(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2023-10-30
(54)【発明の名称】一地域における太陽光分布を決定するための方法
(51)【国際特許分類】
G06Q 50/08 20120101AFI20231023BHJP
G06Q 50/06 20120101ALI20231023BHJP
【ＦＩ】
G06Q50/08
G06Q50/06
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023523517
(86)(22)【出願日】2021-10-19
(85)【翻訳文提出日】2023-05-22
(86)【国際出願番号】 EP2021078977
(87)【国際公開番号】W WO2022084328
(87)【国際公開日】2022-04-28
(31)【優先権主張番号】20306237.7
(32)【優先日】2020-10-19
(33)【優先権主張国・地域又は機関】EP
(81)【指定国・地域】
(71)【出願人】
【識別番号】522232558
【氏名又は名称】トタルエナジーズ ワンテク
【氏名又は名称原語表記】ＴＯＴＡＬＥＮＥＲＧＩＥＳ ＯＮＥＴＥＣＨ
(74)【代理人】
【識別番号】100080447
【弁理士】
【氏名又は名称】太田 恵一
(72)【発明者】
【氏名】ユスフィ，ソニア
【テーマコード（参考）】
5L049
【Ｆターム（参考）】
5L049CC06
5L049CC07
(57)【要約】
【課題】 最も簡単な方法で、世界中のどこでも、一地域における太陽光分布を決定することを可能にするツールを提供する。
【解決手段】 訓練データベース（Ｂ）を形成するためにデータを収集するためのフェーズと、訓練済みモデルを得るために訓練データベース（Ｂ）に基づいてモデルを訓練するためのフェーズであって、訓練済みモデルの入力は、空から見た一地域の１枚の画像であり、また出力は、入力画像に撮像された地域の各表面に投影された放射照度の全体地図であり、訓練済みモデルを動作させるためのフェーズであって、該フェーズは、空から見た一地域の１枚の画像を受信するステップ、および、受信した画像に撮像された地域の各表面に投影された放射照度の全体地図を、訓練済みモデルによって決定するステップを含むことで、太陽光分布を決定する。
【選択図】図３
【解決手段】 訓練データベース（Ｂ）を形成するためにデータを収集するためのフェーズと、訓練済みモデルを得るために訓練データベース（Ｂ）に基づいてモデルを訓練するためのフェーズであって、訓練済みモデルの入力は、空から見た一地域の１枚の画像であり、また出力は、入力画像に撮像された地域の各表面に投影された放射照度の全体地図であり、訓練済みモデルを動作させるためのフェーズであって、該フェーズは、空から見た一地域の１枚の画像を受信するステップ、および、受信した画像に撮像された地域の各表面に投影された放射照度の全体地図を、訓練済みモデルによって決定するステップを含むことで、太陽光分布を決定する。
【選択図】図３
【特許請求の範囲】
【請求項1】
一地域における太陽光分布を決定するための方法であって、該方法がコンピュータによって実装され、また該方法が、ａ．訓練データベース（Ｂ）を形成するためにデータを収集するためのフェーズであって、収集されたデータは少なくとも以下を有する、
ｉ．空から見た異なる地域の複数の画像（ＩＭ１、．．、ＩＭｎ）であって、地域のうちの少なくともいくつかは、ソーラーパネルの設置に適した特定要素（Ｒ）を有している、および、
ｉｉ．各画像（ＩＭ１、．．、ＩＭｎ）について、画像（ＩＭ１、．．、ＩＭｎ）に撮像された地域の各表面に投影された放射照度の全体地図（Ｃ１、．．、Ｃｎ）、
ｂ．訓練済みモデル（ＭＴ）を得るために訓練データベース（Ｂ）に基づいてモデルを訓練するためのフェーズであって、訓練済みモデル（ＭＴ）の単一の入力は、空から見た一地域のただ１枚の２次元画像（ＩＭｉ）であり、また出力は、入力画像（ＩＭｉ）に撮像された地域の各表面に投影された放射照度の全体地図（Ｃｉ）である、
ｃ．訓練済みモデル（ＭＴ）を動作させるためのフェーズであって、該フェーズは以下を有する、
ｉ．空から見た一地域の分析すべき１枚の２次元画像（ＩＭｉ）を受信するステップ、および、
ｉｉ．分析すべき画像（ＩＭｉ）に撮像された地域の各表面に投影された放射照度の全体地図（Ｃｉ）を、訓練済みモデル（ＭＴ）によって決定するステップ、
を有する方法。
【請求項2】
前記収集画像（ＩＭ１、．．、ＩＭｎ）および分析画像（ＩＭｉ）が、カメラのようなセンサによって、または人工衛星によって得られる、請求項１に記載の方法。
【請求項3】
前記収集データが、また、各画像（ＩＭ１、．．、ＩＭｎ）について、画像（ＩＭ１、．．、ＩＭｎ）に撮像された単数または複数の特定要素（Ｒ）を分割するマスク（Ｍ１、．．、Ｍｎ）も有する、請求項１または２に記載の方法。
【請求項4】
前記方法が、決定された全体地図（Ｃｉ）および補足データに基づいて、分析画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）に関連するソーラーデータを決定するためのフェーズを有し、補足データが、地域の気象データおよび／またはソーラーパネルデータおよび／または地域の位置データを有する、請求項１から３のいずれか一つに記載の方法。
