所见非所得：基于俯瞰影像的太阳能阵列评估中的陷阱
计算机视觉与模式识别
2022-07-27 v2
摘要
将小型分布式太阳能光伏（PV）阵列有效整合规划入电网，需要高质量数据：各太阳能 PV 阵列的位置与功率容量。遗憾的是，小型太阳能 PV 的国家级数据库并不存在；现有数据库空间分辨率有限，通常聚合至州或国家层级。尽管已有若干有前景的太阳能 PV 检测方法发表，但这些模型的性能评估策略往往在研究间高度异质。这导致这些方法在能源评估实际应用中的比较变得困难，并可能暗示所报告的性能评估过于乐观。异质性表现为多种形式，本文逐一探讨：空间聚合层级、地面真值验证、训练与验证数据集的不一致，以及训练与验证数据来源地点和传感器的多样程度。针对每种形式，我们讨论文献中应对的新兴实践或提出未来研究方向。作为调查的一部分，我们在两个大区域评估了太阳能 PV 识别性能。我们的发现表明，由于验证过程中常见局限，从卫星影像自动识别太阳能 PV 的传统性能评估可能过于乐观。本工作的结论旨在为能源研究人员与从业者提供信息并催化自动太阳能 PV 评估技术的大规模实际应用。
引用
@article{arxiv.1902.10895,
title = {What you get is not always what you see: pitfalls in solar array assessment using overhead imagery},
author = {Wei Hu and Kyle Bradbury and Jordan M. Malof and Boning Li and Bohao Huang and Artem Streltsov and K. Sydny Fujita and Ben Hoen},
journal= {arXiv preprint arXiv:1902.10895},
year = {2022}
}
备注
25 pages