哥大團隊研發「單張照片」最佳化都市太陽能板角度，年發電量最高提升 30%

在高樓密集的都市環境中，太陽能板常因建築遮蔽與複雜光線而無法發揮最大功效。美國哥倫比亞大學（Columbia University）工程學院團隊最新研發出一套 AI 評估系統，只要在預定安裝位置拍攝單張球面（360 度）照片，即可精準推算出全年的最佳固定朝向與傾角。這項技術能使都市太陽能板的能量收集量提升 10% 至 30%，且完全無須額外硬體成本。

該研究成果論文〈Forecasting solar energy using a single image〉已正式發表於期刊《Solar Energy》，並於 arXiv 平台提供公開版本。

傳統經驗法則失準，3D 模型難涵蓋微型遮蔽

業界過去安裝固定式太陽能板時，大多採用「面板朝向赤道、傾角等於當地緯度」的經驗法則。然而，這項法則的前提是面板擁有完全不受遮檔的全空視野，在現代都市中幾乎難以成立。

在都市「街谷」環境中，周遭建築的陰影、玻璃與外牆反射都會改變光線路徑，這對用於小型充電站、電子看板、公共資訊亭（kiosks）等不併網的小型固定面板影響尤為顯著。此外，常見的 3D 模型評估方法往往會漏掉周邊的小型結構，導致評估誤差。

研究團隊發現，都市太陽能板的能量來源相當多元，其中周邊建築的反射光平均就占了面板全年總接收能量的 12%，部分可見天空的漫射光同樣不可忽視。

哥大團隊開發的系統能從單張球面相片中提取極為豐富的物理與幾何資訊，並透過以下步驟進行運算：

• 方位與姿態定位：利用影像中的陰影判斷太陽方向，並透過建築物的幾何直線判斷重力方向，藉此求出相機相對於地球的精準空間方位。
• 天空與材質分割：採用分割演算法找出面板能看見的天空範圍（Sky Aperture），並從周邊建築外觀推估空間配置與材質。
• 深度學習受照量預測：團隊先以物理渲染器模擬不同太陽位置下的受照量，再訓練以視覺 Transformer（Vision Transformer）為骨幹網路、多層感知器（MLP）為輸出端的神經網路。

結合未來太陽軌跡與歷史氣象資料（涵蓋陰天與多雲情境）後，系統即可直接從單張影像精準預測面板的最終受照量。

▲ 系統在現場拍攝照片後，首先利用影像中的陰影與建築線條精準估算相機方位，接著分割出面板能接收光線的可見天空範圍（Sky Aperture）與周遭建築場景。最後，結合氣象與太陽軌跡數據，系統能分別推算該位置在晴天與陰天情境下的全天受照強度（Panel Irradiance），為太陽能板提供精準的發電量預估與最佳安裝角度建議。（Source：Columbia Engineering）

研究顯示，在都市街谷中透過單張球面影像找出的最佳安裝朝向與角度，往往與傳統經驗法則差異相當大。團隊已透過都市街谷的實測受照數據完整驗證了該方法的可行性。

這項技術完全不需要額外設備，只需一張照片即可精準評估，為都市分散式太陽能設施提供了一套高效、低門檻且零成本的最佳化解決方案。

（首圖來源：shutterstock）