D-PV-Locator: Large-scale detection of rooftop-mounted photovoltaic systems in 3D

Prof. Dr. Gunter Gust ist seit August 2022 Inhaber des Lehrstuhls für Prozess- und IT-Integration für KI im Unternehmen. Der Lehrstuhl erforscht den Einsatz KI-basierter Systeme in Organisationen. Ziel ist es, mithilfe künstlicher Intelligenz deren Effektivität zu steigern. Als Maßstäbe werden hierfür sowohl Wirtschaftlichkeit als auch ökologische und soziale Nachhaltigkeit verwendet. Die Forschung basiert auf KI-Methoden aus den Bereichen Data Analytics, Machine Learning und Optimierung. Diese Methoden werden auch im Bereich Photovoltaikanlagen eingesetzt.

Photovoltaikanlagen (PV-Anlagen) sind eine Schlüsseltechnologie zur Dekarbonisierung unserer Energiesysteme und um den Klimawandel abzumildern. Im Vergleich zu anderen Technologien zur Stromerzeugung wie Atom-, Kohle-, Gaskraftwerke sind PV-Systeme jedoch viel kleiner---der Großteil wird von Privatpersonen auf Gebäudedächern installiert. Da PV-Systeme inzwischen preisgünstig geworden sind, steigen die Installationen rasant an und es ist schwierig, den Überblick über Neuinstallationen zu behalten. Präzise und aktuelle Datenbanken von PV-Anlagen sind jedoch für viele Anwendungen und Akteure wichtig: Versorgungsunternehmen benötigen PV-Datenbanken, um die langfristige Kapazitätsplanung von Stromnetzen durchzuführen, Energiehändler benötigen Echtzeitschätzungen und -prognosen der Stromerzeugung durch PV-Systeme. Ebenso benötigt die Politik aktuelle und zuverlässige Datenbanken zur PV-Nutzung für die Gestaltung neuer Gesetze und Maßnahmen. Darüber hinaus profitieren auch Wissenschaftler von derartigen Datenbanken, um innovative Lösungen für das intelligente Stromnetz der Zukunft zu entwickeln, z.B. bezüglich der Integration von Elektrofahrzeugen und dem Betrieb von lokalen Mikrostromnetzen.

In der vorliegenden Forschungsarbeit wird der "3D-PV-Locator" für die großflächige Erkennung von PV-Systemen in drei Dimensionen (3D) vorgestellt. Der 3D-PV-Locator basiert auf einer neuartigen Methodik, die Informationen aus 3D-Gebäudedaten und Luftbildern mittels tiefer neuronaler Netze (Deep Learning) für Bildklassifizierung und -segmentierung extrahiert. Er erweitert damit bestehende Ansätze zur automatischen Erkennung von PV-Systemen aus Luftbildern, indem er zusätzlich deren dreidimensionale (3D) Verortung im Raum bereitstellt. In der Arbeit wird zudem gezeigt, dass der 3D-PV-Locator bestehende Ansätze zur Schätzung von PV-Systemattributen (wie z.B. der Anlagenleistung) übertrifft. Um die weitere Verwendung zu erleichtern, sind die zugrunde liegenden Deep Learning Modelle und die zum Training verwendeten Datensätze online kostenfrei zum Download verfügbar. Den Originalartikel finden sie im Applied Energy, Volume 310, 15 March 2022, 118469.