CN104050323B - 一种高海拔山区模糊多准则风电场选址方法 - Google Patents
一种高海拔山区模糊多准则风电场选址方法 Download PDFInfo
- Publication number
- CN104050323B CN104050323B CN201410278206.0A CN201410278206A CN104050323B CN 104050323 B CN104050323 B CN 104050323B CN 201410278206 A CN201410278206 A CN 201410278206A CN 104050323 B CN104050323 B CN 104050323B
- Authority
- CN
- China
- Prior art keywords
- criterion
- wind energy
- layer
- fuzzy
- energy turbine
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010187 selection method Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000005516 engineering process Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 4
- 230000005684 electric field Effects 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010971 suitability test Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000003139 buffering effect Effects 0.000 claims 1
- 238000012732 spatial analysis Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 101150084548 Cubn gene Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Traffic Control Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种高海拔山区模糊多准则风电场选址方法,属于风电场宏观选址技术领域。该方法包括如下步骤:1)运用层次分析法构建递阶层次模型;2)借助地理信息***平台建立风电场空间数据库;3)采用模糊集理论度量风电场适宜度;4)利用空间分析技术提取风电场适宜范围。本发明在高海拔山区风电场的宏观选址中具有实际的应用价值,应用前景较广。
Description
技术领域
本发明涉及风电场宏观选址技术领域,尤其是涉及一种用于高海拔山区风电场宏观选址的模糊多准则结合地理信息***空间分析技术的方法。
背景技术
随着全球能源的日益匮乏与环境的急剧恶化,发展可再生能源已成为世界各国(地区)重要的战略决策。风能作为一种清洁、可再生能源而备受重视。风力发电是风能利用的主要形式,从已运营的风电工程获悉,风电场选址成功与否,对日后风电场的发电量、运营管理、经济效益等都会产生很大影响。
风电场宏观选址是指在一个较大的地域范围内,通过对气象、地形、交通等因素测评,遴选出风能资源丰富且具开发价值的风电场过程。它是一项连接风能资源估算和风电场微观选址的工作。风电场宏观选址的主要影响因素包括场址地形、建设条件等。陆地上风电场地形又大致分为平原和山地两类。本发明针对山地的风电场宏观选址,顾及复杂地形高差起伏度大等地理特征。有研究表明,在高海拔山区风电场宏观选址中,必须考虑地形地貌因素的作用。
通常,采用地理信息***空间分析技术解决风电场宏观选址问题。在地理信息***中,地理区域边界可识别且精确确定。但在现实世界中,存在着大量没有明确范围的地物边界,且地理要素的影响在空间上也是连续的,因而单纯采用精确的数学方法或空间分析技术来处理具有模糊地理边界的各种问题是不合适的。
发明内容
本发明所要解决的技术问题在于克服现有技术的不足,提出一种高海拔山区模糊多准则风电场宏观选址方法。
为了解决上述技术问题,本发明包括以下步骤:
(1)运用层次分析法构建递阶层次模型;
(2)借助地理信息***平台建立风电场空间数据库;
(3)采用模糊集理论度量风电场适宜度;
