基于数字正射影像与机器学习的居民区供电任务建模
系统与控制
2022-10-26 v1 机器学习
系统与控制
摘要
为实现气候目标，个体出行的电气化至关重要。然而，电动汽车的电网集成因高充电功率与同时性给配电网络带来挑战。为在研究中对这些挑战进行探究，需对网络关联的供电任务进行建模。以往研究利用的数据在空间上并非总是完整或足够精细。因此，本文提出一种基于正射影像整体确定居民区供电任务的方法。为此，首先从正射影像中识别建筑，继而分类居住建筑类型，最终确定每栋建筑的电力需求。在一个示例性案例研究中，我们验证了所提方法并将其结果与另一种供电任务方法比较。结果显示电力需求相较于参考方法平均偏离 9%。偏差主要源于所选居住建筑类型的参数化。因此，所提方法能与其他方法相似地建模供电任务，但粒度更细。
引用
@article{arxiv.2210.14013,
title = {Modelling Residential Supply Tasks Based on Digital Orthophotography Using Machine Learning},
author = {Klemens Schumann and Luis Böttcher and Philipp Hälsig and Daniel Zelenak and Andreas Ulbig},
journal= {arXiv preprint arXiv:2210.14013},
year = {2022}
}