(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111358703.8 (22)申请日 2021.11.16 (71)申请人 国网浙江省电力有限公司经济技 术 研究院 地址 310000 浙江省杭州市上城区南复路1 号水澄大厦 申请人 浙江大学 (72)发明人 王曦冉　王蕾　叶承晋　章姝俊　 沈梁　姜巍　杨翾　陈致远　徐旸　 谷纪亭　李黎　杨恺　陈佳玺　 王鹏　朱宇豪　周林　杨黎　朱鹏　 叶珺歆　高倩　戴小伟　郑航　 侯健生　文洪君　来聪　王妤宁　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 专利代理师 尉伟敏(51)Int.Cl. G06V 20/13(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/776(2022.01) G06K 9/62(2022.01) G06T 7/62(2017.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06Q 50/08(2012.01) G06N 20/00(2019.01) (54)发明名称 一种基于机器学习的屋顶光伏潜力评估方 法 (57)摘要 本发明公开了一种基于机器学习的屋顶光 伏潜力评估 方法。 为了克服现有技术屋顶识别方 式单一， 容易存在误差与干扰的问题； 本发明包 括以下步骤： S1： 通过卫星或航拍获取建筑物顶 部视角的立体遥感影像数据； S2： 一份数据输入 到训练好的识别模型中， 识别屋顶区域； 一份数 据按额定的长宽尺寸进行矩阵式分割； S3： 分别 对每一个矩阵单元数据进行边界识别， 复原组合 后获得封闭的边界曲线， 确定屋顶区域； S4： 根据 识别模型识别的屋顶区域 以及由封闭的边界曲 线确定的屋顶区域耦合计算屋顶 面积， 结合建筑 所处台区的耗能以及环境信息评估屋顶光伏潜 力。 通过识别模型与分割识别组合， 从两种方式 识别结果组合判定屋顶面积， 识别方式多样， 提 高识别结果 准确性。 权利要求书2页 说明书5页 附图1页 CN 114639023 A 2022.06.17 CN 114639023 A 1.一种基于 机器学习的屋顶光伏潜力评估方法， 其特 征在于， 包括以下步骤： S1： 通过卫星或航拍获取建筑物 顶部视角的立体遥感影 像数据； S2： 复制预处理后的立体遥感影像数据， 一份数据输入到训练好的识别模型中， 识别屋 顶区域； 一份数据按额定的长 宽尺寸进行矩阵式分割； S3： 分别对矩阵式分割后的每一个矩阵单元数据进行边界识别， 复原组合后获得封闭 的边界曲线， 确定 屋顶区域； S4： 根据识别模型识别的屋顶区域以及由封闭的边界曲线确定的屋顶区域耦合计算屋 顶面积， 结合建筑所处台区的耗能以及环境信息 评估屋顶光伏潜力。 2.根据权利要求1所述的一种基于机器学习的屋顶光伏潜力 评估方法， 其特征在于， 通 过同时包 含MS波段或Pan波段的UNB泛锐化方式对立体遥感影 像数据进行 预处理。 3.根据权利要求1或2所述的一种基于机器学习的屋顶光伏潜力评估方法， 其特征在 于， 所述的训练好的识别模型采用U ‑net网络识别。 4.根据权利要求1所述的一种基于机器学习的屋顶光伏潜力 评估方法， 其特征在于， 所 述的步骤S3具体包括以下步骤： S301： 对每一个矩阵单 元数据， 提取 各数据点的RGB数据； S302： 遍历各 数据点， 分别与该 数据点周围的各点的RGB数据比较， 提取边界曲线； S303： 按照矩阵式分割位置， 将各矩阵单元复原拼接， 连接各边界曲线， 封闭的边界曲 线形成闭合区域； S304： 闭合区域与数据库中的各屋顶形状匹配； 若匹配成功， 则定义该闭合区域为屋顶 区域； 否则， 判定为干扰区域并删除该闭合区域。 5.根据权利要求4所述的一种基于机器学习的屋顶光伏潜力 评估方法， 其特征在于， 所 述的步骤S3 03还包括以下 过程： 计算闭合区域面积， 判断闭合区域面积是否大于搭建阈值； 若是， 则判定该闭合区域存 在搭建光伏能力， 保留该闭合区域； 否则， 删除该闭合区域。 6.根据权利要求1或4或5所述的一种基于机器学习的屋顶光伏潜力评估方法， 其特征 在于， 所述的步骤S4中屋顶面积计算过程具体如下： S401： 根据坐标的对应关系， 重合对应的识别模型识别的屋顶区域以及由封闭的边界 曲线确定的屋顶区域； S402： 对于同一个对应的屋顶， 两个屋顶区域重合部分确定为建筑屋顶； S403： 对同一个屋顶对应的两个屋顶区域不重合部分进行面积计算； 若不重合部分面 积小于等于误差面积阈值， 则判定该部 分面积为 非建筑屋顶， 删去 该部分面积； 否则进行下 一步判断； S404： 判断不重合部分面积是否为自定义的规则形状； 若是， 则判断该部分面积为建筑 屋顶， 否则 删去该部分面积； S405： 分别计算判断为建筑屋顶的屋顶面积。 7.根据权利要求6所述的一种基于机器学习的屋顶光伏潜力 评估方法， 其特征在于， 所 述的步骤S4中屋顶光伏潜力的计算过程如下： S406： 根据卫星定位信息， 获取建筑所处台区各 季度的日均能耗； S407： 根据气象局统计信息， 获取 所处的区域各 季度的日均光照强度；权　利　要　求　书 1/2 页 2 CN 114639023 A 2S408： 分季度评估日均能耗占比； 其中， P为某季度的日均能耗占比； ρ 为单位时间单位 面积的光伏转 化率； L为当前季度的日均光照强度； Sna为第n个建筑屋顶的屋顶面积； Snht为第n个建筑屋顶在t时刻的遮挡屋顶面积； T为当前季度的日均光照时间； t为建筑屋顶的遮挡时间； t1为遮挡开始时间； t2为遮挡开始时间； Cd为当前季度该台区的日均能耗； S409： 建立屋顶光伏潜力评估表， 不同范围的日均能耗占比对应不同的潜力等级； S410： 对四个季度的日均能耗占比加权平均， 对照屋顶潜力评估表， 判断屋顶潜力等 级。权　利　要　求　书 2/2 页 3 CN 114639023 A 3