Package google.maps.solar.v1

شاخص

خورشیدی

تعریف سرویس برای Solar API.

FindClosestBuildingInsights

rpc FindClosestBuildingInsights( FindClosestBuildingInsightsRequest ) returns ( BuildingInsights )

ساختمانی را که مرکز آن به یک نقطه پرس و جو نزدیکتر است، تعیین می کند. اگر هیچ ساختمانی در حدود 50 متری نقطه پرس و جو وجود نداشته باشد، یک خطا با کد NOT_FOUND برمی گرداند.

محدوده مجوز

به محدوده OAuth زیر نیاز دارد:

  • https://www.googleapis.com/auth/cloud-platform
GetDataLayers

rpc GetDataLayers( GetDataLayersRequest ) returns ( DataLayers )

اطلاعات خورشیدی را برای منطقه اطراف یک مکان دریافت می کند. اگر مکان خارج از منطقه تحت پوشش باشد، یک خطا با کد NOT_FOUND برمی‌گرداند.

محدوده مجوز

به محدوده OAuth زیر نیاز دارد:

  • https://www.googleapis.com/auth/cloud-platform
GetGeoTiff

rpc GetGeoTiff( GetGeoTiffRequest ) returns ( HttpBody )

یک تصویر را با شناسه آن برمی گرداند.

محدوده مجوز

به محدوده OAuth زیر نیاز دارد:

  • https://www.googleapis.com/auth/cloud-platform

BuildingInsights

پیام پاسخ برای Solar.FindClosestBuildingInsights . اطلاعاتی در مورد مکان، ابعاد و پتانسیل خورشیدی یک ساختمان.

فیلدها
name

string

نام منبع برای ساختمان، با فرمت buildings/{place_id} .

center

LatLng

نقطه ای نزدیک مرکز ساختمان.

bounding_box

LatLngBox

جعبه مرزبندی ساختمان.

imagery_date

Date

تاریخی که تصاویر زیربنایی به دست آمد. این تقریبی است.

imagery_processed_date

Date

زمانی که پردازش روی این تصویر تکمیل شد.

postal_code

string

کد پستی (به عنوان مثال، کد پستی ایالات متحده) این ساختمان توسط.

administrative_area

string

منطقه اداری 1 (به عنوان مثال، در ایالات متحده، ایالت) که شامل این ساختمان است. به عنوان مثال، در ایالات متحده، مخفف ممکن است "MA" یا "CA" باشد.

statistical_area

string

منطقه آماری (مثلاً سرشماری ایالات متحده) این ساختمان در آن قرار دارد.

region_code

string

کد منطقه برای کشور (یا منطقه) این ساختمان در آن است.

solar_potential

SolarPotential

پتانسیل خورشیدی ساختمان

imagery_quality

ImageryQuality

کیفیت تصاویر مورد استفاده برای محاسبه داده های این ساختمان.

پس انداز خرید نقدی

هزینه و سود خرید مستقیم یک پیکربندی خاص از پانل های خورشیدی با مصرف برق خاص.

فیلدها
out_of_pocket_cost

Money

هزینه اولیه قبل از مشوق های مالیاتی: مبلغی که باید از جیب پرداخت شود. در مقابل upfront_cost ، که پس از مشوق های مالیاتی است.

upfront_cost

Money

هزینه اولیه پس از مشوق های مالیاتی: مبلغی است که باید در طول سال اول پرداخت شود. در مقایسه با out_of_pocket_cost ، که قبل از مشوق‌های مالیاتی است.

rebate_value

Money

ارزش کلیه تخفیفات مالیاتی

savings

SavingsOverTime

چه مقدار در طول عمر ذخیره می شود (یا نه).

payback_years

float

تعداد سالها تا زمان بازپرداخت یک ارزش منفی به این معنی است که بازپرداخت هرگز در طول مدت عمر اتفاق نمی افتد.

DataLayerView

کدام زیرمجموعه از اطلاعات خورشیدی را برگرداند.

Enums
DATA_LAYER_VIEW_UNSPECIFIED معادل FULL.
DSM_LAYER فقط DSM را دریافت کنید.
IMAGERY_LAYERS DSM، RGB و ماسک را دریافت کنید.
IMAGERY_AND_ANNUAL_FLUX_LAYERS DSM، RGB، ماسک و شار سالانه را دریافت کنید.
IMAGERY_AND_ALL_FLUX_LAYERS DSM، RGB، ماسک، شار سالانه و شار ماهانه را دریافت کنید.
FULL_LAYERS همه داده ها را دریافت کنید

لایه های داده

اطلاعاتی در مورد پتانسیل خورشیدی یک منطقه داده‌های واقعی در تعدادی از فایل‌های GeoTIFF که منطقه درخواستی را پوشش می‌دهند، وجود دارد که این پیام حاوی URL است: هر رشته در پیام DataLayers حاوی یک URL است که می‌توان GeoTIFF مربوطه را از آن واکشی کرد. این URL ها برای چند ساعت پس از تولید معتبر هستند. اکثر فایل‌های GeoTIFF با وضوح 0.1 متر بر پیکسل هستند، اما فایل شار ماهانه 0.5 متر بر پیکسل و فایل‌های سایه ساعتی 1 متر بر پیکسل هستند. اگر مقدار pixel_size_meters در GetDataLayersRequest مشخص شده باشد، حداقل وضوح در فایل‌های GeoTIFF همان مقدار خواهد بود.

فیلدها
imagery_date

Date

زمانی که تصویر منبع (که تمام داده های دیگر از آن استخراج شده اند) در این منطقه گرفته شد. لزوماً تا حدودی تقریبی است، زیرا ممکن است تصاویر بیش از یک روز گرفته شده باشند.

imagery_processed_date

Date

زمانی که پردازش روی این تصویر تکمیل شد.

dsm_url

string

نشانی اینترنتی تصویری از DSM (مدل سطح دیجیتال) منطقه. مقادیر بر حسب متر بالاتر از ژئوئید EGM96 (یعنی سطح دریا) هستند. مکان های نامعتبر (جایی که داده نداریم) به عنوان -9999 ذخیره می شوند.

rgb_url

string

نشانی اینترنتی تصویری از داده های RGB (عکس هوایی) منطقه.

mask_url

string

URL برای تصویر ماسک ساختمان: یک بیت در هر پیکسل نشان می دهد که آیا آن پیکسل بخشی از یک پشت بام در نظر گرفته می شود یا خیر.

annual_flux_url

string

نشانی اینترنتی نقشه شار سالانه (نور خورشید سالانه روی پشت بام ها) منطقه. مقادیر kWh/kW/year هستند. این شار بدون نقاب است: شار برای هر مکان محاسبه می‌شود، نه فقط پشت بام ساختمان. مکان‌های نامعتبر به‌عنوان -9999 ذخیره می‌شوند: مکان‌های خارج از منطقه تحت پوشش ما نامعتبر خواهند بود، و چند مکان در داخل منطقه تحت پوشش، که نتوانستیم شار را محاسبه کنیم، نیز نامعتبر خواهند بود.

monthly_flux_url

string

نشانی اینترنتی نقشه شار ماهانه (نور خورشید روی پشت بام ها، تفکیک شده بر اساس ماه) منطقه. مقادیر kWh/kW/year هستند. GeoTIFF که توسط این URL به آن اشاره شده است به ترتیب شامل دوازده باند مربوط به ژانویه...دسامبر خواهد بود.

hourly_shade_urls[]

string

به ترتیب دوازده URL برای سایه ساعتی، مربوط به ژانویه...دسامبر. هر GeoTIFF شامل 24 باند، مربوط به 24 ساعت روز است. هر پیکسل یک عدد صحیح 32 بیتی است که مربوط به (تا) 31 روز آن ماه است. a 1 bit به این معنی است که مکان مربوطه می تواند خورشید را در آن روز، آن ساعت، آن ماه ببیند. مکان‌های نامعتبر به‌عنوان 9999- ذخیره می‌شوند (از آنجایی که این منفی است، بیت 31 تنظیم شده است، و هیچ مقدار معتبری نمی‌تواند بیت 31 را تنظیم کند که مطابق با روز 32 ماه باشد).

