उपग्रह-आधारित वैश्विक सौर क्षमता का आकलन

 (research.google)
1 पॉइंट द्वारा GN⁺ 2024-12-21 | 1 टिप्पणियां | WhatsApp पर शेयर करें

  • उपग्रह-आधारित वैश्विक सौर क्षमता का आकलन

    • पृष्ठभूमि: ऊर्जा मांग के तेजी से बढ़ने की उम्मीद है, और आवासीय सौर ऊर्जा उत्पादन एक टिकाऊ समाधान के रूप में महत्वपूर्ण भूमिका निभाएगा। अनुमान है कि 2035 तक सौर ऊर्जा वैश्विक स्तर पर 10.7k TWh उत्पन्न करेगी। हालांकि, खासकर वैश्विक दक्षिण में, सौर अपनाने में बाधाएं मौजूद हैं.

    • Google Maps Platform Solar API: यह API हवाई इमेजरी का उपयोग करके सौर क्षमता के आकलन को सरल बनाती है। प्रयोगात्मक रूप से वैश्विक दक्षिण में API के विस्तार की घोषणा की गई है। उपग्रह इमेजरी का उपयोग करने वाले मशीन लर्निंग मॉडल के माध्यम से डिजिटल surface model (DSM) और roof segmentation maps तैयार किए जाते हैं, जिससे नए क्षेत्रों में सौर आकलन संभव होता है.

  • Solar API से मिली जानकारियाँ

    • इंस्टॉलेशन समस्याओं का समाधान: आवासीय सौर पैनल इंस्टॉल करना अक्सर धीमा और जटिल होता है। Solar API इमारतों का सौर डेटा प्रदान करती है, जिससे इंस्टॉलेशन स्थान की पहचान, customer conversion rate में वृद्धि, remote proposals और quotes को तेज करना, तथा 3D models का उपयोग करके कुशल panel layout optimization में मदद मिलती है.

  • उपग्रहों के ज़रिए वैश्विक विस्तार

    • उपग्रह इमेजरी का उपयोग: वैश्विक दक्षिण में सौर डेटा की आवश्यकता को पूरा करने के लिए, उपग्रह इमेजरी का उपयोग करने वाली ML तकनीकों का अध्ययन किया गया। कम resolution वाली उपग्रह इमेजरी को संभालने में नई चुनौतियाँ हैं, लेकिन इसे नए क्षेत्रों में सौर बाज़ार की वृद्धि तेज करने के अवसर के रूप में देखा जा रहा है.

    • विस्तार के परिणाम: उपग्रह इमेजरी-आधारित विस्तार के ज़रिए 23 देशों में 12.5 करोड़ नई इमारतों के लिए Solar API डेटा उपलब्ध कराया गया। इससे वर्तमान में उपलब्ध उपग्रह इमेजरी के आधार पर वैश्विक स्तर पर अतिरिक्त 1.9 अरब इमारतों तक संभावित कवरेज बढ़ता है.

  • उच्च-गुणवत्ता वाले DSM और roof segmentation prediction के लिए ML का उपयोग

    • मॉडल विकास: उच्च-गुणवत्ता वाला DSM बनाने के लिए एक नया ML मॉडल विकसित किया गया। DSM और roof segments बनाने के लिए two-stage model का उपयोग किया गया। पहला चरण base model है, और दूसरा चरण refinement model से बना है.

    • मॉडल मूल्यांकन: मॉडल का मूल्यांकन विभिन्न metrics का उपयोग करके किया गया। RGB-only input का उपयोग करने वाले मॉडल का मजबूत प्रदर्शन यह संकेत देता है कि satellite RGB imagery उपलब्ध होने वाले सभी क्षेत्रों में इसे लागू किया जा सकता है.

  • विज़ुअलाइज़ेशन और भविष्य की संभावनाएँ

    • मॉडल generalization: अलग-अलग architectural styles और landscapes के लिए मॉडल अच्छा generalize करता है। सपाट छतों वाले क्षेत्रों में यह obstacles और roof surfaces को सटीक रूप से कैप्चर करता है, जबकि ढलान वाली छतों वाले क्षेत्रों में roof ridges का प्रभावी ढंग से अनुमान लगाता है.

