SOLAI – Automatisierte Erkennung von Solarenergieanlagen mit Deep Convolutional Neural Networks

• Forschungsstelle: BFE
• Projektnummer: SI/501806
• Projekttitel Englisch: SOLAI – Automatic Detection of Solar Energy Plant using Deep Convolutional Neural Networks

Schlüsselwörter (Englisch)

Machine Learning, Deep Learning, Deep Convolutional Neural Networks, Artificial Intelligence (AI), Computer Vision, GPU, Solar Installations

Kurzbeschreibung (Deutsch)

Die Schweizerische Statistik der erneuerbaren Energien schätzt die Nutzung der Sonnenenergie anhand von Markterhebungen. Zur Validierung dieser Statistik sollen bestehende Solaranlagen mithilfe von Deep Learning basierten Algorithmen aus Luftbildern vollautomatisch identifiziert und quantifiziert werden. Dank dieser Methode kann der aktuelle Bestand installierter Solaran-lagen genauer bestimmt werden. Zudem erlauben die Ergebnisse eine Standortbestimmung der Umsetzung der Energiestrategie 2050.

Kurzbeschreibung (Englisch)

The Swiss renewable energy statistics estimate the use of solar energy on the basis of market surveys. To validate these statistics, existing solar installations are to be identified and quantified fully automatically using deep learning algorithms based on aerial photographs. Thanks to this method, the current inventory of installed solar systems can be determined more precisely. In addition, the results allow the location of the implementation of the Energy Strategy 2050 to be determined.

Publikationen / Ergebnisse (Deutsch)

Die Sonnenenergie wird in der Schweiz von Jahr zu Jahr breiter genutzt. Wie viele Photovoltaik (PV)- und Solarwärme-Anlagen es tatsächlich gibt, wird bisher anhand der Verkaufszahlen geschätzt und ist mit einer Ungenauigkeit behaftet. Ein Forscherteam der Fachhochschule Nordwestschweiz hat nun in einem Projekt versucht, den Bestand der Solaranlagen auf Schweizer Dächern mittels Luftbildern genauer als bisher zu bestimmen, wobei die Solaranlagen dank maschinellem Lernen automatisch identifiziert und quantifiziert wurden. Die Ergebnisse dürften die Zuverlässigkeit der Solarstatistik verbessern. Sie könnten überdies Impulse zum gezielten weiteren Ausbau der Solarenergie geben.

Zugehörige Dokumente

• Fachartikel B. Vogel [PDF] 5'699 kB

Publikationen / Ergebnisse (Französisch)

En Suisse, l’énergie solaire est de plus en plus utilisée chaque année. Jusqu’à présent, le nombre réel d’installations photovoltaïques (PV) et de chaleur solaire était estimé sur la base des chiffres de vente et sujet à l’incertitude. Une équipe de chercheurs de la Haute école spécialisée du nord-ouest de la Suisse a tenté de déterminer l’inventaire des installations solaires sur les toits suisses de manière plus précise qu’auparavant en utilisant des images aériennes, les installations solaires étant automatiquement identifiées et quantifiées grâce à l’apprentissage automatique. Les résultats devraient améliorer la fiabilité des statistiques solaires. Ils pourraient en outre donner une impulsion à l'expansion souhaitée de l’énergie solaire.

Zugehörige Dokumente

• Article spécialisé B. Vogel [PDF] 5'866 kB

Schlussbericht (Deutsch)

Dieser Schlussbericht bezieht sich auf das Projekt SolAI, welches am Institut Geomatik der Fachhoch-schule Nordwestschweiz (FHNW) in Zusammenarbeit mit dem Bundesamt für Energie (BFE) und der swisstopo November 2018 gestartet wurde. Das Projekt zielte darauf ab, bestehende Solaranlagen aus den Luftbildern der swisstopo mithilfe künstlicher Intelligenz auf der Basis von Deep Learning Algorith-men, automatisch zu identifizieren und hinsichtlich ihrer Fläche zu quantifizieren.

Zugehörige Dokumente

• Schlussbericht [PDF] 5'103 kB