یک مثال ممکن است مفید باشد. اگر می خواهید بدانید که آیا نقطه ای (در مکان پیکسل (x، y)) خورشید را در ساعت 4 بعد از ظهر روز 22 ژوئن دیده است، باید:

  1. ششمین URL در این لیست (مرتبط با ژوئن) را واکشی کنید.
  2. کانال هفدهم (مطابق با ساعت 16) را جستجو کنید.
  3. مقدار 32 بیتی را در (x, y) بخوانید.
  4. بیت 21 مقدار (مرتبط با 22 ماه) را بخوانید.
  5. اگر آن بیت 1 باشد، آن نقطه خورشید را در ساعت 4 بعدازظهر 22 ژوئن دید.

به طور رسمی تر: با توجه به month (1-12)، day (1 ... ماه حداکثر؛ فوریه 28 روز) و hour (0-23)، سایه/خورشید برای آن ماه/روز/ساعت در موقعیت (x, y) بیت است.

(hourly_shade[month - 1])(x, y)[hour] & (1 << (day - 1))

که در آن (x, y) نمایه سازی مکانی است، [month - 1] به واکشی نشانی اینترنتی month - 1 اشاره دارد (نمایه سازی از صفر)، [hour] نمایه سازی در کانال ها است، و نتیجه نهایی غیر صفر به معنای "آفتابی" است. هیچ روز کبیسه وجود ندارد و DST وجود ندارد (تمام روزها 24 ساعت طول می کشد؛ ظهر همیشه ظهر "زمان استاندارد" است).

imagery_quality

ImageryQuality

کیفیت تصویر نتیجه

FinancedPurchaseSavings

هزینه و سود استفاده از وام برای خرید پیکربندی خاصی از پانل های خورشیدی با مصرف برق خاص.

فیلدها
annual_loan_payment

Money

پرداخت وام سالانه.

rebate_value

Money

ارزش تمام تخفیفات مالیاتی (از جمله اعتبار مالیاتی سرمایه گذاری فدرال (ITC)).

loan_interest_rate

float

نرخ بهره وام های در نظر گرفته شده در این مجموعه از محاسبات.

savings

SavingsOverTime

چه مقدار در طول عمر ذخیره می شود (یا نه).

تحلیل مالی

تجزیه و تحلیل هزینه و مزایای طرح خورشیدی بهینه برای اندازه قبض برق خاص.

فیلدها
monthly_bill

Money

قبض برق ماهانه این تجزیه و تحلیل فرض می کند.

default_bill

bool

آیا این اندازه صورتحساب انتخاب شده به عنوان صورت‌حساب پیش‌فرض برای منطقه‌ای است که این ساختمان در آن قرار دارد. دقیقاً یک FinancialAnalysis در BuildingSolarPotential باید default_bill تنظیم شود.

average_kwh_per_month

float

بر اساس اندازه قبض و نرخ برق محلی، خانه چقدر برق در یک ماه مصرف می کند.

financial_details

FinancialDetails

اطلاعات مالی که بدون توجه به روش تامین مالی مورد استفاده اعمال می شود.

leasing_savings

LeasingSavings

هزینه و فایده اجاره پنل های خورشیدی

cash_purchase_savings

CashPurchaseSavings

هزینه و سود خرید نقدی پنل خورشیدی

financed_purchase_savings

FinancedPurchaseSavings

هزینه و سود خرید پنل های خورشیدی با تامین مالی خرید.

panel_config_index

int32

نمایه در solar_panel_configs طرح خورشیدی بهینه برای این اندازه صورتحساب. این می تواند -1 باشد که نشان می دهد هیچ طرحی وجود ندارد. در این صورت، پیام های فرعی باقی مانده حذف می شوند.

جزئیات مالی

جزئیات یک تحلیل مالی برخی از این جزئیات در حال حاضر در سطوح بالاتر ذخیره شده اند (به عنوان مثال، هزینه از جیب شما). مجموع مبالغ پول در طول یک دوره عمر تعریف شده توسط قسمت panel_lifetime_years در SolarPotential است. توجه: هزینه خرید پانل ها از جیب شما در قسمت out_of_pocket_cost در CashPurchaseSavings آورده شده است.

فیلدها
initial_ac_kwh_per_year

float

ما فکر می‌کنیم که پنل‌های خورشیدی در سال اول خود چقدر AC کیلووات ساعت تولید خواهند کرد.

remaining_lifetime_utility_bill

Money

قبض آب و برق برای برق تولید نشده توسط خورشیدی، برای طول عمر پانل ها.

federal_incentive

Money

مقدار پول موجود از مشوق های فدرال؛ این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

state_incentive

Money

مقدار پول موجود از مشوق های دولتی؛ این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

utility_incentive

Money

مقدار پول در دسترس از مشوق های خدمات عمومی؛ این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

lifetime_srec_total

Money

مقدار پولی که کاربر از اعتبارات انرژی تجدیدپذیر خورشیدی در طول عمر پنل دریافت می کند. این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

cost_of_electricity_without_solar

Money

اگر کاربر خورشیدی را نصب نمی کرد، کل هزینه برق را که کاربر در طول عمر پرداخت می کرد.

net_metering_allowed

bool

آیا اندازه گیری خالص مجاز است یا خیر.

solar_percentage

float

درصد (0-100) برق کاربر توسط خورشیدی تامین می شود. برای سال اول معتبر است اما برای سال های آینده تقریبا درست است.

percentage_exported_to_grid

float

درصد (0-100) تولید برق خورشیدی که ما فرض کردیم بر اساس سه ماهه اول تولید به شبکه صادر شده است. اگر اندازه گیری خالص مجاز نباشد، این محاسبات را تحت تأثیر قرار می دهد.

FindClosestBuildingInsightsRequest

درخواست پیام برای Solar.FindClosestBuildingInsights .

فیلدها
location

LatLng

مورد نیاز. طول و عرض جغرافیایی که API از آن به دنبال نزدیکترین ساختمان شناخته شده است.

required_quality

ImageryQuality

اختیاری. حداقل سطح کیفی مجاز در نتایج. هیچ نتیجه ای با کیفیت پایین تر از این برگردانده نمی شود. عدم تعیین این معادل محدود کردن فقط به کیفیت بالا است.

GetDataLayersRequest

درخواست پیام برای Solar.GetDataLayers .

