Satellitengestützte Schätzung des globalen Solarpotenzials
(research.google)- Während der Energiebedarf schnell steigt, erweitert Google mit satellitenbildbasiertem ML die Abdeckung der dachbezogenen Solarbewertung von Solar API auch auf Regionen des Globalen Südens, in denen Luftbilder fehlen
- Der Kernansatz besteht darin, aus einem einzelnen Satellitenbild ein Digital Surface Model (DSM) und eine Dachsegmentierungskarte zu erzeugen, um die für Panelplatzierung und Verschattungsanalyse nötigen Informationen zur Dachform zu schätzen
- Durch diese Erweiterung wurden Solar-API-Daten für 125 Millionen Gebäude in 23 Ländern hinzugefügt, und die potenzielle Abdeckung auf Basis aktuell verfügbarer Satellitenbilder wächst damit weltweit auf 1,9 Milliarden Gebäude
- Das Modell zeigt auch mit ausschließlichem RGB-Input eine stabile Leistung und kann daher auch in Regionen ohne stereo-basiertes Eingabe-DSM eingesetzt werden; die auffälligen Fehler in Chile und den Philippinen werden auf verrauschte Ground-Truth-Daten zurückgeführt
- Eingabepixelauflösung, Wolken und Verdeckungen begrenzen die Ausgabequalität weiterhin; die nächsten Aufgaben sind Hinderniserkennung, Erkennung von Dachmaterialien und Identifikation bestehender Solarpanels
Die Hürden bei der Solarbewertung, auf die Solar API abzielt
- Es wird erwartet, dass der Energiebedarf in Zukunft stark steigt; für 2035 wird prognostiziert, dass Solarstrom weltweit 10.7k TWh erzeugt und damit fast 28% der erwarteten Gesamtnachfrage ausmacht
- Solaranlagen im Wohnbereich sind eines der zentralen Mittel, um auf den Nachfrageanstieg nachhaltig zu reagieren
- In Teilen des Globalen Südens bestehen weiterhin Hürden für die Einführung von Solarenergie, da der Zugang zu Finanzierung, Technik und Infrastruktur eingeschränkt ist
- Die Bewertung der Solareignung auf Gebäudeebene muss viele Variablen berücksichtigen und kann sowohl für Hausbesitzer als auch für Unternehmen belastend sein
- Google Maps Platform Solar API nutzt Luftbilder, um zentrale Informationen pro Dach bereitzustellen und so die Bewertung des Solarpotenzials sowie die Systemplanung zu vereinfachen
Die Datenbasis der bisherigen Solar API
- Solar API wurde 2023 innerhalb der Environment APIs der Google Maps Platform eingeführt
- Sie verarbeitet Luftbilder, Wetter- und Finanzdaten und liefert folgende Informationen
- Anfang 2024 wurden ML-Verfahren auf die Verarbeitungspipeline angewendet, um für Millionen zusätzlicher Gebäude in den USA, Europa und Japan Solar-Insights bereitzustellen
- Diese Daten können von Unternehmen genutzt werden, um personalisierte Informationen zum Solarpotenzial, optimierte Panelplatzierungen, Remote-Angebote und Kostenvoranschläge sowie datengestützte Förderprogramme zu erstellen
Erweiterte Abdeckung im Globalen Süden durch Satellitenbilder
- Um auf die Nachfrage nach Solardaten im Globalen Süden zu reagieren, setzt Google ML-Verfahren auf Satellitenbilder an
- Satellitenbilder haben gegenüber Luftbildern eine geringere Auflösung und damit mehrere Einschränkungen
- Mangel an präzisen Höhenkarten
- Geringere Bildqualität
- Verzerrungen durch schräge Beobachtungswinkel
- Dafür lässt sich die Abdeckung weltweit ausweiten, und selbst in bereits gut kartierten Regionen wie den USA und Europa können Daten häufiger aktualisiert werden
- Testdaten werden über das Solar API Expanded Coverage Testing Program bereitgestellt, und einige Solarinstallationsunternehmen verwenden die Datenausgaben bereits
- Durch diese Erweiterung wurden Solar-API-Daten für 125 Millionen Gebäude in 23 Ländern hinzugefügt
- Auf Basis aktuell verfügbarer Satellitenbilder wächst die potenzielle Abdeckung weltweit auf 1,9 Milliarden Gebäude