(4)利用空间分析技术提取风电场适宜范围;
所述的步骤(1)运用层次分析法构建递阶层次模型包括以下步骤:
1)建立多准则体系:研究高海拔山区风能资源、地形地貌特征,获取风电场地质灾害、交通运输信息,结合已建风电场工程的运维状况,遴选高海拔山区风电场适宜性测评指标,并以此为准则,建立以目标层、准则层和子准则层的多准则体系;
2)构造判断矩阵:依据步骤1)建立的多准则体系,采用九标度法对同一层准则进行两两比较,构造判断矩阵;
3)检验判断矩阵一致性:对步骤2)构造的判断矩阵,求其最大特征根λ max ,先计算一致性指标CI,公式为
式中,n是判断矩阵阶数,
再计算随机一致性比率CR,公式为
式中,RI是平均随机一致性指标,其取值对照下表所示;
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
若CR< 0.10,则判断矩阵符合一致性条件;否则,回到步骤2)调整判断矩阵,直到满足一致性为止;
4)求解准则权重。对步骤3)符合一致性条件的判断矩阵,求其最大特征根λ max 所对应的特征向量,对其进行归一化处理,得到准则权重W= {w 1 , w 2 , …, w n };
所述的步骤(2)借助地理信息***平台建立风电场空间数据库包括以下步骤:
1)空间数据采集:收集和采集备选区域的地形、风能、地质、交通的基础地理数据,按照矢量、栅格两种形式组织为图层,利用投影变换工具,得到数学基础一致的图层;
2)属性数据录入:收集并录入属性数据,赋予唯一标识码,利用数据库链接工具,建立地理空间数据与属性数据之间的关系;
3)矢量数据栅格化:按照步骤(1)建立的多准则体系,提取符合要求的子准则矢量数据,栅格化为100 m×100 m栅格要素图层;
4)栅格数据派生:按照步骤(1)建立的多准则体系,利用地形分析工具,依子准则从原始栅格数据中派生出100 m×100 m栅格要素图层;
所述的步骤(3)采用模糊集理论度量风电场适宜度包括以下步骤:
1)构建隶属函数:构造far、near和close_to三种模糊集,分别用于描述正向准则、逆向准则和中间型准则对风电场适宜度的影响,其隶属函数模型为
式中,∫表示模糊集,/表示“关于”,+是并集符号,x是属性值,α为设定的模糊下限,γ为设定的模糊上限,β为模糊隶属函数交点,β= (α+γ) /2;
2)定义模糊界限表:综合野外勘测调查、内业数据分析和相关研究成果,定义子准则属性的模糊界限表;
3)栅格数据标准化:对栅格图层属性值进行无量纲标准化处理,分别采用最大、最小和中心效果标准化处理正向、逆向和中间型准则;其公式为
式中,x i 和x i ’分别是第i个栅格标准化前后像元值,x max 和x min 分别是所有栅格像元中最大和最小值,x m 是所有栅格像元中最适宜值;
4)计算子准则模糊度:利用地理信息***的空间分析技术,包括地形分析、缓冲区分析、距离量算,对各子准则选择相应的隶属函数,编程实现模糊度的计算;
所述的步骤(4)利用空间分析技术提取风电场适宜范围包括以下步骤:
1)子准则图层叠加:利用地理信息***叠加分析工具,顾及各准则权重的不同,运用下列公式对子准则图层进行栅格综合运算,生成风电场适宜度图,
式中m是子准则个数,x i ’是叠加后栅格图层第i个栅格像元值,x ki 是第k个子准则图层第i个栅格像元值,w k 是第k个子准则图层的权重;
2)重分类:划分适宜性等级,利用地理信息***重分类工具,分级赋值并生成风电场适宜范围分布图;
3)风电场适宜范围提取:借助地理信息***提取要素,并矢量化风电场适宜边界,输出符合风电场建设要求的场址。
所述递阶层次结构包括三个层次:最高层为目标层,即高海拔山区风电场选址(A);中间层为准则层,即指衡量目标层的不同类因素的统称,其中包括风能资源(B1)、地形(B2)、地质(B3)、交通(B4);最底层为子准则层,子准则层是对准则层的具体细化,不同准则支配不同的子准则层。
所述的正向准则隶属函数包括年平均风速、风功率密度、地质不稳定区距离。
所述的逆向准则隶属函数包括起伏度、地质稳定区距离、国道、省道、县乡道路。
所述的中间型准则隶属函数包括高程、坡度、地质基本稳定区距离、地质较稳定区距离。
本发明的优点是,在高海拔山区风电场宏观选址过程中,考虑到复杂地形影响的不确定性,利用模糊多准则结合地理信息***空间分析技术的方法,建立高海拔山区风电场宏观选址模型,输出直观表达的风电场适宜范围图,克服了现有风电场选址方法中忽略地理影响在空间上连续性的弊端。
附图说明
