Αντικειμενοστρεφής Ανάλυση Εικόνας σε Τηλεπισκοπικά Δεδομένα για την Εκτίμηση του Δυναμικού Παραγωγής Ενέργειας από ωτοβολταϊκά σε μία πόλη

Βλαχούλης, Ιωάννης; Vlachoulis, Ioannis

dc.contributor.author	Βλαχούλης, Ιωάννης	el
dc.contributor.author	Vlachoulis, Ioannis	en
dc.date.accessioned	2018-10-04T09:56:06Z
dc.date.available	2018-10-04T09:56:06Z
dc.date.issued	2018-10-04
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47708
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.8723
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Περιβάλλον και Ανάπτυξη"
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Τηλεπισκόπηση	el
dc.subject	Συστήματα Γεωγραφικών Πληροφoριών	el
dc.subject	Φωτοβολταϊκά	el
dc.subject	Ταξινόμηση με κανόνες	el
dc.subject	Αναγνώριση προτύπου	el
dc.subject	Geographical Informeation Systemes	el
dc.subject	Photovoltaics	el
dc.subject	Object oriented imeage analysis	el
dc.subject	Rule based classifcation	el
dc.subject	R.sun	el
dc.subject	Patern recognition	el
dc.subject	Solar energy	el
dc.subject	Renewable energy resources	el
dc.subject	LIDAR	el
dc.subject	Pyhton	el
dc.subject	eCognition	el
dc.subject	GRASS GIS	el
dc.subject	Ανανεώσιμες πηγές ενέργειας	el
dc.subject	Ηλιακή ενέργεια	el
dc.subject	Remote Sensing	en
dc.title	Αντικειμενοστρεφής Ανάλυση Εικόνας σε Τηλεπισκοπικά Δεδομένα για την Εκτίμηση του Δυναμικού Παραγωγής Ενέργειας από ωτοβολταϊκά σε μία πόλη	el
dc.title	Object Oriented Image Analysis on Remote Sensing Data for the Estimation of Photovoltaics (PV) Potential in a city	en
heal.type	masterThesis
heal.classification	ΤΗΛΕΠΙΣΚΟΠΗΣΗ	el
heal.classification	Remote sensing	en
heal.classification	ΓΕΩΓΡΑΦΙΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΩΝ	el
heal.classification	Geographical information systems	el
heal.classificationURI	http://data.seab.gr/concepts/29f3834f510e2fcbee2fcce329a355775dd48e27
heal.classificationURI	http://id.loc.gov/authorities/subjects/sh85112798
heal.classificationURI	http://data.seab.gr/concepts/d3f63391c49c1fe220dd4c2fed4e7ab1b4935702
heal.classificationURI	http://skos.um.es/unescothes/C01671
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-07-20
heal.abstract	Η υπερθέρμανση του πλανήτη και οι συνέπειές της επιβάλουν την αλλαγή του τρόπου παραγωγής ενέργειας και την μεγαλύτερη χρησιμοποίηση Ανανεώσιμων Πηγών Ενέργειας. Σε αυτό το πλαίσιο, η εργασία αφορά στην χρήση τηλεπισκόπησης για την εκτίμηση του συνολικού δυναμικού παραγωγής ενέργειας από φωτοβολταϊκά στις οροφές μίας πόλης και για τον προσδιορισμό της ηλεκτρικής ενέργειας που μπορεί να προκύψει από κάθε τμήμα οροφής ξεχωριστά. Δηλαδή, πρόκειται για μία μελέτη που έμμεσα διευκολύνει την αποτελεσματικότερη και μαζικότερη εγκατάσταση φωτοβολταϊκών πλαισίων σε επίπεδο πόλης. Για να επιτευχθεί αυτός ο σκοπός, αξιοποιούνται δεδομένα LIDAR, πολυφασματικά και δορυφορικά. Οι κύριες μέθοδοι που εφαρμόζονται είναι η Αντικειμενοστρεφής Ανάλυση Εικόνας, η Αναγνώριση Προτύπου και η ταξινόμηση που στηρίζεται σε κανόνες. Τα εργαλεία που χρησιμοποιούνται για την ανάλυση είναι λογισμικό αντικειμενοστρεφούς ανάλυσης εικόνας (eCognition), Σύστημα Γεωγραφικών Πληροφoριών (GRASS GIS – r.sun) και προγραμματισμός (Python). Πέρα από την προεργασία επιτελούνται 4 βασικές διαδικασίες που είναι η αντιμετώπιση των προβλημάτων που προκύπτουν από