《Solar Energy》:Deep learning assessment of rural rooftop solar potential and storage optimization
编辑推荐:
•一种深度学习框架实现了屋顶的准确提取,并揭示了复杂农村地区中的空间异质性。•时空电网影响分析表明,低压配电电网中的局部风险超过了公用事业规模的影响严重性• 协同调度策略促进了农村光伏 - 电池系统的对电网友好运行。•负荷组优化和敏感性分析支持在既定成本下实现差异化的电池规模
- •
一种深度学习框架实现了屋顶的准确提取,并揭示了复杂农村地区中的空间异质性。
- •
时空电网影响分析表明,低压配电电网中的局部风险超过了公用事业规模的影响严重性
- •
协同调度策略促进了农村光伏 - 电池系统的对电网友好运行。
- •
负荷组优化和敏感性分析支持在既定成本下实现差异化的电池规模配置。
引言
为减轻碳排放,建筑能源系统正在向分散化和脱碳化转型 [1], [2]。这一转型加速了分布式能源 (DERs) 并入电网的进程。在过去十年平准化电力成本快速下降的推动下 [3],屋顶太阳能光伏已成为建筑领域脱碳的主要解决方案 [4]。然而,大规模采用分布式低碳技术,如太阳能光伏和热泵系统,对配电网的稳定性构成了挑战,往往需要进行昂贵的基础设施加固 [5], [6]。此外,分布式光伏发电的无序扩张造成了供需之间的动态不匹配。在农村配电电网中,通常具有高阻比和有限的变压器容量特征,这种不匹配加剧了过载、电压越限和反向潮流的风险 [7]。
现有文献在很大程度上忽略了分布式光伏整合的空间异质性,主要关注时间影响,而未考虑局部配电网的约束 [8]。此外,虽然深度学习改善了城市环境中的屋顶潜力估算,但其在复杂农村环境中的应用可以与总净负荷筛选联系起来,以将潜在发电量与电力需求相关联。因此,屋顶太阳能光伏的可持续发展需要对大规模区域的光伏潜力进行全面评估。此外,确保电网的灵活性、弹性和效率需要创新策略;因此,需求侧解决方案已成为协调可变可再生能源发电与电网运行要求的关键措施。
章节摘要
农村光伏潜力与深度学习评估
农村建筑由于拥有广阔的屋顶空间,为分布式太阳能光伏系统提供了可观的潜力 [9]。上网电价补贴方案和增强能源自给自足性的推动进一步加速了这些系统的采用 [1], [10]。由于农村家庭固有地具有低电力需求密度特征 [11],在高光伏渗透率下,配电网电力不匹配和可靠性问题受到高度关注 [12], [13]。
方法论
本研究建立了一个自下而上的框架,用于绘制农村屋顶光伏资源图、筛选总净负荷变化并比较家庭存储运行。如图 1 所示,该方法论包括四个模块:(i) 多源数据集成和基于深度学习的屋顶提取,(ii) 时空光伏潜力估算,(iii) 城市和户群净负荷筛选,以及 (iv) 家庭光伏 - 储能系统调度。地理资源绘制和家庭需求组
研究区域特征
本研究以中国山东省青岛市农村地区 (35°35′N–37°09′N, 119°30′E–121°00′E) 为案例,研究农村屋顶资源和总净负荷变化。青岛包含六个行政区(胶州、平度、即墨、莱西、黄岛和城阳),总面积约 11,293 2,代表了中国东部农村景观特有的多样化地理和社会经济条件。
青岛的农村定居点范围从
模型对比评估
表 3 展示了在验证数据集上评估的两种分割架构的定量性能指标。SegFormer 在所有五项指标上的得分均高于 U-Net,准确率达到 95.92%,精确率为 85.83%,召回率为 88.75%,F1 分数为 87.27%,交并比 (IoU) 为 77.41%。U-Net 在同一验证集上的准确率为 87.33%,IoU 为 63.59%。
定性分析 (表 4) 显示了在具有挑战性的场景中系统性的性能差异。虽然两种模型都能充分处理
结论
本研究开发了一个自下而上的框架,集成了青岛农村屋顶分割、几何屋顶校正、时空光伏潜力评估、尺度分离的净负荷筛选以及家庭光伏 - 储能系统调度。在内部验证集上,SegFormer 的表现优于 U-Net,并支持对 282.04 2 投影屋顶面积的区域绘制,其中估计约有 127.34 2 在技术上是可用的。空间分析显示了...的总体下降
CRediT 作者贡献声明
江一鸣:写作 – 初稿,软件,资源,调查。曹新云:写作 – 审阅与编辑,资源,方法论,调查,数据整理。肖福:可视化,监督,概念化。高卫军:可视化,监督,方法论。李艳雪:写作 – 初稿,可视化,监督,方法论,获取资助。
利益冲突声明
作者声明,他们没有已知的可能影响本文报告工作的竞争性经济利益或个人关系。
致谢
本研究得到了中国国家自然科学基金(编号: 52308098)、山东省自然科学基金(编号: ZR2025QC1152)和山东省自然科学基金,(编号: ZR2023ME160)以及山东省高校青年创新团队项目(编号:2024KJH025)的支持。
江一鸣 | 曹新云 | 肖福 | 高卫军 | 李艳雪