- Wenn Satelliten weiterhin neue Regionen erfassen, können weitere Gebäude hinzukommen
- Die aktuelle Abdeckung ist auf der Solar API coverage map einsehbar
ML-Pipeline zur Erzeugung von DSM und Dachsegmentierung
- Die Pipeline zur Erzeugung von Solardaten benötigt ein hochwertiges DSM, um planare Dachsegmente für die Panelberechnung zu erzeugen
- Bestehende Verfahren zur Erzeugung von Satelliten-DSM haben Grenzen
- Hochauflösende Satellitenbilder unter 1 m sind teuer in der Aufnahme
- Die Anzahl der Aufnahmewinkel für eine bestimmte Region kann begrenzt sein, und die Zeitabstände können groß sein
- Wegen der geringeren Auflösung erreichen auch bestehende Verfahren zur Dachsegmentierung auf Satellitendaten eine geringere Genauigkeit
- Das neue ML-Modell erzeugt aus einem einzelnen Satellitenbild ein hochwertiges nadirgerichtetes, also orthogonales DSM sowie Instanzen planarer Dachsegmente
- Die Methodik ist in der Arbeit “Satellite Sunroof: High-res Digital Surface Models and Roof Segmentation for Global Solar Mapping” beschrieben und wurde beim Climate Change and AI Workshop der NeurIPS 2024 veröffentlicht
Zweistufige Modellarchitektur
- Das Modell erzeugt DSM und Dachsegmente in zwei Stufen: base model und refinement model
- In der ersten Stufe verwendet das base model off-nadir-Satelliten-RGB-Bilder und den Satellitenbeobachtungswinkel als Eingabe
- Wo verfügbar, wird optional auch ein photogrammetriebasiertes relatives Höhenmodell geringer Qualität, also DSM-DTM, einbezogen
- Das anfängliche Eingabe-DSM hat nur begrenzte Abdeckung und nicht die für detaillierte Dachberechnungen nötige Auflösung
- Verwendet werden eine U-Net-ähnliche Architektur und ein Swin-Transformer-Encoder
- Im off-nadir-Blick werden ein verbessertes Höhenmodell und Dachsegment-Instanzen erzeugt
- Anschließend werden die Ergebnisse durch geometriebasierte Reprojektion in die nadir view überführt
- In der zweiten Stufe füllt das refinement model Lücken und Artefakte aus der Reprojektion und verbessert nadir-RGB, DSM und Segment-Instanzen
- Für die DSM-Schätzung werden L1-Verlust und Sobel-Gradientenverlust verwendet, für die Dachsegmentierung ein Affinity-Mask-Loss
Evaluationsergebnisse und Eingabebedingungen
- Das Modell wurde anhand mehrerer Metriken quantitativ bewertet
- Mittlerer absoluter Fehler (MAE) des DSM
- Fehler der Dachneigung
- IOU der Dachsegment-Instanzen
- Die Ergebnisse für DSM und Neigung wurden mit hochwertigen Luftbild-DSM verglichen
- Labels für Dachsegmente wurden auf zwei Wegen gewonnen
- Berechnet durch Anwendung von graph-cut auf DSM-Labels
- Direkt von Menschen annotiert
- Je nach Eingabekanälen wurden die Ergebnisse in zwei Gruppen unterteilt
- RGB-only: entspricht weltweiter Abdeckung
- RGB+DSM: entspricht begrenzten Regionen mit stereo-basiertem Eingabe-DSM
- Das Hinzufügen eines niedrigqualitativen DSM verbessert die Verschattungsvorhersage, die durch den Gebäude-DSM-MAE erfasst wird
- Es erhöht jedoch die für die Schätzung des Solarpotenzials wichtigere Genauigkeit bei Dachsegmentierung oder Neigung nicht wesentlich
- Auch bei ausschließlichem RGB-Input ist die Leistung stark, sodass das Modell überall dort eingesetzt werden kann, wo Satelliten-RGB-Bilder vorhanden sind
- Die Fehlerschwankungen zwischen den Ländern waren gering; die Ausnahmen Chile und Philippinen gehen auf verrauschte Ground-Truth-Daten zurück
- Insgesamt kann sich das Modell an Regionen mit unterschiedlichen Baustilen, Gebäudegrößen und komplexen Dachstrukturen anpassen
Visualisierungsergebnisse und verbleibende Einschränkungen
