उपग्रह-आधारित वैश्विक सौर क्षमता का अनुमान
(research.google)- ऊर्जा मांग तेज़ी से बढ़ रही है, ऐसे में Google ने उपग्रह इमेज-आधारित ML की मदद से Solar API की छत-स्तरीय सौर आकलन कवरेज को उन Global South क्षेत्रों तक बढ़ाया है जहाँ aerial images की कमी है
- मुख्य तरीका यह है कि एक single-timestamp उपग्रह इमेज से digital surface model(DSM) और roof segmentation map बनाकर panel placement और shading analysis के लिए ज़रूरी roof geometry information का अनुमान लगाया जाए
- इस विस्तार के साथ 23 देशों के 12.5 करोड़ भवनों के लिए Solar API data जोड़ा गया है, और वर्तमान में उपलब्ध satellite imagery के आधार पर संभावित कवरेज दुनिया भर में 190 करोड़ भवनों तक बढ़ गया है
- मॉडल केवल RGB input के साथ भी स्थिर प्रदर्शन दिखाता है, इसलिए इसे उन क्षेत्रों में भी लागू किया जा सकता है जहाँ stereo-based input DSM उपलब्ध नहीं है; Chile और Philippines में असामान्य त्रुटियों को noisy ground-truth data का प्रभाव माना गया है
- input pixel resolution, बादल, और occlusion अभी भी output quality को सीमित करते हैं, और अगली चुनौतियों में obstacle detection, roof material detection, और मौजूदा solar panel identification शामिल हैं
Solar API जिन सौर आकलन बाधाओं को लक्ष्य करता है
- आने वाले समय में ऊर्जा मांग के बहुत बढ़ने की उम्मीद है, और 2035 तक solar power के दुनिया भर में 10.7k TWh उत्पादन कर अनुमानित कुल मांग का लगभग 28% हिस्सा बनने का अनुमान है
- residential solar, बढ़ती मांग का टिकाऊ तरीके से जवाब देने के प्रमुख साधनों में से एक है
- Global South के कुछ क्षेत्रों में वित्त, तकनीक और infrastructure तक सीमित पहुंच के कारण solar adoption में बाधाएं बनी हुई हैं
- building-level solar feasibility assessment में कई variables को ध्यान में रखना पड़ता है, इसलिए यह घर के मालिकों और व्यवसायों दोनों के लिए बोझिल हो सकता है
- Google Maps Platform Solar API aerial images का उपयोग करके roof-level महत्वपूर्ण जानकारी देता है और solar potential assessment तथा system design को सरल बनाता है
मौजूदा Solar API का डेटा आधार
- Solar API को 2023 में Google Maps Platform के Environment APIs के अंतर्गत लॉन्च किया गया था
- यह aerial imagery, weather, और financial data को process करके निम्न जानकारी देता है
- 2024 की शुरुआत में processing pipeline में ML techniques लागू करके अमेरिका, यूरोप और जापान के लाखों अतिरिक्त भवनों के लिए solar insights उपलब्ध कराए गए
- इस data का उपयोग कंपनियां personalized solar potential information, optimized panel placement, remote proposals and quotes, और data-driven incentive programs बनाने में कर सकती हैं
उपग्रह इमेज से बढ़ी Global South कवरेज
- Global South में solar data की मांग को पूरा करने के लिए Google ने satellite imagery पर ML techniques लागू की हैं
- satellite imagery की resolution aerial imagery से कम होती है, इसलिए कई सीमाएं हैं
- सटीक elevation maps की कमी
- कम image quality
- तिरछे observation angle से पैदा होने वाला distortion
- इसके बदले यह वैश्विक स्तर पर कवरेज बढ़ा सकती है, और अमेरिका तथा यूरोप जैसे पहले से अच्छी तरह mapped क्षेत्रों में भी data को अधिक बार update किया जा सकता है
- experimental data Solar API Expanded Coverage Testing Program के जरिए उपलब्ध कराया जा रहा है, और कुछ solar installers पहले से data output का उपयोग कर रहे हैं
- इस विस्तार के साथ 23 देशों के 12.5 करोड़ भवनों में Solar API data जोड़ा गया है
