Einfluss von Gebäudemerkmalen und soziodemografischen Faktoren auf die Eignung von Dachflächen für Photovoltaikanlagen mittels SVM-One-Class-Klassifizierung

In dieser Arbeit wird ein Verfahren zur Bewertung von Dachflächen für PV-Anlagen mittels Support Vector Machines (SVM)-One-Class-Klassifikation vorgestellt. Die SVM-One-Class-Klassifikation ist ein maschinelles Lernverfahren, das auf Basis vorhandener Daten ein Modell erstellt, um Datenpunkte einer einzigen Klasse zu erkennen und zu unterscheiden, indem es eine Grenze um die Trainingsdaten dieser Klasse zieht. Somit soll eine Aussage hinsichtlich der Eignung neuer Dachflächen zur Installation von PV-Anlagen ermöglicht werden. Um die Eignung neuer Dachflächen bewerten zu können werden Gebäude mit bereits installierten PV-Anlagen als Stichprobe verwendet (Präsenzdaten). Als Datengrundlage dienen LoD2 Gebäudedaten, die detaillierte Informationen zur Gebäudekubatur wie Dachneigung und Ausrichtung liefern. Das Marktstammdatenregister ergänzt diese Informationen um den Standort und die Leistung aktuell installierter PV-Anlagen. Weitere Informationen sind soziodemografische Daten zu Einkommen und Wohnsituation, die für die Bewertung der Eignung von Dachflächen relevant sind. Durch die Ergebnisse der Studie lässt sich detailliert der Einfluss von Einkommen, Wohnsituation und gebäudegeometrischer Eigenschaften auf die Bewertung von Dachflächen hinsichtlich zukünftiger PV-Anlagen beschreiben. Insbesondere die Dachausrichtung, die Dachneigung sowie die Anzahl der Haushalte haben einen positiven Einfluss auf das Ergebnis. Das Modell kann auch zur Erstellung von Szenarien für den Zubau von PV-Aufdachanlagen verwendet werden.