【請求項5】
決定フェーズが、各分析画像（ＩＭｉ）について、以下のステップ、ａ．画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）を分割するマスク（Ｍｉ）を決定するステップ、および、
ｂ．全体地図（Ｃｉ）および決定されたマスク（Ｍｉ）に基づいて、画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）だけに投影された放射照度の、特定地図（Ｃｓｉ）を決定するステップ、を有し、
地域の領域のソーラーデータが、特定地図（Ｃｓｉ）に基づいて決定される、請求項４に記載の方法。
【請求項6】
前記ソーラーデータが、分析すべき画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）のソーラーポテンシャルと、単数または複数の特定要素（Ｒ）に設置されると仮定されるソーラー設備の収率とのうちから、少なくとも１つのデータを有する、請求項４または５に記載の方法。
【請求項7】
前記収集フェーズが、低減された解像度の画像を得るために収集画像（ＩＭ１、．．、ＩＭｎ）にフィルタをかけるステップを有し、訓練データベース（Ｂ）を形成する画像（ＩＭ１、．．、ＩＭｎ）が、低減された解像度を伴う画像である、請求項１から６のいずれか一つに記載の方法。
【請求項8】
前記方法が、得られた全体地図（Ｃｉ）に基づいて、分析すべき画像（ＩＭｉ）に撮像された地域の一領域内にソーラーパネルを設計および／またはセットアップするためのフェーズを有する、請求項１から７のいずれか一つに記載の方法。
【請求項9】
前記特定要素（Ｒ）が、建物の屋根、建物のベランダ、および、野原や庭といった地面の特定部分の中から選ばれる、請求項１から８のいずれか一つに記載の方法。
【請求項10】
プログラムインストラクションを有するコンピュータプログラムを内蔵するコンピュータ読み取り可能な媒体を有する、コンピュータプログラム製品であって、コンピュータプログラムが、データ処理装置の中にロード可能であり、そしてコンピュータプログラムがデータ処理装置によって起動されるとき請求項１から９のいずれか一つに記載の方法の実行を引き起こす製品。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、一地域における太陽光分布を決定するための方法に関する。
本発明は、関連するコンピュータプログラム製品にも関する。
本発明は、関連するコンピュータプログラム製品にも関する。
【背景技術】
【0002】
再生可能エネルギーから電気を作ることは、我々の社会にとって進行中の重要な問題である。
このことは、ソーラー電気を作ることを可能にするソーラーパネルのような特定の設備の開発を必然的に伴ってきた。
ソーラーパネルは、典型的には、建物の屋根、壁、ベランダ、または地面の上といった、一地域の特定領域上に設置される。
このことは、ソーラー電気を作ることを可能にするソーラーパネルのような特定の設備の開発を必然的に伴ってきた。
ソーラーパネルは、典型的には、建物の屋根、壁、ベランダ、または地面の上といった、一地域の特定領域上に設置される。
【0003】
ソーラー設備の開発をサポートするために、これらのソーラー設備用の特定領域の形状および向きを考慮に入れながら一地域における太陽光分布を推定するため、ツールが開発されてきた。
これらのツールは、ソーラー電気の生産量を増やすために、一地域におけるソーラーパネルの分配を改善することを目ざすものである。
これらのツールは、また、地域のソーラーポテンシャルを個人および地域社会に示すことによって、ソーラーパネルに投資するよう促すためにも使われる。
これらのツールは、ソーラー電気の生産量を増やすために、一地域におけるソーラーパネルの分配を改善することを目ざすものである。
これらのツールは、また、地域のソーラーポテンシャルを個人および地域社会に示すことによって、ソーラーパネルに投資するよう促すためにも使われる。
【0004】
そのようなツールは、典型的には、一地域における太陽光分布を評価するために、該当地域の３次元データを使用する。
【発明の概要】
【発明が解決しようとする課題】
【0005】
３次元データは、しかしながら、世界中いたるところで利用できるというわけではない。
３次元再構築は、そのうえ、費用のかかる資源を必要とする。
ゆえに、現行のツールは、世界中いたるところで容易に使用できるというわけではない。
３次元再構築は、そのうえ、費用のかかる資源を必要とする。
ゆえに、現行のツールは、世界中いたるところで容易に使用できるというわけではない。
【0006】
したがって、最も簡単な方法で、世界中のどこでも、一地域における太陽光分布を決定することを可能にするツールが必要である。
【課題を解決するための手段】
【0007】
このため、本発明は、一地域における太陽光分布を決定するための方法に関しており、該方法はコンピュータによって実装され、また該方法は以下を有する、