- वर्तमान में उपलब्ध satellite imagery के आधार पर संभावित कवरेज दुनिया भर में 190 करोड़ भवनों तक बढ़ गई है
- जैसे-जैसे satellites नए क्षेत्रों की imaging करते रहेंगे, और अधिक भवन जोड़े जा सकेंगे
- नवीनतम कवरेज Solar API coverage map पर देखी जा सकती है
DSM और roof segmentation बनाने वाली ML pipeline
- solar data generation pipeline को panel calculation के लिए planar roof segments बनाने हेतु उच्च-गुणवत्ता वाले DSM की आवश्यकता होती है
- मौजूदा satellite DSM generation तरीकों की कुछ सीमाएं हैं
- high-resolution, 1m से कम satellite images की acquisition cost अधिक होती है
- किसी खास क्षेत्र के लिए उपलब्ध viewpoints सीमित हो सकते हैं और उनके बीच समय अंतराल बड़ा हो सकता है
- कम resolution के कारण मौजूदा roof segmentation techniques की satellite data पर accuracy भी कम हो जाती है
- नया ML model single-timestamp satellite image से high-quality nadir, यानी orthographic-direction DSM और planar roof segment instances बनाता है
- methodology को शोधपत्र “Satellite Sunroof: High-res Digital Surface Models and Roof Segmentation for Global Solar Mapping” में प्रस्तुत किया गया है, और इसे NeurIPS 2024 के Climate Change and AI workshop में प्रकाशित किया गया
2-स्टेज मॉडल संरचना
- मॉडल base model और refinement model के 2 चरणों में DSM और roof segments बनाता है
- पहला चरण, base model, off-nadir satellite RGB image और satellite observation angle को input के रूप में उपयोग करता है
- जहाँ उपलब्ध हो, वहाँ photogrammetry-based low-quality relative height map यानी DSM-DTM को वैकल्पिक रूप से शामिल किया जाता है
- initial input DSM की coverage सीमित होती है और detailed roof calculations के लिए ज़रूरी resolution की कमी रहती है
- इसमें U-Net style architecture और Swin Transformer encoder का उपयोग किया गया है
- यह off-nadir view से improved height map और roof segment instances बनाता है
- इसके बाद geometry-based reprojection से परिणाम को nadir view में बदला जाता है
- दूसरे चरण का refinement model, reprojection से बने gaps और artifacts को भरते हुए nadir RGB, DSM, और segment instances को बेहतर बनाता है
- DSM estimation के लिए L1 loss और Sobel gradient loss का उपयोग किया गया है, जबकि roof segmentation के लिए affinity mask loss का उपयोग किया गया है
मूल्यांकन परिणाम और input conditions
- मॉडल का मात्रात्मक मूल्यांकन कई metrics पर किया गया
- DSM mean absolute error (MAE)
- roof slope error
- roof segment instance IOU
- DSM और slope के परिणामों की तुलना high-quality aerial DSM से की गई
- roof segment labels दो तरीकों से प्राप्त किए गए
- DSM labels पर graph-cut लागू करके गणना की गई
- मनुष्यों द्वारा सीधे annotation किया गया
- input channels के आधार पर परिणामों को दो समूहों में बांटा गया
- RGB-only: वैश्विक कवरेज के अनुरूप
- RGB+DSM: उन सीमित क्षेत्रों के अनुरूप जहाँ stereo-based input DSM उपलब्ध है
- low-quality DSM जोड़ने से building DSM MAE में capture होने वाली shading prediction बेहतर हुई
- लेकिन low-quality DSM जोड़ने से roof segmentation या slope accuracy में बड़ा सुधार नहीं हुआ, जबकि यही solar potential estimation के लिए अधिक महत्वपूर्ण हैं
- केवल RGB input पर भी प्रदर्शन मजबूत रहा, इसलिए जहाँ satellite RGB imagery उपलब्ध है वहाँ मॉडल लागू किया जा सकता है
- देशों के बीच error variation छोटा था, और Chile तथा Philippines के अपवाद noisy ground-truth data के कारण माने गए
