太阳能光伏部署的空间分布：基于区域卷积神经网络的应用
计算机与社会
2022-07-19 v1
摘要
本文对美国科罗拉多州太阳能光伏（PV）部署率的社会与环境决定因素进行了全面分析。利用 652,795 张卫星影像和基于卷积神经网络的计算机视觉框架，我们估计了拥有太阳能光伏系统的家庭比例以及被太阳能板覆盖的屋顶面积。在人口普查块群层面，截至 2021 年，7% 的科罗拉多家庭拥有屋顶光伏系统，科罗拉多 2.5% 的屋顶面积被太阳能板覆盖。我们的机器学习模型基于社区的 43 项自然与社会特征预测太阳能光伏部署。使用四种算法（Random Forest、CATBoost、LightGBM、XGBoost），我们发现民主党得票份额、冰雹风险、强风风险、家庭中位数价值和太阳能光伏许可时限是每户太阳能光伏数量最重要的预测因子。除房屋尺寸外，光伏-屋顶面积比高度依赖于太阳能光伏许可时限、租户和多户住宅比例以及冬季天气风险。我们还发现了屋顶太阳能部署中的种族与族裔差异。中位数家庭收入对太阳能部署的平均边际效应在非洲裔和西班牙裔居民占比较高社区中较低，在白人和亚裔居民占比较高社区中较高。在持续的能源转型中，了解太阳能部署的关键预测因子可更好地为商业与政策决策提供信息，以实现更高效和公平的电网基础设施投资与分布式能源资源管理。
引用
@article{arxiv.2207.08287,
title = {Spatial Distribution of Solar PV Deployment: An Application of the Region-Based Convolutional Neural Network},
author = {Serena Y. Kim and Koushik Ganesan and Crystal Soderman and Raven O'Rourke},
journal= {arXiv preprint arXiv:2207.08287},
year = {2022}
}