ａ．訓練データベースを形成するためにデータを収集するためのフェーズであって、収集されたデータは少なくとも以下を有する、
ｉ．空から見た異なる地域の複数の画像であって、地域のうちの少なくともいくつかは、ソーラーパネルの設置に適した特定要素を有している、および、
ｉｉ．各画像について、画像に撮像された地域の各表面に投影された放射照度の全体地図、
ｂ．訓練済みモデルを得るために訓練データベースに基づいてモデルを訓練するためのフェーズであって、訓練済みモデルの単一の入力は、空から見た一地域のただ１枚の２次元画像であり、また出力は、入力画像に撮像された地域の各表面に投影された放射照度の全体地図である、
ｃ．訓練済みモデルを動作させるためのフェーズであって、該フェーズは以下を有する、
ｉ．空から見た一地域の分析すべき１枚の２次元画像を受信するステップ、および、
ｉｉ．分析すべき画像に撮像された地域の各表面に投影された放射照度の全体地図を、訓練済みモデルによって決定するステップ。
ａ．訓練データベースを形成するためにデータを収集するためのフェーズであって、収集されたデータは少なくとも以下を有する、
ｉ．空から見た異なる地域の複数の画像であって、地域のうちの少なくともいくつかは、ソーラーパネルの設置に適した特定要素を有している、および、
ｉｉ．各画像について、画像に撮像された地域の各表面に投影された放射照度の全体地図、
ｂ．訓練済みモデルを得るために訓練データベースに基づいてモデルを訓練するためのフェーズであって、訓練済みモデルの単一の入力は、空から見た一地域のただ１枚の２次元画像であり、また出力は、入力画像に撮像された地域の各表面に投影された放射照度の全体地図である、
ｃ．訓練済みモデルを動作させるためのフェーズであって、該フェーズは以下を有する、
ｉ．空から見た一地域の分析すべき１枚の２次元画像を受信するステップ、および、
ｉｉ．分析すべき画像に撮像された地域の各表面に投影された放射照度の全体地図を、訓練済みモデルによって決定するステップ。
【0008】
本発明による方法は、単独でまたは技術的に可能な任意の組合せにおいて考慮される、以下の特徴の単数または複数を有することができる。
－収集画像および分析画像は、カメラのようなセンサによって、または人工衛星によって得られる。
－収集データは、また、各画像について、画像に撮像された単数または複数の特定要素を分割するマスクも有する。
－方法は、決定された全体地図および補足データに基づいて、分析画像に撮像された単数または複数の特定要素に関連するソーラーデータを決定するためのフェーズを有し、補足データは、例えば、地域の気象データおよび／またはソーラーパネルデータおよび／または地域の位置データを有する。
－決定フェーズは、各分析画像について、以下のステップ、
ａ．画像に撮像された単数または複数の特定要素を分割するマスクを決定するステップ、および、
ｂ．全体地図および決定されたマスクに基づいて、画像に撮像された単数または複数の特定要素だけに投影された放射照度の、特定地図を決定するステップ、を有し、
地域の領域のソーラーデータは、特定地図に基づいて決定される。
－ソーラーデータは、分析すべき画像に撮像された単数または複数の特定要素のソーラーポテンシャルと、単数または複数の特定要素に設置されると仮定されるソーラー設備の収率とのうちから、少なくとも１つのデータを有する。
－収集フェーズは、低減された解像度の画像を得るために収集画像にフィルタをかけるステップを有し、訓練データベースを形成する画像は、低減された解像度を伴う画像である。
－方法は、得られた全体地図に基づいて、分析すべき画像に撮像された地域の一領域内にソーラーパネルを設計および／またはセットアップするためのフェーズを有する。
－特定要素は、建物の屋根、建物のベランダ、および、野原や庭といった地面の特定部分の中から選ばれる。
－収集画像および分析画像は、カメラのようなセンサによって、または人工衛星によって得られる。
－収集データは、また、各画像について、画像に撮像された単数または複数の特定要素を分割するマスクも有する。
－方法は、決定された全体地図および補足データに基づいて、分析画像に撮像された単数または複数の特定要素に関連するソーラーデータを決定するためのフェーズを有し、補足データは、例えば、地域の気象データおよび／またはソーラーパネルデータおよび／または地域の位置データを有する。
－決定フェーズは、各分析画像について、以下のステップ、
ａ．画像に撮像された単数または複数の特定要素を分割するマスクを決定するステップ、および、
ｂ．全体地図および決定されたマスクに基づいて、画像に撮像された単数または複数の特定要素だけに投影された放射照度の、特定地図を決定するステップ、を有し、
地域の領域のソーラーデータは、特定地図に基づいて決定される。
－ソーラーデータは、分析すべき画像に撮像された単数または複数の特定要素のソーラーポテンシャルと、単数または複数の特定要素に設置されると仮定されるソーラー設備の収率とのうちから、少なくとも１つのデータを有する。
－収集フェーズは、低減された解像度の画像を得るために収集画像にフィルタをかけるステップを有し、訓練データベースを形成する画像は、低減された解像度を伴う画像である。