- परिणामस्वरूप, मॉडल विभिन्न architectural styles, building sizes, और complex roof structures वाले क्षेत्रों के अनुरूप ढल सकता है
visualization results और शेष सीमाएं
- कई क्षेत्रों की prediction visualizations में nadir RGB, nadir DSM, और nadir roof segment instances साथ दिखाए गए
- Ayodhya, India
- Kuala Lumpur, Malaysia
- Adelaide, Australia
- flat-roof वाले क्षेत्रों में DSM ने obstacles और roof surface को उच्च सटीकता से पकड़ा
- sloped-roof वाले क्षेत्रों में मॉडल ने panel placement के लिए महत्वपूर्ण roof ridgelines का प्रभावी अनुमान लगाया
- DSM भले ही individual trees की सूक्ष्म आकृति को न पकड़ पाए, लेकिन tree height information का उपयोग आसपास की roofs पर shading impact analysis में किया गया
- satellite-based model output की तुलना Solar API में वर्तमान में उपयोग हो रहे high-quality aerial data से की गई, और annual solar flux prediction को satellite RGB imagery के ऊपर overlay करके दिखाया गया
- output quality पर अभी भी कुछ सीमाएं बनी हुई हैं
- input pixel resolution
- बादल
- occlusion artifacts
- Google research और user feedback के जरिए accuracy में सुधार जारी रखे हुए है
- भविष्य के research topics में obstacle detection, roof material detection, और existing solar panel identification शामिल हैं
1 टिप्पणियां
Hacker News की राय
दुनिया भर में DSM availability को देखने के अनुभव से, Google का Solar API सबसे मजबूत उम्मीदवारों में से एक है
दूसरा विकल्प सरकारों के LiDAR surveys हैं, लेकिन coverage, file formats, coordinate systems वगैरह सब अलग-अलग हैं
अच्छा होगा अगर mapping community वैसा ही global DSM map tile dataset बनाए, जैसा ground elevation tile datasets होते हैं जिन्हें contour lines या 3D terrain views में इस्तेमाल किया जाता है
हो सकता है कोई पहले से कर रहा हो, लेकिन लेख में दिखाए गए क्षेत्र केवल वे संभावित क्षेत्र हैं जहाँ DSM बनाया जा सकता है, न कि वे जगहें जहाँ वास्तविक data पहले से मौजूद है—यह थोड़ी निराशा की बात है
यह acronym इतने अलग-अलग अर्थों में इस्तेमाल होता है कि कम से कम एक बार इसका पूरा नाम लिख देना बेहतर होता
यह मौजूदा tools में बहुत प्रभावशाली सुधार है, लेकिन मुझे संदेह है कि roof slope जैसी advanced calculations का अब भी कितना अर्थ बचता है
क्या यह निष्कर्ष लगभग नहीं निकल चुका है कि ढेर सारे individual rooftop solar installations लगभग सबसे खराब तरीका हैं, क्योंकि permits और installation जटिल व महंगे होते हैं, operating efficiency कम होती है, और repair, insurance, upgrades व grid integration भी मुश्किल होते हैं
distributed critical infrastructure climate resilience को बहुत बढ़ाता है, इसलिए efficiency calculations में इस हिस्से को छोड़ना नहीं चाहिए
इसके उलट, आम तौर पर ज्यादा efficient utility-scale solar plants को grid connection queues और grid capacity shortages जैसी समस्याओं से जूझना पड़ता है
बेशक distributed solar पूरी energy system को decarbonize करने का general solution नहीं है, लेकिन इसकी सार्थक भूमिका है, और दोनों काम न करने की कोई वजह नहीं
आज दोपहर के आसपास, national grid generation का लगभग 50% rooftop solar से था, और करीब 10% और utility-scale solar से था
अगर electricity companies इसके उपयोग में सक्रिय रूप से बाधा न डालें, तो rooftop solar काफी अच्छी तरह काम करता है
एक उदाहरण यहाँ है: https://www.theguardian.com/environment/article/2024/sep/08/...
