在全球能源資源和負荷分布不均的背景下，世界各國對全球氣候變化、能源資源優(yōu)化利用等方面更加重視。準確評估可再生能源資源，對能源資源富集地區(qū)進行集中開發(fā)，協調可再生能源發(fā)電和區(qū)域間電網互聯規(guī)劃，是促進可再生能源開發(fā)與消納、建設經濟高效的電力系統(tǒng)和合理利用可再生能源資源的有效手段。
國內外學者針對可再生能源資源的評估方法開展了大量的研究。一些學者將地理信息系統(tǒng)（GIS）應用在能源資源的開發(fā)和規(guī)劃中，并通過GIS的空間分析方法對資源的可開發(fā)潛力進行可視化分析。 GIS與決策分析方法的結合也已應用在許多學科的選址和評估的研究中，包括城市規(guī)劃、水利和農業(yè)等。針對可再生能源資源評估，用GIS的空間分析技術，結合風資源數據對江蘇省風能潛在開發(fā)量進行評估;借助GIS的空間分析功能研究我國各地太陽能輻射強度頻數和發(fā)電潛力的空間分布;利用近20年太陽輻射數據，評估我國華南地區(qū)太陽能資源特性，考慮了地形等因素的影響，分析了華南地區(qū)適宜性和開發(fā)潛力。結合GIS和空間多準則決策分析，提出一個風電場綜合評估框架，完成了對希臘的風電場的選址評估;采用多目標決策和GIS相結合的方法對光伏發(fā)電進行了評價。此外，對于可再生能源發(fā)電綜合開發(fā)潛力的評估中，平準化電力成本(LCOE)是較常用的經濟指標;對并網光伏項目進行了LCOE分析，提出了適用于我國光伏發(fā)電項目的LCOE模型，并對幾個影響因素進行了敏感性分析。建立適用于我國大型風電項目的LCOE分析模型，利用該模型對我國風電場平準化成本進行測算，對影響LCOE的因素進行了敏感性分析。
本文首先對GIS技術、多標準決策分析方法和LCOE測算模型在資源評估中的應用進行了闡述;然后，在詳細分析的基礎之上，提出了一種基于GIS的多標準決策分析方法，并給出了評估可再生能源潛在開發(fā)區(qū)域的具體流程;最后，利用有效的風速、太陽輻射度和地理信息數據等，對所提出方法進行實例應用，評估蒙古國風電和光伏場站開發(fā)適宜區(qū)域，并對適宜區(qū)域的風電和光伏場站平準化電力成本進行測算。
1資源評估技術手段和方法
1.1 GIS技術
地理信息系統(tǒng)(GIS)作為一門重要的信息技術，廣泛應用在氣象評估、地質災害預報、選址分析以及資源評估等領域。GIS空間分析和計算中，需要建立與現實條件相關的圖層，來分析資源和站點適宜性情況，本文針對風/光場站適宜性評估的問題，使用的GIS空間分析方法包括緩沖區(qū)分析和疊加分析。
（1）空間數據結構
GIS中的數據結構形式主要有柵格數據和矢量數據兩種，從它們在空間分析中的應用來看，基于矢量數據的空間分析方法具有簡單、易操作的優(yōu)點，在傳統(tǒng)的空間分析中被廣泛采用，但是這種方法存在無法向高維擴展和數據冗余的缺點。本研究中把涉及到的距離計算視為空間聚類問題，將矢量數據用緩沖區(qū)做一個影響范圍，柵格數據則用歐氏距離工具進行處理。
（2）緩沖區(qū)分析
緩沖區(qū)分析是鄰近度分析中最常用的一種，用來對空間中各目標的距離遠近程度進行分析。緩沖區(qū)指的是在某一空間對象或對象集的影響范圍內設置一定寬度的領域，領域范圍與緩沖半徑R相關，如果對一個空間對象Mi進行緩沖區(qū)分析，緩沖區(qū)表達式如下所示:
式中:Buffi為空間對象Mi緩沖區(qū)在緩沖半徑為R時的緩沖區(qū);D(·)為距離。
（3）疊加分析
疊加分析是指若干獨立圖層通過疊加后形成復合圖層的空間分析方法，代數疊加和柵格疊加在疊加分析中應用較多。每個獨立圖層在多重疊加后形成新的圖層，該圖層包含疊加前各圖層的各種屬性值。
1.2多標準決策分析方法
