基于CycleGAN与PVGIS的AI驱动建筑立面分割与BIPV系统潜力预测方法研究

《Energy and Buildings》:AI-powered automated building fa?ade segmentation and BIPV system potential prediction using CycleGAN and PVGIS

【字体: 大 中 小 】 时间:2026年01月19日 来源:Energy and Buildings 7.1

编辑推荐:

  本研究针对建筑一体化光伏(BIPV)系统在城市可持续性推进中面临的立面可用区域识别难题,提出了一种基于循环一致生成对抗网络(CycleGAN)的无监督学习框架,实现真实立面图像与分割掩码间的非配对转换,显著降低对人工标注数据的依赖。通过结合PVGIS API进行能源产量预测,并以PVsyst验证,案例研究表明该方法可快速(单图2–5秒)精准识别41.55%的立面可用面积,年发电量达11.8 MWh,误差仅2.5%,为城市BIPV规模化评估提供了低成本、高效率的解决方案。

  
随着全球城市化进程加速,建筑领域碳减排压力日益凸显。建筑一体化光伏(BIPV)系统因其兼具建筑材料与发电功能的双重角色,被视为推动城市能源转型的关键路径。然而,传统BIPV潜力评估方法高度依赖人工建模与精细化三维数据,面临处理效率低、成本高、适用范围有限等瓶颈。尤其在复杂城市环境中,立面可用区域的精准识别及发电潜力量化已成为制约BIPV规模化应用的核心挑战。
为突破上述限制,Mohammed Sadeq团队在《Energy and Buildings》发表研究,提出了一种融合人工智能与能源模拟的创新框架。该研究通过CycleGAN实现建筑立面图像的无监督分割,避免了对像素级标注数据的依赖;进而将分割结果输入PVGIS系统进行发电量预测,并通过PVsyst仿真验证结果的可靠性。
关键技术方法包括:
  1. 1.
    基于CycleGAN的立面图像分割模型,利用生成器与判别器的对抗学习实现非配对图像转换;
  2. 2.
    形态学后处理技术优化分割掩码,提升可用面积计算精度;
  3. 3.
    通过PVGIS API自动获取地理位置相关的太阳辐照数据;
  4. 4.
    结合数学模型(如倾角损失计算公式)完成BIPV系统容量设计与发电量评估。
研究结果
CycleGAN分割性能
模型在CMP数据集上经200轮训练后,对爱丁堡某南向立面案例的分割结果显示,其交并比(IoU)达0.78,Dice系数为0.88。经后处理后的可用BIPV面积为81 m2,占总立面面积的41.55%。
能源产量预测
PVGIS模拟表明,该立面年发电量为11.8 MWh,单位装机年发电量(specific yield)为629.9 kWh/kWp。因立面垂直安装(倾角90°)相较于最优倾角(49.21°),发电损失约19.96%。
PVsyst验证
PVsyst仿真结果与PVGIS高度吻合,年发电量11.5 MWh,相对偏差仅2.5%,验证了AI驱动预测框架的可靠性。
结论与意义
本研究证实了CycleGAN在BIPV立面分割中的实用性与高效性,其端到端处理时间短(2–5秒/图像),且无需依赖精细三维模型或LiDAR数据。通过无缝集成AI分割与能源模拟工具,为城市BIPV的早期可行性评估提供了可扩展、低成本的解决方案。未来工作将聚焦于增强数据集多样性、引入阴影分析功能,并扩展至经济性指标(如LCOE)评估,以进一步提升决策支持能力。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号