随着能源转型和碳中和目标推进，屋顶光伏作为分布式光伏的重要补充得到迅速发展。屋顶光伏存在统计困难、开发潜力难以评估等问题，因此精准评估屋顶光伏潜力有助于制定科学的发展目标和规划，优化资源配置，避免资源浪费，从而促进地区能源结构优化和绿色发展。卫星遥感技术作为观察地球的“第三只眼”，是精准识别屋顶和光伏的关键。

　　中国科学院青岛生物能源与过程研究所泛能源大数据与战略研究中心提出了识别卫星遥感图像的集成多注意力机制网络MANet。MANet是基于编码器-解码器结构的语义分割网络，融合了空间自注意力模块（SSAM）和通道注意力模块（CARM）。其中，SSAM用于提取全局上下文信息，帮助模型更全面地理解目标对象及其周围环境；而CARM侧重自适应地学习通道权重进行特征校准，突出重要信息并抑制冗余信息，提高分割精度。相较同类模型，MANet对屋顶和光伏分割的精度指标分别提升了1.93%和0.9%，展现出优异的预测能力。

　　该团队利用MANet，设计了双分支架构，实现了对光伏和屋顶的同步识别，通过差分可精准得到未部署光伏的屋顶面积。这一技术在屋顶光伏装机容量潜力评估中得到了检验，为该地区新能源规划提供了参考，展现了人工智能在新能源监测和预测方面的应用价值。

　　近期，相关研究成果以Development assessment of regional rooftop photovoltaics based on remote sensing and deep learning为题，发表在《应用能源》（Applied Energy）上。研究工作得到山东能源研究院、中国工程科技发展战略山东研究院以及山东省自然科学基金的支持。

　　论文链接

供稿人：杨越

审核人：文成锋