فیلدها
location

LatLng

مورد نیاز. طول و عرض جغرافیایی مرکز منطقه برای دریافت اطلاعات.

radius_meters

float

مورد نیاز. شعاع، بر حسب متر، تعیین کننده منطقه اطراف آن نقطه مرکزی است که داده ها باید برای آن برگردانده شوند. محدودیت های این مقدار عبارتند از:

  • هر مقدار تا 100 متر همیشه می تواند مشخص شود.
  • تا زمانی که radius_meters <= pixel_size_meters * 1000 می توان مقادیر بیش از 100 متر را مشخص کرد.
  • با این حال، برای مقادیر بیش از 175 متر، DataLayerView در درخواست نباید شامل شار ماهانه یا سایه ساعتی باشد.
view

DataLayerView

اختیاری. زیرمجموعه مورد نظر از داده ها برای بازگشت.

required_quality

ImageryQuality

اختیاری. حداقل سطح کیفی مجاز در نتایج. هیچ نتیجه ای با کیفیت پایین تر از این برگردانده نمی شود. عدم تعیین این معادل محدود کردن فقط به کیفیت بالا است.

pixel_size_meters

float

اختیاری. حداقل مقیاس، بر حسب متر در هر پیکسل، داده هایی که باید برگردانده شوند. مقادیر 0.1 (به طور پیش فرض، اگر این فیلد به طور صریح تنظیم نشده باشد)، 0.25، 0.5، و 1.0 پشتیبانی می شوند. اجزای تصویری که وضوح معمولی آنها کمتر از pixel_size_meters است با وضوح مشخص شده توسط pixel_size_meters برگردانده می شوند. اجزای تصویری که وضوح معمولی آنها برابر یا بیشتر از pixel_size_meters باشد، در آن وضوح عادی برگردانده می شوند.

exact_quality_required

bool

اختیاری. آیا به کیفیت دقیق تصاویر نیاز است. اگر روی نادرست تنظیم شود، فیلد required_quality به عنوان حداقل کیفیت مورد نیاز تفسیر می شود، به طوری که وقتی required_quality روی MEDIUM تنظیم شود، تصاویر با کیفیت بالا ممکن است برگردانده شوند. اگر روی true تنظیم شود، required_quality به عنوان کیفیت دقیق مورد نیاز تفسیر می‌شود و در صورتی که required_quality روی MEDIUM تنظیم شده باشد، فقط تصاویر با کیفیت MEDIUM برگردانده می‌شوند.

GetGeoTiffRequest

درخواست پیام برای Solar.GetGeoTiff .

فیلدها
id

string

مورد نیاز. شناسه دارایی مورد درخواست

ImageryQuality

کیفیت تصاویر مورد استفاده برای محاسبه برخی از نتایج API.

توجه: صرف نظر از سطح کیفیت تصویر، خروجی‌های DSM همیشه وضوح 0.1 متر بر پیکسل، خروجی‌های شار ماهانه 0.5 متر بر پیکسل و خروجی‌های سایه ساعتی همیشه وضوح 1 متر بر پیکسل دارند.

Enums
IMAGERY_QUALITY_UNSPECIFIED کیفیتی مشخص نیست
HIGH داده های خورشیدی از تصاویر هوایی گرفته شده در ارتفاع کم و پردازش با سرعت 0.1 متر بر پیکسل به دست می آید.
MEDIUM داده های خورشیدی از تصاویر هوایی پیشرفته گرفته شده در ارتفاع بالا گرفته شده و با سرعت 0.25 متر بر پیکسل پردازش شده است.
LOW داده های خورشیدی از تصاویر ماهواره ای پیشرفته که با سرعت 0.25 متر بر پیکسل پردازش شده اند، به دست می آیند.
BASE داده های خورشیدی از تصاویر ماهواره ای پیشرفته که با سرعت 0.25 متر بر پیکسل پردازش شده اند، به دست می آیند.

LatLngBox

یک جعبه مرزی در مختصات lat/lng.

فیلدها
sw

LatLng

گوشه جنوب غربی جعبه.

ne

LatLng

گوشه شمال شرقی جعبه.

پس انداز اجاره

هزینه و سود اجاره پیکربندی خاصی از پانل های خورشیدی با مصرف برق خاص.

فیلدها
leases_allowed

bool

آیا اجاره نامه در این حوزه قضایی مجاز است (اجاره در برخی از ایالت ها مجاز نیست). اگر این فیلد نادرست است، احتمالاً باید مقادیر موجود در این پیام نادیده گرفته شود.

leases_supported

bool

آیا اجاره نامه ها در این حوزه قضایی توسط موتور محاسبات مالی پشتیبانی می شوند یا خیر. اگر این فیلد نادرست است، احتمالاً باید مقادیر موجود در این پیام نادیده گرفته شود. این مستقل از leases_allowed است: در برخی مناطق اجاره مجاز است، اما تحت شرایطی که توسط مدل‌های مالی مدیریت نمی‌شود.

annual_leasing_cost

Money

برآورد هزینه اجاره سالانه

savings

SavingsOverTime

چه مقدار در طول عمر ذخیره می شود (یا نه).

RoofSegmentSizeAndSunshineStats

اطلاعاتی در مورد اندازه و چندک های آفتابی یک بخش سقف.

فیلدها
stats

SizeAndSunshineStats

اندازه کل و کمیت های نور خورشید برای بخش سقف.

center

LatLng

نقطه ای نزدیک به مرکز بخش سقف.

bounding_box

LatLngBox

جعبه مرزی بخش سقف.

pitch_degrees

float

زاویه بخش سقف نسبت به سطح زمین نظری. 0 = موازی با زمین، 90 = عمود بر زمین.

azimuth_degrees

float

جهت قطب نما قسمت سقف به سمت آن است. 0 = شمال، 90 = شرق، 180 = جنوب. برای یک بخش سقف "مسطح" ( pitch_degrees بسیار نزدیک به 0)، آزیموت به خوبی تعریف نشده است، بنابراین برای ثبات، آن را به دلخواه 0 (شمال) تعریف می کنیم.

plane_height_at_center_meters

float

ارتفاع صفحه بخش سقف، بر حسب متر از سطح دریا، در نقطه تعیین شده توسط center . همراه با گام، آزیموت و مکان مرکزی، این به طور کامل صفحه بخش سقف را مشخص می کند.

RoofSegmentSummary

اطلاعاتی در مورد یک بخش سقف در ساختمان، با تعدادی پانل روی آن قرار داده شده است.

فیلدها
panels_count

int32

تعداد کل پانل های این بخش.

yearly_energy_dc_kwh

float

این بخش از طرح چه مقدار انرژی نور خورشید را در طول یک سال، بر حسب کیلووات ساعت DC، با فرض پنل های توضیح داده شده در بالا، جذب می کند.

pitch_degrees

float

زاویه بخش سقف نسبت به سطح زمین نظری. 0 = موازی با زمین، 90 = عمود بر زمین.

azimuth_degrees

float

جهت قطب نما قسمت سقف به سمت آن است. 0 = شمال، 90 = شرق، 180 = جنوب. برای یک بخش سقف "مسطح" ( pitch_degrees بسیار نزدیک به 0)، آزیموت به خوبی تعریف نشده است، بنابراین برای ثبات، آن را به دلخواه 0 (شمال) تعریف می کنیم.

segment_index

int32

فهرست در roof_segment_stats مربوط به RoofSegmentSizeAndSunshineStats .

SavingsOverTime

اطلاعات مالی که بین روش های مختلف تامین مالی به اشتراک گذاشته می شود.

فیلدها
savings_year1

Money

صرفه جویی در سال اول پس از نصب پانل.

savings_year20

Money

صرفه جویی در بیست سال اول پس از نصب پانل.

present_value_of_savings_year20

Money

با استفاده از نرخ تنزیل مفروض، ارزش فعلی پس انداز انباشته 20 ساله چقدر است؟

savings_lifetime

Money

صرفه جویی در کل طول عمر پانل.

present_value_of_savings_lifetime

Money

با استفاده از نرخ تنزیل مفروض، ارزش فعلی پس انداز تجمعی مادام العمر چقدر است؟

financially_viable

bool

نشان می دهد که آیا این سناریو از نظر مالی مقرون به صرفه است یا خیر. برای سناریوهایی با قابلیت مالی ضعیف (مثلاً از دست دادن پول) نادرست خواهد بود.

