吴 兵，黄悦婷，白建波，王诚昊

基于人工智能的屋顶光伏资源评估方法及其应用

吴 兵1，黄悦婷2，白建波2†，王诚昊2

（1. 常州市新北自然资源和规划技术保障中心，江苏 常州 213022；2. 河海大学 机电工程学院，江苏 常州 213022）

在我国加速推进整县分布式屋顶光伏的大背景下，为直观、可靠地初步评估建筑屋顶可利用的光伏资源，提出一种基于深度学习的屋顶光伏资源评估方法，将图像分割技术与光伏仿真部分结合并应用。先根据双卷积神经网络模型Double U-Net识别建筑屋顶的外轮廓，实现建筑物屋顶的高精度自动提取，进行屋顶边缘的检测及屋顶面积的计算，判断该屋顶光伏组件的数量，使用KLEIN-THEILACKER模型计算出在该屋顶光伏组件最佳倾角和其倾斜面辐照量，最终估算屋顶面积的光伏最佳发电量。提出的Double U-Net模型训练准确度可达95.83%，同时该方法可估算所选屋顶的月、年总辐照量及总发电量。最后，以河海大学常州校区为案例，通过与Solargis网站数据对比，验证了所提出方法具备较高的可靠性和适用性。

分布式光伏；光伏资源评估；屋顶轮廓识别；卷积神经网络；发电量计算

0 引 言

为缓解能源危机和解决环境恶化问题，光伏产业蓬勃发展[1]。光伏产业不仅是构建以新能源为主体的新型电力系统的关键路径，同时也是实现“碳达峰、碳中和”目标的重要支撑[2-4]。国家能源局于2021年6月起在全国组织开展整县（市、区）推进屋顶分布式光伏开发试点工作，各地政府积极响应[5-6]。据数据显示，我国目前既有建筑面积800亿m2，安装太阳能光伏电池面积近30亿m2，并且每年分别以3亿m2的速度增加，因此屋顶分布式光伏在未来拥有巨大的发展潜力[7]。……