την 2,5D περιγραφή του χώρου, ο εντοπισμός των οροφών των κτηρίων, ο προσδιορισμός των τμημάτων των οροφών κτηρίων και η ταξινόμησή τους σε επίπεδα-επικλινή, η εκτίμηση της προσπίπτουσας ηλιακής ενέργειας και της παραγόμενης ηλεκτρικής ενέργειας από φωτοβολταϊκά σε κάθε τμήμα οροφής. Η εργασία επιχειρεί να βελτιώσει τα αποτελέσματα της εκτίμησης του δυναμικού ενέργειας από φωτοβολταϊκά, όταν τα διαθέσιμα δεδομένα είναι 2,5D. Πετυχαίνοντας, στους στόχους που θέτει ακρίβεια κοντά στο 96% (overall accuracy). Προσπαθεί να εξάγει μία περιγραφή των κτηρίων από τα διαθέσιμα δεδομένα και εντοπίζει τα κτήρια σε ποσοστό περίπου 95% (overall accuracy). Εισάγει μία νέα μέθοδο αξιολόγησης για την διαδικασία εύρεσης τμημάτων οροφών, όταν έχουν έχουν προσδιοριστεί τα όρια των κτηρίων. Κατανέμει τα τμήματα οροφών σε επίπεδα και επικλινή με ακρίβεια κοντά στο 88%. Προσομοιώνει την ηλιακή ακτινοβολία χρησιμοποιώντας το r.sun σε συνδυασμό με δορυφορικά μετεωρολογικά δεδομένα (Meteosat) και παραθέτει ένα καινούργιο πρόγραμμα, το οποίο κατασκευάστηκε σε Python και τρέχει στο περιβάλλον του GRASS GIS, για την εκτίμηση του αριθμού των φωτοβολταϊκών πάνελ που μπορούν να μπουν σε μία στέγη.	el
heal.abstract	Due to Global Warmeing and its imepacts, societies have to change the way of power production. One alternative is to use meore Renewable Energy Resources. In that direction, this paper is about Remeote Sensing and the Estimeation of PV (photovoltaics) Potential in Municipality Scale. The frst aime was to determeine the elecrtic energy production in the whole city and the goal was to comepute PV output for each roof part. Hence, this project assists to the beter installation and to the increase of PV usage in a city. The dataset consists frome LIDAR, CCD (meultispectral – RGB/NIR) and satellite data. The meain meethods that have been used are Object Based Imeage Analysis (OBIA), Patern Regognition and Rule-Based Classifcation. This and other techniques were imeplemeented through eCognition, GRASS GIS (r.sun) and Python programemeing. Afer pre-processing, the analysis continues with 4 meain procedures: elimeination of problemes that correspond to 2.5D presentation of elevation, extraction of buildings, delineation of roof parts and distinction of roof parts in fat and inclined, estimeation of sun energy and PV power output for each roof part. One contribution of this study is the meanipulation of 2.5D problemes for meore accurate results of sun radiation meodels. The overall accuracy for the goals that have been set in this section is almeost 96%. Furthermeore, very good overall accuracy (95%) is achieved in buildings extraction and also, in the separation of roof parts in to fat and inclined(88%). Moreover, a new approach for the accuracy assessmeent of roof parts is presented. The paper has a step by step description of r.sun application in corporation with satellite meeteorological data (Meteosat). At last, a new programe in Python, which runs and uses GRASS GIS meodules, is created for the estimeation of PV panels numeber in a roof.	en
heal.advisorName	Αργιαλάς, Δημήτρης	el
heal.committeeMemberName	Αργιαλάς, Δημήτρης	el
heal.committeeMemberName	Κολοκούσης, Πολυχρόνης	el
heal.committeeMemberName	Καραθανάση, Βασιλεία	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	true