SizeAndSunshineStats

چندک های اندازه و آفتابی یک سقف یا بخشی از سقف.

فیلدها
area_meters2

float

مساحت سقف یا بخش سقف، بر حسب m^2. این مساحت سقف است (با محاسبه شیب)، نه مساحت ردپای زمین.

sunshine_quantiles[]

float

چند درصد آفتابی در سراسر منطقه. اگر مقادیر N در اینجا وجود داشته باشد، این نشان دهنده (N-1) -iles است. به عنوان مثال، اگر 5 مقدار وجود داشته باشد، آنگاه آنها چارک ها خواهند بود (حداقل، 25، 50، 75، حداکثر). مقادیر بر حسب کیلووات ساعت/کیلووات سالانه مانند max_sunshine_hours_per_year هستند.

ground_area_meters2

float

مساحت ردپای زمین که توسط سقف یا بخش سقف پوشانده شده است، بر حسب m^2.

پنل خورشیدی

SolarPanel موقعیت، جهت گیری و تولید یک پنل خورشیدی منفرد را توصیف می کند. برای اطلاعات در مورد پارامترهای پانل به فیلدهای panel_height_meters ، panel_width_meters و panel_capacity_watts در SolarPotential مراجعه کنید.

فیلدها
center

LatLng

مرکز پانل.

orientation

SolarPanelOrientation

جهت پانل.

yearly_energy_dc_kwh

float

این طرح‌بندی چقدر انرژی نور خورشید را در طول یک سال، بر حسب کیلووات ساعت DC جذب می‌کند.

segment_index

int32

ایندکس در roof_segment_stats از RoofSegmentSizeAndSunshineStats که مربوط به بخش سقفی است که این پانل روی آن قرار گرفته است.

SolarPanelConfig

SolarPanelConfig محل خاصی از پانل های خورشیدی را بر روی سقف توضیح می دهد.

فیلدها
panels_count

int32

تعداد کل پانل ها توجه داشته باشید که این به (مجموع) فیلدهای مربوطه در roof_segment_summaries اضافه است.

yearly_energy_dc_kwh

float

این طرح‌بندی چه مقدار انرژی نور خورشید را در طول یک سال، بر حسب کیلووات ساعت DC، با فرض پنل‌هایی که در بالا توضیح داده شد، جذب می‌کند.

roof_segment_summaries[]

RoofSegmentSummary

اطلاعات مربوط به تولید هر بخش سقف که حداقل یک پانل را در این طرح حمل می کند. roof_segment_summaries[i] قسمت i-امین سقف را شامل اندازه، تولید مورد انتظار و جهت آن توصیف می کند.

جهت گیری پنل خورشیدی

جهت گیری پنل خورشیدی این باید نسبت به آزیموت قسمت سقفی که پانل روی آن قرار گرفته است تفسیر شود.

Enums
SOLAR_PANEL_ORIENTATION_UNSPECIFIED هیچ جهت پانل مشخص نیست.
LANDSCAPE یک پانل LANDSCAPE دارای لبه بلند خود عمود بر جهت آزیموت قسمت سقفی است که روی آن قرار گرفته است.
PORTRAIT یک پانل PORTRAIT لبه بلند خود را موازی با جهت آزیموت قسمت سقفی است که روی آن قرار گرفته است.

پتانسیل خورشیدی

اطلاعاتی در مورد پتانسیل خورشیدی یک ساختمان تعدادی از فیلدها در این به عنوان "پانل" تعریف شده است. فیلدهای panel_capacity_watts ، panel_height_meters و panel_width_meters پارامترهای مدل پانل مورد استفاده در این محاسبات را توصیف می کنند.

فیلدها
max_array_panels_count

int32

اندازه حداکثر آرایه - یعنی حداکثر تعداد پانل هایی که می توانند روی سقف قرار بگیرند.

panel_capacity_watts

float

ظرفیت، بر حسب وات، پانل مورد استفاده در محاسبات.

panel_height_meters

float

ارتفاع پانل مورد استفاده در محاسبات، بر حسب متر در جهت عمودی.

panel_width_meters

float

عرض، بر حسب متر در جهت عمودی، پانل مورد استفاده در محاسبات.

panel_lifetime_years

int32

طول عمر مورد انتظار، بر حسب سال، از پانل های خورشیدی. این در محاسبات مالی استفاده می شود.

max_array_area_meters2

float

اندازه حداکثر آرایه، بر حسب متر مربع.

max_sunshine_hours_per_year

float

حداکثر تعداد ساعات آفتابی دریافت شده در سال، در هر نقطه از پشت بام. ساعات آفتابی معیاری از کل مقدار تابش (انرژی) دریافتی در سال است. 1 ساعت آفتابی = 1 کیلووات ساعت در هر کیلووات (که در آن kW به کیلووات ظرفیت تحت شرایط تست استاندارد اشاره دارد).

carbon_offset_factor_kg_per_mwh

float

مقدار معادل CO2 تولید شده در هر مگاوات ساعت برق شبکه. این معیاری از شدت کربن برق شبکه است که توسط برق خورشیدی جابجا شده است.

whole_roof_stats

SizeAndSunshineStats

اندازه کل و کمیت های نور خورشید برای بخشی از سقف که به بخشی از سقف اختصاص داده شده است. علیرغم نام، این ممکن است شامل کل ساختمان نباشد. building_stats ببینید.

building_stats

SizeAndSunshineStats

اندازه و کمیت های نور خورشید برای کل ساختمان، از جمله قسمت هایی از سقف که به بخشی از سقف اختصاص داده نشده اند. از آنجایی که جهت گیری این قطعات به خوبی مشخص نشده است، تخمین مساحت سقف غیر قابل اعتماد است، اما برآورد سطح زمین قابل اعتماد است. ممکن است با مقیاس بندی مساحت سقف از whole_roof_stats با نسبت مساحت های زمین building_stats stats و whole_roof_stats ، سطح سقف کل ساختمان قابل اطمینان تری به دست آید.

roof_segment_stats[]

RoofSegmentSizeAndSunshineStats

اندازه و چندک نور خورشید برای هر بخش سقف.

solar_panels[]

SolarPanel

هر SolarPanel یک پنل خورشیدی منفرد را توصیف می کند. آنها به ترتیبی که الگوریتم طرح بندی پانل این را قرار داده است، فهرست شده اند. این معمولاً، اگرچه نه همیشه، به ترتیب کاهش تولید سالانه انرژی است.

solar_panel_configs[]

SolarPanelConfig

هر SolarPanelConfig آرایش متفاوتی از پانل های خورشیدی روی سقف را توصیف می کند. آنها به ترتیب افزایش تعداد پانل ها هستند. SolarPanelConfig با panels_count =N بر اساس اولین پنل N در لیست solar_panels است. این میدان فقط در صورتی پر می شود که حداقل 4 پانل روی سقف قرار گیرند.

financial_analyses[]

FinancialAnalysis

یک FinancialAnalysis صرفه جویی در مصرف انرژی خورشیدی را با فرض یک قبض ماهانه معین و یک ارائه دهنده برق مشخص می کند. آنها به ترتیب افزایش مبلغ قبض ماهانه هستند. این فیلد برای ساختمان هایی در مناطقی که Solar API اطلاعات کافی برای انجام محاسبات مالی ندارد خالی خواهد بود.

،

شاخص

خورشیدی

تعریف سرویس برای Solar API.

