SolarSAM: Building-scale Photovoltaic Potential Assessment Based on Segment Anything Model (SAM) and Remote Sensing for Emerging City

随着光伏技术的进步，太阳能因其易于集成到建筑物屋顶、立面和窗户上而成为一种有前途的可再生能源。然而，对于新兴城市而言，缺乏详细的街道级数据对于有效评估建筑一体化光伏（BIPV）的潜力构成了挑战。为了解决这个问题，本研究介绍了SolarSAM，一种利用遥感图像和深度学习技术的新型BIPV评估方法，并利用中国北方的一个新兴城市验证了模型的性能。在此过程中，SolarSAM利用文本提示引导的语义分割对各种建筑屋顶进行了分割。然后，利用这些分割数据和本地气候信息，开发了屋顶光伏、立面一体化光伏和光伏窗系统的不同光伏模型。评估了BIPV安装潜力、太阳能发电量和城市范围内的自给自足能力，结果显示年度BIPV发电潜力超过了该城市总用电量的2.5倍。还进行了经济和环境分析，包括比较不同建筑类别下不同BIPV系统的电平化成本和碳减排计算。这些发现证明了模型的性能，并揭示了未来BIPV发电的潜力。

如何评估建筑一体化光伏的潜力，以及如何比较不同类型的光伏系统在经济和环境方面的优劣？这是否是一个新问题？

使用遥感图像和深度学习技术，开发了一种新的建筑一体化光伏评估方法SolarSAM，该方法能够对建筑屋顶、立面和窗户进行语义分割，并根据当地气候信息开发不同的光伏模型。通过该方法评估了中国北方一个新兴城市的建筑一体化光伏潜力和经济、环境效益。

实验使用了遥感图像和深度学习技术，开发了一种新的建筑一体化光伏评估方法。该方法能够对建筑屋顶、立面和窗户进行语义分割，并根据当地气候信息开发不同的光伏模型。经过评估，发现该城市的年建筑一体化光伏发电潜力超过了全市总用电量的2.5倍。论文还进行了经济和环境分析，比较了不同类型的光伏系统在成本和碳减排方面的优劣。

与该论文相关的研究包括： 1. 建筑一体化光伏潜力评估方法的研究 2. 遥感图像在光伏评估中的应用 3. 深度学习在建筑一体化光伏评估中的应用