نموذج جديد لرسم خرائط دقيقة لإمكانات الطاقة الشمسية السنوية

في إطار الجهود الرامية إلى تعزيز استغلال مصادر الطاقة المتجددة، توصل باحثون من جامعة أصفهان في إيران إلى نموذج جديد يهدف إلى تحسين دقة نماذج الارتفاع الرقمي (DEMs) لرسم خرائط سنوية عالية الدقة لإمكانات الطاقة الشمسية. يهدف هذا النموذج إلى تحديد المواقع المثلى لتركيب الألواح الشمسية في المناطق الحضرية.

تعريف نماذج الارتفاع الرقمي

نماذج الارتفاع الرقمي (Digital Elevation Model DEM) هي تمثيلات ثلاثية الأبعاد لسطح الأرض تظهر تضاريس الأرض بشكل مجرد، دون العناصر الطبيعية مثل الأشجار والمباني. تُستخدم هذه النماذج في رسم خرائط الطاقة الشمسية من خلال تحليل مجموعة من العوامل، منها: الارتفاع، الميل، الاتجاه، وتأثير الظلال.

تتوفر نماذج DEMs مثل SRTM   و ALOS  وASTER  وCopernicus  عبر الإنترنت كأدوات مفتوحة المصدر، وهي تُستخدم على نطاق واسع في إعداد خرائط الطاقة الشمسية. ووفقًا للباحثين، فإن هذه النماذج، بفضل تغطيتها الواسعة، تُتيح إنشاء خرائط للطاقة الشمسية في المناطق النائية بتكلفة منخفضة.

التحديات التقنية والحلول المبتكرة

على الرغم من الفوائد العديدة لنماذج الارتفاع الرقمي، إلا أن دقتها المحدودة مقارنةً بالبيانات المستخلصة من تقنيات مثل LiDAR  تُشكّل عائقًا أمام استخراج خرائط دقيقة لإمكانات الطاقة الشمسية. تقنية LiDAR، التي تعتمد على قياس المسافات باستخدام أشعة الليزر، تتميز بدقتها العالية، لكنها تتطلب تكاليف مرتفعة ومساحات تخزين كبيرة.

لتجاوز هذه التحديات، اقترح فريق البحث الإيراني استخدام شبكات التعلم العميق لتحسين دقة نماذج  DEMs، وتركزت جهودهم على تدريب هذه النماذج لزيادة دقتها المكانية، بهدف تحديد المواقع الأنسب لتركيب الألواح الشمسية في المناطق الحضرية.

الذكاء الاصطناعي في تحسين الخرائط

استخدم الباحثون شبكة Enhanced Deep Super-Resolution (EDSR)  لتحسين دقة الخرائط المستخلصة من بيانات LiDAR تُعتبر شبكة EDSR تقنية عصبية تلافيفية تُستخدم على نطاق واسع لتحسين دقة الصور في مهام الرؤية الحاسوبية.

قارن الباحثون أداء شبكة EDSR  مع تقنية U-Net، المعروفة بتقسيم الصور بسرعة ودقة. وأظهرت النتائج أن نموذج EDSR  تفوق من حيث الدقة والاستقرار في تحسين خرائط إمكانات الطاقة الشمسية.

نتائج مشجعة

تمكن فريق البحث من تحسين دقة خريطة مستخلصة من نموذج Copernicus DEM  من 30 مترًا إلى 6 أمتار. وأظهرت المقارنات بين الخرائط المُحسّنة باستخدام EDSR  والخرائط المرجعية المستندة إلى LiDAR  أن النموذج الجديد لم يكتفِ بتحسين دقة الخرائط، بل عزز أيضًا من دقة تقديرات الطاقة الشمسية، لا سيما في المناطق الحضرية وعلى طول الطرق الرئيسية.

التطبيقات العملية

أكد الباحثون على فعالية الخريطة المُحسّنة بدقة 6 أمتار في تحديد المباني المناسبة لتركيب الألواح الشمسية، مما يُساهم في تحسين استغلال أسطح المباني لإنتاج الطاقة النظيفة.

نشر البحث

نُشرت تفاصيل هذا العمل البحثي في ورقة علمية بعنوان:

“Improving the Resolution of Solar Energy Potential Maps Derived from Global DSMs for Rooftop Solar Panel Placement Using Deep Learning”  في مجلة Heliyon