－方法は、得られた全体地図に基づいて、分析すべき画像に撮像された地域の一領域内にソーラーパネルを設計および／またはセットアップするためのフェーズを有する。
－特定要素は、建物の屋根、建物のベランダ、および、野原や庭といった地面の特定部分の中から選ばれる。
【0009】
本発明はまた、プログラムインストラクションを有するコンピュータプログラムを内蔵するコンピュータ読み取り可能な媒体を有する、コンピュータプログラム製品にも関しており、コンピュータプログラムは、データ処理装置の中にロード可能であり、そしてコンピュータプログラムがデータ処理装置によって起動されるとき先に記述された方法の実行を引き起こす。
【0010】
本発明は、以下の添付の図面を参照して単に一例として提供される以下の説明を考慮することにより、より容易に理解することができるであろう。
【図面の簡単な説明】
【0011】
【図1】一地域における太陽光分布を決定するための方法の実装を許可する計算機の一例の概略図である。
【図2】一地域における太陽光分布を決定するための方法の一実装例のフローチャートである。
【図3】訓練データベースを形成する収集データの略図である。
【図4】訓練済みモデルの入力および出力の略図である。
【発明を実施するための形態】
【0012】
計算機１０およびコンピュータプログラム製品１２が、図１に示されている。
【0013】
計算機１０は、好ましくはコンピュータである。
【0014】
より一般的には、制御装置１０は、コンピュータもしくはコンピューティングシステム、または、コンピューティングシステムのレジスタおよび／もしくはメモリ内の電子量のような物理量として表されるデータを、コンピューティングシステムのメモリ、レジスタまたは他のかかる情報記憶装置、情報伝達装置もしくは情報表示装置内の物理量として同様に表される他のデータに変換するかつ／または操作するように適合された類似の電子計算装置である。
【0015】
計算機１０は、コンピュータプログラム製品１２と情報をやりとりする。
【0016】
図１に示されているように、計算機１０は、データ処理装置１６とメモリ１８と情報媒体用リーダ２０とを有する、プロセッサ１４を有している。
図１に示されている例において、計算機１０は、キーボードのようなヒューマンマシンインターフェース２２およびディスプレイ２４を有している。
図１に示されている例において、計算機１０は、キーボードのようなヒューマンマシンインターフェース２２およびディスプレイ２４を有している。
【0017】
コンピュータプログラム製品１２は、情報媒体２６を有する。
【0018】
情報媒体２６は、計算機１０によって、通常はデータ処理装置１６によって読み取り可能な媒体である。
読み取り可能な情報媒体２６は、電子的インストラクションを記憶するのに適した、かつコンピュータシステムバスと結合することができる媒体である。
読み取り可能な情報媒体２６は、電子的インストラクションを記憶するのに適した、かつコンピュータシステムバスと結合することができる媒体である。
【0019】
情報媒体２６は、例として、ＵＳＢキー、フロッピーディスク（登録商標）またはフレキシブルディスク（英語名で「Ｆｌｏｐｐｙ ｄｉｓｃ」）、光ディスク、ＣＤ－ＲＯＭ、光磁気ディスク、ＲＯＭメモリ、メモリＲＡＭ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、磁気カードまたは光カードである。
【0020】
情報媒体２６には、プログラムインストラクションを有するコンピュータプログラム１２が記憶されている。
【0021】
コンピュータプログラム１２は、データ処理装置１６にロード可能であり、コンピュータプログラム１２が計算機１０の処理装置１６にロードされるとき、一地域における太陽光分布を決定するための方法の実装を必然的に伴うように適合されている。
【0022】
計算機１０の演算が、次に、一地域における太陽光分布を決定するための方法の一実装例を図式的に示している図２を参照して、また、この方法の特定フェーズをさらに詳細に示している図３および図４を参照して記述されることになる。
【0023】
決定方法は、訓練データベースＢを形成するためにデータを収集するためのフェーズ１００を有する。
収集フェーズ１００は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
収集フェーズ１００は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
【0024】
収集データは、空から見た異なる地域の複数の画像ＩＭ１、．．、ＩＭｎを有する。
用語「空から見た」とは、画像ＩＭ１、．．、ＩＭｎが、例えば建物の屋上を撮像することを可能にする高い視点から撮影されたものであると理解される。
用語「空から見た」とは、画像ＩＭ１、．．、ＩＭｎが、例えば建物の屋上を撮像することを可能にする高い視点から撮影されたものであると理解される。
【0025】
画像ＩＭ１、．．、ＩＭｎに撮像された地域のうちの少なくともいくつかは、ソーラーパネルの設置に適した単数または複数の特定要素Ｒを有する。