FindClosestBuildingInsights

rpc FindClosestBuildingInsights( FindClosestBuildingInsightsRequest ) returns ( BuildingInsights )

ساختمانی را که مرکز آن به یک نقطه پرس و جو نزدیکتر است، تعیین می کند. اگر هیچ ساختمانی در حدود 50 متری نقطه پرس و جو وجود نداشته باشد، یک خطا با کد NOT_FOUND برمی گرداند.

محدوده مجوز

به محدوده OAuth زیر نیاز دارد:

  • https://www.googleapis.com/auth/cloud-platform
GetDataLayers

rpc GetDataLayers( GetDataLayersRequest ) returns ( DataLayers )

اطلاعات خورشیدی را برای منطقه اطراف یک مکان دریافت می کند. اگر مکان خارج از منطقه تحت پوشش باشد، یک خطا با کد NOT_FOUND برمی‌گرداند.

محدوده مجوز

به محدوده OAuth زیر نیاز دارد:

  • https://www.googleapis.com/auth/cloud-platform
GetGeoTiff

rpc GetGeoTiff( GetGeoTiffRequest ) returns ( HttpBody )

یک تصویر را با شناسه آن برمی گرداند.

محدوده مجوز

به محدوده OAuth زیر نیاز دارد:

  • https://www.googleapis.com/auth/cloud-platform

BuildingInsights

پیام پاسخ برای Solar.FindClosestBuildingInsights . اطلاعاتی در مورد مکان، ابعاد و پتانسیل خورشیدی یک ساختمان.

فیلدها
name

string

نام منبع برای ساختمان، با فرمت buildings/{place_id} .

center

LatLng

نقطه ای نزدیک مرکز ساختمان.

bounding_box

LatLngBox

جعبه مرزبندی ساختمان.

imagery_date

Date

تاریخی که تصاویر زیربنایی به دست آمد. این تقریبی است.

imagery_processed_date

Date

زمانی که پردازش روی این تصویر تکمیل شد.

postal_code

string

کد پستی (به عنوان مثال، کد پستی ایالات متحده) این ساختمان توسط.

administrative_area

string

منطقه اداری 1 (به عنوان مثال، در ایالات متحده، ایالت) که شامل این ساختمان است. به عنوان مثال، در ایالات متحده، مخفف ممکن است "MA" یا "CA" باشد.

statistical_area

string

منطقه آماری (مثلاً سرشماری ایالات متحده) این ساختمان در آن قرار دارد.

region_code

string

کد منطقه برای کشور (یا منطقه) این ساختمان در آن است.

solar_potential

SolarPotential

پتانسیل خورشیدی ساختمان

imagery_quality

ImageryQuality

کیفیت تصاویر مورد استفاده برای محاسبه داده های این ساختمان.

پس انداز خرید نقدی

هزینه و سود خرید مستقیم یک پیکربندی خاص از پانل های خورشیدی با مصرف برق خاص.

فیلدها
out_of_pocket_cost

Money

هزینه اولیه قبل از مشوق های مالیاتی: مبلغی که باید از جیب پرداخت شود. در مقابل upfront_cost ، که پس از مشوق های مالیاتی است.

upfront_cost

Money

هزینه اولیه پس از مشوق های مالیاتی: مبلغی است که باید در طول سال اول پرداخت شود. در مقایسه با out_of_pocket_cost ، که قبل از مشوق‌های مالیاتی است.

rebate_value

Money

ارزش کلیه تخفیفات مالیاتی

savings

SavingsOverTime

چه مقدار در طول عمر ذخیره می شود (یا نه).

payback_years

float

تعداد سالها تا زمان بازپرداخت یک ارزش منفی به این معنی است که بازپرداخت هرگز در طول مدت عمر اتفاق نمی افتد.

DataLayerView

کدام زیرمجموعه از اطلاعات خورشیدی را برگرداند.

Enums
DATA_LAYER_VIEW_UNSPECIFIED معادل FULL.
DSM_LAYER فقط DSM را دریافت کنید.
IMAGERY_LAYERS DSM، RGB و ماسک را دریافت کنید.
IMAGERY_AND_ANNUAL_FLUX_LAYERS DSM، RGB، ماسک و شار سالانه را دریافت کنید.
IMAGERY_AND_ALL_FLUX_LAYERS DSM، RGB، ماسک، شار سالانه و شار ماهانه را دریافت کنید.
FULL_LAYERS همه داده ها را دریافت کنید

لایه های داده

اطلاعاتی در مورد پتانسیل خورشیدی یک منطقه داده‌های واقعی در تعدادی از فایل‌های GeoTIFF که منطقه درخواستی را پوشش می‌دهند، وجود دارد که این پیام حاوی URL است: هر رشته در پیام DataLayers حاوی یک URL است که می‌توان GeoTIFF مربوطه را از آن واکشی کرد. این URL ها برای چند ساعت پس از تولید معتبر هستند. اکثر فایل‌های GeoTIFF با وضوح 0.1 متر بر پیکسل هستند، اما فایل شار ماهانه 0.5 متر بر پیکسل و فایل‌های سایه ساعتی 1 متر بر پیکسل هستند. اگر مقدار pixel_size_meters در GetDataLayersRequest مشخص شده باشد، حداقل وضوح در فایل‌های GeoTIFF همان مقدار خواهد بود.

فیلدها
imagery_date

Date

زمانی که تصویر منبع (که تمام داده های دیگر از آن استخراج شده اند) در این منطقه گرفته شد. لزوماً تا حدودی تقریبی است، زیرا ممکن است تصاویر بیش از یک روز گرفته شده باشند.

imagery_processed_date

Date

زمانی که پردازش روی این تصویر تکمیل شد.

dsm_url

string

نشانی اینترنتی تصویری از DSM (مدل سطح دیجیتال) منطقه. مقادیر بر حسب متر بالاتر از ژئوئید EGM96 (یعنی سطح دریا) هستند. مکان های نامعتبر (جایی که داده نداریم) به عنوان -9999 ذخیره می شوند.

rgb_url

string

نشانی اینترنتی تصویری از داده های RGB (عکس هوایی) منطقه.

mask_url

string

URL برای تصویر ماسک ساختمان: یک بیت در هر پیکسل نشان می دهد که آیا آن پیکسل بخشی از یک پشت بام در نظر گرفته می شود یا خیر.

annual_flux_url

string

نشانی اینترنتی نقشه شار سالانه (نور خورشید سالانه روی پشت بام ها) منطقه. مقادیر kWh/kW/year هستند. این شار بدون نقاب است: شار برای هر مکان محاسبه می‌شود، نه فقط پشت بام ساختمان. مکان‌های نامعتبر به‌عنوان -9999 ذخیره می‌شوند: مکان‌های خارج از منطقه تحت پوشش ما نامعتبر خواهند بود، و چند مکان در داخل منطقه تحت پوشش، که نتوانستیم شار را محاسبه کنیم، نیز نامعتبر خواهند بود.

monthly_flux_url

string

نشانی اینترنتی نقشه شار ماهانه (نور خورشید روی پشت بام ها، تفکیک شده بر اساس ماه) منطقه. مقادیر kWh/kW/year هستند. GeoTIFF که توسط این URL به آن اشاره شده است به ترتیب شامل دوازده باند مربوط به ژانویه...دسامبر خواهد بود.

hourly_shade_urls[]

string

به ترتیب دوازده URL برای سایه ساعتی، مربوط به ژانویه...دسامبر. هر GeoTIFF شامل 24 باند، مربوط به 24 ساعت روز است. هر پیکسل یک عدد صحیح 32 بیتی است که مربوط به (تا) 31 روز آن ماه است. a 1 bit به این معنی است که مکان مربوطه می تواند خورشید را در آن روز، آن ساعت، آن ماه ببیند. مکان‌های نامعتبر به‌عنوان 9999- ذخیره می‌شوند (از آنجایی که این منفی است، بیت 31 تنظیم شده است، و هیچ مقدار معتبری نمی‌تواند بیت 31 را تنظیم کند که مطابق با روز 32 ماه باشد).

