论文部分内容阅读
在目前的能源消费结构中,化石能源仍占绝对优势地位。根据2017年的《BP世界能源统计年鉴》,石油作为全球最重要的燃料,占全球能源一次能源消费的三分之一,天然气、煤炭分别约占全球一次能源消费的28%、25%。随着全球经济的快速发展,全球的能源需求将持续增长,然而巨大的化石能源消耗正在逐渐导致不可再生的化石能源走向枯竭。另外,化石能源的开发利用是造成全球环境变化与污染的关键因素,带来了温室效应、全球变暖等严重的生态环境问题。改变目前以化石能源为主的能源结构,开发新的能源形式是目前大多数国家的战略选择,尤其是中国。在国家“十三五”规划中,我国将新能源有关的产业列为重点发展和战略性新兴产业,大力支持发展非化石能源。太阳能资源以分布广泛、储量丰富、无污染等优势被大力推广。我国地域辽阔,大部分国土处于中低纬度,太阳辐射较强,太阳资源丰富,非常适合进行太阳能资源开发利用。建筑物屋顶光伏在地理位置上不受限制,而且光伏电池能与建筑物紧密结合,不占用额外的土地资源,不仅节约了土地资源,还提高了土地资源的利用率,因此建筑物屋顶光伏是进行太阳能资源开发的首要选择。中国国家能源局表示,在“十三五”期间,目标于2020年争取新增100GW太阳能光伏装机。同时,国家发改委也发表文件,明定“十三五”期间的光伏扶贫规模为15GW。我国现有居住建筑大于40000 km2,每年新建成2000km2,相应屋顶面积巨大。但是2015年我国分布式光伏发电装机量仅为600万千瓦。相较于其他国家,我国的屋顶光伏发展较缓慢,发展速度远不及预期。主要原因是目前我国在建筑物方面的资料缺失,而且光伏屋顶资源不清、分布不明,缺乏相应的资源评估方法。目前国内对太阳能资源的研究多集中于太阳能资源的丰富度、可利用价值等方面的评估。关于屋顶太阳能光伏潜力评估方面的研究较少。然而精确到屋顶的高精度太阳能屋顶光伏潜力地图是目前太阳能光伏发展的基础,是促进屋顶太阳能光伏大规模发展的关键。因此,要实现我国屋顶光伏产业的快速发展,亟需研发建立一套科学可行的城市建筑屋顶太阳能分布式光伏潜力评估方法,从而促进分布式太阳能光伏的规模化开发利用,推动我国能源系统绿色、低碳和清洁发展。基于上述的需求,本文以多源高分辨率遥感卫星影像为数据源,研究构建了基于屋顶特征参数反演的建筑物屋顶光伏潜力快速评估方法,并优化和创新了方法中涉及的关键技术,实现了高精度建筑物屋顶太阳能光伏潜力评估。论文的主要研究内容如下:1.基于高分辨率遥感影像的建筑物屋顶轮廓提取建筑物屋顶的平面面积是计算屋顶光伏可利用面积的基础,因此本文着重对面向对象建筑物提取方法进行了研究。1)针对高分辨率遥感影像的建筑物提取,本文提出了融合了高度信息和植被信息的多尺度分割优化方法,实现了高精度的高分遥感影像分割,提高了影像分割的精度。2)影像分割完成后,选取了进行建筑物识别的最优特征。基于最优特征,采用BP神经网络提取了建筑物轮廓,并对其进行形态学处理优化,从而计算高精度的建筑物屋顶平面面积。2.基于屋顶特征参数的屋顶光伏潜力评估基于立体像对数据反演的数字表面模型（DSM）,结合高分辨率遥感影像提取的屋顶结果,本文研究了基于屋顶特征参数的建筑物屋顶光伏潜力评估。1)基于屋顶轮廓数据,针对不同分辨率遥感影像,研究了不同类型建筑物屋顶参数的提取方法,扩大了屋顶参数提取方法的应用范围。2)根据不同的屋顶类型,估算了不同类型屋顶的光伏系统参数;最后,结合太阳辐射参数进行了屋顶太阳能光伏潜力评估。基于以上研究内容,本文对其中涉及到的三个关键技术进行了优化和创新,具体如下:1.融合多特征的高分辨率遥感影像分割针对建筑物的多种特征信息,为了充分利用高分辨率遥感影像中的光谱、形状及空间信息,提出了融合高度信息和植被指数的遥感影像分割方法,充分考虑高度信息和植被指数对建筑物的敏感度,将高度信息作为计算异质性的一个因子,植被指数作为影像分割过程中的最终判断准则,以此来优化影像分割方法。