图1 是本发明的风电场选址流程示意图。
图2 是本发明的风电场递阶层次结构示意图。
具体实施方式
下面参照附图,对高海拔山区风电场宏观选址的具体实施方案做进一步说明。
本发明的高海拔山区风电场宏观选址方法是以云南省某地区为依托,利用模糊多准则结合地理信息***空间分析技术的方法,建立高海拔山区风电场宏观选址模型,输出直观的风电场适宜范围图像。结合附图1所示,本发明的具体实施包括以下步骤:
(1)运用层次分析法构建递阶层次模型;
(2)借助地理信息***平台建立风电场空间数据库;
(3)采用模糊集理论度量风电场适宜度;
(4)利用空间分析技术提取风电场适宜范围。
所述的步骤(1)运用层次分析法构建递阶层次模型包括以下步骤:
1)建立多准则体系:研究高海拔山区风能资源、地形地貌特征,获取风电场地质灾害、交通运输信息,结合已建风电场工程的运维状况,遴选高海拔山区风电场适宜性测评指标,并以此为准则,建立以目标层、准则层和子准则层的多准则体系,各层所含准则指标如附图2所示。
2)构造判断矩阵:依据步骤1)建立的多准则体系,采用九标度法对同一层准则进行两两比较,构造判断矩阵。
九标度是衡量两两准则属性重要程度的依据,具体如下表所示:
标度 | 含义 |
1 | 表示两个准则属性相比具有同样重要性 |
3 | 表示一个准则属性比另一个准则属性稍微重要 |
5 | 表示一个准则属性比另一个准则属性稍微重要明显重要 |
7 | 表示一个准则属性比另一个准则属性稍微重要强烈重要 |
9 | 表示一个准则属性比另一个准则属性稍微重要极端重要 |
2,4,6,8 | 上述两相邻判断的中值 |
在构建判断矩阵中,如:R=(r ij )中,元素r ij 表示元素i与元素j相对重要性之比,并且构建的判断矩阵存在如下关系:
a)rii=1 i=1,2,...,n
b)rij>0i、j=1,2,...,n
c)rij=1/rjii、j=1,2,...,n
针对建立的递阶层次结构,构造的判断矩阵如下所示:
B3 | C31 | C32 | C33 | C34 | 权重 |
C31 | 1 | 3 | 5 | 7 | 0.579 |
C32 | 1/3 | 1 | 2 | 4 | 0.233 |
C33 | 1/5 | 1/2 | 1 | 2 | 0.121 |
C34 | 1/7 | 1/4 | 1/2 | 1 | 0.067 |
λ max | 4.028 | CI | 0.009 | CR | 0.01 |
B4 | C41 | C42 | C43 | C44 | 权重 |
C41 | 1 | 1/2 | 1/3 | 1/4 | 0.096 |
C42 | 2 | 1 | 1/2 | 1/3 | 0.161 |
C43 | 3 | 2 | 1 | 1/2 | 0.277 |
C44 | 4 | 3 | 2 | 1 | 0.466 |
λ max | 4.031 | CI | 0.010 | CR | 0.01 |
3)检验判断矩阵一致性:对步骤2)构造的判断矩阵,利用matlab工具求其最大特征根λ max ,计算一致性指标CI,公式为
式中,n是判断矩阵阶数。
再计算随机一致性比率CR,公式为
式中,RI是平均随机一致性指标,其取值对照下表所示
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 | 1.46 |
若CR< 0.10,则判断矩阵符合一致性条件;否则,回到步骤2)调整判断矩阵,直到满足一致性为止。
4)求解准则权重。对步骤3)符合一致性条件的判断矩阵,求其最大特征根λ max 所对应的特征向量,对其进行归一化处理,即得到子准则属性相对于上一层次的权重。再将子准则属性权重归一化至目标层上,即得到准则属性的最终权重W= {w 1 , w 2 , …, w n },如下表所示:
所述的步骤(2)借助地理信息***平台建立风电场空间数据库包括以下步骤:
1)空间数据采集:收集和采集备选区域的地形、风能、地质、交通的基础地理数据,按照矢量、栅格两种形式组织为图层,在地理信息***平台下,利用 ArcGISProjectionsand Transformations投影变换工具,将每个图层投影在同一个数学基础下。
2)属性数据录入:收集并录入属性数据,对每条记录赋予唯一标识码,利用数据库链接工具,建立地理空间数据与属性数据之间的关系。
3)矢量数据栅格化:按照步骤(1)建立的多准则体系,利用ArcGISExtract工具提取符合要求的子准则矢量数据,例如在交通图中提取分级道路等,并利用ArcGISConversion工具,将提取后的矢量图层栅格化为100 m×100 m栅格要素图层;
