Estimación del potencial solar global con base en satélites
(research.google)- En un contexto de rápido crecimiento de la demanda energética, Google amplía el alcance de las evaluaciones solares por techo de Solar API hasta regiones del Sur Global donde hay pocas imágenes aéreas, usando ML basado en imágenes satelitales
- El enfoque central consiste en crear un modelo digital de superficie (DSM) y un mapa de segmentación de techos a partir de una imagen satelital de un único momento, para estimar la información de la forma del techo necesaria para la colocación de paneles y el análisis de sombras
- Con esta expansión, se agregaron datos de Solar API para 125 millones de edificios en 23 países, y la cobertura potencial con las imágenes satelitales disponibles actualmente aumenta hasta 1,900 millones de edificios en todo el mundo
- El modelo muestra un rendimiento estable incluso con entrada solo RGB, por lo que puede aplicarse también en regiones sin DSM de entrada basado en estéreo; los errores excepcionales en Chile y Filipinas se atribuyen a datos de referencia con ruido
- La resolución de píxeles de entrada, las nubes y las obstrucciones todavía limitan la calidad de la salida, y los próximos desafíos incluyen detección de obstáculos, detección de materiales de techo e identificación de paneles solares existentes
Las barreras de evaluación solar a las que apunta Solar API
- Se espera que la demanda de energía aumente considerablemente en el futuro y que, para 2035, la generación solar produzca 10.7k TWh a nivel mundial, casi 28% de la demanda total prevista
- La energía solar residencial es una de las herramientas clave para responder de forma sostenible al aumento de la demanda
- En algunas regiones del Sur Global siguen existiendo barreras para la adopción solar debido al acceso limitado a financiamiento, tecnología e infraestructura
- La evaluación de viabilidad solar a nivel de edificio debe considerar múltiples variables, por lo que puede ser una carga tanto para propietarios de viviendas como para empresas
- Google Maps Platform Solar API usa imágenes aéreas para ofrecer información clave por techo y simplificar la evaluación del potencial solar y el diseño de sistemas
Base de datos de la Solar API existente
- Solar API se lanzó en 2023 dentro de las Environment APIs de Google Maps Platform
- Procesa imágenes aéreas, datos meteorológicos y financieros para proporcionar la siguiente información:
- A principios de 2024, se aplicaron técnicas de ML al pipeline de procesamiento para ofrecer insights solares sobre millones de edificios adicionales en Estados Unidos, Europa y Japón
- Estos datos pueden ser utilizados por empresas para crear información personalizada sobre potencial solar, colocaciones optimizadas de paneles, propuestas y cotizaciones remotas, y programas de incentivos basados en datos
Cobertura del Sur Global ampliada con imágenes satelitales
- Para responder a la demanda de datos solares en el Sur Global, Google aplicó técnicas de ML a imágenes satelitales
- Las imágenes satelitales tienen menor resolución que las imágenes aéreas, por lo que presentan varias limitaciones:
- Falta de mapas de elevación precisos
- Menor calidad de imagen
- Distorsiones producidas por ángulos de observación oblicuos
- A cambio, permiten ampliar la cobertura a todo el mundo y actualizar datos con mayor frecuencia incluso en regiones ya bien mapeadas, como Estados Unidos y Europa
- Los datos experimentales se ofrecen mediante el Solar API Expanded Coverage Testing Program, y algunos instaladores solares ya están usando las salidas de datos
- Con esta expansión, se agregaron datos de Solar API para 125 millones de edificios en 23 países
- La cobertura potencial con las imágenes satelitales disponibles actualmente se amplía hasta 1,900 millones de edificios en todo el mundo
- A medida que los satélites sigan capturando nuevas regiones, podrán agregarse más edificios
- La cobertura más reciente puede consultarse en el mapa de cobertura de Solar API
Pipeline de ML para crear DSM y segmentación de techos
- El pipeline de generación de datos solares necesita un DSM de alta calidad para crear segmentos de techos planos destinados al cálculo de paneles
- Los métodos existentes para generar DSM satelitales tienen limitaciones:
- Las imágenes satelitales de alta resolución y menos de 1 m tienen costos de captura elevados
- La cantidad de vistas de una región específica puede ser limitada y los intervalos de tiempo pueden ser grandes
