Wissenschaftler aus den USA
haben ein neuronales Netzwerk erstellt, um Sonnenkollektoren in Satellitenbildern zu erkennen. Darüber hinaus ist es auch in der Lage, die Dynamik der Verteilung von Panels in einer bestimmten Region in Abhängigkeit von verschiedenen Merkmalen der Region, einschließlich sozioökonomischer, vorherzusagen. Basierend auf den Ergebnissen des Systems erstellten die Entwickler eine Karte mit Informationen über die Beliebtheit der Solarenergie in den USA.
Ein Team von Wissenschaftlern unter der Leitung von Professor Ram Rajagopal arbeitet an seinem Projekt DeepSolar an der Stanford University. Grundlage des Projekts ist das recht beliebte
Faltungsnetzwerk Inception-v3, das anhand eines Datensatzes von 1,28 Millionen Fotografien verschiedener Objekte trainiert wurde.
Das Netzwerk wurde entsprechend den Aufgaben geändert. Um die Arbeit fortzusetzen, bereinigten die Spezialisten die Parameter der letzten Schicht des neuronalen Netzwerks und erstellten einen speziellen Datensatz.
Das neuronale Netzwerk wurde teilweise auf Satellitenbildern von Google Maps trainiert, teilweise auf Bildern aus anderen Quellen. Der Google-Kartendienst wurde verwendet, da die Karten Informationen zur Verfügbarkeit von Sonnenkollektoren enthalten. Das Faltungsnetzwerk wurde für die falsche Erkennung von Objekten auf der Karte „bestraft“.
Infolgedessen konnte sie ihr beibringen, das Vorhandensein von Sonnenkollektoren mit einer Genauigkeit von über 93% zu bestimmen. Dann wurde eine Ebene hinzugefügt, mit der Panels im Bild ausgewählt werden können - sowohl kleine Bereiche als auch große Regionen von „Solarparks“. Der letzte Test des neuronalen Netzes wurde auf der Grundlage des Scannens einer Basis durchgeführt, die mehr als 1 Milliarde Satellitenbilder verschiedener Regionen der Vereinigten Staaten enthielt.
Infolgedessen erhielten die Wissenschaftler eine ziemlich große Datenbank, die die Koordinaten der Position von Sonnenkollektoren in fast den gesamten Vereinigten Staaten enthält. Wie sich herausstellte, gibt es im Land mehr als 1,47 Millionen solcher Objekte, mehr als in den Datenbanken verschiedener Fotozellen-Abrechnungssysteme aufgeführt. Das Stanford-Wissenschaftlerprojekt ist sogar größer als Google - das Unternehmen führt im Rahmen des Google Sunroof-Projekts Aufzeichnungen über Sonnenkollektoren. Gleichzeitig kann das neuronale DeepSolar-Netzwerk zwischen Heim- und Industrie-Panels unterscheiden, die einen bedeutenden Bereich abdecken.
Es ist klar, dass es im zweiten Fall einfacher ist, zwischen Panels zu unterscheiden, und die Genauigkeit der Erkennung durch ihr neuronales Netzwerk über 96% liegt.
In der nächsten Phase des Projekts verglichen Spezialisten die tatsächlichen Daten mit verschiedenen Merkmalen der Regionen, wie oben erwähnt. Wie sich herausstellte (und dies kann kaum als Überraschung bezeichnet werden), gibt es an wirtschaftlich entwickelten Standorten mehr Paneele als an nicht sehr gut ausgestatteten. Als nächstes kommt das „Plateau“, das gebildet wird, nachdem die Einkommensgrenze von 150.000 USD pro Haushalt überschritten wurde. Es konnte auch festgestellt werden, dass Sonnenkollektoren in der Region auftreten, wenn die Energieerzeugung 4,5 bis 5 kWh pro Tag und Quadratmeter beträgt.
Basierend auf den gesammelten Daten entwickelten die Forscher eine Methode zur Vorhersage des Penetrationsgrades von Sonnenkollektoren in bestimmten Regionen. Die Methodik verwendet 94 verschiedene Parameter, darunter die Sonneneinstrahlung, die Stromtarife, das Einkommensniveau der Einwohner und andere. Das Ergebnis der Berechnungen ist die Prognose der Anzahl der Sonnenkollektoren pro Haushalt.
Laut den Entwicklern kann ihr neuronales Netzwerk verwendet werden, um den Penetrationsgrad von Solarmodulen in verschiedenen Regionen zu überwachen, nicht nur in den USA, sondern auch in anderen Ländern. Nach und nach werden Wissenschaftler eine Analyse der weltweiten Verteilung der Sonnenenergie durchführen, wobei hochwertige Bilder von Google und anderen Quellen als Grundlage dienen. Die Datenbank wird jährlich aktualisiert, obwohl es sich um ein gemeinnütziges Projekt handelt.
Das neuronale Netzwerk und seine Arbeit können verwendet werden, um verschiedene Ziele zu erreichen. Zum Beispiel eine Analyse der Situation mit der Verteilung von Solarzellen, um die Wirksamkeit von Programmen zur Entwicklung alternativer Energie zu bewerten. Analysten können die Daten zu ihrem Vorteil nutzen, es ist jedoch noch nicht klar, ob die Daten kostenlos zur Verfügung gestellt werden oder ob die Verwendung kostenpflichtig ist. Wie dem auch sei, es ist klar, dass KI und neuronale Netze zunehmend in unser Leben und Arbeiten eindringen.