- Visualisierungen von Vorhersagen aus mehreren Regionen zeigen nadir-RGB, nadir-DSM und nadir-Dachsegment-Instanzen gemeinsam
- Ayodhya, Indien
- Kuala Lumpur, Malaysia
- Adelaide, Australien
- In Regionen mit Flachdächern erfasst das DSM Hindernisse und Dachoberflächen mit hoher Genauigkeit
- In Regionen mit geneigten Dächern sagt das Modell die für die Panelplatzierung wichtige Dachfirstlinie effektiv voraus
- Auch wenn das DSM die detaillierte Form einzelner Bäume möglicherweise nicht erfasst, werden Informationen zur Baumhöhe für die Analyse von Verschattungseffekten auf benachbarte Dächer verwendet
- Die satellitenbasierten Modellausgaben wurden mit den derzeit in Solar API verwendeten hochwertigen Luftbilddaten verglichen; die Vorhersage des jährlichen Solarflusses wurde zur Visualisierung über Satelliten-RGB-Bilder gelegt
- Die Ausgabequalität unterliegt weiterhin Einschränkungen
- Auflösung der Eingabepixel
- Wolken
- Verdeckungsartefakte
- Google arbeitet mithilfe von Forschung und Nutzerfeedback weiter an Verbesserungen der Genauigkeit
- Zukünftige Forschung umfasst Hinderniserkennung, Erkennung von Dachmaterialien und Identifikation bestehender Solarpanels
1 Kommentare
Kommentare auf Hacker News
Aus der Perspektive von jemandem, der die weltweite DSM-Verfügbarkeit untersucht hat, ist Googles Solar API einer der vielversprechendsten Kandidaten.
Eine andere Option sind LiDAR-Erhebungen von Behörden, aber Abdeckung, Dateiformate, Koordinatensysteme usw. sind überall unterschiedlich.
Es wäre gut, wenn die Mapping-Community einen weltweiten DSM-Kachel-Datensatz erstellen würde, ähnlich den Kachel-Datensätzen zur Geländehöhe, die für Höhenlinien oder 3D-Geländeansichten verwendet werden.
Vielleicht macht das schon jemand, aber schade ist: Die im Artikel genannten Gebiete sind nur potenzielle Bereiche, in denen sich DSMs erzeugen lassen, nicht Orte, für die es bereits tatsächliche Daten gibt.
Diese Abkürzung wird für so viele Dinge verwendet, dass es gut wäre, den vollständigen Namen zumindest einmal auszuschreiben.
Es ist zwar eine sehr beeindruckende Verbesserung bestehender Tools, aber ich frage mich, ob fortgeschrittene Berechnungen wie die Dachneigung überhaupt noch sinnvoll sind.
Ich dachte, man sei inzwischen zu dem Schluss gekommen, dass unzählige einzelne Dach-Solaranlagen fast die schlechteste Variante sind, weil Genehmigung und Installation kompliziert und teuer sind, der Betrieb ineffizient ist und Reparaturen, Versicherung, Upgrades sowie Netzintegration schwierig sind.
Dezentrale kritische Infrastruktur erhöht die Klimaresilienz deutlich; diesen Punkt darf man in Effizienzrechnungen nicht auslassen.
Größere Solarkraftwerke, die im Allgemeinen effizienter sind, haben dagegen mit Problemen wie Warteschlangen für den Netzanschluss und mangelnder Netzkapazität zu kämpfen.
Natürlich ist dezentrale Solarenergie keine allgemeine Lösung zur Dekarbonisierung des gesamten Energiesystems, aber sie kann eine sinnvolle Rolle spielen, und es gibt keinen Grund, nicht beides zu tun.
Heute gegen Mittag stammten landesweit fast 50 % der Stromerzeugung im Netz aus Dach-Solar, weitere rund 10 % aus Solar im Utility-Maßstab.
Dach-Solar funktioniert durchaus gut, solange Stromversorger seine Nutzung nicht aktiv behindern.
Ein Beispiel gibt es hier: https://www.theguardian.com/environment/article/2024/sep/08/...
Das Perfekte ist der Feind des Guten.
Solar im Utility-Maßstab liefert günstigen Strom, Dach-Solar für Verbraucher tut das nicht und wird es wahrscheinlich auch künftig nicht tun.
Die Preise für Dach-Solar sind meist versteckt, weil kaum eine Stromquelle so stark subventioniert wurde wie Dach-Solar.