    • भविष्य के शोध की दिशा: input pixel resolution, cloud cover, और shadow artifacts जैसे कारक output quality को प्रभावित कर सकते हैं। सटीकता सुधारने के लिए अनुसंधान और user feedback के माध्यम से इसे लगातार बेहतर किया जा रहा है.

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2024-12-21
Hacker News टिप्पणियाँ

  • Google का Solar API वैश्विक DSM उपलब्धता अध्ययन में एक आशाजनक उम्मीदवार है। सरकारी LiDAR सर्वे भी एक विकल्प हैं, लेकिन डेटा की coverage, file formats, और projections बिखरे हुए हैं। वैश्विक DSM map tile dataset बनाना अच्छा होगा। शायद कोई पहले से इस पर काम कर रहा हो

    • लेख उन संभावित क्षेत्रों को दिखाता है जहाँ DSM बनाया जा सकता है, लेकिन ये वे क्षेत्र नहीं हैं जहाँ डेटा पहले से मौजूद है

  • अगर स्थानीय utility pricing डालकर सालाना बचत का अनुमान लगाया जा सके, तो यह घर के मालिकों के लिए बातचीत शुरू करने का एक बड़ा आधार बन सकता है

  • यह मौजूदा टूल का बहुत प्रभावशाली सुधार है, लेकिन मुझे अब भी संदेह है कि roof pitch जैसी advanced calculations कितनी प्रासंगिक हैं

    • सोचता हूँ क्या लोग इस निष्कर्ष पर पहुँचे हैं कि कई छोटे rooftop installations सबसे खराब तरीका हैं। परमिट और installation जटिल और महंगे होते हैं, operational efficiency कम होती है, repair और insurance मुश्किल होते हैं, upgrades कठिन होते हैं, और grid integration के लिए यह अक्षम है

  • मैं छत पर solar panels लगाने को लेकर संशय में हूँ। यह समतल जमीन पर लगाने की तुलना में कहीं ज्यादा झंझटभरा और महंगा है

    • अतिरिक्त लागत का इस्तेमाल अधिक solar panels या batteries लगाने में किया जा सकता है

  • satellites का भविष्य में उपयोग बहुत निकट भविष्य के solar output estimation के लिए उपयोगी होगा। अभी solar panels का बादलों के साथ संबंध समझना मुश्किल है, इसलिए prediction कठिन है

  • जब हर व्यक्ति solar panels लगाता है, तो कई समस्याएँ पैदा होती हैं

    • energy bill का 1/4 या 1/3 हिस्सा distribution का होता है। जब solar की वजह से grid से कम बिजली ली जाती है, तो यह अनुपात और बढ़ता जाता है
    • power companies की आय घटती है, इसलिए distribution में निवेश के लिए उनके पास कम पैसा बचता है, और उन्हें distribution charges और बढ़ाने पड़ते हैं
    • अगर हर कोई solar panels लगा ले, तो grid operator सिर्फ off-peak power provider बनकर रह जाएगा, जिससे उसकी छवि खराब होगी
    • grid ज्यादा resilient बनता है, लेकिन स्थानीय distribution में बड़े निवेश की जरूरत होती है

  • beta version केवल enterprise उपयोग के लिए उपलब्ध है। मैं इसे व्यक्तिगत रूप से आजमाना चाहता हूँ

  • 2020 में मैंने PV roof tool के शुरुआती version का इस्तेमाल करके अपना खुद का PV roof design बनाया था। मैंने घर के हर तरफ PV collection technology लगाई है, और अभी भी बादलों और बारिश वाले मौसम में 700 watts पैदा कर रही है। batteries के साथ PV जीवन की गुणवत्ता बेहतर करने वाला विकल्प है

    • energy और cost saving के estimates सामान्यीकृत डेटा की वजह से अक्सर गलत होते हैं। जब इन्हें किसी व्यक्ति के वास्तविक डेटा से तुलना करते हैं, तो वे हँसी लायक लगते हैं
    • डेटा झूठ नहीं बोलता। स्वस्थ रहिए