- Debido a la baja resolución, las técnicas existentes de segmentación de techos también tienen menor precisión con datos satelitales
- El nuevo modelo de ML genera, a partir de una imagen satelital de un único momento, un DSM nadir de alta calidad —es decir, en vista ortogonal— e instancias de segmentos de techos planos
- La metodología está descrita en el paper “Satellite Sunroof: High-res Digital Surface Models and Roof Segmentation for Global Solar Mapping”, publicado en el workshop Climate Change and AI de NeurIPS 2024
Estructura del modelo en 2 etapas
- El modelo genera el DSM y los segmentos de techo en dos etapas: base model y refinement model
- La primera etapa, el base model, usa como entrada una imagen satelital RGB off-nadir y el ángulo de observación del satélite
- Donde está disponible, también incluye de forma opcional DSM-DTM, un mapa de alturas relativas de baja calidad basado en fotogrametría
- El DSM inicial de entrada tiene cobertura limitada y carece de la resolución necesaria para cálculos detallados de techos
- Usa una arquitectura estilo U-Net y un codificador Swin Transformer
- Genera un mapa de alturas mejorado e instancias de segmentos de techo desde la vista off-nadir
- Luego, mediante reproyección basada en geometría, transforma el resultado a nadir view
- La segunda etapa, el refinement model, rellena huecos y artefactos generados durante la reproyección, y mejora el RGB nadir, el DSM y las instancias de segmentos
- Para la estimación del DSM se usan pérdida L1 y pérdida de gradiente Sobel, y para la segmentación de techos se usa pérdida de máscara de afinidad
Resultados de evaluación y condiciones de entrada
- El modelo se evaluó cuantitativamente con varias métricas:
- Error absoluto medio (MAE) del DSM
- Error de inclinación del techo
- IOU de instancias de segmentos de techo
- Los resultados de DSM e inclinación se compararon con DSM aéreos de alta calidad
- Las etiquetas de segmentos de techo se obtuvieron de dos maneras:
- Calculadas aplicando graph-cut a las etiquetas DSM
- Anotadas manualmente por personas
- Según los canales de entrada, los resultados se dividieron en dos grupos:
- RGB-only: corresponde a cobertura global
- RGB+DSM: corresponde a regiones limitadas donde existe DSM de entrada basado en estéreo
- Agregar un DSM de baja calidad mejora la predicción de sombras, capturada por el MAE del DSM de edificios
- Sin embargo, agregar un DSM de baja calidad no mejora de forma significativa la precisión de segmentación de techos ni de inclinación, que son más importantes para estimar el potencial solar
- Incluso con entrada solo RGB, el rendimiento es sólido, por lo que el modelo puede aplicarse en regiones donde existan imágenes satelitales RGB
- La variación de errores por país fue pequeña, y las excepciones de Chile y Filipinas se atribuyen a datos de referencia con ruido
- En consecuencia, el modelo puede adaptarse a regiones con diversos estilos arquitectónicos, tamaños de edificios y estructuras de techo complejas
Resultados visuales y restricciones restantes
- Las visualizaciones de predicción de varias regiones muestran en conjunto RGB nadir, DSM nadir e instancias de segmentos de techo nadir:
- Ayodhya, India
- Kuala Lumpur, Malasia
- Adelaide, Australia
- En zonas de techos planos, el DSM captura con alta precisión los obstáculos y las superficies de techo
- En zonas de techos inclinados, el modelo predice eficazmente las cumbreras del techo, importantes para la colocación de paneles
- Es posible que el DSM no capture la forma detallada de árboles individuales, pero la información de altura de los árboles se usa para analizar el impacto de sombras sobre techos cercanos
- Las salidas del modelo basado en satélites se compararon con los datos aéreos de alta calidad disponibles actualmente en Solar API, y las predicciones de flujo solar anual se visualizaron superpuestas sobre imágenes satelitales RGB
- La calidad de salida aún tiene limitaciones:
- Resolución de píxeles de entrada
- Nubes
- Artefactos por obstrucción
- Google sigue mejorando la precisión mediante investigación y feedback de usuarios
- Las investigaciones futuras incluyen detección de obstáculos, detección de materiales de techo e identificación de paneles solares existentes
1 comentarios
Opiniones en Hacker News
Desde mi perspectiva, tras haber investigado la disponibilidad de DSM en todo el mundo, la Solar API de Google es una de las candidatas más fuertes.