یک مثال ممکن است مفید باشد. اگر می خواهید بدانید که آیا نقطه ای (در مکان پیکسل (x، y)) خورشید را در ساعت 4 بعد از ظهر روز 22 ژوئن دیده است، باید:

  1. ششمین URL در این لیست (مرتبط با ژوئن) را واکشی کنید.
  2. کانال هفدهم (مطابق با ساعت 16) را جستجو کنید.
  3. مقدار 32 بیتی را در (x, y) بخوانید.
  4. بیت 21 مقدار (مرتبط با 22 ماه) را بخوانید.
  5. اگر آن بیت 1 باشد، آن نقطه خورشید را در ساعت 4 بعدازظهر 22 ژوئن دید.

به طور رسمی تر: با توجه به month (1-12)، day (1 ... ماه حداکثر؛ فوریه 28 روز) و hour (0-23)، سایه/خورشید برای آن ماه/روز/ساعت در موقعیت (x, y) بیت است.

(hourly_shade[month - 1])(x, y)[hour] & (1 << (day - 1))

که در آن (x, y) نمایه سازی مکانی است، [month - 1] به واکشی نشانی اینترنتی month - 1 اشاره دارد (نمایه سازی از صفر)، [hour] نمایه سازی در کانال ها است، و نتیجه نهایی غیر صفر به معنای "آفتابی" است. هیچ روز کبیسه وجود ندارد و DST وجود ندارد (تمام روزها 24 ساعت طول می کشد؛ ظهر همیشه ظهر "زمان استاندارد" است).

imagery_quality

ImageryQuality

کیفیت تصویر نتیجه

FinancedPurchaseSavings

هزینه و سود استفاده از وام برای خرید پیکربندی خاصی از پانل های خورشیدی با مصرف برق خاص.

فیلدها
annual_loan_payment

Money

پرداخت وام سالانه.

rebate_value

Money

ارزش تمام تخفیفات مالیاتی (از جمله اعتبار مالیاتی سرمایه گذاری فدرال (ITC)).

loan_interest_rate

float

نرخ بهره وام های در نظر گرفته شده در این مجموعه از محاسبات.

savings

SavingsOverTime

چه مقدار در طول عمر ذخیره می شود (یا نه).

تحلیل مالی

تجزیه و تحلیل هزینه و مزایای طرح خورشیدی بهینه برای اندازه قبض برق خاص.

فیلدها
monthly_bill

Money

قبض برق ماهانه این تجزیه و تحلیل فرض می کند.

default_bill

bool

آیا این اندازه صورتحساب انتخاب شده به عنوان صورت‌حساب پیش‌فرض برای منطقه‌ای است که این ساختمان در آن قرار دارد. دقیقاً یک FinancialAnalysis در BuildingSolarPotential باید default_bill تنظیم شود.

average_kwh_per_month

float

بر اساس اندازه قبض و نرخ برق محلی، خانه چقدر برق در یک ماه مصرف می کند.

financial_details

FinancialDetails

اطلاعات مالی که بدون توجه به روش تامین مالی مورد استفاده اعمال می شود.

leasing_savings

LeasingSavings

هزینه و فایده اجاره پنل های خورشیدی

cash_purchase_savings

CashPurchaseSavings

هزینه و سود خرید نقدی پنل خورشیدی

financed_purchase_savings

FinancedPurchaseSavings

هزینه و سود خرید پنل های خورشیدی با تامین مالی خرید.

panel_config_index

int32

نمایه در solar_panel_configs طرح خورشیدی بهینه برای این اندازه صورتحساب. این می تواند -1 باشد که نشان می دهد هیچ طرحی وجود ندارد. در این صورت، پیام های فرعی باقی مانده حذف می شوند.

جزئیات مالی

جزئیات یک تحلیل مالی برخی از این جزئیات در حال حاضر در سطوح بالاتر ذخیره شده اند (به عنوان مثال، هزینه از جیب شما). مجموع مبالغ پول در طول یک دوره عمر تعریف شده توسط قسمت panel_lifetime_years در SolarPotential است. توجه: هزینه خرید پانل ها از جیب شما در قسمت out_of_pocket_cost در CashPurchaseSavings آورده شده است.

فیلدها
initial_ac_kwh_per_year

float

ما فکر می‌کنیم که پنل‌های خورشیدی در سال اول خود چقدر AC کیلووات ساعت تولید خواهند کرد.

remaining_lifetime_utility_bill

Money

قبض آب و برق برای برق تولید نشده توسط خورشیدی، برای طول عمر پانل ها.

federal_incentive

Money

مقدار پول موجود از مشوق های فدرال؛ این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

state_incentive

Money

مقدار پول موجود از مشوق های دولتی؛ این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

utility_incentive

Money

مقدار پول در دسترس از مشوق های خدمات عمومی؛ این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

lifetime_srec_total

Money

مقدار پولی که کاربر از اعتبارات انرژی تجدیدپذیر خورشیدی در طول عمر پنل دریافت می کند. این در صورتی اعمال می شود که کاربر پنل ها را (با یا بدون وام) خریداری کند.

cost_of_electricity_without_solar

Money

اگر کاربر خورشیدی را نصب نمی کرد، کل هزینه برق را که کاربر در طول عمر پرداخت می کرد.

net_metering_allowed

bool

آیا اندازه گیری خالص مجاز است یا خیر.

solar_percentage

float

درصد (0-100) برق کاربر توسط خورشیدی تامین می شود. برای سال اول معتبر است اما برای سال های آینده تقریبا درست است.

percentage_exported_to_grid

float

درصد (0-100) تولید برق خورشیدی که ما فرض کردیم بر اساس سه ماهه اول تولید به شبکه صادر شده است. اگر اندازه گیری خالص مجاز نباشد، این محاسبات را تحت تأثیر قرار می دهد.

FindClosestBuildingInsightsRequest

درخواست پیام برای Solar.FindClosestBuildingInsights .

فیلدها
location

LatLng

مورد نیاز. طول و عرض جغرافیایی که API از آن به دنبال نزدیکترین ساختمان شناخته شده است.

required_quality

ImageryQuality

اختیاری. حداقل سطح کیفی مجاز در نتایج. هیچ نتیجه ای با کیفیت پایین تر از این برگردانده نمی شود. عدم تعیین این معادل محدود کردن فقط به کیفیت بالا است.

GetDataLayersRequest

درخواست پیام برای Solar.GetDataLayers .

