Parece um romance com conteúdo solar e toques de punk: o autor envolve a equipe da Clean Coalition para que, utilizando mapas da rede elétrica, encontre as áreas com localização estratégica de energia solar e tecnologias de armazenamento nas cidades, levando em conta as mais de 1.600 superchargers Tesla, e todos aqueles que têm energia solar e armazenamento em suas casas. Em alguma porcentagem, dentro dessa rede super distribuída, nós ganharemos resiliência. Para chegar lá, você precisa de paciência e ferramentas inteligentes.
Pesquisadores da Universidade de Massachusetts, campus de Amherst, construíram uma ferramenta de software, chamada DeepRoof, que, segundo eles, alcançou uma «taxa verdadeiramente positiva» de 91,1% na identificação do potencial de energia solar do telhado, enquanto usa dados de satélite amplamente disponíveis (e baratos) de ferramentas como o Google Earth. Seu objetivo no Deep Roof: a Data-Driven Approach For Solar Potential Estimation Using Rooftop Imagery é fazer uma lista de endereços (ou coordenadas de GPS) para calcular o potencial da energia solar em lugares diferentes.
Os pesquisadores usaram machine learning ou aprendizado de máquina para identificar automaticamente estruturas como construções e árvores que pudessem sombrear, mas descobriram que a maioria dessas ferramentas usava o LIDAR – uma tecnologia de mapeamento aéreo baseada em laser para determinar a geometria do telhado, bem como a sombra dos objetos próximos. Infelizmente, compilar os dados LIDAR é caro, já que os aviões são necessários. O Google Solar Roof Project foi considerado uma ferramenta de alta qualidade baseada no LIDAR para esse tipo de trabalho – mas é limitada a grandes cidades nos Estados Unidos e às regiões mais populosas.
O primeiro passo do grupo é a Segmentação do Terreno, na qual é determinado – no nível do pixel – se existe uma estrutura, sombras ou telhados. Os pesquisadores notaram que a identificação de objetos em uma imagem em nível de pixel, o que é conhecido como segmentação semântica, é um problema da visão computacional bem pesquisado, no qual abordagens recentes de «aprendizagem profunda» superaram as técnicas anteriores com base na visão.
O software examinará os formulários e endereços individuais, na parte da estimativa de topologia do processo. Os pesquisadores verificaram que os contornos de uma propriedade podem ser facilmente obtidos do OpenStreetMap, bem como de todos os edifícios dentro de uma área específica, se o seu endereço for conhecido. Em seguida, eles combinam com conjuntos de dados de imóveis e diretrizes da Agência Federal de Emergência de EE. UU. para fornecer uma estimativa razoável da altura e inclinação do telhado.
Então, usando os dados da radiação solar disponíveis ao público, eles combinam as formas dos edifícios determinados acima, com o que eles chamam de algoritmo “guloso” (greedy, em inglês) e calculam o número total de painéis que se encaixam no telhado. Isso facilita a determinação automática da capacidade de instalação multiplicando o número total de painéis pela potência de saída nominal por painel.
O grupo compara seus modelos com os resultados do Sunroof Project mencionado acima, bem como com outras ferramentas no mercado (UNet e MaskRCNNN) para determinar a confiabilidade das previsões de seu modelo. Eles descobriram que seus resultados eram pelo menos comparáveis e geralmente um pouco melhores do que essas ferramentas.
Os pesquisadores também pediram a dois especialistas em energia solar que classificassem seus modelos individualmente e respondessem a duas perguntas: (i) Como o DeepRoof estimou o potencial solar de cada segmento do telhado plano? (ii) Existem locais no telhado que a nossa abordagem não identificou como possíveis locais onde os especialistas considerariam a instalação dos painéis solares?
No geral, ambos os especialistas avaliaram mais de 8 a 22 dos 30 domicílios. Para essas casas, DeepRoof previu a orientação correta, bem como a sombra das árvores próximas para estimar o potencial solar. Para as casas que receberam uma classificação abaixo de 8, na maioria dos casos, o DeepRoof não conseguiu identificar as árvores ao redor.
Al enviar este formulario, usted acepta que pv magazine utilice sus datos con el fin de publicar su comentario.
Sus datos personales solo se divulgarán o transmitirán a terceros para evitar el filtrado de spam o si es necesario para el mantenimiento técnico del sitio web. Cualquier otra transferencia a terceros no tendrá lugar a menos que esté justificada sobre la base de las regulaciones de protección de datos aplicables o si pv magazine está legalmente obligado a hacerlo.
Puede revocar este consentimiento en cualquier momento con efecto para el futuro, en cuyo caso sus datos personales se eliminarán inmediatamente. De lo contrario, sus datos serán eliminados cuando pv magazine haya procesado su solicitud o si se ha cumplido el propósito del almacenamiento de datos.
Puede encontrar más información sobre privacidad de datos en nuestra Política de protección de datos.