-
Vue d'ensemble des données (Plateau-Mont-Royal et Outremont)
-
Vue détaillée des toits, avec le score représenté par la couleur (plus jaune = plus haut score)
-
Analyse des données d'un toit
Initiative Canadienne en Recommandations d'Unités Solaires
ICaRUS est née d'un désir de réduction du coût de la vie en ville et d'utilisation d'énergies renouvelables alternatives.
Qu'est-ce que c'est?
À partir de données tridimensionnelles sur la taille et l'emplacement des bâtiments d'une ville, ICaRUS identifie les toits dont le potentiel de production d'énergie solaire (potentiel photovoltaïque) est élevé. Ensuite, les propriétaires des immeubles aux toits prometteurs sont contactés. S'ils se montrent intéressés par l'achat de systèmes photovoltaïques, des détecteurs solaires sont installés temporairement sur leur toit, à faible coût. Cette deuxième phase d'analyse permet d'avoir encore plus de certitude quant à la rentabilité de l'investissement.
Une analyse détaillée est produite incluant les coûts totaux estimés (installation et panneaux), la production électrique espérée et la période de rentabilisation en fonction du nombre de panneaux choisis par l'utilisateur. Les coûts d'installation sont variables selon la géométrie du toit.
Comment c'est fait
Les données 3D des bâtiments en format CityGML sont disponibles gratuitement à l'adresse suivante : http://donnees.ville.montreal.qc.ca/dataset/maquette-numerique-plateau-mont-royal-batiments-lod2-avec-textures
Lien du repo et référence de la librairie Solar3Dcity :
https://github.com/tudelft3d/Solar3Dcity
Biljecki, F., Heuvelink, G. B. M., Ledoux, H., & Stoter, J. (2015). Propagation of positional error in 3D GIS: estimation of the solar irradiation of building roofs. International Journal of Geographical Information Science, 29(12):2269-2294. DOI: http://doi.org/10.1080/13658816.2015.1073292
C'est cette librairie qui nous permet d'extraire facilement les polygones formant le toit de chaque bâtiment ainsi que leurs données d'orientation.
À partir de ces données, nous avons développé une métrique détectant approximativement les bâtiments dont le toit est parfois à l'ombre. Comme le projet est encore en phase initiale, nous considérons seulement les toits qui ne sont jamais ombragés comme candidats. Ceci est acceptable étant donné qu'ils constituent plus ou moins 80% des toits que nous avons analysés (environ 18 000).
La deuxième métrique permet d'analyser individuellement chaque polygone formant le toit afin de déterminer si son orientation est favorable. Nous considérons deux critères :
(i) L'angle de la pente doit être de 30 degrés ou moins pour assurer une installation et un entretien sans complications.
(ii) Si une pente est présente elle doit être orientée le plus possible vers le sud.
Les toits qui sont relativement plats sont considérés bons car ils permettent une installation facile et l'angle optimal peut être obtenu en inclinant les panneaux. La "platitude" d'un toit est définie comme la moyenne de l'écart angulaire au plan horizontal en valeur absolue de chaque polygone, pondérée par leur aire. Plus un toit est plat selon cette mesure, plus son score est élevé.
Les détecteurs solaires permettent une validation sur le terrain des prédictions du modèle 3D. Ceci rassure d'une part l'acheteur potentiel quant à la rentabilité de son investissement et d'autre part permet le raffinement du modèle dans le futur (ensoleillement variable selon l'altitude ou proximité du Fleuve par exemple). Ces détecteurs peuvent être connectés en temps réel à la plateforme d'analyse web, ou peuvent accumuler les données qui seront ensuite intégrées à la plateforme. Ceci permet de réduire le coût des détecteurs.
Problématiques rencontrées
Les données de position du format CityGML sont encodées selon le standard de coordonnées géographiques EPSG (EPSG:2950 pour Montréal). Cet encodage n'est pas reconnu par L'API Google Maps qui prend en entrée des coordonnées latitude longitude standard. La transformation d'un système de coordonnées vers l'autre est assez complexe car elle doit tenir compte de la courbure de la Terre pour être précise. Nous avons fianlement réglé le problème grâce au package Python pyproj (http://jswhit.github.io/pyproj/).
Certains édifices de la carte CityGML de Montréal sont fusionnés en un seul élément de type "bâtiment" alors qu'ils sont clairement séparés. Nous avons dû régler ces cas de manière automatisée en utilisant un algorithme de parcours de graphe (après avoir créé ce graphe à partir des polygones individuels).
Nos fiertés
Avoir géré le problème des bâtiments fusionnés.
Avoir un produit fonctionnel d'une certaine complexité en 24h.
Posséder maintenant le domaine posemoi.ca (Pose-moi ça!)
Avoir approximativement suivi la ligne du temps que nous avons établie au début du Hackathon.
Nos apprentissages
Le format CityGML et les parcours de graphes.
La complexité des systèmes de coordonnées géographiques et des transformations d'un à l'autre nous laissa perplexes.
La suite pour ICaRUS
Ajouter un système de recherche de propriétaire par adresse.
Collaboration avec Desjardins ou d'autres institutions financières pour tenter de mettre sur pied la coopérative d'investissements photovoltaïques urbains.
Raffinement de la projection des ombres pour inclure le trajet réel du soleil dans la journée selon le moment de l'année.
Log in or sign up for Devpost to join the conversation.