Neben direkten Subventionen werden wohlhabende Hausbesitzer für den Strom, den sie ins Netz verkaufen, oft zum Einzelhandelspreis vergütet, wodurch eine Art umgekehrter Robin-Hood-Effekt entsteht: Die Stromrechnungen derjenigen steigen, die es sich nicht leisten können, Panels aufs Dach zu setzen.
Ein Bericht von statista.com sagt ebenfalls, dass in den USA private Dach-Solaranlagen und Kernkraft die höchsten unsubventionierten Stromgestehungskosten haben; ohne Subventionen koste Dach-Solar 117 bis 282 Dollar pro MWh: https://www.statista.com/statistics/493797/estimated-leveliz...
Der Bericht scheint ein Jahr alt zu sein, aber auch wenn die Panelpreise sinken, fallen Arbeitskosten und Ähnliches kaum, daher dürften die Installationskosten nicht stark zurückgegangen sein.
Wirklich großartig.
Wenn man hier noch lokale Stromtarife einbezieht und daraus eine Schätzung der jährlichen Einsparungen ableitet, könnte das auch bei Hausbesitzern, die bislang nicht über Solar fürs Eigenheim nachgedacht haben, ein Gesprächsanlass sein.
Die im Artikel beschriebene Bildverarbeitung ist sehr cool, aber ich habe Zweifel am Anwendungsfall.
Google schätzt solche Solarpotenziale seit etwa zehn Jahren; wenn man annimmt, dass die Funktion seit etwa 2010 entwickelt wurde, sind die Kosten für Solarpanels in dieser Zeit um einen einstelligen Faktor gefallen.
Ist die Antwort darauf, wo man Solar installieren sollte, damit nicht längst klar? Ich dachte, die Antwort lautet heute: „überall ja“.
Entweder lassen Marktteilnehmer leichtes Geld liegen, oder die Antwort ist nicht einfach „überall ja“.
Die Panelkosten sind stark gefallen, aber in den USA sind Montagehardware und Installationskosten weiterhin ziemlich hoch.
Ich bin skeptisch, Solarpanels aufs Dach zu setzen.
Es wirkt umständlich und deutlich teurer, als sie auf ebenem Boden zu installieren: https://en.wikipedia.org/wiki/Bhadla_Solar_Park
Das zusätzlich ausgegebene Geld hätte wohl geholfen, mehr Solar oder Batterien zu installieren.
In städtischen Umgebungen ist das Grundstück der meisten Häuser begrenzt, sodass das Dach der einzige mögliche Installationsort sein kann.
Wenn genug Platz vorhanden ist, ist das Dach aus fast jeder Perspektive ein schlechterer Ort als der Boden.
Deutschland hat bereits große Probleme mit Stromübertragung über lange Strecken.
Solar und Batterien sind inzwischen sehr günstig, sodass Unabhängigkeit und reale Freiheit praktisch inklusive sind.
Wenn man wertvolle Flächen am Boden blockieren möchte, kann man auch dort installieren, aber ich bevorzuge Dächer, bei denen dieser Verlust nicht entsteht.
Neben Autobahnen oder an klug gewählten Standorten sind Freiflächenanlagen ebenfalls gut.
Aber wenn ich in mein eigenes Haus investiere, möchte ich nicht die Solaranlage von jemand anderem fördern.
Schätzung für ein Haus in San Francisco mit einem typischen Dach und typischen Stromtarifen
Wenn die Anfangskosten 20.000 Dollar betragen und die Einsparung über 20 Jahre 4.000 Dollar, entspricht das einer jährlichen Rendite von 0,9 %.
Nein danke
Wenn man die reale Leistung mit 10 % der Kapazität annimmt, sind das 14–19 kWh pro Tag bzw. 5.000–7.000 kWh pro Jahr.
Der aktuelle Haushaltsstrompreis in San Francisco liegt bei 38,9 Cent pro kWh[1], also 2.000–2.700 Dollar Einsparung pro Jahr, über 20 Jahre 40.000–54.000 Dollar.
Die tatsächliche Ersparnis hängt vom Verbrauch zu Spitzenzeiten ab, aber um den Faktor 10 daneben dürfte das wohl nicht liegen.
Damit werden aus 20.000 Dollar tatsächlich 12.000 Dollar, die Rechnung sieht also etwas besser aus.
Und wurde der Anstieg der Strompreise über 20 Jahre berücksichtigt? Ich glaube nicht, dass Strom billiger wird.
