CN112241833A - 一种光伏发电站前期精细化选址方法 - Google Patents
一种光伏发电站前期精细化选址方法 Download PDFInfo
- Publication number
- CN112241833A CN112241833A CN202011053838.9A CN202011053838A CN112241833A CN 112241833 A CN112241833 A CN 112241833A CN 202011053838 A CN202011053838 A CN 202011053838A CN 112241833 A CN112241833 A CN 112241833A
- Authority
- CN
- China
- Prior art keywords
- site
- site selection
- land
- area
- image
- 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.)
- Pending
Links
- 238000010187 selection method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000010276 construction Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 238000005065 mining Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000009313 farming Methods 0.000 claims description 2
- 230000031877 prophase Effects 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种光伏发电站前期精细化选址方法,其特征在于,包括:收集获取项目选址信息、项目选址所在地的气象资料,气象资料包括但不限于辐射量数据、日照小时数数据;收集项目选址范围内的原始数据,并纳入统一的数据库,从数据库中获取第一类图像,从数据库中获取第二类图像,扣除相关限制因子,地块优化,对所述初选选址进行踏勘,确定最终选址。本发明通过前期精细化的选址和指标信息的精细化区分,最终缩减了实地踏勘的区域范围,节约了踏勘时间,降低选址成本;直接通过政府数据库获取数据,降低了数据获得成本,简化过程,提高了选址效率;通过图像叠加分析,提高了选址的精细化,保障了选址精度。
Description
技术领域
本发明涉及地面光伏发电站选址技术领域,具体而言,涉及一种光伏发电站前期精细化选址方法。
背景技术
随着全球对于清洁能源的不断重视,国家相关政策的持续支持,光伏产业规模不断扩大。我国山地丘陵地带较多,由于地势起伏较大,多数不适宜农业种植,土地利用价值相对较低,目前多以荒废的状态存在。若将此部分土地用于光伏建设,一方面可以降低光伏建设土地使用成本,另一方面可以提高山地丘陵地段的的利用价值。所以,依靠农业、湖泊等建设条件较差的土地资源逐渐成为建设地面光伏发电站的主要资源,西南地区山地、丘陵等条件较差的土地在光伏建设领域中的地位也日益上升。
为了使得光伏电站获得更大的收益,光伏电站的选址显得尤为重要。但目前地面光伏电站的选址往往参考现场环境中的一个或几个指标数据,即得出光伏电站选址方案。其考虑的指标信息不够全面,仅仅考虑单一场景进行选址,形成的选址方案不科学合理,从而导致光伏电站的收益受到影响。
申请内容
本发明的目的在于克服现有技术中的不足,提供一种光伏发电站前期精细化选址方法。
本发明的实施例通过以下技术方案实现:一种光伏发电站前期精细化选址方法,包括:
S1.收集获取项目选址信息,所述项目选址信息至少包括项目选址范围、项目选址所在地的气象资料,气象资料包括但不限于辐射量数据、日照小时数数据;
S2.收集项目选址范围内的原始数据,并纳入统一的数据库;
S3.从数据库中获取第一类图像,所述第一类图像中至少包括一包含所述项目选址范围内的耕地、未利用地,农村道路信息的图像;
S4.从数据库中获取第二类图像,所述第二类图像中包括多个包含所述项目选址范围内的土地利用类型信息和区域地理信息的图像;
S5.扣除相关限制因子,逐一将所述第二类图像与所述第一类图像进行叠加分析,并于所述第一类图像中剔除其与所述第二类图像中限制因子区域重合的部分,得到剩余用地;
S6.地块优化,基于厂址特征标准从所述剩余用地中筛选出初选选址;
S7.对所述初选选址进行实地踏勘,确定最终选址。
根据一种优选实施方式,所述第二类图像中不可用区域包括但不限于永久基本农田区域、生态红线区域、公益林区域、自然保护地区域、合法采矿区域、坡度大于25°的区域、坡向为西北和北向坡的区域、山脊遮挡的区域和退耕还林计划的区域。
根据一种优选实施方式,步骤S5具体如下:
S51.以第一类图像为基础,通过与永久基本农田区域叠加分析,扣除重合区域,得到第一剩余用地;
S52.以第一剩余用地为基础,通过与生态红线区域叠加分析,扣除重合区域,得到第二剩余用地;
S53.以第二剩余用地为基础,通过与公益林区域叠加分析,扣除重合区域,得到第三剩余用地;
S54.以第三剩余用地为基础,通过与自然保护地区域叠加分析,扣除重合区域,得到第四剩余用地;
S55.以第四剩余用地为基础,通过与合法采矿区域叠加分析,扣除重合区域,得到第五剩余用地;
S56.以第五剩余用地为基础,扣除坡度大于25°的区域,得到第六剩余用地;
S57.以第六剩余用地为基础,扣除坡向为西北和北向坡的区域,得到第七剩余用地;
S58.以第七剩余用地为基础,扣除山脊遮挡的区域,得到第八剩余用地;
S59.以第八剩余用地为基础,扣除计划用区域,得到第九剩余用地。
根据一种优选实施方式,步骤S5进一步包括:从第二类图像中提取限制因子的斑块,剔除其余斑块;将第一类图像和第二类图像的边界线进行匹配,并以第一类图像作为背景图片,将第二类图像叠加至第一类图像上,于第一类图像上剔除其与第二类图像中斑块的重叠部分。
根据一种优选实施方式,步骤S6具体如下:
S61.扣除所述第九剩余用地中面积小于厂址特征标准和分布较零散的地块,筛选集中连片区域作为候选选址;
S62.若未能筛选出符合厂址特征标准的地块,则表明该区域可能不满足光伏发电站建设条件;
S63.对候选选址决定性的条件依照厂址特征标准进行评定,选取评定为优的候选选址作为初选选址。
根据一种优选实施方式,步骤S63中候选选址决定性的条件包括但不限于候选选址与城镇、工业区的距离以及候选选址内部是否分布有居民点。
根据一种优选实施方式,步骤S63具体如下:
以厂址特征标准为评判基准,若某候选选址靠近城镇,则评定为差,直接剔除该候选选址;若某候选选址内部分布有居民点,则评定为良,作为备选选址;若某候选选址符合厂址特征标准,则评定为优,作为初选选址。
根据一种优选实施方式,步骤S7具体如下:
对初选选址进行实地踏勘,判断所述初选选址是否合适,如果合适,保留作为最终选址,如果不合适则新增一选址加入初选选址,新增的初选选址为所述备选选址;
其中,实地踏勘重点针对项目电网接入条件、现场地形地貌特点、基本地质条件以及交通条件等现场情况。
本发明实施例的技术方案至少具有如下优点和有益效果:本发明通过前期精细化的选址和指标信息的精细化区分,最终缩减了实地踏勘的区域范围,节约了踏勘时间,降低选址成本;直接通过政府数据库获取数据,降低了数据获得成本,简化过程,提高了选址效率;通过图像叠加分析,提高了选址的精细化,保障了选址精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的一种光伏发电站前期精细化选址方法具体实施方式流程图;