特定要素Ｒは、例えば、建物の屋根、建物のベランダ、または、庭のような地面の特定部分の中から選ばれる。
特定要素Ｒは、例えば、建物の屋根、建物のベランダ、または、庭のような地面の特定部分の中から選ばれる。
【0026】
画像ＩＭ１、．．、ＩＭｎは、好ましくは、２次元画像だけである。
画像ＩＭ１、．．、ＩＭｎは、好ましくは、ＲＧＢ画像（「Ｒｅｄ Ｇｒｅｅｎ Ｂｌｕｅ」の略語）のような、カラー画像である。
画像ＩＭ１、．．、ＩＭｎは、例えば、カメラのような、センサによって得られる。
画像ＩＭ１、．．、ＩＭｎを取得するために、センサは、例えば航空機に取り付けられる。
変形例において、画像ＩＭ１、．．、ＩＭｎは、人工衛星画像である。
画像ＩＭ１、．．、ＩＭｎは、好ましくは、ＲＧＢ画像（「Ｒｅｄ Ｇｒｅｅｎ Ｂｌｕｅ」の略語）のような、カラー画像である。
画像ＩＭ１、．．、ＩＭｎは、例えば、カメラのような、センサによって得られる。
画像ＩＭ１、．．、ＩＭｎを取得するために、センサは、例えば航空機に取り付けられる。
変形例において、画像ＩＭ１、．．、ＩＭｎは、人工衛星画像である。
【0027】
一特定実施形態において、低減された解像度の画像を得るために、収集画像ＩＭ１、．．、ＩＭｎにフィルタがかけられ、訓練データベースＢを形成する画像ＩＭ１、．．、ＩＭｎは、低減された解像度の画像である。
低減された解像度は、好ましくは、画像の各画素が、５０センチメートル未満の実寸に相当するようなものである。
このことは、複数のデータベースの中で簡単に見つけることができる画像の解像度に匹敵する解像度を伴う画像ＩＭ１、．．、ＩＭｎを得ることを可能にする。
低減された解像度は、好ましくは、画像の各画素が、５０センチメートル未満の実寸に相当するようなものである。
このことは、複数のデータベースの中で簡単に見つけることができる画像の解像度に匹敵する解像度を伴う画像ＩＭ１、．．、ＩＭｎを得ることを可能にする。
【0028】
収集データは、また、各画像ＩＭ１、．．、ＩＭｎについて、画像ＩＭ１、．．、ＩＭｎに撮像された地域の各表面に投影された放射照度の全体地図Ｃ１、．．、Ｃｎも有する。
１平方メートル当たりのＷａｔｔ（Ｗ／ｍ２）で表される放射照度は、単位面積当たりの表面が受ける入射する放射束（パワー）である。
１平方メートル当たりのＷａｔｔ（Ｗ／ｍ２）で表され投影される放射照度は、投影表面（屋根）の幾何学的配置および／または形状を考慮に入れる、遠近シャドウイングの修正された放射照度である。
１平方メートル当たりのＷａｔｔ（Ｗ／ｍ２）で表される放射照度は、単位面積当たりの表面が受ける入射する放射束（パワー）である。
１平方メートル当たりのＷａｔｔ（Ｗ／ｍ２）で表され投影される放射照度は、投影表面（屋根）の幾何学的配置および／または形状を考慮に入れる、遠近シャドウイングの修正された放射照度である。
【0029】
例えば、各地図Ｃ１、．．、Ｃｎは、対応する画像ＩＭ１、．．、ＩＭｎに相当する地域においてセンサによって行われた特定の測定に基づいて得られたものである。
センサは、例えば、全天日射計である。
全天日射計は、熱流束センサである。
それは、全太陽放射パワーを、１平方メートル当たりのワットで測定するものである。
センサは、例えば、全天日射計である。
全天日射計は、熱流束センサである。
それは、全太陽放射パワーを、１平方メートル当たりのワットで測定するものである。
【0030】
別の例において、各地図Ｃ１、．．、Ｃｎは、画像ＩＭ１、．．、ＩＭｎに相当する地域の３次元画像の関数として地図Ｃ１、．．、Ｃｎを出力する既存のツールに基づいて得られたものである。
ＭａｐｄｗｅｌｌおよびＧｏｏｇｌｅ’ｓ Ｐｒｏｊｅｃｔ Ｓｕｎｒｏｏｆは、そのようなツールの例である。
ＭａｐｄｗｅｌｌおよびＧｏｏｇｌｅ’ｓ Ｐｒｏｊｅｃｔ Ｓｕｎｒｏｏｆは、そのようなツールの例である。
【0031】
収集データは、さらに、任意に、各画像ＩＭ１、．．、ＩＭｎについて、画像ＩＭ１、．．、ＩＭｎに撮像された単数または複数の特定要素Ｒを分割するマスクＭ１、．．、Ｍｎを有する。
分割マスクＭ１、．．、Ｍｎは、例えば、最初の画像ＩＭ１、．．、ＩＭｎに適用される分割アルゴリズムから得られたものである。
分割アルゴリズムは、例えば、エッジ検出アルゴリズムである。
分割マスクＭ１、．．、Ｍｎは、例えば、最初の画像ＩＭ１、．．、ＩＭｎに適用される分割アルゴリズムから得られたものである。
分割アルゴリズムは、例えば、エッジ検出アルゴリズムである。
【0032】
各画像ＩＭ１、．．、ＩＭｎおよびその関連づけられた地図Ｃ１、．．、Ｃｎおよび、もし適切であれば、そのマスクＭ１、．．、Ｍｎは、訓練要素Ｅ１、．．、Ｅｎを形成する。
各訓練要素Ｅ１、．．、Ｅｎは、多くてこれらの３つの構成要素で形成される。
画像ＩＭ１、地図Ｃ１およびマスクＭ１を有する訓練要素Ｅ１の一例が、図３に示されている。
各訓練要素Ｅ１、．．、Ｅｎは、多くてこれらの３つの構成要素で形成される。
画像ＩＭ１、地図Ｃ１およびマスクＭ１を有する訓練要素Ｅ１の一例が、図３に示されている。
【0033】
得られた訓練データベースＢは、例えば、コンピュータ１０のメモリ１８の中に格納される。
【0034】