Otras opciones son los levantamientos LiDAR gubernamentales, pero la cobertura, los formatos de archivo, los sistemas de coordenadas y demás varían muchísimo.
Sería bueno que la comunidad de mapas creara un conjunto global de mosaicos de mapas DSM, como los datasets de mosaicos de elevación del terreno que se usan para curvas de nivel o vistas 3D del terreno.
Tal vez alguien ya lo esté haciendo, pero es una lástima que las áreas mencionadas en el artículo sean solo zonas potenciales donde se podría generar DSM, no lugares donde ya existan datos reales.
Esa sigla se usa con muchísimos significados, así que estaría bien escribir el nombre completo al menos una vez.
Es cierto que es una mejora muy impresionante de las herramientas existentes, pero me pregunto si los cálculos avanzados, como la inclinación del techo, todavía tienen sentido.
Creo que ya se había llegado a la conclusión de que muchísimas instalaciones solares individuales en techos son casi la peor forma de hacerlo, porque los permisos y la instalación son complicados y caros, la eficiencia operativa es baja y también es difícil repararlas, asegurarlas, actualizarlas e integrarlas a la red eléctrica.
La infraestructura crítica distribuida aumenta mucho la resiliencia climática, así que no se debería dejar eso fuera de los cálculos de eficiencia.
En cambio, las plantas solares a gran escala, que por lo general son más eficientes, tienen que lidiar con problemas como la espera para conectarse a la red y la falta de capacidad de la red.
Claro que la energía solar distribuida no es una solución general para descarbonizar todo el sistema energético, pero sí tiene un papel importante, y no hay razón para no hacer ambas cosas.
Hoy, alrededor del mediodía, casi el 50% de la generación de la red nacional provenía de solar en techos, y aproximadamente otro 10% de solar a escala de servicios públicos.
Si las compañías eléctricas no intentan activamente obstaculizar su uso, la solar en techos funciona bastante bien.
Un ejemplo está aquí: https://www.theguardian.com/environment/article/2024/sep/08/...
Lo perfecto es enemigo de lo bueno.
La solar a escala de servicios públicos suministra electricidad barata, pero la solar residencial en techos no, y es poco probable que lo haga en el futuro.
El precio de la solar en techos suele estar oculto, porque casi ninguna fuente de energía ha recibido tantos subsidios como ella.
Además de los subsidios directos, los propietarios ricos suelen recibir compensación a precio minorista por la electricidad que venden a la red, lo que crea una especie de Robin Hood inverso: suben las tarifas eléctricas de quienes no pueden pagar paneles en sus techos.
Un informe de statista.com también dice que, en EE. UU., la solar residencial en techos y la energía nuclear tienen el costo nivelado de electricidad sin subsidios más alto, y que sin subsidios la solar en techos cuesta entre 117 y 282 dólares por MWh: https://www.statista.com/statistics/493797/estimated-leveliz...
El informe parece ser de hace un año, pero aunque el precio de los paneles baje, la mano de obra y otros costos no bajan mucho, así que no creo que el costo de instalación se haya reducido demasiado.
Es realmente impresionante.
Si además se le agregaran las tarifas eléctricas locales para estimar el ahorro anual, podría convertirse en un disparador de conversación incluso para propietarios que nunca habían considerado la energía solar residencial.
El procesamiento de imágenes del artículo es muy interesante, pero tengo dudas sobre el caso de uso.
Google lleva unos 10 años haciendo este tipo de estimaciones de potencial solar, así que, si asumimos que empezó a desarrollar la función alrededor de 2010, desde entonces el costo de los paneles solares se redujo por un factor de un solo dígito.
Entonces, ¿no está ya decidida la respuesta a dónde debería instalarse solar? Yo pensaba que hoy la respuesta era “sí, en cualquier lugar”.
O los participantes del mercado están dejando pasar dinero fácil, o la respuesta no es simplemente “sí, en cualquier lugar”.
El costo de los paneles bajó mucho, pero en EE. UU. el hardware de montaje y el costo de instalación siguen siendo bastante altos.
Soy escéptico sobre poner paneles solares en los techos.
Parece engorroso y mucho más caro que instalarlos en terreno plano: https://en.wikipedia.org/wiki/Bhadla_Solar_Park
Con ese dinero extra se podría haber ayudado a instalar más solar o más baterías.