图2为本发明实施例1中第一类图像图像示例图;
图3为本发明实施例1中扣除永久基本农田图像示例图;
图4为本发明实施例1中扣除生态保护红线图像示例图;
图5为本发明实施例1中扣除坡度大于25°图像示例图;
图6为本发明实施例1中扣除坡向为西北和北向坡图像示例图;
图7为本发明实施例1中初选选址图像示例图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,若出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提供一种光伏发电站前期精细化选址方法,包括:
S1.收集获取项目选址信息,所述项目选址信息至少包括项目选址范围、项目选址所在地的气象资料,气象资料包括但不限于辐射量数据、日照小时数数据,以分析项目选址所在区域的区域辐射量的时空分布特征,进行地面光伏发电站的宏观选址;其中,在进行地面光伏发电站选址项目时,需预先确定项目的选址范围;例如,可以根据西南地区山地、丘陵等条件较差的土地地区发展数据进行评估,选取适合设立风电场的区域范围,以从选址这一环节降低建设成本;本实施例中,项目选址范围为大姚县行政区域内,面积合计414600公顷。
S2.收集项目选址范围内的原始数据,并纳入统一的数据库;本实施例中,原始数据的来源包括国土局、林业、环保等部门,除却土地利用信息、区域地理信息以外,还包括计划用区,例如退耕还林计划、工业用地计划、居民地建设计划等;通过前期精细化的数据采集,能够一定程度上降低选址后遇到影响风电站建设重大因素的概率;其次,为了避免数据采集不全面,除了在省一级政府数据库中采集数据,还应在县一级等数据库中采集,以避免出现数据错漏的情况;且为了保证图像叠加分析的准确性,还应对图像进行预处理,预处理包括以下步骤:1、图像获取;2、识别图像,并对图像进行裁剪,统一设为特定尺寸,并从图像中提取出项目选址范围的部分,剔除多余部分;3、从剩余图像中提取出限制因子的部分,并按其面积大小换算成颜色灰度值的斑块,并设置不同颜色。在本实施例中,将图像转化为灰度图像,定义转化公式为:
I(x,y)=k(G(x,y)+R(x,y)+B(x,y))+2k(G(x,y)+R(x,y))+3k(x,y),其中,I(x,y)代表图像在坐标(x,y)处的像素灰度值,G(x,y)、R(x,y)、B(x, y)分别代表坐标(x,y)处的红、绿、蓝强度值,k为设定的权重因子,k的取值范围为[0.08,0.12],将带色彩的图像转换为灰度值图像后,进一步进行斑块特征提取,输出斑块特征的空间位置及所在的特征尺度,获取限制因子对应的斑块。
S3.从数据库中获取第一类图像,如图1所示,所述第一类图像中至少包括一包含所述项目选址范围内的耕地、未利用地,农村道路信息的图像;本实施例中,第一类图像中包括耕地、未利用地和农村道路信息分布图,每一种信息通过其面积大小换算成颜色灰度值形成斑块分布呈现;可选的,不同信息对应的斑块可以通过不同颜色来表示其分布状况以使得图像更加直观;其中,农村道路对地面光伏发电站的布置虽有一定影响,但如果将农村道路从选址中剔除,则会严重影响到地块的连片性,增加选址难度,所以在本实施例中,第一类图像中新增新增农村道路信息,以保证地块的连片性,以防止因剔除农村道路减少了集中连片区域的数量;本实施例中大姚县行政区域范围内的耕地、未利用地和农村道路面积合计62715.64公顷。
S4.从数据库中获取第二类图像,所述第二类图像中包括多个包含所述项目选址范围内的土地利用类型信息和区域地理信息的图像;可选的,第二类图像中的土地利用类型信息和区域地理信息的图像同样可以通过其面积大小或具体数值所在的区间换算成颜色灰度值形成斑块;在实际运用中,国土资源管理部门会对所管理土地的土地性质进行统计和规划,地面光伏发电站的选址需要遵循相关的规定,为此,在进行地面光伏发电站的选址时需要考虑将相关规定中的限制因子剔除;且实施例中,第一类图像和第二类图像基于县级第三次国土调查数据,即大姚县的第三次国土调查数据,基于该数据,不仅能够符合该地相关规定,还能够通过来源简单的数据从而降低选址成本。
