面向配电网规划的卫星图像光伏库存检索引导估计方法

分布式屋顶光伏 (PV) 系统的快速扩张引入了配电网规划、主机容量评估和电压调节方面的日益增加的不确定性。可靠地从卫星图像估计屋顶光伏部署对于准确建模配电网和服务区域的分布式发电至关重要。然而，传统的计算机视觉方法依赖固定的学习表示和全局平均视觉相关性，这使得它们对因屋顶材料、城市形态和成像条件在不同地区之间产生的地理分布偏移而敏感。为解决这些挑战，本文提出了 Solar Retrieval-Augmented Generation (Solar-RAG)，一种集成相似度基于图像检索和多模态视觉语言推理的上下文 grounding 框架，用于光伏评估。该方法不仅依赖内部模型参数生成预测，还检索视觉上相似的屋顶场景（带有验证标注），并在推理期间对这些示例进行比较推理。该检索引导机制提供了在异构城市环境下具有地理上下文的参考，无需模型重新训练即可提高鲁棒性。该方法在能源视觉模型和独立视觉语言模型上均表现出优势。此外，配电网层面的案例研究表明，改进的光伏库存估计减少了电压偏差分析和主机容量评估中的误差。结果表明，该方法提供了一个可扩展且在地理上稳健的分布式光伏部署监控方法。这使将遥感数据可靠地集成到配电网规划和分布式能源资源管理中成为可能。