4)栅格数据派生:按照步骤(1)建立的多准则体系,利用ArcGIS SpatialAnalysis工具,依子准则从原始栅格数据中派生出100 m×100 m栅格要素图层。
本发明先从DEM派生地形子准则所需的坡度、起伏度图层,再用ArcGISResample工具将派生后的栅格数据重采样为100 m×100 m栅格要素图层。
所述的步骤(3)采用模糊集理论度量风电场适宜度包括以下步骤:
1)构建隶属函数:构造far、near和close_to三种模糊集,分别用于描述正向准则、逆向准则和中间型准则对风电场适宜度的影响。其隶属函数模型为
式中,∫表示模糊集,/表示“关于”,+是并集符号,x是属性值,α为设定的模糊下限,γ为设定的模糊上限,β为模糊隶属函数交点,β= (α+γ) /2。
在构建的隶属函数中,far、near描述了一种子准则属性值变化对风电场选址适宜度的影响规律。far所指代的正向准则是指子准则属性值越大,风电场适宜度越大;同理,near所指代的逆向准则是指子准则属性值越大,风电场适宜度越小;而close_to所指代的中间型准则是指子准则属性值处于某个区间中部时,风电场适宜度最大。
2)定义模糊界限表:综合野外勘测调查、内业数据分析和相关研究成果,对子准则所属隶属度类型进行划分,定义子准则属性的模糊界限表,并以此为依据,建立各子准则隶属函数。模糊界线表如下所示:
3)栅格数据标准化:对栅格图层属性值进行无量纲标准化处理,分别采用最大、最小和中心效果标准化处理正向、逆向和中间型准则。其公式为
式中,x i 和x i ’分别是第i个栅格标准化前后像元值,x max 和x min 分别是所有栅格像元中最大和最小值,x m 是所有栅格像元中最适宜值。
4)计算子准则模糊度:利用地理信息***的空间分析技术,包括地形分析、缓冲区分析、距离量算,对各子准则选择相应的隶属函数,编程实现模糊度计算。
所述的步骤(4)利用空间分析技术提取风电场适宜范围包括以下步骤:
1)子准则图层叠加:运用地理信息***叠加分析功能,顾及各准则权重的不同,对子准则图层进行栅格综合运算,生成风电场适宜度图,公式为
式中,m是子准则个数,x i ’是叠加后栅格图层第i个栅格像元值,x ki 是第k个子准则图层第i个栅格像元值,w k 是第k个子准则图层的权重。
2)重分类:划分适宜性等级,利用地理信息***重分类工具,分级赋值并生成风电场适宜范围分布图。
本发明将风电场选址的适宜性分为四个等级,分别是非常适宜、适宜、一般适宜和不适宜,利用ArcGISReclass工具,将叠加后输出的风电场适宜度综合图按等级进行重分类且赋值,并对其做颜色深浅渐变的可视化处理,颜色愈深即代表愈适合建设风电场,从而得出具有等级分明、视觉明显的风电场选址综合图。
3)风电场适宜范围提取:借助地理信息***平台进行要素提取,并矢量化风电场适宜边界,生成符合风电场建设要求的场址。
在风电场选址的综合图像中对四个等级的风电场场址分别进行矢量化,得到风电场适宜范围矢量边界,并在ArcGISAnalysis Tools工具中,利用Select工具,提取面积大于20平方公里的风电场适宜图,即满足风电场建设规模至少需要20平方公里的区域会被作为新的要素图层输出,完成高海拔山区风电场宏观选址过程。
Claims (5)
1.一种高海拔山区模糊多准则风电场选址方法,其特征在于包括以下步骤:
(1)运用层次分析法构建递阶层次模型;
(2)借助地理信息***平台建立风电场空间数据库;
(3)采用模糊集理论度量风电场适宜度;
(4)利用空间分析技术提取风电场适宜范围;
所述的步骤(1)运用层次分析法构建递阶层次模型包括以下步骤:
1)建立多准则体系:研究高海拔山区风能资源、地形地貌的特征,获取风电场地质灾害、交通运输的信息,结合已建风电场工程的运维状况,遴选高海拔山区风电场适宜性测评指标,并以此为准则,建立以目标层、准则层和子准则层的多准则体系;
2)构造判断矩阵:依据步骤1)建立的多准则体系,采用九标度法对同一层准则进行两两比较,构造判断矩阵;
3)检验判断矩阵一致性:对步骤2)构造的判断矩阵,求其最大特征根λmax,先计算一致性指标CI,公式为
式中,n是判断矩阵阶数 ;
再计算随机一致性比率CR,公式为
式中,RI是平均随机一致性指标;
若CR<0.10,则判断矩阵符合一致性条件;否则,回到步骤2)调整判断矩阵,直到满足一致性为止;