Perfect, good का दुश्मन है
utility-scale solar सस्ती बिजली देता है, लेकिन consumer rooftop solar ऐसा नहीं करता और आगे भी इसकी संभावना कम है
rooftop solar की कीमत आम तौर पर छिपी रहती है, क्योंकि शायद ही किसी power source को rooftop solar जितनी subsidies मिली हों
direct subsidies के अलावा, संपन्न homeowners को अक्सर grid में बेची गई बिजली के लिए retail rate पर compensation मिलता है, जिससे जिन लोगों के पास अपनी छत पर panels लगाने की क्षमता नहीं है उनके बिजली bill बढ़ते हैं—एक तरह का reverse Robin Hood model
statista.com की report भी कहती है कि America में residential rooftop solar और nuclear power की unsubsidized levelized cost of electricity सबसे ज्यादा है, और subsidy न हो तो rooftop solar की लागत 117–282 dollars per MWh है: https://www.statista.com/statistics/493797/estimated-leveliz...
report एक साल पुरानी लगती है, लेकिन panel prices घटने के बावजूद labor cost आदि ज्यादा नहीं घटे, इसलिए installation cost में बहुत बड़ी कमी आई होगी ऐसा नहीं लगता
वाकई शानदार
अगर इसमें local electricity rates डालकर annual savings estimate भी निकाला जाए, तो यह उन homeowners के लिए भी बातचीत की शुरुआत बन सकता है जिन्होंने residential solar पर कभी विचार नहीं किया
लेख में दिखाया गया image processing बहुत शानदार है, लेकिन इसके application को लेकर सवाल है
Google करीब 10 साल पहले से इस तरह के solar potential estimates कर रहा है; मान लें कि उसने 2010 के आसपास से features develop करने शुरू किए, तो इस बीच solar panel costs single-digit multiples तक गिर चुकी हैं
तो क्या यह जवाब पहले से तय नहीं है कि solar कहाँ लगाना चाहिए? मुझे लगा अब जवाब है: “हर जगह, हाँ”
या तो market participants आसान पैसा छोड़ रहे हैं, या जवाब सिर्फ “हर जगह, हाँ” नहीं है
panel costs काफी गिर गई हैं, लेकिन America में mounting hardware और installation costs अब भी काफी ऊँची हैं
छत पर solar panels लगाने को लेकर मैं skeptical हूँ
यह झंझट भरा है और flat land पर लगाने की तुलना में बहुत महंगा लगता है: https://en.wikipedia.org/wiki/Bhadla_Solar_Park
उस extra पैसे से और ज्यादा solar या batteries लगाने में मदद मिल सकती थी
urban environments में ज्यादातर homes के plots सीमित होते हैं, इसलिए roof ही installation की इकलौती जगह हो सकती है
अगर पर्याप्त space हो, तो लगभग हर लिहाज से roof, ground से खराब जगह है
Germany में long-distance power transmission की समस्या पहले से बड़ी है
अब solar और batteries बहुत सस्ते हैं, इसलिए independence और practical freedom अपने-आप साथ आते हैं
अगर आप जमीन की कीमती जगह को use से बाहर करना चाहते हैं, तो ground-mounted installation भी हो सकता है, लेकिन मैं ऐसी roof को prefer करूँगा जिसमें वैसा नुकसान न हो
highways के पास या smart locations पर ground installation भी अच्छा है
लेकिन जब मैं अपने घर में invest कर रहा हूँ, तो किसी और के solar को sponsor नहीं करना चाहता
यह सैन फ्रांसिस्को में सामान्य छत और सामान्य बिजली दरों वाले घर के आधार पर किया गया अनुमान है
शुरुआती लागत 20,000 डॉलर, और 20 साल में बचत 4,000 डॉलर हो तो इसका मतलब सालाना return 0.9% है
मैं पास करूँगा
अगर वास्तविक output capacity का 10% मानें, तो यह रोज़ 14~19kWh, यानी सालाना 5,000~7,000kWh है
सैन फ्रांसिस्को की मौजूदा residential बिजली दर प्रति kWh 38.9 cents[1] है, इसलिए सालाना 2,000~2,700 डॉलर की बचत, और 20 साल में 40,000~54,000 डॉलर होती है
वास्तविक बचत peak-hour consumption पर निर्भर करेगी, लेकिन नहीं लगता कि यह 10 गुना गलत होगा
इसलिए 20,000 डॉलर असल में 12,000 डॉलर हो जाता है, तो calculation थोड़ा बेहतर होता है
और क्या 20 साल के दौरान बिजली दरों की बढ़ोतरी भी शामिल की गई है? बिजली सस्ती होने वाली तो लगती नहीं
मैंने अमेरिका के उत्तर-पूर्वी इलाके में देखा है कि लंबी outages से हजारों डॉलर का खाना खराब हो जाता है, basement flooding से दसियों हजार डॉलर का नुकसान होता है, और सर्दियों में तापमान freezing से नीचे चला जाए तो pipes जमकर पूरी building को और बड़ा नुकसान पहुँचाते हैं
जब insurance industry local energy storage के फायदे समझेगी, तो आखिरकार local energy storage systems वाले घरों के insurance premiums घटाएगी