In der Region im Nordosten der USA, die ich kenne, verdarben bei längeren Stromausfällen Lebensmittel im Wert von Tausenden Dollar, überflutete Keller verursachten Schäden in Höhe von Zehntausenden Dollar, und im Winter fielen die Temperaturen unter den Gefrierpunkt, sodass Leitungen einfroren und noch größere Schäden an ganzen Gebäuden entstanden.
Wenn die Versicherungsbranche die Vorteile lokaler Energiespeicherung versteht, wird sie am Ende die Prämien für Häuser mit lokalen Energiespeichern senken.
Es ist schon amüsant, wenn rein finanziell gerechnet wird, ohne das große Ganze zu sehen, was passiert, wenn der Schalter kein Licht mehr einschaltet.
Ich habe auch viele hochverfügbare Softwaresysteme entworfen, und bei jedem System war Energie immer der grundlegende Ausgangspunkt.
Der Großteil der Gesellschaft geht davon aus, dass ein Schalter immer das Licht einschaltet; erst wenn das nicht mehr stimmt, beginnt man zu begreifen, was ein „zentralisiertes Stromnetz“ tatsächlich bedeutet.
Wie Kalifornien kürzlich angekündigt hat, Solar und Speicher für neue Wohngebäude ab 2026 verpflichtend zu machen, ist die Dezentralisierung des Stromnetzes bereits im Gang.
Im Moment können Einzelne Energiefragen noch ignorieren, aber wenn sich die Probleme häufen, werden am Ende alle mitmachen müssen.
Es ist der Unterschied zwischen proaktivem und reaktivem Handeln; wenn man es wirklich braucht, ist es bereits zu spät.
Allerdings weiß ich nicht, ob die Lebensdauer der Panels lang genug ist, damit dieses Modell aufgeht.
Verwandter Beitrag: Global Solar Power Potential Map - https://news.ycombinator.com/item?id=40303570 - Mai 2024
Eine interessante künftige Nutzung von Satelliten wird darin bestehen, in naher Zukunft, zum Beispiel für die nächste Stunde, die Solarstromproduktion genau abzuschätzen, damit Netzbetreiber Speicher und Nachfrage zur Balance anpassen können.
Derzeit ist diese Vorhersage nicht möglich, weil man bei vorbeiziehenden Wolken nicht weiß, wo sich die Solarpanels befinden.
Falls nicht, könnte man Google-Maps-Bilder scrapen und damit ein KI-Modell trainieren.
Es würde mich eher wundern, wenn das noch niemand macht.
Dass jede einzelne Person Solarpanels besitzt, bringt mehrere Probleme mit sich.
Etwa 1/4 bis 1/3 der Stromrechnung entfällt auf Verteilnetzkosten, und je weniger Strom man wegen Dachsolar aus dem Netz bezieht, desto größer wird dieser Anteil.
Gleichzeitig sinken die Einnahmen des Versorgers, weil die Nutzer weniger Strom verbrauchen, und damit auch das Geld, das er in die Verteilung investieren kann.
Um den Betrieb aufrechtzuerhalten, muss er dann die Verteilentgelte weiter erhöhen.
Dazu kommen NIMBYismus, Genehmigungskosten und das Problem, dass man in diesem Land ohne besonderen Grund nichts bauen kann; dadurch steigen die Verteilkosten insgesamt weiter.
In einem Haushalt, in dem alle Dachsolar haben, zahlt man dem Netzbetreiber im Grunde nur noch für schmutzigen Strom oder Strom außerhalb der Spitzenzeiten.
Dann sieht der Betreiber nach außen schlecht aus, die Nutzer ärgern sich: „Warum ist meine Stromrechnung so hoch, obwohl ich nur wenig Strom nutze?“, und die Politik drängt auf sauberen Strom.
Der Betreiber muss jedoch rund um die Uhr Strom liefern, eingeklemmt zwischen Gewinnobergrenzen, teurer sauberer Stromerzeugung außerhalb der Spitzenzeiten, teuren Kraftwerken, die die Hälfte der Zeit stillstehen, und knappem Cashflow.
Solaranlagen auf Wohnhäusern decken nicht alle 24 Stunden ab, daher brauchen die Menschen rund um die Uhr Strom, und in vielen Gegenden ist es sogar illegal, ein Haus zu verkaufen, das nicht ans Stromnetz angeschlossen ist.
