屋顶光伏碳减排潜力评估与空间规划——基于遥感大数据与深度学习方法
文献类型：学位论文
| 作者 | 姜侯 |
| 答辩日期 | 2023-08 |
| 文献子类 | 博士后出站报告 |
| 授予单位 | 中国科学院地理科学与资源研究所 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 于贵瑞 ; 周成虎 |
| 关键词 | 屋顶光伏 碳减排 建筑物提取 光伏监测 电力调度 空间布局优化 |
| 学位名称 | 博士后 |
| 学位专业 | 生态学 |
| 英文摘要 | 本文旨在定量研究中国屋顶光伏的发电潜力，及其并网替代传统化石燃料电力产生的等量碳减排。为此，构建了多源遥感数据和人工智能方法驱动的潜力评估框架，利用高分辨率卫星图像和建筑物分割模型提取建筑物屋顶足迹，利用静止气象卫星图像和深度学习算法反演逐小时地表太阳辐射，建立光伏发电仿真模拟系统逐时逐位置计算屋顶光伏系统的光伏发电量，构建电力调度模型分析光伏电力的并网消纳情况以最终确定等效碳减排量；在此基础上，分析了屋顶光伏潜力释放的区域协同调控和空间布局方案。本研宄的主要结论如下： 1.引入注意力模块、可变形卷积和坐标引导机制有助于提高深度学习模型分割建筑物的性能，其中注意力机制对于提闻小目标提取精度影响最大。组合FocalLoss与DiceLoss可以既保证训练过程的稳定性又提高模型最终的性能。优化的建筑物分割模型在江苏省实现了0.918的整体精度、0.902的提准率和0.734的提全率，分割结果的IoU可达0.778。建筑物屋顶面积与居住区面积在多个空间尺度下均呈现显著的线性相关关系，可用于基于现有居住区普查结果快速进行大区域的屋顶面积制图。 2.多类型、不同规模光伏的立体监测需要集成多空间分辨率的空间观测，建议使用卫星影像（0.8米）监测集中式光伏、航空影像（0.3米）监测地面分布式光伏、无人机影像（0.1米）监测小规模分布式光伏。不同深度学习模型光伏面板遥感分割时的提准率和提全率存在明显差异，可集成多模型的分割结果提升整体精度。深度学习模型跨分辨率分割光伏面板的精度并不高，可采取“预训练+微调”的方式增强模型性能。江苏省的光伏普查结果揭示屋顶光伏的平均装机密度约为74W/m2。 3.光伏发电仿真模拟实验表明，在基于炜度的最佳倾角估算模型中引入散射辐射比率可以更好地反映区域气候变化造成的光伏系统布局差异；以最佳角度倾斜的光伏板比水平面板的发电量平均高13.7%。静止气象卫星数据反演的逐小时地表太阳总辐射及其散射辐射揭示了中国光伏发电效率的时空差异，中国屋顶资源丰富的地区光伏发电效率普遍处于中下水平、且发电的波动性较大，而屋顶资源稀缺的地区光伏发电效率相对更高且更稳定。 4.面向市场负荷变化的电力调度分析表明，光伏电力的消纳情况受电网灵活度和储能容量影响，电网灵活度越高越有利于减少弃光，但储能的作用并非越大越好，其容量的选择需要兼顾利用效率。考虑光伏电力的实际消纳情况，充分释放中国屋顶光伏发电潜力可贡献2.3-5.2GtC〇2的碳减排，约为2019年全国总排放量的21%-47%。从实现碳中和的角度来看，华北和华中电网相对较差，其多数电网的最低抵消率不足20%; 而华东和南方电网相对乐观，大多数电网的最高抵消率可超过50%。 5.中国区域屋顶光伏的开发规模应考虑负荷差异和电网能力进行规划，至少需要90%的电网灵活性和8-12小时的储能容量才能保证全网光伏渗透率超过2/3。当前的灵活性和储能尚不足以支持屋顶光伏整县推进试点全面开发，提升电网灵活性和储能运行功率是优先事项。2030年，保守情景下可新增780个县、乐观情景下可新增982个县全面推进屋顶光伏幵发，光伏渗透率可提升至54.9%和70.8%。2050年，完全释放屋顶光伏潜力且满足弃光率限制，需要达到80%的电网灵活性和800GW/10h或850GW/9h的储能能力。 |
| 语种 | 中文 |
| 页码 | 134 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/200075]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 姜侯. 屋顶光伏碳减排潜力评估与空间规划——基于遥感大数据与深度学习方法[D]. 中国科学院地理科学与资源研究所. 中国科学院地理科学与资源研究所. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。