多標準決策分析(Multi-Criteria DecisionAnalysis ，MCDA)是在諸多標準或影響因素下，對一系列標準和方案進行綜合分析決策的方法，可通過決策分析流程圖或者決策矩陣來表示單獨使用傳統(tǒng)的多準則決策分析法解決復雜的決策問題時，由于缺乏空間維度支持，而使得分析結果精度不高。將具有強大空間分析能力的GIS技術和多標準決策結合的空間多標準決策分析方法（GIS-MCDA），能更有效地輔助決策。
1.3 LC OE測算模型
平準化電力成本(Levelized Cost Of Electricity， LCOE)可用于測算和分析不同可再生能源場站開發(fā)的經濟性，是一種用來評估各種區(qū)域內，對采用不同技術方法和投資規(guī)模進行評估的財務方法。本文LCOE測算中的影響因素主要包括可再生能源開發(fā)場站的資源條件、投資成本、運維成本，以及政策條件等?？衫斫鉃轱L電或光伏發(fā)電項目在運營期內發(fā)生的所有成本與發(fā)電量總量的比值。
式中:LCOE為平準化電力成本;r為折現率;n為系統(tǒng)運行年份;N為項目壽命期，一般取N=25;
CAPEXn為工程項目的初始投資成本;OPEXn為第n年的運維成本;An為第n年的發(fā)電量。
2基于GIS和多標準決策分析的評估方法
2.1評估方法總述
在現有研究的基礎上，本文綜合考慮資源條件、社會條件和經濟性等方面，提出了一種基于GIS的多標準決策分析的方法對可再生能源資源潛在開發(fā)區(qū)域適宜性進行評估，并對適宜區(qū)域可再生能源發(fā)電項目LCOE進行測算?？傮w評估方法包含以下過程:
（1）評估風能和太陽能開發(fā)的可用區(qū)域。調查和統(tǒng)計由于地區(qū)文化或歷史等因素影響，而不太可能用于風能和太陽能開發(fā)的區(qū)域，通過GIS空間分析將其移除或在特定區(qū)域周圍建立緩沖區(qū)。限制條件取決于評估區(qū)域的環(huán)境和法規(guī)等限制，一般與土地利用和城市發(fā)展有關，如自然保護區(qū)、居民點、電力線路和機場等。
（2）風能和太陽能資源評估。利用GIS工具對風資源數據(平均風速:m/S)和太陽能資源數據(太陽輻射度GHI: kW *h/m2)進行處理，這一步的數據質量對最終的評估結果影響最大。
（3）適宜區(qū)域的風/光技術可開發(fā)潛力評估?？紤]資源條件、排除區(qū)域和法規(guī)限制，選擇可用于風能和太陽能開發(fā)的區(qū)域。每個區(qū)域單位面積容量取決于風機和光伏組件密度，功率密度與技術選擇密切相關。
（4）基于GIS的多標準決策分析。選取與最佳資源、最適宜區(qū)域評估相關的影響因素作為評估指標，使用GIS工具實現各影響因子圖層的可視化，并結合多標準決策分析方法進行適宜度分級和賦權重疊加分析，給出未來風電和光伏發(fā)展的適宜區(qū)域分級地圖?；贕IS的多標準決策分析過程如下圖所示。
（5）適宜區(qū)域的風電/光伏場站開發(fā)項目LCOE分析。根據各種技術參數(負載系數等)
和成本假設(初始投資成本，運行維護成本)，估算在技術可開發(fā)潛力評估中結果較優(yōu)區(qū)域的風電/光伏場站開發(fā)項目的平準化度電成本。
2.2 GIS支持的多標準決策分析過程
2.2.1制約因素分析和評估指標選擇
可再生能源資源潛在可開發(fā)區(qū)域適宜性評價中主要以資源自然屬性、區(qū)位優(yōu)勢和基礎設施完善程度作為評價條件，選擇場地適宜性影響因素應遵循以下原則:
1）相對獨立的影響因素;
2）可量化、可測量的影響因素;
3）起主導作用的影響因素;
4）差異比較明顯的影響因素。
在上述原則的指導下，綜合分析后本文中確定4項太陽能光伏場站開發(fā)影響因子和3項風電開發(fā)的影響因子，具體分析如下:
1）從資源自然屬性分析，風速和太陽輻射度（GHI）分別是風能和光伏資源評估的重要指標，與風電和光伏發(fā)電量密切相關;
2）地形因子中主要考慮地面坡度，在不同坡度下光伏電池板的鋪設狀態(tài)會影響GHI和光照時間，從而對光伏發(fā)電量和資源的空間分布產生影響;
3）交通因子包括與現有公路和鐵路的距離，靠近現有的路網和靠近城鎮(zhèn)的距離是未來運行和維護的關鍵，未來的風電場/光伏場站應盡可能靠近現有的公路網，以避免建設新的公路而產生附加費用。由于火車不適合運輸重型風機塔架或葉片，僅適用于光伏組件的物流輸送，因此，與現有鐵路距離僅作為光伏場站適宜性評估的影響因子。
4）城鎮(zhèn)建設因子包含與現有變電站和城市/村莊距離兩項，靠近城鎮(zhèn)以便于為建設或運維人員提供食宿，降低運維成本;
5）為了降低與新電力線路和變電站投資相關的成本，可再生能源開發(fā)場站應位于現有220 kV變電站附近。
2.2.2基于GIS-MCDA的場站適宜性評價模型
（1）指標圖層的構建
使用ARCGIS工具進行分析，將現有的空間數據進行預處理，通過預留緩沖區(qū)剔除不可開發(fā)區(qū)域。在進行多標準決策分析之前，需要將風資源和太陽能資源評估所需的風速、太陽輻射度，以及地理影響因素數據導入ARCGIS中，分別對各評價指標進行空間分析，形成指標圖層。
（2）賦權重疊加分析
結合多標準決策分析方法，根據所選的評價標準，對7個指標圖層進行標準化分級，得到各指標分級圖層，并對指標與被評價事物隸屬情況進行綜合評判:按照對適宜性結果的貢獻度設定評級值1~5，1和5分別為最低和最高分數，風速、太陽總輻射度和地面坡度數值越小，分數越大;離路網的距離、離220 kV變電站距離和離城鎮(zhèn)的距離的數值越大，分數越小。評價指標集合表示如下:
評價指標集合U={A1，A2，B，C，D，E，F}={風速，太陽輻射度，鄰近公路，鄰近鐵路，鄰近220 kV變電站，地面坡度，鄰近城市/村莊}
可再生能源開發(fā)場站適宜性評價模型如下圖所示。對風資源和太陽能資源評估中為各評價指標賦權重，確定其在決策模型中的重要性，并將結果重分類設置為不適宜區(qū)域、較適宜區(qū)域、勉強適宜區(qū)域、適宜區(qū)域、最適宜區(qū)域。分級后的相關圖層進行賦權重疊加分析，評級值集合表示如下:
評級值集合V= {V1，V2，V3，V4，V5}={不適宜區(qū)域，較適宜區(qū)域，勉強適宜區(qū)域，適宜區(qū)域，最適宜區(qū)域}={1，2，3，4，5};
結合GIS分析整合評價指標圖層，將所得的圖層轉換為分辨率為100 mx 100 m的ESRI柵格格式，然后按適宜度（1~5）進行重分類，得到風速、太陽輻射度、離路網、220 kV變電站距離、地面坡度以及離城鎮(zhèn)的距離7個分級圖層。
最后，結合多標準決策分析方法對各圖層進行柵格疊加分析，得到的風電、光伏場站適宜性評級值復合地圖?；?/span>GIS的多標準決策分析可以概括為圖層(柵格)疊加過程，其中每個評估標準乘以權重并將結果加權疊加以產生具有適宜度排名的合成地圖。多標準決策的一個重要條件是將所有處理步驟建立在決策者的偏好和專業(yè)知識的基礎之上，這有利于數據的選擇、評估、分類和后續(xù)加權等過程。具體計算公式如下:
式中:Sk為適宜性地圖排名;wj為評價指標對應的權重;Nkj為標準J下的標準化評級值k; n為所選評價指標個數。
3蒙古國可再生能源開發(fā)場站適宜性評估
3.1研究區(qū)域概況