決定方法は、訓練済みモデルＭＴを得るために、訓練データベースＢに基づいてモデルを訓練するためのフェーズ１１０を有する。
好ましくは、モデルは、訓練データベースＢだけを使用してエンドツーエンドで訓練される。
訓練フェーズ１１０は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
好ましくは、モデルは、訓練データベースＢだけを使用してエンドツーエンドで訓練される。
訓練フェーズ１１０は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
【0035】
図４で示されているように、訓練済みモデルＭＴの入力は、空から見た一地域の画像ＩＭｉであり、また出力は、入力画像ＩＭｉに撮像された地域の各表面に投影された放射照度の全体地図Ｃｉである。
好ましくは、訓練済みモデルＭＴの単一の入力は、一地域の、ただ１枚の２次元画像、好ましくはカラー画像であり、そうすると地域の３次元画像または一地域の同じ部分の複数の２次元画像は必要ない。
好ましくは、訓練済みモデルＭＴの単一の入力は、一地域の、ただ１枚の２次元画像、好ましくはカラー画像であり、そうすると地域の３次元画像または一地域の同じ部分の複数の２次元画像は必要ない。
【0036】
モデルは、典型的には、ディープラーニングモデルである。
そのようなモデルは、例えば、畳み込みニューラルネットワークのような、ニューラルネットワークである。
そのようなモデルは、例えば、畳み込みニューラルネットワークのような、ニューラルネットワークである。
【0037】
モデルは、典型的には、訓練テクニックに従って訓練される。
訓練テクニックは、例えば、スーパーバイズドラーニングを実践するものである。
訓練テクニックは、ニューラルネットワークが訓練データベースＢに基づいて訓練されるように、ニューラルネットワークを構成することを可能にする。
モデルが、訓練データベースＢに基づいてのみ訓練されることが強調される。
訓練テクニックは、例えば、Ａｄａｍ最適化アルゴリズムに基づいている。
訓練テクニックは、例えば、スーパーバイズドラーニングを実践するものである。
訓練テクニックは、ニューラルネットワークが訓練データベースＢに基づいて訓練されるように、ニューラルネットワークを構成することを可能にする。
モデルが、訓練データベースＢに基づいてのみ訓練されることが強調される。
訓練テクニックは、例えば、Ａｄａｍ最適化アルゴリズムに基づいている。
【0038】
投影される放射照度の決定において、訓練データベースＢに基づいたモデルの訓練は、建物に由来する影や植物および、特定要素Ｒの部分を遮るあらゆる種類の障害物といった、近隣環境を考慮に入れることを可能にする。
訓練は、また、特定要素、例えば屋根の、幾何学的特徴を考慮に入れることも可能にする。
訓練は、また、特定要素、例えば屋根の、幾何学的特徴を考慮に入れることも可能にする。
【0039】
ゆえに、一実施形態において、モデルは、投影された放射照度に対する２次元画像をマッピングするためにエンドツーエンドで訓練されたディープラーニングモデルであって、中間ステップにおいてでさえも３次元属性を推定する必要がない。
訓練は、したがって、３つの次元の側面（形状、障害、シャドウイング）を考慮に入れることができつつ、中間ステップなしで、２次元画像だけから投影された放射照度の直接の推定を可能にする。
訓練は、したがって、３つの次元の側面（形状、障害、シャドウイング）を考慮に入れることができつつ、中間ステップなしで、２次元画像だけから投影された放射照度の直接の推定を可能にする。
【0040】
一例において、訓練データベースＢの一部は、ニューラルネットワークを設定するために使用され、また他の部分は、設定を有効にするために使用される。
【0041】
決定方法は、訓練済みモデルＭＴを動作させるためのフェーズ１２０を有する。
動作フェーズ１２０は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
動作フェーズ１２０は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
【0042】
動作フェーズ１２０は、空から見た一地域の画像ＩＭｉを受信するステップを有する。
有利には、評価すべき地域の画像ＩＭｉは、カメラのようなセンサによる測定または人工衛星による測定によって例えば得られる、好ましくはカラーの２次元画像である。
画像ＩＭｉは、例えば、空から見た建物の画像である。
有利には、評価すべき地域の画像ＩＭｉは、カメラのようなセンサによる測定または人工衛星による測定によって例えば得られる、好ましくはカラーの２次元画像である。
画像ＩＭｉは、例えば、空から見た建物の画像である。
【0043】
動作フェーズ１２０は、その次に、受信した画像ＩＭｉに撮像された地域の各表面に投影された放射照度の全体地図Ｃｉを、訓練済みモデルＭＴによって決定するステップを有する。
【0044】
ゆえに、当業者であれば、モデルがまず訓練フェーズ１１０の間に既存の放射照度地図に基づいて訓練されることを理解するであろう。
進行中の動作フェーズ１２０は、それから、訓練済みモデルＭＴを用いて、未知の放射照度地図を決定することを可能にする。
