Gå till eugreenalliance
Sök

Denna nyhet är äldre än 6 månader och är kanske inte aktuell längre.

AI gör solceller på hustak mer träffsäkra

2022-12-12 

Solceller blir mer energieffektiva om de placeras rätt. Mohammad Aslani, forskare inom Geospatial Informationsvetenskap på Högskolan i Gävle, har utvecklat en AI-metodik som i flera steg gör placeringen av solpaneler på hustak mer träffsäker.

AI 3 steg

AI-metodiken, som Mohammad Aslani och Stefan Seipel utvecklat, beräknar hur solpaneler bör placeras på hustak så att så mycket solenergi som möjligt kan utvinnas. FOTO Lantmäteriet/HiG

Att avgöra hur mycket el man kan få ut av att placera solceller på tak är svårt. För privatpersoner kan solpaneler vara en bra investering till villan – men utmaningen är att avgöra hur många paneler som behövs och hur de ska placeras för att optimera mängden el man får ut.

- Att montera för många solpaneler på villataket ger ett elöverskott som inte genererar särskilt mycket pengar när elen säljs på marknaden, och för få solceller ger för lite el i förhållande till investeringskostnaden. Solceller är dyra, och det gäller att hitta en balans som konsument för att investeringen ska löna sig så mycket som möjligt, säger Mohammad Aslani.

Inom ramen för Mohammad Aslanis doktorsavhandling har han och Stefan Seipel, professor i datavetenskap, utvecklat en AI-metodik som i flera nivåer bedömer potentialen för solpaneler på hustak. Metodiken kan vara av nytta på mikronivå för enskilda husägare, såväl som på makronivå för kommunala stadsplanerare eller fastighetsbolag.

AI grafik

AI-metodiken ökar solpanelernas träffsäkerhet med hjälp av en process i tre steg. FOTO: Mohammad Aslani

- Forskningen har betydelse som bidrag till beslutsunderlag. Om man som stadsplanerare vill se över potentialen för solenergi för en hel stadsdel är det viktigt att bedömningen blir så träffsäker som möjligt, både av ekonomiska och miljömässiga skäl, säger Mohammad Aslani.

Med hjälp av offentligt tillgängliga Lantmäterikartor, flygfoton och så kallad punktmåldata, så kan AI-motorn i ett första steg sålla ut alla tak på ett foto av en stadsdel. I nästa steg bedöms takens lutning och väderstreck, och i ett tredje steg tar AI:n hänsyn till varje enskilt taks struktur med skorstenar, vinklar, och ger sedan ett förslag på hur många solpaneler som bör monteras på varje tak, och hur de bör placeras för att bli så träffsäkra och effektiva som möjligt. Totalt består metodiken av sex olika AI-motorer – två för varje steg i processen ovan.

I två fallstudier, en i Göteborg och en i Uppsala, har den nya AI-metodiken visat sig öka träffsäkerheten jämfört med tidigare metoder.

Nästa steg i Mohammad Aslanis forskning blir att bygga vidare på AI:n så att den även tar hänsyn till energibehovet i en byggnad vid bedömning av antalet solpaneler.

- Jag skulle också vilja vända på tankesättet och forska kring hur hus och hustak skulle kunna byggas för att få ut så mycket så möjligt av solpaneler, säger Mohammad Aslani.

Kontakt

Mohammad Aslani, doktor i Geospatial Informationsvetenskap vid Högskolan i Gävle
Telefon: 026-64 85 66
E-post: mohammad.aslani@hig.se
Forskarpresentation


Stefan Seipel, professor i Datavetenskap vid Högskolan i Gävle
Telefon: 026-64 85 63
E-post: stefan.seipel@hig.se
Forskarpresentation


Anders Munck, pressansvarig Högskolan i Gävle
Telefon: 070-794 65 23
E-post: anders.munck@hig.se

Publicerad av: Anders Munck Sidansvarig: Anders Munck Sidan uppdaterades: 2022-12-14
Högskolan i Gävle
www.hig.se
Box 801 76 GÄVLE
026-64 85 00 (växel)