一种基于机器学习的屋顶光伏潜力评估方法技术

本发明专利技术公开了一种基于机器学习的屋顶光伏潜力评估方法。为了克服现有技术屋顶识别方式单一，容易存在误差与干扰的问题；本发明专利技术包括以下步骤：S1：通过卫星或航拍获取建筑物顶部视角的立体遥感影像数据；S2：一份数据输入到训练好的识别模型中，识别屋顶区域；一份数据按额定的长宽尺寸进行矩阵式分割；S3：分别对每一个矩阵单元数据进行边界识别，复原组合后获得封闭的边界曲线，确定屋顶区域；S4：根据识别模型识别的屋顶区域以及由封闭的边界曲线确定的屋顶区域耦合计算屋顶面积，结合建筑所处台区的耗能以及环境信息评估屋顶光伏潜力。通过识别模型与分割识别组合，从两种方式识别结果组合判定屋顶面积，识别方式多样，提高识别结果准确性。高识别结果准确性。高识别结果准确性。

【技术实现步骤摘要】
一种基于机器学习的屋顶光伏潜力评估方法


[0001]本专利技术涉及一种光伏潜力评估领域，尤其涉及一种基于机器学习的屋顶光伏潜力评估方法。

技术介绍

[0002]随着全球能源需求的日益增长，光伏发电因其清洁、便利、安全、适合分布式组网等优势，受到了越来越广泛的关注，并已成为最有前途的可再生能源发电方式之一。定量评价太阳能资源潜力是制定能源规划的基础，为区域太阳能资源的开发利用提供基础数据和工程建设指导，现有的方法屋顶识别方式单一，容易存在的干扰与误差。
[0003]例如，一种在中国专利文献上公开的“一种分布式光伏资源整合方法、系统、装置及存储介质”，其公告号CN113076855A，法包括：通过卫星获取具有屋顶信息的原始图片；将获取的所述原始图片输入至预训练好的人工智能模型中，从所述原始图片中筛选出能够安装光伏的第一图片；识别所述第一图片的坐标信息，通过大数据算法将所述坐标信息与不同的客户进行位置匹配，获取与所述客户相关联的第二图片；将所述第二图片的坐标信息统计入数据库中，结合气象数据和行业数据分析所述第二图片的潜力数据；根据获取的所述潜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的屋顶光伏潜力评估方法，其特征在于，包括以下步骤：S1：通过卫星或航拍获取建筑物顶部视角的立体遥感影像数据；S2：复制预处理后的立体遥感影像数据，一份数据输入到训练好的识别模型中，识别屋顶区域；一份数据按额定的长宽尺寸进行矩阵式分割；S3：分别对矩阵式分割后的每一个矩阵单元数据进行边界识别，复原组合后获得封闭的边界曲线，确定屋顶区域；S4：根据识别模型识别的屋顶区域以及由封闭的边界曲线确定的屋顶区域耦合计算屋顶面积，结合建筑所处台区的耗能以及环境信息评估屋顶光伏潜力。2.根据权利要求1所述的一种基于机器学习的屋顶光伏潜力评估方法，其特征在于，通过同时包含MS波段或Pan波段的UNB泛锐化方式对立体遥感影像数据进行预处理。3.根据权利要求1或2所述的一种基于机器学习的屋顶光伏潜力评估方法，其特征在于，所述的训练好的识别模型采用U
‑
net网络识别。4.根据权利要求1所述的一种基于机器学习的屋顶光伏潜力评估方法，其特征在于，所述的步骤S3具体包括以下步骤：S301：对每一个矩阵单元数据，提取各数据点的RGB数据；S302：遍历各数据点，分别与该数据点周围的各点的RGB数据比较，提取边界曲线；S303：按照矩阵式分割位置，将各矩阵单元复原拼接，连接各边界曲线，封闭的边界曲线形成闭合区域；S304：闭合区域与数据库中的各屋顶形状匹配；若匹配成功，则定义该闭合区域为屋顶区域；否则，判定为干扰区域并删除该闭合区域。5.根据权利要求4所述的一种基于机器学习的屋顶光伏潜力评估方法，其特征在于，所述的步骤S303还包括以下过程：计算闭合区域面积，判断闭合区域面积是否大于搭建阈值；若是，则判定该闭合区域存在搭建光伏能力，保留该闭合区域...

【专利技术属性】
技术研发人员：王曦冉，王蕾，叶承晋，章姝俊，沈梁，姜巍，杨翾，陈致远，徐旸，谷纪亭，李黎，杨恺，陈佳玺，王鹏，朱宇豪，周林，杨黎，朱鹏，叶珺歆，高倩，戴小伟，郑航，侯健生，文洪君，来聪，王妤宁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：