Estimasi Potensi Tenaga Surya Global Berbasis Satelit

• Estimasi Potensi Tenaga Surya Global Berbasis Satelit

  • Latar belakang: Permintaan energi diperkirakan akan meningkat tajam, dan pembangkit listrik tenaga surya residensial akan memainkan peran penting sebagai solusi berkelanjutan. Hingga 2035, tenaga surya diperkirakan akan menghasilkan 10.7k TWh secara global. Namun, masih ada hambatan terhadap adopsi tenaga surya, terutama di belahan bumi selatan.

  • Google Maps Platform Solar API: API ini menyederhanakan evaluasi potensi tenaga surya dengan memanfaatkan citra udara. Google mengumumkan secara eksperimental perluasan API ke belahan bumi selatan. Melalui model machine learning yang memanfaatkan citra satelit, API ini menghasilkan digital surface model (DSM) dan peta segmentasi atap, sehingga evaluasi tenaga surya dimungkinkan di wilayah baru.

• Wawasan dari Solar API

  • Menyelesaikan masalah pemasangan: Pemasangan panel surya residensial sering kali lambat dan kompleks. Solar API menyediakan data surya untuk bangunan guna membantu mengidentifikasi lokasi pemasangan, meningkatkan conversion rate pelanggan, mempercepat proposal dan penawaran jarak jauh, serta mengoptimalkan tata letak panel secara efisien menggunakan model 3D.

• Ekspansi global melalui satelit

  • Pemanfaatan citra satelit: Untuk menjawab kebutuhan data surya di belahan bumi selatan, Google mengeksplorasi teknologi ML yang memanfaatkan citra satelit. Meski ada tantangan baru dalam menangani citra satelit beresolusi rendah, ini dipandang sebagai peluang untuk mempercepat pertumbuhan pasar tenaga surya di wilayah baru.

  • Hasil ekspansi: Melalui ekspansi berbasis citra satelit, Solar API kini menyediakan data untuk 125 juta bangunan baru di 23 negara. Berdasarkan citra satelit yang saat ini tersedia, ini memperluas potensi cakupan ke tambahan 1,9 miliar bangunan di seluruh dunia.

• Penggunaan ML untuk prediksi DSM berkualitas tinggi dan segmentasi atap

  • Pengembangan model: Model ML baru dikembangkan untuk menghasilkan DSM berkualitas tinggi. Model dua tahap digunakan untuk menghasilkan DSM dan segmen atap. Tahap pertama terdiri dari model dasar, dan tahap kedua terdiri dari model penyempurnaan.

  • Evaluasi model: Model dievaluasi menggunakan berbagai metrik. Kinerja kuat dari model yang menggunakan input RGB-only menunjukkan bahwa model ini dapat diterapkan di semua wilayah yang memiliki citra satelit RGB.

• Visualisasi dan prospek ke depan

  • Generalisasi model: Model mampu melakukan generalisasi dengan baik terhadap berbagai gaya arsitektur dan lanskap. Di wilayah dengan atap datar, model secara akurat menangkap hambatan dan permukaan atap, sementara di wilayah dengan atap miring, model secara efektif memprediksi bubungan atap.

  • Arah riset selanjutnya: Faktor seperti resolusi piksel input, tutupan awan, dan artefak bayangan dapat memengaruhi kualitas output. Riset untuk meningkatkan akurasi terus dilakukan, bersama perbaikan berkelanjutan berdasarkan umpan balik pengguna.

[GN⁺]

Opini Hacker News

• Solar API milik Google tampak menjanjikan sebagai kandidat dalam studi ketersediaan DSM global. Survei LiDAR pemerintah juga bisa menjadi opsi, tetapi cakupan data, format file, dan proyeksinya tersebar dan tidak seragam. Akan bagus jika ada dataset tile peta DSM global. Mungkin seseorang sudah sedang mengerjakan ini

  • Artikelnya menunjukkan area potensial yang dapat menghasilkan DSM, tetapi itu bukan berarti area yang datanya sudah tersedia

• Jika bisa memasukkan tarif utilitas lokal dan memperkirakan berapa banyak uang yang bisa dihemat per tahun, itu akan menjadi pembuka percakapan yang besar bagi pemilik rumah

• Ini peningkatan yang sangat mengesankan dari alat yang sudah ada, tetapi masih dipertanyakan apakah perhitungan lanjutan seperti kemiringan atap tetap relevan

  • Penasaran apakah orang sudah sampai pada kesimpulan bahwa banyak instalasi atap skala kecil adalah cara terburuk. Perizinan dan pemasangannya rumit dan mahal, efisiensi operasionalnya rendah, perbaikan dan asuransinya sulit, peningkatannya sulit, dan tidak efisien untuk diintegrasikan ke jaringan listrik

• Saya skeptis terhadap pemasangan panel surya di atap. Jauh lebih merepotkan dan mahal dibanding memasangnya di lahan datar

  • Biaya tambahannya bisa membantu memasang lebih banyak panel surya atau baterai

• Penggunaan satelit di masa depan akan berguna untuk memperkirakan output surya dalam waktu dekat. Saat ini, panel surya tidak mengetahui hubungannya dengan awan sehingga sulit diprediksi

• Jika setiap orang memasang panel surya, akan timbul banyak masalah

  • Seperempat atau sepertiga tagihan energi adalah biaya distribusi. Jika penggunaan listrik dari jaringan berkurang karena tenaga surya, porsi itu akan makin besar
  • Perusahaan listrik kehilangan pendapatan sehingga uang untuk berinvestasi pada distribusi berkurang, dan mereka harus semakin menaikkan biaya distribusi
  • Jika semua orang memasang panel surya, operator jaringan hanya akan menyediakan listrik di luar jam puncak, sehingga citranya memburuk
  • Jaringannya menjadi lebih tangguh, tetapi membutuhkan investasi besar pada distribusi lokal

• Versi beta hanya tersedia untuk perusahaan. Saya pribadi ingin mencobanya

• Pada 2020, saya menggunakan versi awal alat atap PV untuk membuat desain atap PV saya sendiri. Saya memasang teknologi pengumpulan PV di semua sisi rumah, dan saat ini bahkan dalam cuaca berawan dan hujan pun masih menghasilkan 700 watt. PV dengan baterai adalah pilihan yang meningkatkan kualitas hidup

  • Estimasi penghematan energi dan biaya sering keliru karena memakai data yang digeneralisasi. Jika dibandingkan dengan data nyata milik individu, hasilnya sampai terasa menggelikan
  • Data tidak berbohong. Semoga tetap sehat