switch ऑन न होने पर जिंदगी पर क्या असर पड़ता है, इसकी बड़ी तस्वीर देखे बिना सिर्फ financial calculation करते देखना हँसी दिलाता है
मैंने high-availability software systems भी बहुत design किए हैं, और किसी भी system में बुनियादी starting point हमेशा energy ही रहा है
समाज का ज्यादातर हिस्सा मानकर चलता है कि switch हमेशा light जला देगा, लेकिन जब ऐसा नहीं होता, तभी “centralized power grid” असल में क्या है, यह समझ आना शुरू होता है
जैसे California ने हाल ही में घोषणा की है कि 2026 के बाद नई residential construction में solar और storage अनिवार्य करेगा, power grid का decentralization पहले से चल रहा है
अभी लोग energy समस्या को नज़रअंदाज़ कर सकते हैं, लेकिन समस्याएँ जमा होंगी तो आखिरकार सभी को शामिल होना पड़ेगा
फर्क proactive होने और reactive होने का है; जब इसकी सच में जरूरत पड़ेगी, तब तक देर हो चुकी होगी
हालांकि panels की lifespan उस model को viable बनाने के लिए पर्याप्त लंबी है या नहीं, यह मुझे ठीक से नहीं पता
संबंधित लेख: Global Solar Power Potential Map - https://news.ycombinator.com/item?id=40303570 - मई 2024
आगे satellites का एक दिलचस्प use case निकट भविष्य में, जैसे अगले 1 घंटे की solar power output का सही estimate लगाना होगा, ताकि grid operators storage और demand को adjust करके balance बना सकें
अभी गुजरते बादलों के संदर्भ में solar panels कहाँ हैं, यह पता नहीं होता, इसलिए ऐसी forecasting नहीं हो पाती
अगर नहीं, तो Google Maps images scrape करके AI model train किया जा सकता है
अगर कोई पहले से ऐसा नहीं कर रहा है, तो मुझे बल्कि हैरानी होगी
हर individual के पास solar panels होने का model कई समस्याएँ पैदा करता है
बिजली बिल का लगभग 1/4~1/3 distribution cost होता है, और rooftop solar की वजह से grid से कम बिजली लेने पर यह हिस्सा धीरे-धीरे बढ़ता जाता है
साथ ही utility company की revenue घटती है क्योंकि users कम बिजली इस्तेमाल करते हैं, और distribution में निवेश के लिए पैसा भी कम हो जाता है
तब operation जारी रखने के लिए distribution charges और बढ़ाने पड़ते हैं
इसके ऊपर NIMBY, permit costs, और इस देश में बिना खास वजह कुछ भी न बना पाने की समस्या जुड़कर distribution costs कुल मिलाकर फूलती जा रही हैं
जिन घरों में सभी के पास rooftop solar है, वहाँ वे असल में grid operator को सिर्फ dirty या off-peak time की बिजली के लिए ही भुगतान करते हैं
तब operator ऊपर से खराब दिखता है, users गुस्सा होते हैं कि “मैं तो थोड़ी ही बिजली इस्तेमाल करता हूँ, फिर bill इतना महँगा क्यों है,” और politicians साफ बिजली इस्तेमाल करने का दबाव डालते हैं
लेकिन operator को profit caps, off-peak hours में महँगी clean power production, आधे समय idle पड़े महँगे power plants, और cash की कमी के बीच फँसकर 24 घंटे बिजली देनी होती है
residential solar पूरे 24 घंटे cover नहीं कर पाता, इसलिए लोगों को 24 घंटे बिजली चाहिए, और कई इलाकों में grid से connected न होने वाला घर बेचना भी illegal है
इसलिए consumers को off-peak time की बिजली इस्तेमाल कर सकने के option के लिए भुगतान करना पड़ता है, और सभी असंतुष्ट रहते हैं
फायदा यह है कि grid resilience बढ़ सकती है, लेकिन जैसा दूसरों ने कहा, यह तभी संभव है जब local distribution में बड़ा investment किया जाए
घर से grid में बहुत dynamic और granular तरीके से बिजली वापस भेज पाने की क्षमता चाहिए, और यह grid operator के लिए संभालना मुश्किल बड़ा capital investment है
आखिरकार यह उस तथ्य से निकली समस्या है कि जगह-जगह छोटे solar panels बिखेर देने पर installation, cleaning, maintenance और replacement सस्ते नहीं किए जा सकते, इसलिए यह बेहद inefficient है
रेगिस्तान की सस्ती जमीन पर एक जगह बहुत सारे panels लगाकर existing distribution network से भेजना per watt कहीं सस्ता है
किसी न किसी तरीके से सभी लोग उस resilience cost को बिजली बिल में चुकाएँगे
क्योंकि grid electricity “कहीं ज्यादा सस्ती” होती और installation की कीमत वसूलने लायक ही नहीं होती
इसलिए या तो वह बात सच नहीं है, या utility companies मुनाफाखोरी में इतनी busy हैं कि उन्होंने खुद को सभी से नफरत मिलने वाली impossible position में डाल लिया है
अभी यह बहुत महँगा है, फिर भी क्या कोई known solution है?
