Einsatz von Künstlicher Intelligenz zur Analyse des Photovoltaik-Potenzials von Städten. Eine prototypbasierte Untersuchung

Inhaltsverzeichnis

• Einleitung
• Motivation
• Ziele und Umfang
• Umriss dieser Arbeit
• Verwandte Themen und wissenschaftlicher Hintergrund
• Abgrenzung Künstliche Intelligenz
• Künstliche Intelligenz
• Maschine Learning
• Deep Learning
• Künstliche neuronale Netze
• Convolutional Neural Networks (CNN)
• Architektur
• Training
• Bewertungsmetriken
• Optimierungslösungen
• Spezielle CNN-Architekturen
• Semantische Segmentierung
• Hintergrund
• Encoder-Decoder-Architektur: U-Net
• Daten zur Analyse des PV-Potenzials
• Fernerkundung
• Datensätze
• Vorhandene Lösungen
• Ähnliche Aufgabenstellung
• Auswahl von Komponenten
• Optimierung der Implementierung
• Konzeption des Prototyps
• Konzeption des Anwendungsfalls
• Anforderungen
• Design des Prototyps
• Dachflächen-Segmentierung
• Solarmodul-Segmentation
• Solarmodul-Klassifizierung
• Dachform-Klassifizierung
• Azimut-Berechnung
• PV-Potenzial-Simulation
• Implementierung des Prototyps
• Vorgehensweise
• Entwicklungsumgebung und Werkzeuge
• Datengenerierung
• Datenvorverarbeitung
• Datensatz partitionieren
• Trainingsbilder vorverarbeiten
• Maßstab ermitteln
• Training der Modelle
• Modell: Semantische Segmentierung des Daches
• Modell: Semantische Segmentierung der Solarmodule
• Modell: Solarmodul-Klassifizierung
• Modell: Klassifikation der Dachform
• Modell: Klassifikation der Azimutklasse
• Modell: Klassifizierung PV und Solarthermie
• Deployment des Systems
• Anbindung an lokale Testbilder
• Anbindung an die Maps-API
• Evaluation
• Evaluation am Anwendungsfall Echterdingen
• LUBW-Messungen
• Vorhersagen des Prototyps
• Vergleich
• Stichprobenbasierte Evaluation
• Fehleranalyse
• Analyse der Fehler auf Evaluierungsbasis
• Analyse der Fehler im Gesamtkontext
• Betriebswirtschaftliche Analyse
• Geschäftsideen
• Prozessanalyse in der Stadtverwaltung
• Ökonomisches Lösungskonzept in Echterdingen
• Fazit und Ausblick

Zielsetzung und Themenschwerpunkte

Diese Masterarbeit zielt darauf ab, das photovoltaische Potenzial einer Stadt mithilfe von Künstlicher Intelligenz automatisch zu ermitteln. Dazu werden Deep Learning- und Semantische Segmentierungsverfahren zur Analyse von frei verfügbaren Fernerkundungsbildern verwendet. Der Fokus liegt auf der Entwicklung eines Prototyps, der das PV-Potenzial und den Ist-Zustand eines Daches/einer Stadt anhand von Fernerkundungsbildern bewertet.

• Entwicklung eines Prototyps zur automatischen Analyse des PV-Potenzials einer Stadt
• Anwendung von Deep Learning- und Semantischen Segmentierungsverfahren für die Analyse von Fernerkundungsbildern
• Bewertung des PV-Potenzials und des Ist-Zustands von Dächern und Städten
• Validierung und Evaluation der Ergebnisse mithilfe von Laserscan-Messungen
• Identifizierung von Einsatzmöglichkeiten des Prototyps im Unternehmenskontext

Zusammenfassung der Kapitel

Die Arbeit beginnt mit einer Einleitung, die die Motivation, die Ziele und den Umfang der Arbeit sowie einen kurzen Überblick über den Inhalt beschreibt. Kapitel 2 behandelt die verwandten Themen und den wissenschaftlichen Hintergrund, einschließlich der Abgrenzung von Künstlicher Intelligenz, Machine Learning und Deep Learning, sowie der Erläuterung von Convolutional Neural Networks (CNN) und Semantischer Segmentierung. Kapitel 3 konzentriert sich auf die Konzeption des Prototyps und definiert den Anwendungsfall, die Anforderungen und das Design. In Kapitel 4 wird die Implementierung des Prototyps behandelt, wobei die Vorgehensweise, die Entwicklungsumgebung und Werkzeuge, die Datengenerierung, die Datenvorverarbeitung und das Training der Modelle im Detail erläutert werden. Kapitel 5 präsentiert die Evaluation des Prototyps am Anwendungsfall der Stadt Echterdingen, beinhaltet eine Fehleranalyse und eine betriebswirtschaftliche Analyse. Die Arbeit schließt mit einem Fazit und Ausblick.

Schlüsselwörter

Künstliche Intelligenz, Deep Learning, Semantische Segmentierung, Convolutional Neural Networks (CNN), Fernerkundung, Photovoltaik, PV-Potenzial, Prototypentwicklung, Stadtplanung, Nachhaltigkeit, Laserscan-Messungen.