Des statistiques solaires venues du ciel
Une équipe de chercheurs de la Haute école spécialisée du nord-ouest de la Suisse a tenté de déterminer l’inventaire des installations solaires sur les toits suisses de manière plus précise en utilisant des images aériennes.
Depuis plusieurs années, une équipe d’experts de l’Office fédéral de l’énergie (OFEN) étudie comment la numérisation peut être utilisée dans le secteur de l’énergie. «Nous voulons, entre autres, savoir comment utiliser les images aériennes à haute résolution pour améliorer les statistiques solaires», explique Martin Hertach, directeur du service d’information géographique de l’OFEN. A l’initiative de l’OFEN, la Haute école spécialisée du nord-ouest de la Suisse (FHNW) a lancé un projet de recherche pour développer un algorithme qui détecte et quantifie automatiquement les installations solaires sur les images aériennes. Le projet a été réalisé par le professeur Martin Christen et ses collègues de l’Institut de géomatique, lesquels disposent d’une expertise dans la collecte et l’analyse de données de l’information géographique. Les résultats du projet de deux ans, financé par le programme de recherche de l’OFEN sur le photovoltaïque et le canton d’Argovie, sont désormais disponibles.
Pour repérer les installations solaires, l’équipe de chercheurs de la FHNW utilise des photographies aériennes (publiées sur: map.admin.ch) prise par l’Office fédéral de topographie (swisstopo). Les photos de la dernière génération ont une résolution de 10 cm par pixel. Cette précision permet de bien détecter les modules des installations solaires. Pour déterminer la surface d’une installation solaire à partir d’une photo aérienne, il faut également connaître l’inclinaison du toit. Les scientifiques trouvent ces informations dans la base de données swisstopo mentionnée ci-dessus, laquelle contient des maquettes 3D de tous les bâtiments suisses (swissBUILDINGS3D).
Intervention de l’intelligence artificielle
L’approche des chercheurs de la FHNW est innovante: les ordinateurs ne recherchent pas de motifs géométriques prédéfinis sur les images aériennes, mais utilisent un algorithme pour déterminer eux-mêmes comment reconnaître les installations solaires en tant que telles. L’algorithme est le résultat d’un processus d’apprentissage automatique dans lequel un ordinateur dérive un chemin de solution à partir d’exemples de tâches, qu’il peut ensuite utiliser pour résoudre de nouvelles tâches. Il est basé sur le logiciel open source PyTorch en combinaison avec un logiciel de reconnaissance d’objets capable de détecter des objets prédéfinis sur une photo.
Pour créer un algorithme qui détecte les installations solaires, un ordinateur est alimenté par des photos aériennes sur lesquelles les installations solaires sont marquées par des mains humaines. Dans le processus d’apprentissage automatique, l’ordinateur recherche alors les points communs et les motifs sur un grand nombre de ces images, ce qui lui permet ensuite de reconnaître les installations solaires, même sur les images aériennes où elles ne sont pas marquées manuellement. Pour rendre ce processus d’apprentissage possible, dix étudiants de la FHNW ont passé cinq jours en janvier 2020 à marquer à la main des installations solaires sur près de 8000 images aériennes à l’aide d’outils d’infographie. Sur la base des images traitées, un ordinateur à haute performance, doté de la puissance de calcul de 400 ordinateurs personnels, a appris à reconnaître les installations solaires de manière autonome.
Reconnaissance du type et de la superficie des installations
Nous savons aujourd’hui avec quelle fiabilité l'algorithme peut détecter les installations solaires: pour 92% des objets encadrés, que l'algorithme identifie comme installations photovoltaïques, il s'agissait effectivement d’installations photovoltaïques. Concernant les installations solaires thermiques, l’identification était correcte dans 62% des cas. Le taux de reconnaissance était plus faible car, dans 30% des cas, l’algorithme a identifié les installations PV comme étant des installations solaires thermiques. «Ces résultats correspondent aux normes de performance actuelles de l’intelligence artificielle (IA)», déclare le géoinformaticien Martin Christen.
Cette déclaration s’applique également à la deuxième étape, à savoir la détermination de la surface du système, laquelle résulte de la somme des différents segments (module PV ou collecteur de chaleur solaire). L’algorithme détermine correctement la surface des installations solaires dans 82% des cas, dans la mesure où on se satisfait d’une précision limitée. Avec une précision supérieure, le taux de reconnaissance passe à 62%. Ces valeurs s’appliquent alors lorsque l’algorithme ne doit pas différencier les installations PV des installations solaires thermiques. Si le type d’installation doit être identifié en plus de la superficie, le taux de réussite est plus faible. «Nous espérons améliorer encore la qualité de la détection, par exemple grâce à de nouvelles mises à jour du logiciel de détection ainsi qu’à l’intégration d’images dans l’infrarouge proche et de données supplémentaires», déclare Adrian Meyer, scientifique de la FHNW, avant d’ajouter: «L’IA ne pourra jamais être plus fiable que les humains. Cependant, et nous le savons par les humains, lorsqu’ils analysent les images aériennes, ils font des erreurs de classification sur environ 10% des segments: des erreurs telles que confondre un module PV et une lucarne ou un collecteur d’eau chaude et une benne.»
Association avec les données du bâtiment
L’algorithme de la FHNW devrait être appliqué aux photographies aériennes de l’ensemble du territoire suisse d’ici le début de l’année 2021. L’OFEN associera ensuite les résultats à une base de données des bâtiments et, sur cette base, pourra déterminer combien d’installations solaires avec quelle surface la Suisse possède. «Les résultats de la FHNW ne nous permettront pas de déterminer le nombre exact et la superficie des installations solaires, mais ils nous aideront à valider les statistiques existantes, c'est-à-dire à améliorer leur validité», déclare Martin Hertach. «Ce faisant, nous devons faire avec le fait que les photographies aériennes ne peuvent pas détecter les installations solaires posées sur des façades.»
Selon l’estimation des experts de l’OFEN, les données récemment acquises pourraient fournir aux communes et aux cantons une base de décision sur la manière d’atteindre les objectifs d’expansion des installations solaires, et elles pourraient aider la Confédération à surveiller la Stratégie énergétique 2050. A l’heure actuelle, il n’est pas encore clair si le public aura un accès direct au nouveau fichier de toutes les installations solaires suisses. La question de la protection des données doit encore être clarifiée.
Le rapport final du projet « SOLAI - Détection automatisée des installations solaires avec Deep Convolutional Neural Networks » est disponible sur: www.aramis.admin.ch/Grunddaten/?ProjectID=41796 .
Contact: Dr Stefan Oberholzer, directeur du programme de recherche de l’OFEN sur le photovoltaïque, stefan.oberholzer@bfe.admin.ch .
Plus d’articles spécialisés concernant les projets pilotes, de démonstration et les projets phares dans le domaine du photovoltaïque sur: www.bfe.admin.ch/ec-pv .