检索结果-南通市图书馆

Geospatial assessment of rooftop solar photovoltaic potential using multi-source remote sensing data

Energy and AI 2022年第4期10卷 17-28页

作者： Hou Jiang Ling Yao Ning Lu Jun Qin Tang Liu Yujun Liu Chenghu Zhou Institute of Geographic Sciences and Natural Resources Research Chinese Academy of SciencesBeijing100101China Southern Marine Science and Engineering Guangdong Laboratory Guangzhou 511458China Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application Nanjing Normal UniversityNanjing 210023China School of Information Engineering China University of Geosciences(Beijing)Beijing100083China Provincial Geomatics Center of Jiangsu Nanjing210013China

Rooftop solar photovoltaics (PV) play increasing role in the global sustainable energy transition. This raises the challenge of accurate and high-resolution geospatial assessment of PV technical potential in policymaking and power system planning. To address the challenge, we propose a general framework that combines multi-resource satellite images and deep learning models to provide estimates of rooftop PV power generation. We apply deep learning based inversion model to estimate hourly solar radiation based on geostationary satellite images, and automatic segmentation model to extract building footprint from high-resolution satellite images. The framework enables precise survey of available rooftop resources and detailed simulation of power generation on an hourly basis with a spatial resolution of 100 m. The case study in Jiangsu Province demonstrates that the framework is applicable for large areas and scalable between precise locations and arbitrary regions across multiple temporal scales. Our estimates show that rooftop resources across the province have a potential installed capacity of 245.17 GW, corresponding to an annual power generation of 290.66 TWh. This highlights the huge space for carbon emissions reduction through developing rooftop PVs.

关键词： Rooftop photovoltaics building footprints Remote sensing Deep learning Solar energy

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：