基于深度学习的西宁市屋顶光伏潜力评估方法

摘要

城市屋顶光伏系统是实现可再生能源开发的重要途径之一。为精准评估城市屋顶光伏潜力，本研究提出一种改进型DeepLabV3+语义分割模型，通过卷积块注意力机制（CBAM）与密集空间金字塔池化模块（DenseASPP）,对DeepLabV3+语义分割模型进行优化。研究基于自建的0.8 m高分辨率遥感影像数据集进行开发训练与测试，并通过消融实验验证其性能。最后应用模型识别西宁市屋顶面积，并结合区域太阳辐射数据、最佳安装倾角等实际工程参数，计算屋顶光伏的潜在发电量和潜在碳减排量。结果表明，改进模型在屋顶识别任务中，相较于基准模型及PAM-UNet模型，提升了语义分割精度。目前，西宁市屋顶安装光伏板可用面积为29.28 km²,年均发电潜力约10 357 GWh,可实现碳减排潜力约6.07×10～6 t/年。敏感性分析显示，当屋顶可用系数、组件效率、性能比分别在（34.24±5）%、（17±3）%、（80±5）%范围内波动时，年均发电潜力评估结果在8 500～12 000 GWh之间，表明西宁市屋顶光伏开发具有稳健的战略价值。

关键词

屋顶光伏 / 深度学习 / 光伏潜力评估 / DeepLabV3+ / CBAM / DenseASPP