فیلدها
location

LatLng

مورد نیاز. طول و عرض جغرافیایی مرکز منطقه برای دریافت اطلاعات.

radius_meters

float

مورد نیاز. شعاع، بر حسب متر، تعیین کننده منطقه اطراف آن نقطه مرکزی است که داده ها باید برای آن برگردانده شوند. محدودیت های این مقدار عبارتند از:

  • هر مقدار تا 100 متر همیشه می تواند مشخص شود.
  • تا زمانی که radius_meters <= pixel_size_meters * 1000 می توان مقادیر بیش از 100 متر را مشخص کرد.
  • با این حال، برای مقادیر بیش از 175 متر، DataLayerView در درخواست نباید شامل شار ماهانه یا سایه ساعتی باشد.
view

DataLayerView

اختیاری. زیرمجموعه مورد نظر از داده ها برای بازگشت.

required_quality

ImageryQuality

اختیاری. حداقل سطح کیفی مجاز در نتایج. هیچ نتیجه ای با کیفیت پایین تر از این برگردانده نمی شود. عدم تعیین این معادل محدود کردن فقط به کیفیت بالا است.

pixel_size_meters

float

اختیاری. حداقل مقیاس، بر حسب متر در هر پیکسل، داده هایی که باید برگردانده شوند. مقادیر 0.1 (به طور پیش فرض، اگر این فیلد به طور صریح تنظیم نشده باشد)، 0.25، 0.5، و 1.0 پشتیبانی می شوند. اجزای تصویری که وضوح معمولی آنها کمتر از pixel_size_meters است با وضوح مشخص شده توسط pixel_size_meters برگردانده می شوند. اجزای تصویری که وضوح معمولی آنها برابر یا بیشتر از pixel_size_meters باشد، در آن وضوح عادی برگردانده می شوند.

exact_quality_required

bool

اختیاری. آیا به کیفیت دقیق تصاویر نیاز است. اگر روی نادرست تنظیم شود، فیلد required_quality به عنوان حداقل کیفیت مورد نیاز تفسیر می شود، به طوری که وقتی required_quality روی MEDIUM تنظیم شود، تصاویر با کیفیت بالا ممکن است برگردانده شوند. اگر روی true تنظیم شود، required_quality به عنوان کیفیت دقیق مورد نیاز تفسیر می‌شود و در صورتی که required_quality روی MEDIUM تنظیم شده باشد، فقط تصاویر با کیفیت MEDIUM برگردانده می‌شوند.

GetGeoTiffRequest

درخواست پیام برای Solar.GetGeoTiff .

فیلدها
id

string

مورد نیاز. شناسه دارایی مورد درخواست

ImageryQuality

کیفیت تصاویر مورد استفاده برای محاسبه برخی از نتایج API.

توجه: صرف نظر از سطح کیفیت تصویر، خروجی‌های DSM همیشه وضوح 0.1 متر بر پیکسل، خروجی‌های شار ماهانه 0.5 متر بر پیکسل و خروجی‌های سایه ساعتی همیشه وضوح 1 متر بر پیکسل دارند.

Enums
IMAGERY_QUALITY_UNSPECIFIED کیفیتی مشخص نیست
HIGH داده های خورشیدی از تصاویر هوایی گرفته شده در ارتفاع کم و پردازش با سرعت 0.1 متر بر پیکسل به دست می آید.
MEDIUM داده های خورشیدی از تصاویر هوایی پیشرفته گرفته شده در ارتفاع بالا گرفته شده و با سرعت 0.25 متر بر پیکسل پردازش شده است.
LOW داده های خورشیدی از تصاویر ماهواره ای پیشرفته که با سرعت 0.25 متر بر پیکسل پردازش شده اند، به دست می آیند.
BASE داده های خورشیدی از تصاویر ماهواره ای پیشرفته که با سرعت 0.25 متر بر پیکسل پردازش شده اند، به دست می آیند.

LatLngBox

یک جعبه مرزی در مختصات lat/lng.

فیلدها
sw

LatLng

گوشه جنوب غربی جعبه.

ne

LatLng

گوشه شمال شرقی جعبه.

پس انداز اجاره

هزینه و سود اجاره پیکربندی خاصی از پانل های خورشیدی با مصرف برق خاص.

فیلدها
leases_allowed

bool

آیا اجاره نامه در این حوزه قضایی مجاز است (اجاره در برخی از ایالت ها مجاز نیست). اگر این فیلد نادرست است، احتمالاً باید مقادیر موجود در این پیام نادیده گرفته شود.

leases_supported

bool

آیا اجاره نامه ها در این حوزه قضایی توسط موتور محاسبات مالی پشتیبانی می شوند یا خیر. اگر این فیلد نادرست است، احتمالاً باید مقادیر موجود در این پیام نادیده گرفته شود. این مستقل از leases_allowed است: در برخی مناطق اجاره مجاز است، اما تحت شرایطی که توسط مدل‌های مالی مدیریت نمی‌شود.

annual_leasing_cost

Money

برآورد هزینه اجاره سالانه

savings

SavingsOverTime

چه مقدار در طول عمر ذخیره می شود (یا نه).

RoofSegmentSizeAndSunshineStats

اطلاعات مربوط به اندازه و مقادیر سنی یک بخش سقف.

فیلدها
stats

SizeAndSunshineStats

اندازه کل و مقدار نور خورشید برای بخش سقف.

center

LatLng

نقطه ای در نزدیکی مرکز بخش سقف.

bounding_box

LatLngBox

جعبه محدوده بخش سقف.

pitch_degrees

float

زاویه بخش سقف نسبت به هواپیمای زمین نظری. 0 = موازی با زمین ، 90 = عمود بر زمین.

azimuth_degrees

float

جهت قطب نما بخش سقف در حال اشاره است. 0 = شمال ، 90 = شرق ، 180 = جنوب. برای یک بخش سقف "مسطح" ( pitch_degrees بسیار نزدیک 0) ، آزیموت به خوبی تعریف نشده است ، بنابراین برای قوام ، ما آن را به طور خودسرانه تعریف می کنیم که 0 (شمال) باشد.

plane_height_at_center_meters

float

ارتفاع هواپیمای قطعه سقف ، در متر بالاتر از سطح دریا ، در نقطه ای که توسط center تعیین شده است. همراه با زمین ، آزیموت و محل مرکز ، این هواپیمای قطعه سقف را به طور کامل تعریف می کند.

Boofsegmentmary

اطلاعات مربوط به یک بخش سقف در ساختمان ، با تعدادی از پانل ها روی آن قرار داده شده است.

فیلدها
panels_count

int32

تعداد کل پانل ها در این بخش.

yearly_energy_dc_kwh

float

چقدر نور خورشید این بخش از طرح را در طی یک سال ، در DC KWH ، با فرض پانل های توضیح داده شده در بالا ، ثبت می کند.

pitch_degrees

float

زاویه بخش سقف نسبت به هواپیمای زمین نظری. 0 = موازی با زمین ، 90 = عمود بر زمین.

azimuth_degrees

float

جهت قطب نما بخش سقف در حال اشاره است. 0 = شمال ، 90 = شرق ، 180 = جنوب. برای یک بخش سقف "مسطح" ( pitch_degrees بسیار نزدیک 0) ، آزیموت به خوبی تعریف نشده است ، بنابراین برای قوام ، ما آن را به طور خودسرانه تعریف می کنیم که 0 (شمال) باشد.

segment_index

int32

شاخص در roof_segment_stats مربوط به RoofSegmentSizeAndSunshineStats .

زمان پس انداز

اطلاعات مالی که بین روشهای مختلف تأمین مالی به اشتراک گذاشته شده است.

فیلدها
savings_year1

Money

پس انداز در سال اول پس از نصب پانل.

savings_year20

Money

پس انداز در بیست سال اول پس از نصب پانل.

present_value_of_savings_year20

Money

با استفاده از نرخ تخفیف فرض شده ، ارزش فعلی پس انداز 20 ساله تجمعی چقدر است؟

savings_lifetime

Money

پس انداز در کل عمر پانل.

present_value_of_savings_lifetime

Money

با استفاده از نرخ تخفیف فرضی ، ارزش فعلی پس انداز تجمعی چقدر است؟

financially_viable

bool

نشان می دهد که آیا این سناریو از نظر مالی قابل دوام است یا خیر. برای سناریوهایی که دارای زنده ماندن مالی ضعیف هستند (به عنوان مثال ، از دست دادن پول) نادرست خواهد بود.

sizeandsunshinestats

اندازه و مقادیر آفتابی یک سقف یا بخشی از یک سقف.

