隨著能源轉型和碳中和目標推進，屋頂光伏作為分布式光伏的重要補充得到迅速發展。屋頂光伏存在統計困難、開發潛力難以評估等問題，因此精準評估屋頂光伏潛力有助于制定科學的發展目標和規劃，優化資源配置，避免資源浪費，從而促進地區能源結構優化和綠色發展。衛星遙感技術作為觀察地球的“第三只眼”，是精準識別屋頂和光伏的關鍵。

中國科學院青島生物能源與過程研究所泛能源大數據與戰略研究中心提出了識別衛星遙感圖像的集成多注意力機制網絡MANet。MANet是基于編碼器-解碼器結構的語義分割網絡，融合了空間自注意力模塊（SSAM）和通道注意力模塊（CARM）。其中，SSAM用于提取全局上下文信息，幫助模型更全面地理解目標對象及其周圍環境；而CARM側重自適應地學習通道權重進行特征校準，突出重要信息并抑制冗余信息，提高分割精度。相較同類模型，MANet對屋頂和光伏分割的精度指標分別提升了1.93%和0.9%，展現出優異的預測能力。

該團隊利用MANet，設計了雙分支架構，實現了對光伏和屋頂的同步識別，通過差分可精準得到未部署光伏的屋頂面積。這一技術在屋頂光伏裝機容量潛力評估中得到了檢驗，為該地區新能源規劃提供了參考，展現了人工智能在新能源監測和預測方面的應用價值。

近期，相關研究成果以Development assessment of regional rooftop photovoltaics based on remote sensing and deep learning為題，發表在《應用能源》（Applied Energy）上。研究工作得到山東能源研究院、中國工程科技發展戰略山東研究院以及山東省自然科學基金的支持。