2.基于最优特征的神经网络建筑物提取为了降低建筑物提取计算的开销,并充分发挥分类器的性能,本文在偏最小二乘广义线性回归（PLSGLR）的基础上,提出了一种基于特征聚类的特征选择方法（G-PLSGLR）,选择具有特征信息的地物样本,并通过Bootstrap方法均衡样本数量,基于Pearson相关系数进行特征聚类,然后基于PLSGLR回归系数对聚类特征的重要性进行排序,并剔除不显著的特征,最后根据Bayes信息准则（BIC）选取包含足够多类别信息的建筑物提取最优特征集合。利用最优特征集合,采用BP神经网络方法提取了不同分辨率遥感影像的建筑物轮廓。3.基于屋顶特征参数的屋顶光伏潜力快速评估遥感影像分辨率的不同直接影响着屋顶类型的识别及屋顶参数的获取。针对高分辨率遥感影像,采用采样法分析每个屋顶轮廓为坡面屋顶和平面屋顶的概率,估算不同类型的屋顶特征参数;针对超高空间分辨率遥感影像,基于DSM反演的屋顶坡度和坡向分布,估算不同类型屋顶的精确屋顶特征参数。基于屋顶特征参数,估算屋顶光伏系统参数。最后结合太阳辐射参数,进行屋顶光伏潜力快速评估。通过上述的研究,本文主要得到以下结论:1.在六个具有不同的建筑物密度和建筑物类型的典型场景进行了影像分割实验验证。通过对比分析分割方法优化前后的分割结果发现,优化后分割方法的欠分割（US）、分割质量（QR）和面积匹配指数（AFI）更优。结果表明,联合多种信息进行遥感影像分割,可以更完整分割出容易和其他地物（如道路、树木）混淆的建筑物,且分割的建筑物边缘更为显著。该方法提高了分割单元的纯净度,提升了分割精度。高精度的分割结果为后续的建筑物轮廓提取奠定了良好的基础。2.基于上述遥感影像分割结果,本文采用G-PLSGLR特征选择方法,选取了用于建筑物识别的最优特征集合,包括灰度共生矩阵均值（GLCMMean）、密度（Density）、DSM平均值（DSMMean）、亮度值（Brightness）和第一图层均值比率（Ratio1）5个特征。利用最优特征集合,采用BP神经网络方法提取了不同分辨率遥感影像的建筑物轮廓。对比分析采用全部地物特征和采用最优特征提取的Pleiades影像分类结果,两者的总体精度相差不大,但是后者减少了计算大量特征的时间,效率更高。对不同分辨率的遥感影像分割结果都进行了建筑物提取,Worldview-3结果和Pleiades结果的总体精度分别为94%和91%,kappa系数分别为0.90和0.81,符合提取精度的要求。高效率、高精度的建筑物提取进一步为屋顶光伏潜力评估提供了良好的数据支撑。3.基于提取的建筑物分布、屋顶参数、屋顶光伏参数和太阳辐射参数估算了研究区建筑物屋顶光伏潜力分布。通过比较分析不同倾角的坡面接收的年辐射量,确定不同类型的屋顶光伏安装方式。平屋顶的光伏阵列安装倾角为33°,朝向为南。针对高分辨率遥感影像,坡屋顶的坡度为20°,朝向统一设为朝南。基于Pleiades影像提取的平面屋顶和坡屋顶的光伏板面积分别为2.4503km2和1.0817km2。研究区年度太阳辐射总值为6813.67GWh,总电量为1175.36GWh。针对超高空间分辨率遥感影像,基于DSM计算建筑物轮廓内的坡度和坡向分布,识别屋顶类型,坡面屋顶的光伏板的倾角为屋面的坡度,朝向和屋顶面的朝向一致。从Worldview-3影像中提取的可用于进行光伏系统安装的有效屋顶面为509个,面积为0.8539km2。得到年度太阳辐射值为499.63GWh,总电量为86.19GWh。结果表明该区域的未来光伏产业开发存在巨大的潜力。综上,针对屋顶分布比较分散、建筑资料不易获取、屋顶光伏潜力精准评估困难等问题,本文提出了基于高分遥感的屋顶光伏潜力快速评估方法,通过优化关键技术和方法,提高了屋顶光伏潜力评估的精度。利用该方法可以得到高精度、建筑物尺度的屋顶光伏潜力分布图,能够为未来的光伏发展提供了指导依据。