Verbraucher müssen also dafür zahlen, die Option zu haben, Strom außerhalb der Spitzenzeiten zu nutzen, und am Ende sind alle unzufrieden.
Der Vorteil ist, dass die Resilienz des Netzes steigen kann, aber wie andere schon gesagt haben, geht das nur mit großen Investitionen in die lokale Verteilung.
Strom muss sehr dynamisch und granular vom Haus zurück ins Netz eingespeist werden können, und das ist eine große Kapitalinvestition, die Netzbetreiber nur schwer stemmen können.
Letztlich ist das ein Folgeproblem der Tatsache, dass es enorm ineffizient ist, überall kleine Solarpanels zu verteilen, weil Installation, Reinigung, Wartung und Austausch nicht günstig zu machen sind.
Es ist pro Watt deutlich billiger, viele Panels auf billigem Land in der Wüste zu installieren und den Strom über das bestehende Verteilnetz zu schicken.
So oder so zahlen am Ende alle diese Resilienzkosten über ihre Stromrechnung.
Netzstrom wäre dann „viel billiger“ und die Installation würde sich nicht lohnen.
Also ist diese Aussage entweder nicht wahr, oder die Versorger sind so sehr damit beschäftigt, überhöhte Gewinne zu machen, dass sie sich selbst in eine unmögliche Lage gebracht haben, in der alle sie hassen.
Gibt es bekannte Lösungen, auch wenn sie derzeit noch zu teuer sind?
Wäre es sinnvoll, wenn der lokale Versorger im großen Stil auf Solar umstellt, zusammen mit großen Batterie-Backups? Oder sind Batterien noch zu teuer bzw. zu kurzlebig, sodass das noch nicht machbar ist?
Wie wäre es mit einer Kombination aus Wind und Solar? Es ist unwahrscheinlich, dass beide gleichzeitig ausfallen.
Ich habe gelesen, dass die Kosten für Wind und Solar jedes Jahr schnell sinken, und bei Batterietechnologie ist es ähnlich.
Wie lange dauert es noch, bis die Kosten niedrig genug sind, damit eine Stadt ihr eigenes zuverlässiges Netz aus erneuerbaren Energien betreiben kann?
Es wäre schön, wenn es Menschen helfen würde, günstigere Energie zu bekommen.
Nur eine kleine Spitzfindigkeit: Die Formulierung „weltweit 10.7k TWh“ erinnert mich daran, wie man früher einmal versucht hat, „thousand kilometres“ zu „kkm“ abzukürzen, es dann aber doch gelassen hat.
Außerdem, keine Kritik an Google, aber wenn man dem IEA-Link in diesem Satz folgt, wirkt es verdächtig so, als würde die IEA den Solarausbau für 2025–2035 immer noch linear prognostizieren.
Und das, obwohl Leute seit mindestens zehn Jahren darauf hinweisen, dass das Wachstum historisch exponentiell war, und fragen, warum man nicht annimmt, dass sich diese Exponentialkurve fortsetzt.
Wenn der Trend anhält, würde ich für 2035 bei Solarenergie ungefähr das Doppelte der IEA-Zahlen erwarten.
Quellen: https://www.economist.com/interactive/essay/2024/06/20/solar...
https://www.exponentialview.co/p/the-forecasters-gap
Beitrag von vor 7 Jahren: https://xwpxpfefwalgifkr.quora.com/A-modest-proposal-to-the-...
Gibt es eine Mehrdeutigkeit, die ich übersehen habe?
Wenn man annimmt, dass das Wachstum derzeit 26 % pro Jahr beträgt und jedes Jahr um 2 Prozentpunkte sinkt, also nächstes Jahr 24 % beträgt, dann wären die jährlichen Installationen in zehn Jahren 4,25-mal so hoch wie im letzten Jahr, und die kumulierten Installationen der nächsten zehn Jahre lägen beim 2,8-Fachen der linearen Schätzung.
Persönlich halte ich das für eine plausible grobe Größenordnung.
Allerdings ist unklar, ob der Kapazitätsfaktor stark sinkt oder recht stabil bleibt; das hängt davon ab, wie weit sich Speicher im Stromnetz verbreiten.
Mit Zahlen in dieser Größenordnung haben wir nicht oft zu tun.
Ich bin mir nicht sicher, was die richtige Lösung ist.
Einheitenpräfixe waren keine gute Idee.
Wurde die Dezimalstelle verschoben, oder wurde es einfach zu „Mm“ geändert?