำให้ตัวเองตกอยู่ใน สภาพที่ไม่มีทางชนะ และเป็นที่เกลียดชังของทุกคน
แม้ตอนนี้จะแพงเกินไป แต่มีวิธีแก้ที่รู้กันอยู่หรือไม่?
ถ้าบริษัทไฟฟ้าในท้องถิ่นเปลี่ยนไปใช้โซลาร์เต็มรูปแบบพร้อมแบตเตอรี่สำรองขนาดใหญ่ จะพอเป็นไปได้ไหม? หรือแบตเตอรี่ยังแพงเกินไปหรืออายุสั้นเกินไปจนยังทำไม่ได้จริง?
แล้วการผสมผสานระหว่างลมกับโซลาร์ล่ะ? โอกาสที่ทั้งคู่จะหยุดผลิตพร้อมกันมีน้อย
ผมเคยอ่านว่าต้นทุนของพลังงานลมและโซลาร์ลดลงเร็วทุกปี และ เทคโนโลยีแบตเตอรี่ ก็เช่นกัน
ต้องอีกนานแค่ไหนกว่าต้นทุนจะต่ำพอให้เมืองหนึ่งมีโครงข่ายไฟฟ้าที่เชื่อถือได้ของตัวเองซึ่งประกอบด้วยพลังงานหมุนเวียน?
หวังว่านี่จะช่วยให้ผู้คนเข้าถึงพลังงานที่ถูกลงได้
ถ้าจะทักเล็กน้อยก็ตรงที่วลี “ทั่วโลก 10.7k TWh” ทำให้นึกถึงตอนที่เคยคิดจะย่อ “thousand kilometres” เป็น “kkm” แล้วก็เลิกไป
อีกอย่าง ไม่ได้จะวิจารณ์ Google แต่พอดู IEA link ของข้อความนั้นแล้ว มันดูน่าสงสัยที่ IEA เหมือนจะยังคาดการณ์การขยายตัวของพลังงานแสงอาทิตย์ในช่วง 2025~2035 แบบเชิงเส้นอยู่
ทั้งที่อย่างน้อย 10 ปีมาแล้วก็มีคนชี้ว่าที่ผ่านมามันเติบโตแบบเอ็กซ์โพเนนเชียล และถามว่าทำไมถึงไม่สมมติว่าเอ็กซ์โพเนนเชียลจะยังดำเนินต่อไป
ถ้าแนวโน้มยังต่อเนื่อง คาดว่าพลังงานแสงอาทิตย์ในปี 2035 จะอยู่ราว ๆ สองเท่าของตัวเลข IEA
แหล่งอ้างอิง: https://www.economist.com/interactive/essay/2024/06/20/solar...
https://www.exponentialview.co/p/the-forecasters-gap
บทความเมื่อ 7 ปีก่อน: https://xwpxpfefwalgifkr.quora.com/A-modest-proposal-to-the-...
มี ความกำกวม อะไรที่ฉันพลาดไปไหม?
ถ้าตอนนี้โต 26% ต่อปี และสมมติว่าลดลงปีละ 2 จุดเปอร์เซ็นต์จนปีหน้ากลายเป็น 24% อีก 10 ปีข้างหน้า ปริมาณติดตั้งรายปีจะเป็น 4.25 เท่าของปีที่แล้ว และยอดติดตั้งสะสมใน 10 ปีข้างหน้าจะเป็น 2.8 เท่าของการประเมินแบบเชิงเส้น
ส่วนตัวคิดว่านั่นดูเป็นตัวเลขคร่าว ๆ ที่สมเหตุสมผล
แต่ปริมาณการใช้งานจริงอาจลดลงมากหรือคงที่ได้พอสมควร ขึ้นอยู่กับว่าระบบกักเก็บไฟฟ้าในโครงข่ายจะถูกใช้งานแพร่หลายแค่ไหน ซึ่งยังไม่แน่นอน
เราไม่ได้เจอตัวเลขขนาดนั้นบ่อยนัก
ไม่ค่อยแน่ใจว่าแนวทางแก้ที่ถูกต้องคืออะไร
คำนำหน้าหน่วย ไม่ใช่ไอเดียที่ดีนัก
นี่คือเลื่อนจุดทศนิยม หรือแค่เปลี่ยนเป็น “Mm” เฉย ๆ?