蒙古國地處亞歐大陸內部，大部分地區(qū)是大陸性溫帶草原氣候，少有極端氣候，且擁有低人口密度，地理上鄰近中國等電力消費大國，可再生能源開發(fā)條件好。根據蒙古國相關統(tǒng)計數據，蒙古國發(fā)電裝機95.5萬kW其中可再生能源發(fā)電裝機8.17萬kW，僅占8%。發(fā)電量52.8億kW·h可再生能源電量比重僅為2.23%。截至2013年底，蒙古國風電裝機5萬kW，不到資源量的萬分之一，開發(fā)潛力巨大。太陽能資源資源量約67萬億kW·h，資源豐富地區(qū) 320個晴天/年，發(fā)電量可達1300 kW·h/m2。根據蒙古國“國家可再生能源規(guī)劃 "，蒙古國政府設定的發(fā)展目標是到2020年可再生能源占能源供應的比重將達到20%～25 %。
3.2數據來源與預處理
本研究使用的非空間數據包括風速、太陽輻射度和地面坡度。其中，風力基礎數據來源于Vaisala's 3TIER Services，包括描述風速頻率分布的年度威布爾分布參數和部分不同地理位置離地面80 m高度處的風速數據，用于計算年平均風速和月平均風速;太陽能資源數據來自開源的全球太陽能圖集(SolarGIS- ESMAP-World Bank Group)，該圖集提供了蒙古國的太陽能全球水平輻射度和光伏發(fā)電量年度/每月總計的平均值數據(GeoTIFF格式);地形坡度數據來源于蒙古國環(huán)境數據庫，該數據庫中還提供了保護區(qū)、森林等數據，這些數據用于剔除不可開發(fā)區(qū)域和預留特定區(qū)域的緩沖區(qū)?？臻g數據包括離路網、城鎮(zhèn)和220 kV變電站距離數據。路網分布和城鎮(zhèn)分布數據來源于OpenStreetMap （OSM），OSM提供了可編輯的地理信息數據。所有空間數據或非空間數據參考蒙古國以往可再生能源資源評估經驗及上一節(jié)的制約因素分析結果，最終均以GIS格式處理顯示。
3.3可再生能源資源開發(fā)場站適宜性評價
根據蒙古國資源情況分析，所選取指標的部分約束設置如下:最小風速大于6.5 m/s;最小太陽輻射度大于1 500 kW·h/m2;蒙古國現有包括Mandalgovi、Ulaanbaatar和Tavantolgoi等9個220 kV變電站，為了最大程度地降低連接成本，可再生能源場站與可用變電站之間的最大距離小于200 km;適合光伏組件安裝的最大地形坡度小于20°。針對每個評價指標進行指標量化并評定其分數和權重，結果見下表。
通過GIS空間分析得出七項指標的標準化分級圖層見下圖。根據顏色的分布不同可以直觀的看出，風速（a）和太陽輻射度（b）在不同評級值下的分布情況，兩項指標能夠達到4分以上的區(qū)域主要位于蒙古國的南部地區(qū)和東南部地區(qū);由于西南和南部戈壁沙漠地區(qū)的公路網（c）和城鎮(zhèn)分布（g）較稀疏，距離的評價值也最小;鐵路（d）和220 kV變電站（e）分布主要在以Ulaanbaatar為主的城市附近，從蒙古國東南部向北部延伸;地形坡度（f）呈北部和西部總體高于其他地域的趨勢。
3.4評估結果
7項指標圖層賦權重疊加分析后的復合圖層結果見下圖一、圖二。本文最終只考慮最小面積大于10 km2的風電場(裝機容量≥50 MW)和最小面積大于0.25 km2光伏場站(裝機容量≥10 MW)的區(qū)域，每個評級值下的詳細結果由下表一和表二給出。根據評估結果，蒙古國風電的優(yōu)先得分為4分的區(qū)域潛在可開發(fā)的風資源高達21.7 GW覆蓋面積約為4 340 km2，有超過190 000 km2的區(qū)域便于建設和安裝大容量風力發(fā)電場站;光伏發(fā)電得分為4分的區(qū)域，潛在可開發(fā)的太陽能資源高達483.7 GW覆蓋面積約為12 092 km2，總面積超過29 000 km2的區(qū)域可以安裝光伏組件。
圖一 風電開發(fā)潛在區(qū)域示意圖
圖二 太陽能開發(fā)潛在區(qū)域示意圖
表一 風資源評估結果
表二 太陽能資源評估結果