4)求解准则权重:对步骤3)符合一致性条件的判断矩阵,求其最大特征根λmax所对应的特征向量,对其进行归一化处理,得到准则权重W={w1,w2,…,wn};
所述的步骤(2)借助地理信息***平台建立风电场空间数据库包括以下步骤:
1)空间数据采集:收集和采集备选区域的地形、风能、地质、交通的基础地理数据,按照矢量、栅格两种形式组织为图层,利用投影变换工具,得到数学 基础一致的图层;
2)属性数据录入:收集并录入属性数据,赋予唯一标识码,利用数据库链接工具,建立地理空间数据与属性数据之间的关系;
3)矢量数据栅格化:按照步骤(1)建立的多准则体系,提取符合要求的子准则矢量数据,栅格化为100m×100m栅格要素图层;
4)栅格数据派生:按照步骤(1)建立的多准则体系,利用地形分析工具,依子准则从原始栅格数据中派生出100m×100m栅格要素图层;
所述的步骤(3)采用模糊集理论度量风电场适宜度包括以下步骤:
1)构建隶属函数:构造far、near和close_to三种模糊集,分别用于描述正向准则、逆向准则和中间型准则对风电场适宜度的影响 ,其隶属函数模型为
式中,∫表示模糊集,/表示“关于”,+是并集符号,x是属性值,α为设定的模糊下限,α2为设定的第2个模糊下限,γ为设定的模糊上限,γ1为设定的第1个模糊上限,β为模糊隶属函数交点,β=(α+γ)/2
2)定义模糊界限表:综合野外勘测调查、内业数据分析和相关研究成果,定义子准则属性的模糊界限表;
3)栅格数据标准化:采用最大、最小或中心效果标准化公式,分别对正向、逆向或中间型栅格图层属性进行无量纲标准化处理;其公式为
式中,xi和xi’分别是第i个栅格标准化前后像元值,xmax和xmin分别是所有栅格像元中最大和最小值,xm是所有栅格像元中最适宜值;
4)计算子准则模糊度:利用地理信息***的空间分析技术,包括地形分析、缓冲区分析、距离量算,对各子准则选择相应的隶属函数,计算模糊度;
所述的步骤(4)利用空间分析技术提取风电场适宜范围包括以下步骤:
1)子准则图层叠加:运用地理信息***叠加分析功能,利用ArcGIS的Spatial Analyst工具,顾及各准则权重的不同,对子准则图层进行栅格综合运算,实现风电场适宜度综合图像输出,公式为
式中,m是子准则个数,yi’是叠加后栅格图层第i个栅格像元值,xki是第k个子准则图层第i个栅格像元值,wk是第k个子准则图层的权重;
2)重分类:划分适宜性等级,利用地理信息***重分类工具,分级赋值并生成风电场适宜范围分布图;
3)风电场适宜范围提取:借助地理信息***平台进行要素提取,并矢量化风电场适宜边界,生成符合风电场建设要求的场址。
2.根据权利要求1所述的一种高海拔山区模糊多准则风电场选址方法,其特征在于所述的递阶层次模型包括三个层次:最高层为目标层,即高海拔山区风电场选址(A);中间层为准则层,即指衡量目标层的不同类因素的统称,其中包括风能资源(B1)、地形(B2)、地质(B3)、交通(B4);最底层为子准则层,子准则层是对准则层的具体细化,不同准则支配不同的子准则层。
3.根据权利要求1所述的一种高海拔山区模糊多准则风电场选址方法,其特征在于所述的正向准则隶属函数包括年平均风速、风功率密度、地质不稳定区距离。
4.根据权利要求1所述的一种高海拔山区模糊多准则风电场选址方法,其特征在于所述的逆向准则隶属函数包括起伏度、地质稳定区距离、国道、省道、县乡道路。
5.根据权利要求1所述的一种高海拔山区模糊多准则风电场选址方法,其特征在于所述的中间型准则隶属函数包括高程、坡度、地质较不稳定区的距离、 地质较稳定区的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410278206.0A CN104050323B (zh) | 2014-06-20 | 2014-06-20 | 一种高海拔山区模糊多准则风电场选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410278206.0A CN104050323B (zh) | 2014-06-20 | 2014-06-20 | 一种高海拔山区模糊多准则风电场选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104050323A CN104050323A (zh) | 2014-09-17 |
CN104050323B true CN104050323B (zh) | 2017-02-15 |
Family