En entornos urbanos, la mayoría de los terrenos de las casas son limitados, así que el techo puede ser el único lugar de instalación.
Si hay suficiente espacio, desde casi cualquier punto de vista el techo es peor lugar que el suelo.
Alemania ya tiene grandes problemas con la transmisión eléctrica a larga distancia.
Hoy la energía solar y las baterías son muy baratas, así que la independencia y la libertad práctica vienen incluidas por defecto.
También se podría instalar en el suelo si quieres inutilizar espacio valioso, pero prefiero el techo, donde no hay esa pérdida.
En lugares como junto a autopistas o ubicaciones inteligentes, la instalación en suelo también está bien.
Pero cuando invierto en mi propia casa, no quiero financiar la solar de otra persona.
Estimación basada en una casa de San Francisco con un techo típico y tarifas eléctricas típicas
Si el costo inicial es de 20.000 dólares y el ahorro en 20 años es de 4.000 dólares, eso implica un rendimiento anual de 0,9%
Paso
Si asumimos que la producción real es el 10% de la capacidad, son 14~19 kWh al día, 5.000~7.000 kWh al año
La tarifa residencial actual en San Francisco es de 38,9 centavos por kWh[1], así que el ahorro anual sería de 2.000~2.700 dólares, o 40.000~54.000 dólares en 20 años
El ahorro real dependerá del consumo en horas pico, pero no creo que esté errado por un factor de 10
Así que esos 20.000 dólares en realidad pasan a ser 12.000 dólares, lo que mejora un poco el cálculo
¿Y tuvieron en cuenta el aumento de las tarifas eléctricas durante 20 años? No parece probable que la electricidad vaya a abaratarse
En el noreste de EE. UU., donde me tocó vivirlo, los apagones prolongados echan a perder miles de dólares en alimentos, causan decenas de miles de dólares en pérdidas por inundaciones de sótanos y, en invierno, las temperaturas bajo cero congelan cañerías y provocan daños aún mayores en todo el edificio
Cuando la industria aseguradora entienda las ventajas del almacenamiento local de energía, terminará reduciendo las primas de las casas que tengan sistemas locales de almacenamiento de energía
Me da risa ver cálculos puramente financieros sin mirar el panorama completo de qué pasa en la vida cuando el interruptor no enciende nada
También he diseñado muchos sistemas de software de alta disponibilidad, y el punto de partida básico de cualquier sistema siempre fue la energía
La mayor parte de la sociedad asume que el interruptor siempre va a prender la luz, pero solo cuando eso no ocurre empieza a entender qué es realmente una “red eléctrica centralizada”
Como California anunció recientemente que exigirá energía solar y almacenamiento en viviendas nuevas después de 2026, la descentralización de la red eléctrica ya está en marcha
Hoy las personas pueden hacerse las desentendidas con el problema energético, pero cuando los problemas se acumulen, todos terminarán teniendo que participar
Es la diferencia entre actuar antes o reaccionar después; cuando de verdad lo necesites, ya será tarde
Pero no sé si la vida útil de los paneles es lo bastante larga como para que ese modelo cierre
Artículo relacionado: Global Solar Power Potential Map - https://news.ycombinator.com/item?id=40303570 - mayo de 2024
En el futuro, un uso interesante de los satélites será estimar con precisión la producción solar en el futuro cercano, por ejemplo durante la próxima hora, para que los operadores de la red puedan ajustar el almacenamiento y la demanda y mantener el equilibrio
Hoy no se pueden hacer esas predicciones porque, frente a las nubes que pasan, no se sabe dónde están los paneles solares
Si no, bastaría con scrapear imágenes de Google Maps para entrenar un modelo de IA
Me sorprendería si nadie lo estuviera haciendo ya
Que cada persona tenga sus propios paneles solares genera varios problemas
Aproximadamente entre 1/4 y 1/3 de la tarifa eléctrica corresponde a costos de distribución, y cuanto menos se toma de la red por la energía solar en techos, mayor se vuelve esa proporción
Al mismo tiempo, la empresa eléctrica gana menos porque los usuarios consumen menos electricidad, y también tiene menos dinero para invertir en distribución
Entonces, para seguir operando, tiene que subir aún más los cargos de distribución
A eso se suman el NIMBY, los costos de permisos y el problema de que en este país no se puede construir nada sin una razón aparente, por lo que los costos de distribución en general están creciendo