進行中の動作フェーズ１２０は、それから、訓練済みモデルＭＴを用いて、未知の放射照度地図を決定することを可能にする。
【0045】
決定方法は、任意に、決定された全体地図Ｃｉおよび補足データに基づいて、分析画像ＩＭｉに撮像された単数または複数の特定要素Ｒに関連するソーラーデータを決定するためのフェーズ１３０を有する。
決定フェーズ１３０は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
決定フェーズ１３０は、コンピュータプログラム製品１２とのやりとりにおける計算機１０によって実装され、つまりコンピュータによって実装される。
【0046】
ソーラーデータは、一実施形態において、分析すべき画像ＩＭｉに撮像された単数または複数の特定要素Ｒのソーラーポテンシャルと、単数または複数の特定要素Ｒに設置されると仮定されるソーラー設備の収率とのうちから、少なくとも１つのデータを有する。
ソーラーポテンシャルは、ある領域が受けるソーラーパワーであり、１時間当たりのキロワットを年換算したもの（ｋＷ／時間／年）である。
収率は、作られるエネルギー（ｋＷｈ）と設備の理論電力（ｋＷｐ）との間の比率である。
ソーラーポテンシャルは、ある領域が受けるソーラーパワーであり、１時間当たりのキロワットを年換算したもの（ｋＷ／時間／年）である。
収率は、作られるエネルギー（ｋＷｈ）と設備の理論電力（ｋＷｐ）との間の比率である。
【0047】
好ましくは、補足データは、地域の気象データ、および／またはソーラーパネルデータおよび／または地域の位置データを有する。
【0048】
気象データは、例えば、１年のような、一期間の間の気象データである。
ソーラーパネルデータは、例えば、ソーラーパネルの特定技術およびこれらのソーラーパネルの寸法である。
位置データは、例えば、地域の緯度および経度である。
ソーラーパネルデータは、例えば、ソーラーパネルの特定技術およびこれらのソーラーパネルの寸法である。
位置データは、例えば、地域の緯度および経度である。
【0049】
一例において、決定フェーズ１３０は、画像ＩＭｉに撮像された単数または複数の特定要素Ｒを分割するマスクＭｉを決定するためのステップを有する。
マスクＭｉの分割は、例えば、最初の画像ＩＭｉに適用される分割アルゴリズムから得られたものである。
分割アルゴリズムは、例えば、エッジ検出アルゴリズムである。
マスクＭｉの分割は、例えば、最初の画像ＩＭｉに適用される分割アルゴリズムから得られたものである。
分割アルゴリズムは、例えば、エッジ検出アルゴリズムである。
【0050】
次に、決定フェーズ１３０は、図４で示されているように、全体地図Ｃｉおよび決定されたマスクＭｉに基づいて、画像ＩＭｉに撮像された単数または複数の特定要素Ｒだけに投影された放射照度の、特定地図Ｃｓｉを決定するためのステップを有する。
例えば、特定要素Ｒが建物の屋根である場合、特定地図Ｃｓｉは屋根の上に投影された放射照度のみに相当する。
例えば、特定要素Ｒが建物の屋根である場合、特定地図Ｃｓｉは屋根の上に投影された放射照度のみに相当する。
【0051】
特定地図Ｃｓｉは、任意に、決定された放射照度を使用者が制御することを可能にするディスプレイ、例えば計算機１０のディスプレイ２４に表示される。
【0052】
決定フェーズ１３０は、また、特定地図Ｃｓｉに基づいたソーラーデータを決定するステップも有する。
【0053】
決定方法は、任意に、全体地図が得られている地域の領域内に、前記得られた全体地図に基づいて、ソーラーパネル設備を設計および／またはセットアップするためのフェーズ１４０を有する。
【0054】
記述された方法は、２次元画像から直接、（屋根のような）特定要素に投影された放射照度の推定を学習するモデルを、最適化することを可能にする。
エンドツーエンド訓練は、タスクが３Ｄ属性の推定、セグメントの検出およびシャドウヒューリスティクスに分かれるときの事例であり得る誤差累積を防ぐ。
エンドツーエンド訓練は、タスクが３Ｄ属性の推定、セグメントの検出およびシャドウヒューリスティクスに分かれるときの事例であり得る誤差累積を防ぐ。
【0055】
このことは、わずかなデータしか利用できず、しかも特に３次元データが利用できない地域においてでさえも、ソーラー情報を得ることを可能にする。
それは、ソーラーポテンシャルの迅速な第一推定も可能にする。
得られた放射照度およびソーラーデータは、一地域についての適切なソーラー設備の決定において役立つことを可能にする。
それは、ソーラーポテンシャルの迅速な第一推定も可能にする。
得られた放射照度およびソーラーデータは、一地域についての適切なソーラー設備の決定において役立つことを可能にする。
【0056】
当業者であれば、上述の実施形態および変形例が、技術的に矛盾がなければ新規の実施形態を形成するために統合されることができることを理解するであろう。
【符号の説明】
【0057】
１０ 計算機
１２ コンピュータプログラム製品
１４ プロセッサ
１６ データ処理装置
１８ メモリ
２０ 情報媒体用リーダ
２２ ヒューマンマシンインターフェース
２４ ディスプレイ
２６ 情報媒体
１００ 収集フェーズ