ID=51503151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410278206.0A Active CN104050323B (zh) | 2014-06-20 | 2014-06-20 | 一种高海拔山区模糊多准则风电场选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104050323B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146204A (zh) * | 2018-09-27 | 2019-01-04 | 浙江中海达空间信息技术有限公司 | 一种多层次综合评估的风电场升压站自动选址方法 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665123A (zh) * | 2017-03-29 | 2018-10-16 | 郑位极芸 | 海上风能资源选址新技术 |
CN107103128B (zh) * | 2017-04-19 | 2019-11-05 | 西北工业大学 | 基于多准则妥协解排序的多目标威胁评估方法 |
CN108134815B (zh) * | 2017-11-27 | 2021-03-16 | 国网北京市电力公司 | 用于电磁场地图显示的控制方法、装置及服务器 |
CN108053060B (zh) * | 2017-12-07 | 2023-05-26 | 北京天润新能投资有限公司 | 一种基于风电场场内道路自动选线的升压站选址***及选址方法 |
CN110322038B (zh) * | 2018-03-29 | 2022-07-15 | 北京金风科创风电设备有限公司 | 基于中尺度数据的风机自动排布的方法和设备 |
CN109299495B (zh) * | 2018-07-26 | 2020-04-21 | 河海大学 | 一种风电场微观智能布机方法 |
CN109657029A (zh) * | 2018-12-20 | 2019-04-19 | 贵州德稻生态文明大数据中心有限公司 | 一种对于项目所在区域的网络平台预测方法 |
CN111950766A (zh) * | 2020-07-07 | 2020-11-17 | 中国电建集团华东勘测设计研究院有限公司 | 基于gis的海上风电场场址规划方法、装置、存储介质及设备 |
CN114021235B (zh) * | 2021-11-04 | 2022-12-27 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于AutoCAD的山地风电场风机定位方法 |
CN117933830B (zh) * | 2024-03-22 | 2024-06-11 | 四川大学 | 一种用于光热电站选址的发电潜力评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945507A (zh) * | 2012-10-09 | 2013-02-27 | 东北大学 | 基于模糊层次分析的分散式风电场优化选址方法及装置 |
KR20130088586A (ko) * | 2012-01-31 | 2013-08-08 | 목포대학교산학협력단 | 풍력단지의 입지선정 방법 |
-
2014
- 2014-06-20 CN CN201410278206.0A patent/CN104050323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130088586A (ko) * | 2012-01-31 | 2013-08-08 | 목포대학교산학협력단 | 풍력단지의 입지선정 방법 |
CN102945507A (zh) * | 2012-10-09 | 2013-02-27 | 东北大学 | 基于模糊层次分析的分散式风电场优化选址方法及装置 |
Non-Patent Citations (3)
Title |
---|
基于模糊层次分析法的风电场优化选址决策;王照亮等;《可再生能源》;20130228;第31卷(第2期);第39-42、47页 * |
山区风资源特点和风电场选址方法;沈宏涛;《电力建设》;20131231;第34卷(第12期);第92-96页 * |
