全国一致，局部不完整：屋顶光伏登记册的贝叶斯遥感审计
Nationally Consistent, Locally Incomplete: A Bayesian Remote-Sensing Audit of Rooftop Photovoltaic Registries
浏览论文内容
中文总结 AI 辅助
本研究提出贝叶斯遥感审计框架，将不完美检测器转化为不确定性感知工具，用于估计屋顶光伏真实容量，在法国验证中全国误差仅3.3%，并识别局部漏报达61%，为全球可靠统计奠定基础。
中文摘要 AI 辅助
追踪能源转型需要可靠的可再生能源部署统计。屋顶光伏（PV）因其分散性而特别难以追踪，官方统计中由此产生的误差已知但未被量化。遥感为识别屋顶光伏系统提供了一种独立手段。我们引入了一个贝叶斯框架，从遥感检测中估计屋顶光伏容量的真实值，将不完美的检测器转变为具有不确定性意识的测量工具。应用于法国时，修正后的检测估计出低于36 kWp的屋顶光伏容量为4.03 GWp [3.96--4.11]（99%可信区间），在全国范围内与输电系统运营商的并网数据相差在3.3%以内，同时识别出局部漏报高达当地容量的61%。我们还记录并量化了法国屋顶光伏开放数据中显著的截断偏差。在法国之外，该方法为全球更可靠的屋顶光伏容量估计铺平了道路。
英文摘要
Tracking the energy transition requires reliable statistics on renewable deployment. Rooftop photovoltaics (PV) are especially hard to track, owing to their decentralised nature, and the resulting inaccuracies in official statistics are known but not quantified. Remote sensing offers an independent way to identify rooftop PV systems. We introduce a Bayesian framework to estimate the ground-truth rooftop PV capacity from remote sensing detections, turning an imperfect detector into an uncertainty-aware measurement instrument. Applied to France, the corrected detections estimate a capacity of 4.03 GWp [3.96--4.11] (99% credible interval) of rooftop PV below 36 kWp, matching the transmission system operator's connection data within 3.3% nationally, while identifying local under-reports of up to 61% of local capacity. We also document and quantify a significant truncation bias in French rooftop PV open data. Beyond France, the approach paves the way for more reliable estimates of rooftop PV capacity worldwide.
发表机构
- Centre Observation Impacts Energie (O.I.E.), MINES Paris, Université PSL（巴黎高等矿业学院能源观测影响中心（O.I.E.），巴黎文理研究大学）
- Réseau de Transport d’Electricité (RTE)（法国输电网络公司（RTE））
- World Energy & Meteorology Council (WEMC)（世界能源与气象理事会（WEMC））
机构由 AI 辅助整理，请以论文原文为准。