En un hogar donde todos tienen energía solar en el techo, en la práctica se termina pagando al operador de la red solo por electricidad sucia o en horarios no pico
Entonces el operador queda mal visto, los usuarios se enojan y dicen “si uso tan poca electricidad, ¿por qué la factura es tan cara?”, y la política presiona para que se use energía limpia
Pero el operador tiene que suministrar electricidad las 24 horas, atrapado entre topes de rentabilidad, generación limpia cara en horarios no pico, centrales costosas que están ociosas la mitad del tiempo y falta de efectivo
La energía solar residencial no cubre las 24 horas, así que la gente necesita electricidad todo el día, y en muchas zonas incluso es ilegal vender una casa que no esté conectada a la red
Por lo tanto, el consumidor tiene que pagar por la opción de usar electricidad en horas no pico, y todos quedan descontentos
La ventaja es que podría aumentar la resiliencia de la red, pero, como dijeron otros, eso solo es posible con una gran inversión en distribución local
Se tendría que poder enviar electricidad de las casas de vuelta a la red de una forma muy dinámica y granular, y eso implica una inversión de capital enorme que a los operadores de red les cuesta afrontar
Al final, es un problema derivado de que repartir paneles solares pequeños por todos lados es tremendamente ineficiente, porque no permite instalar, limpiar, mantener ni reemplazar a bajo costo
Es mucho más barato por watt poner muchos paneles en un terreno barato del desierto y enviarlo por la red de distribución existente
De una forma u otra, todos terminaremos pagando ese costo de resiliencia en la factura eléctrica
La electricidad de la red sería “mucho más barata” y no valdría la pena instalarla
Así que eso no es cierto, o las eléctricas están tan ocupadas cobrando de más que se crearon a sí mismas una situación imposible en la que todos las odian
Aunque hoy sea demasiado caro, ¿hay alguna solución conocida?
¿Tendría sentido que la empresa eléctrica local se pase por completo a solar con grandes respaldos de baterías? ¿O las baterías siguen siendo demasiado caras o duran poco y todavía no es viable?
¿Qué tal una combinación de eólica + solar? Es poco probable que ambas se detengan al mismo tiempo
Leí que los costos de la eólica y la solar están bajando rápido cada año, y lo mismo pasa con la tecnología de baterías
¿Cuánto falta para que los costos bajen lo suficiente como para que una ciudad tenga su propia red eléctrica confiable basada en energías renovables?
Espero que ayude a que la gente consiga energía más barata.
Solo como una observación menor: la expresión “10.7k TWh en todo el mundo” me recuerda aquella vez que casi intenté abreviar “thousand kilometres” como “kkm”.
Y no es una crítica a Google, pero si uno mira el enlace de la IEA en esa frase, resulta sospechoso porque parece que la IEA todavía pronostica la adopción solar de 2025 a 2035 de forma lineal.
Y eso a pesar de que, durante al menos 10 años, la gente ha señalado que históricamente creció de forma exponencial y ha preguntado por qué no se asume que lo exponencial continuará.
Si la tendencia sigue, para 2035 esperaría que la energía solar sea más o menos el doble de la cifra de la IEA.
Referencias: https://www.economist.com/interactive/essay/2024/06/20/solar...
https://www.exponentialview.co/p/the-forecasters-gap
Artículo de hace 7 años: https://xwpxpfefwalgifkr.quora.com/A-modest-proposal-to-the-...
¿Hay alguna ambigüedad que se me esté escapando?
Si asumimos que ahora crece 26% anual y que baja 2 puntos porcentuales cada año, a 24% el próximo año, entonces dentro de 10 años las instalaciones anuales serían 4.25 veces las del año pasado, y la capacidad instalada acumulada en los próximos 10 años sería 2.8 veces la estimación lineal.
Personalmente, eso me parece una aproximación razonable.
Pero, dependiendo de cuánto se despliegue el almacenamiento en la red eléctrica, el factor de capacidad podría caer mucho o mantenerse bastante estable, así que es una incógnita.
No estamos expuestos con frecuencia a números de esa escala.
No tengo muy claro cuál es la solución correcta.
Los prefijos de unidades no fueron una buena idea.
¿Se movió el punto decimal o simplemente se cambió a “Mm”?