风电场选址优化的模糊综合评价研究;云莉萍;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20090215;第2009年卷(第02期);第J152-186页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146204A (zh) * | 2018-09-27 | 2019-01-04 | 浙江中海达空间信息技术有限公司 | 一种多层次综合评估的风电场升压站自动选址方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104050323A (zh) | 2014-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104050323B (zh) | 一种高海拔山区模糊多准则风电场选址方法 | |
Li et al. | A segment derived patch-based logistic cellular automata for urban growth modeling with heuristic rules | |
CN110852557A (zh) | 一种基于gis的垃圾填埋场的选址方法及装置 | |
CN108090624B (zh) | 一种改进元胞自动机的城市生态安全模拟与预测的方法 | |
CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
Carneiro et al. | Urban environment quality indicators: application to solar radiation and morphological analysis on built area | |
CN106845559A (zh) | 顾及poi数据空间异质性的地表覆盖验证方法及*** | |
Nasehi et al. | Application of fuzzy GIS and ANP for wind power plant site selection in East Azerbaijan Province of Iran | |
CN102646164A (zh) | 一种结合空间滤波的土地利用变化建模方法及其*** | |
CN107480373A (zh) | 输电线路选线方法及*** | |
CN102521624A (zh) | 一种土地利用类型分类的方法和*** | |
CN111445116A (zh) | 国土空间规划辅助编制*** | |
Domingo et al. | Long-term changes in 3D urban form in four Spanish cities | |
CN107220768A (zh) | 一种建设用地空间拓展方法及*** | |
CN106780586A (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
CN112241833A (zh) | 一种光伏发电站前期精细化选址方法 | |
CN113011720B (zh) | 一种基于ca模型的增量递减的城镇开发边界划定方法 | |
CN110837920A (zh) | 一种基于gis的垃圾填埋场选址方法及选址装置 | |
CN114462316A (zh) | 一种面向国土空间规划的空气质量优化模拟方法 | |
Hong et al. | Spatiotemporal changes in urban forest carbon sequestration capacity and its potential drivers in an urban agglomeration: Implications for urban CO2 emission mitigation under China’s rapid urbanization | |
CN111985691A (zh) | 一种风电场升压站选址方法 | |
CN103617452B (zh) | 一种大型光伏基地区域测光网络布局方法 | |
CN115239097A (zh) | 基于环境影响评价关键技术指标体系的光热基地规划方法 | |
CN109523143B (zh) | 一种基于多粒度计算的土地评价方法 | |
CN114511239A (zh) | 土壤重金属污染风险区划分方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |