Zonnepanelen zijn een essentiële factor in de energietransitie. Volgens het CBS werd er in het tweede kwartaal van 2023 ongeveer 57% van de hernieuwbare energie opgewekt door middel van zonne-energie. Maar hoe weet je hoeveel zonnepanelen in jouw gemeente liggen? Hoewel het in Nederland verplicht is om zonnepanelen te registreren, wordt deze wet niet gehandhaafd. Het gevolg hiervan is dat veel gemeentes geen compleet overzicht hebben van de zonnepanelen en zonneboilers die op de daken van huizen in hun gemeente liggen. Deze gegevens handmatig verzamelen kost veel tijd, en levert datasets op die vervolgens ook snel weer out-of-date raken. Er is dus behoefte aan een methode die snel, precies en actueel is. 

Dit is waar kunstmatige intelligentie en openbare luchtfoto’s een oplossing kunnen bieden. Het is namelijk mogelijk om een zogeheten neuraal netwerk te trainen om zonnepanelen te herkennen, en precies aan te duiden uit welke pixels het zonnepaneel bestaat. Dit eerste noemen we classificatie, en het tweede segmentatie. Beide vormen train je normaliter door een grote hoeveelheid voorbeelden te gebruiken en het netwerk net zo lang op foutjes te verbeteren tot dat het accuraat de gegeven taak uit kan voeren. Maar het maken van zo’n grote dataset kost ook weer erg veel handmatig werk, zeker het pixel-precieze uittekenen van de zonnepanelen, en dat willen we juist voorkomen. 

Hiervoor kunnen we gebruik maken van een techniek genaamd weakly supervised semantic segmentation. Met slimme trucjes gebruiken we een netwerk dat alleen op fotoniveau getraind is om toch op pixelniveau zonnepanelen te onderscheiden. Je kunt namelijk kijken naar welke pixels het netwerk belangrijk vindt om te bepalen dat een foto zonnepanelen bevat. Het is dan logisch om aan te nemen dat dit waarschijnlijk de pixels zijn waar een zonnepaneel op staat. 

Tenslotte helpt het een netwerk om meerdere bronnen van data te kunnen gebruiken. Naast luchtfoto’s maken we daarom ook gebruik van de Basisregistratie Adressen en Gebouwen (BAG). Uit deze dataset kunnen de omtrekken van huizen worden verzameld. Omdat zonnepanelen vrijwel altijd op de daken van huizen liggen, kan dit het netwerk helpen om te focussen op deze gebieden van de foto. 

Uiteindelijk bouwen we via deze methode een netwerk dat vanuit jaarlijks geactualiseerde openbare data precieze pixel locaties van zonnepanelen kan detecteren. Als we deze pixels vervolgens vermenigvuldigen met de gemiddelde oppervlakte per pixel, en daarna met de gemiddelde opbrengst van zonnepanelen per oppervlakte, dan kunnen we een goede inschatting maken van het totale opwekkingsvermogen binnen een gemeente. 

Heb je vragen of opmerkingen? Neem contact op met Rienk: Rienk@we-boost.nl