Cartografiado de paneles solares mediante deep learning

Abstract

[ES] La energía solar es la fuente de energía renovable más disponible. España, como el séptimo país del mundo en términos de generación de energía fotovoltaica, instala una gran cantidad de nuevos paneles solares cada año . Por lo tanto, es necesario utilizar técnicas de teledetección para monitorear la distribución y el crecimiento de los paneles solares fotovoltaicos. Mediante la aplicación de redes neuronales convolucionales se creará un modelo clasificador que identifique las placas solares en ortofotografías de 25cm de resolución espacial. Para generar un conjunto de muestras de entrenamiento y evaluación se digitalizarán manualmente todas las instalaciones de placas solares en el término municipal de L'Eliana (Valencia). Mediante análisis espacial se determinarán los fragmentos de las ortofotografías en los que existan placas solares. A partir de este conjunto de muestras se compararán diversos parámetros que influyan en la calidad del modelo clasificador para obtener el modelo óptimo. Se evaluará el modelo obtenido analizando sus fortalezas y debilidades. Dicho modelo se podrá aplicar en otros municipios y/o en años distintos al analizado para conocer la evolución de las instalaciones de placas solares.

[EN] Solar energy is the most available renewable energy source. Spain, as the seventh country in the world in terms of photovoltaic energy generation, installs a large number of new solar panels each year. Therefore, it is necessary to use remote sensing techniques to monitor the distribution and growth of photovoltaic solar panels. Applying convolutional neural networks will create a classifier model to identify solar panels in orthoimages with a spatial resolution of 25 cm. All solar panel installations in the municipality of L'Eliana (Valencia) will be manually digitized to generate a training and evaluation sample set. Spatial analysis will determine the fragments of orthoimages where solar panels exist. Various parameters influencing the quality of the classifier model will be compared from this sample set to obtain the optimal model. The obtained model will be evaluated by analyzing its strengths and weaknesses. This model can be applied to other municipalities and/or different years from the one analyzed to understand the evolution of solar panel installations.

[CA] L'energia solar és la font d'energia renovable més disponible. Espanya, com el setè país del món en termes de generació d'energia fotovoltaica, instal·la una gran quantitat de nous panells solars cada any. Per tant, és necessari utilitzar tècniques de teledetecció per monitoritzar la distribució i el creixement dels panells solars fotovoltaics. Mitjançant l'aplicació de xarxes neuronals convolucionals es crearà un model classificador que identifique les plaques solars en ortoimatges de 25 cm de resolución espacial. Per generar un conjunt de mostres d'entrenament i avaluació es digitalitzaran manualment totes les instal·lacions de plaques solars en el terme municipal de L'Eliana (València). Mitjançant anàlisi espacial es determinaran els fragments de les ortoimatges en els quals existisquen plaques solars. A partir d'aquest conjunt de mostres es compararan diversos paràmetres que influeixen en la qualitat del model classificador per obtindre el model òptim. S'avaluarà el model obtingut analitzant les seues fortaleses i debilitats. Aquest model es podrà aplicar en altres municipis i/o en anys diferents de l'analitzat per conéixer l'evolució de les instal·lacions de plaques solars.