क्या local utility का बड़े battery backup के साथ पूरी तरह solar पर जाना समझदारी होगा? या batteries बहुत महँगी हैं या lifespan कम है, इसलिए अभी feasible नहीं?
wind+solar combination कैसा रहेगा? दोनों के एक साथ बंद होने की संभावना कम है
मैंने पढ़ा है कि wind और solar की cost हर साल तेजी से घट रही है, और battery technology के साथ भी यही हो रहा है
किसी शहर के पास renewables से बना अपना reliable power grid होने के लिए लागत पर्याप्त रूप से कम होने में अभी कितना समय लगेगा?
अच्छा हो अगर इससे लोगों को सस्ती ऊर्जा पाने में मदद मिले
बस एक छोटी-सी नुक्ताचीनी: “दुनिया भर में 10.7k TWh” जैसा वाक्यांश मुझे उस पुराने वक्त की याद दिलाता है जब “thousand kilometres” को “kkm” लिखकर छोटा करने की कोशिश की गई थी, पर बात बनी नहीं थी
और यह Google की आलोचना नहीं है, लेकिन उस वाक्य में दिए IEA लिंक को देखने पर लगता है कि IEA अब भी 2025–2035 के लिए सोलर तैनाती को linear तरीके से forecast कर रहा है, जो संदिग्ध लगता है
जबकि कम-से-कम 10 साल से लोग यह बताते आए हैं कि ऐतिहासिक रूप से यह exponential रूप से बढ़ा है, और पूछते रहे हैं कि exponential growth जारी रहने की धारणा क्यों नहीं लेते
अगर trend जारी रहा, तो 2035 में सोलर IEA के आंकड़े से करीब दोगुना होने की उम्मीद होगी
संदर्भ सामग्री: https://www.economist.com/interactive/essay/2024/06/20/solar...
https://www.exponentialview.co/p/the-forecasters-gap
7 साल पुरानी पोस्ट: https://xwpxpfefwalgifkr.quora.com/A-modest-proposal-to-the-...
क्या कोई अस्पष्टता है जो मुझसे छूट गई?
अगर मान लें कि अभी सालाना 26% growth है और हर साल 2 percentage points घटकर अगले साल 24% हो जाती है, तो 10 साल बाद सालाना installations पिछले साल की 4.25 गुना होंगी, और अगले 10 साल की cumulative installations linear estimate की 2.8 गुना होंगी
निजी तौर पर मुझे यह एक reasonable मोटा अनुमान लगता है
हालांकि grid storage कितनी फैलेगी, इस पर निर्भर करता है कि capacity factor बहुत गिर सकता है या काफी स्थिर रह सकता है—यह अभी अज्ञात है
हम इतने बड़े पैमाने की संख्याओं से अक्सर रूबरू नहीं होते
सही समाधान क्या है, यह मुझे ठीक से नहीं पता
unit prefixes अच्छा idea नहीं थे
क्या decimal point खिसकाया गया है, या बस “Mm” में बदल दिया गया है?