فیلدها
area_meters2

float

منطقه بخش سقف یا سقف ، در m^2. این منطقه سقف (حساب کاربری شیب) است ، نه منطقه ردپای زمین.

sunshine_quantiles[]

float

مقادیر آفتابی از نقطه نظر در سراسر منطقه. اگر در اینجا مقادیر N وجود داشته باشد ، این نشان دهنده (n-1) -iles است. به عنوان مثال ، اگر 5 مقدار وجود داشته باشد ، آنها کوارتل ها (حداقل ، 25 ٪ ، 50 ٪ ، 75 ٪ ، حداکثر) خواهند بود. مقادیر سالانه kwh/kw مانند max_sunshine_hours_per_year است.

ground_area_meters2

float

منطقه ردپای زمینی پوشانده شده توسط بخش سقف یا سقف ، در m^2.

پنل خورشیدی

Solarpanel موقعیت ، جهت گیری و تولید یک پنل خورشیدی را توصیف می کند. برای کسب اطلاعات در مورد پارامترهای پانل ، به قسمت های panel_height_meters ، panel_width_meters و panel_capacity_watts در SolarPotential مراجعه کنید.

فیلدها
center

LatLng

مرکز پانل.

orientation

SolarPanelOrientation

جهت گیری پانل.

yearly_energy_dc_kwh

float

چقدر نور خورشید این طرح را در طول یک سال ، در DC KWH ثبت می کند.

segment_index

int32

شاخص در roof_segment_stats OF RoofSegmentSizeAndSunshineStats که مربوط به بخش سقف است که این صفحه در آن قرار داده شده است.

خورشیدی

SolarpanelConfig یک مکان خاص از پانل های خورشیدی را روی سقف توصیف می کند.

فیلدها
panels_count

int32

تعداد کل پانل ها. توجه داشته باشید که این کار به (جمع) مزارع مربوطه در roof_segment_summaries است.

yearly_energy_dc_kwh

float

چقدر نور خورشید این طرح را در طول یک سال ، در DC kWH ، با فرض پانل های توضیح داده شده در بالا ، به خود اختصاص می دهد.

roof_segment_summaries[]

RoofSegmentSummary

اطلاعات مربوط به تولید هر بخش سقف که حداقل یک صفحه را در این طرح حمل می کند. roof_segment_summaries[i] بخش سقف I-Th ، از جمله اندازه آن ، تولید و جهت گیری مورد انتظار را توصیف می کند.

نمایشگاههای خورشیدی

جهت گیری یک صفحه خورشیدی. این باید نسبت به آزیموت بخش سقف که پانل در آن قرار دارد ، تفسیر شود.

Enums
SOLAR_PANEL_ORIENTATION_UNSPECIFIED هیچ جهت گیری پانل مشخص نیست.
LANDSCAPE یک صفحه LANDSCAPE دارای لبه طولانی عمود بر جهت آزیموت قطعه سقف است که روی آن قرار دارد.
PORTRAIT یک صفحه PORTRAIT دارای لبه بلند خود به موازات جهت آزیموت از بخش سقف است که روی آن قرار دارد.

حرکات حرکتی

اطلاعات مربوط به پتانسیل خورشیدی یک ساختمان. تعدادی از زمینه های موجود در این مورد از نظر "پانل ها" تعریف شده اند. Fields panel_capacity_watts ، panel_height_meters و panel_width_meters پارامترهای مدل پانل مورد استفاده در این محاسبات را توصیف می کنند.

فیلدها
max_array_panels_count

int32

اندازه حداکثر آرایه - یعنی حداکثر تعداد پانل هایی که می توانند در پشت بام قرار بگیرند.

panel_capacity_watts

float

ظرفیت ، در وات ، پانل مورد استفاده در محاسبات.

panel_height_meters

float

ارتفاع ، در متر در جهت گیری پرتره ، پانل مورد استفاده در محاسبات.

panel_width_meters

float

عرض ، در متر در جهت گیری پرتره ، پانل مورد استفاده در محاسبات.

panel_lifetime_years

int32

طول عمر مورد انتظار ، در سالها ، از پانل های خورشیدی. این در محاسبات مالی استفاده می شود.

max_array_area_meters2

float

اندازه ، در متر مربع ، از حداکثر آرایه.

max_sunshine_hours_per_year

float

حداکثر تعداد ساعات آفتاب دریافت شده در سال ، با هر نقطه ای از پشت بام. ساعات آفتاب اندازه گیری کل میزان عایق بندی (انرژی) دریافت شده در سال است. 1 ساعت آفتاب = 1 کیلووات ساعت در هر کیلو وات (جایی که kW به کیلو وات ظرفیت در شرایط آزمایش استاندارد اشاره دارد).

carbon_offset_factor_kg_per_mwh

float

مقدار معادل CO2 تولید شده در هر مگاوات ساعت برق شبکه. این یک اندازه گیری از شدت کربن برق شبکه است که توسط برق خورشیدی جابجا شده است.

whole_roof_stats

SizeAndSunshineStats

اندازه کل و مقدار نور خورشید برای بخشی از سقف که به برخی از بخش های سقف اختصاص داده شده است. با وجود نام ، این ممکن است شامل کل ساختمان نباشد. به building_stats مراجعه کنید.

building_stats

SizeAndSunshineStats

اندازه و مقدار نور خورشید برای کل ساختمان ، از جمله بخش هایی از سقف که به برخی از بخش های سقف اختصاص داده نشده اند. از آنجا که جهت گیری این قسمت ها به خوبی مشخص نشده است ، برآورد منطقه سقف غیرقابل اعتماد است ، اما برآورد منطقه زمین قابل اعتماد است. این ممکن است که با مقیاس کردن ناحیه سقف از کل سقف از whole_roof_stats با نسبت مناطق زمینی building_stats و whole_roof_stats یک منطقه سقف ساختمان قابل اطمینان تر حاصل شود.

roof_segment_stats[]

RoofSegmentSizeAndSunshineStats

اندازه و مقادیر نور خورشید برای هر بخش سقف.

solar_panels[]

SolarPanel

هر SolarPanel یک پنل خورشیدی را توصیف می کند. آنها به این ترتیب ذکر شده اند که الگوریتم چیدمان پانل این را قرار داده است. این معمولاً ، هر چند نه همیشه ، در کاهش نظم تولید انرژی سالانه است.

solar_panel_configs[]

SolarPanelConfig

هر SolarPanelConfig ترتیب متفاوتی از پانل های خورشیدی را روی سقف توصیف می کند. آنها به منظور افزایش تعداد پانل ها هستند. SolarPanelConfig با panels_count = n بر اساس اولین پانل های N در لیست solar_panels است. این میدان فقط در صورتی جمع می شود که حداقل 4 پانل بتوانند روی یک سقف قرار بگیرند.

financial_analyses[]

FinancialAnalysis

یک FinancialAnalysis پس انداز می کند از رفتن خورشیدی با فرض یک لایحه ماهانه معین و یک ارائه دهنده برق معین. آنها به منظور افزایش سفارش مبلغ صورتحساب ماهانه هستند. این زمینه برای ساختمانهایی در مناطقی که API خورشیدی اطلاعات کافی برای انجام محاسبات مالی ندارد ، خالی خواهد بود.