１１０ 訓練フェーズ
１２０ 動作フェーズ
１３０ 決定フェーズ
１４０ 設計セットアップフェーズ
１２ コンピュータプログラム製品
１４ プロセッサ
１６ データ処理装置
１８ メモリ
２０ 情報媒体用リーダ
２２ ヒューマンマシンインターフェース
２４ ディスプレイ
２６ 情報媒体
１００ 収集フェーズ
１１０ 訓練フェーズ
１２０ 動作フェーズ
１３０ 決定フェーズ
１４０ 設計セットアップフェーズ
【図1】
【図2】
【図3】
【図4】
【手続補正書】
【提出日】2023-06-27
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
一地域における太陽光分布を決定するための方法であって、該方法がコンピュータによって実装され、また該方法が、ａ．訓練データベース（Ｂ）を形成するためにデータを収集するためのフェーズであって、収集されたデータは少なくとも以下を有する、
ｉ．空から見た異なる地域の複数の画像（ＩＭ１、．．、ＩＭｎ）であって、地域のうちの少なくともいくつかは、ソーラーパネルの設置に適した特定要素（Ｒ）を有している、および、
ｉｉ．各画像（ＩＭ１、．．、ＩＭｎ）について、画像（ＩＭ１、．．、ＩＭｎ）に撮像された地域の各表面に投影された放射照度の全体地図（Ｃ１、．．、Ｃｎ）、
ｂ．訓練済みモデル（ＭＴ）を得るために訓練データベース（Ｂ）に基づいてモデルを訓練するためのフェーズであって、訓練済みモデル（ＭＴ）の単一の入力は、空から見た一地域のただ１枚の２次元画像（ＩＭｉ）であり、また出力は、入力画像（ＩＭｉ）に撮像された地域の各表面に投影された放射照度の全体地図（Ｃｉ）である、
ｃ．訓練済みモデル（ＭＴ）を動作させるためのフェーズであって、該フェーズは以下を有する、
ｉ．空から見た一地域の分析すべき１枚の２次元画像（ＩＭｉ）を受信するステップ、および、
ｉｉ．分析すべき画像（ＩＭｉ）に撮像された地域の各表面に投影された放射照度の全体地図（Ｃｉ）を、訓練済みモデル（ＭＴ）によって決定するステップ、
を有する方法。
【請求項2】
前記収集画像（ＩＭ１、．．、ＩＭｎ）および分析画像（ＩＭｉ）が、カメラのようなセンサによって、または人工衛星によって得られる、請求項１に記載の方法。
【請求項3】
前記収集データが、また、各画像（ＩＭ１、．．、ＩＭｎ）について、画像（ＩＭ１、．．、ＩＭｎ）に撮像された単数または複数の特定要素（Ｒ）を分割するマスク（Ｍ１、．．、Ｍｎ）も有する、請求項１または２に記載の方法。
【請求項4】
前記方法が、決定された全体地図（Ｃｉ）および補足データに基づいて、分析画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）に関連するソーラーデータを決定するためのフェーズを有する、請求項１から３のいずれか一つに記載の方法。
【請求項5】
補足データが、地域の気象データおよび／またはソーラーパネルデータおよび／または地域の位置データを有する、請求項４に記載の方法。
【請求項6】
決定フェーズが、各分析画像（ＩＭｉ）について、以下のステップ、ａ．画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）を分割するマスク（Ｍｉ）を決定するステップ、および、
ｂ．全体地図（Ｃｉ）および決定されたマスク（Ｍｉ）に基づいて、画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）だけに投影された放射照度の、特定地図（Ｃｓｉ）を決定するステップ、を有し、
地域の領域のソーラーデータが、特定地図（Ｃｓｉ）に基づいて決定される、請求項４に記載の方法。
【請求項7】
前記ソーラーデータが、分析すべき画像（ＩＭｉ）に撮像された単数または複数の特定要素（Ｒ）のソーラーポテンシャルと、単数または複数の特定要素（Ｒ）に設置されると仮定されるソーラー設備の収率とのうちから、少なくとも１つのデータを有する、請求項４に記載の方法。
【請求項8】
前記収集フェーズが、低減された解像度の画像を得るために収集画像（ＩＭ１、．．、ＩＭｎ）にフィルタをかけるステップを有し、前記訓練データベース（Ｂ）を形成する画像（ＩＭ１、．．、ＩＭｎ）が、低減された解像度をともなう画像である、請求項１から３のいずれか一つに記載の方法。
【請求項9】
前記方法が、得られた全体地図（Ｃｉ）に基づいて、分析すべき画像（ＩＭｉ）に撮像された地域の一領域内にソーラーパネルを設計および／またはセットアップするためのフェーズを有する、請求項１から３のいずれか一つに記載の方法。
【請求項10】
前記特定要素（Ｒ）が、建物の屋根、建物のベランダ、および、野原や庭といった地面の特定部分の中から選ばれる、請求項１から３のいずれか一つに記載の方法。
【請求項11】
プログラムインストラクションを有するコンピュータプログラムを内蔵するコンピュータ読み取り可能な媒体を有する、コンピュータプログラム製品であって、コンピュータプログラムが、データ処理装置の中にロード可能であり、そしてコンピュータプログラムがデータ処理装置によって起動されるとき請求項１から３のいずれか一つに記載の方法の実行を引き起こす製品。
【国際調査報告】