4適宜區(qū)域發(fā)電項目LCOE評估
4.1風電和光伏發(fā)電項目LCOE水平測算
從上一節(jié)的評估結果來看，適宜區(qū)域（4分）已具備較高的可再生能源資源的可開發(fā)潛力。因此本文僅對適宜性評價中得分為4的區(qū)域的風電和光伏發(fā)電項目進行LCOE水平測算。在該得分區(qū)域站點上開發(fā)100 MW的風電場站和50 MW的太陽能光伏場站。評估條件假定據項目的開工年份可再生能源發(fā)電場站運行年限按25年計算;折現率取8%和5%。風電和光伏場站具體LCOE分析如下。
（1）風電場站LCOE分析
適宜性評價中得分為4的區(qū)域平均風速為8 m/s或9 m/s。風電場的初始投資成本包括風機設備及其安裝成本、風機基礎建設成本和其他費用;運維成本則由折舊費、人工費用、保險費和稅費等構成。其中，2020年、2026年和2030年分別基于Vestas的3種型號風機:2 MW-Φ110 m、3.5 M W-Φ125 m和5 M W-Φ145 m的風機模型(Φ表示直徑)，在強風條件下，轉子直徑較大的風機通常具有較低的風載系數。不同風機模型的風電初始投資成本和運行成本分解如下一和下表二所示。
表一 風電場站初始投資成本
表二 風電項目運行成本
（2）光伏場站LCOE分析
適宜性評價中得分為4的區(qū)域平均太陽輻射度為1 700 kW·h/m2或1 750 kW·h/m2，到2036年，如果雙玻光伏組件能夠大規(guī)模商業(yè)化，選擇多晶硅一雙玻光伏模塊轉換效率可能會略高。據項目的開工年份，基于光伏行業(yè)趨勢預測，光伏組件轉換效率分別為17%, 19%和23%。光伏發(fā)電初始投資成本和運行成本分解如下表一和下表二所示。
表一 光伏發(fā)電項目初始投資成本
表二 光伏發(fā)電項目運行成本
4.2 LCOE測算結果分析
根據上述分析，結合1.3節(jié)LCOE測算模型，針對在不同的資源條件、折現率和投運成本條件下的風電和光伏項目進行LCOE評估，結果如下表一和下表二所示。由下表一和下表二可知，2020年風電開發(fā)項目LCOE平均水平為47.52 $/MW·h，光伏開發(fā)項目LCOE的平均水平為62.57 $/MW·h，風電開發(fā)項目LCOE與光伏相比更低。
表一 風電LCOE測算結果
表二 光伏LCOE測算結果
由下圖 LCOE變化趨勢可以看出，在短期內，在蒙古國風能資源的平均風速大于8 m/s的情況下，蒙古國風電場開發(fā)項目仍比地面太陽能場站開發(fā)項目更經濟。從長遠來看，隨著光伏組件效率的提高以及光伏成本的降低，可以預期風能和太陽能項目的LCOE會下降至與風力發(fā)電相同的水平。
5 結論
本文提出了一種基于GIS的多標準決策分析方法，建立了資源評估指標體系和具體分析流程。結合蒙古國風速、太陽輻射度，以及地理信息數據等對該方法進行實例應用，根據評估結果分析了蒙古國可再生能源發(fā)展條件和風光資源開發(fā)潛力。由于相關數據集和地理信息系統(tǒng)工具的精確性，本研究提供的結果比以前的結果更高、更準確，可作為對潛在風電、光伏場站投資和和建設的預評估參考，為區(qū)域級的空間規(guī)劃提供有益的建議。
GIS空間分析需要從不同來源收集不同格式的數據，以創(chuàng)建一個完整的統(tǒng)一數據庫。因此，通過定期更新GIS數據，可以更好地映研究區(qū)域的當前狀況。在本研究中考慮了7個影響參數，對于特定的現場問題可增加更多的因素，例如風向，土地價格，詳細的土壤數據以及其他社會因素等，以增強GIS模型的輸出從而得到更準確的評估結果。
原文來自：http://www.nutritioncertificationboard.com/blog/index.php/article/119.html