S5.根据上述得到的地面光伏发电站的宏观选址结果,扣除相关限制因子,进行地面光伏发电站的微观选址;逐一将所述第二类图像与所述第一类图像进行叠加分析,即将第一类图像和第二类图像的边界线进行匹配,并以第一类图像作为背景图片,将第二类图像叠加至第一类图像上;可以理解的是,第二类图像与第一类图像的叠加并无特定顺序,并不会影响到最终地块;叠加分析后并于所述第一类图像中剔除其与所述第二类图像中限制因子区域重合的部分,得到剩余用地;可以理解的是,限制因子对应的斑块于第一类图像上相同位置的斑块即为重合的部分,将限制因子对应的斑块从第一类图像中剔除使得第一类图像中剩余的斑块部分即代表无限制因子的地块,利用。
S6.根据上述得到的地面光伏发电站的微观选址结果,利用地面光伏发电站群聚类中心的位置分布,进行地面光伏发电站的地块优化,基于厂址特征标准从所述剩余用地中筛选出初选选址;扣除相关限制因子后的第一类图像剩余斑块代表无限制因子的地块,但是由于厂址特征标准对建址还有其余要求,厂址特征标准包括但不限于,地块需满足具体面积大小,需集中连片,其是否接近工业、居民等设施。
S7.对所述初选选址进行实地踏勘,确定最终选址,可选的,踏勘方式可以是人为踏勘或无人机踏勘,其中,无人机踏勘为更优方式。
作为本发明的一种技术优化方案,所述第二类图像中不可用区域包括但不限于永久基本农田区域、生态红线区域、公益林区域、自然保护地区域、合法采矿区域、坡度大于25°的区域、坡向为西北和北向坡的区域、山脊遮挡的区域和退耕还林计划的区域。
作为本发明的一种技术优化方案,步骤S5具体如下:
S51.以第一类图像为基础,通过与永久基本农田区域叠加分析,扣除重合区域,得到第一剩余用地;如图3所示,在本实施例中,将第一类图像和第二类图像中的永久基本农田图像叠加分析,扣除重合的斑块后后,第一类图像中剩余地块面积为38667.91公顷。
S52.将扣除永久基本农田区域后的第一剩余用地为基础,通过与生态红线区域叠加分析,扣除重合区域,得到第二剩余用地;如图4所示,在本实施例中,将第一类图像和第二类图像中的生态保护红线图像叠加分析,扣除重合的斑块后后,第一类图像中剩余地块面积为33186公顷。
S53.将扣除生态红线区域后的第二剩余用地为基础,通过与公益林区域叠加分析,扣除重合区域,得到第三剩余用地;
S54.将扣除公益林区域后的第三剩余用地为基础,通过与自然保护地区域叠加分析,扣除重合区域,得到第四剩余用地;
S55.将扣除自然保护地区域后的第四剩余用地为基础,通过与合法采矿区域叠加分析,扣除重合区域,得到第五剩余用地;
S56.将扣除合法采矿区域后的第五剩余用地为基础,扣除坡度大于 25°的区域,得到第六剩余用地;如图5所示,在本实施例中,将第一类图像和第二类图像中的坡度大于25°区域的图像叠加分析,扣除重合的斑块后,第一类图像中剩余地块面积为30354.85公顷。
S57.将扣除坡度大于25°区域后的第六剩余用地为基础,扣除坡向为西北和北向坡的区域,得到第七剩余用地;如图6所示,在本实施例中,将第一类图像和第二类图像中的坡向为西北和北向坡区域的图像叠加分析,扣除重合的斑块后,第一类图像中剩余地块面积为24361.40公顷。
S58.将扣除坡向为西北和北向坡区域后的第七剩余用地为基础,扣除山脊遮挡的区域,得到第八剩余用地;可选的,山脊遮挡区域的斑块图可以通过光照强度来获取,将山脊分布图和光照强度图进行叠加分析,择取光照强度弱的区域转化为灰度值斑块。
S59.将扣除山脊遮挡区域后的第八剩余用地为基础,扣除计划用区域,得到第九剩余用地,可以理解的是,省级、市级数据库可能会漏掉县级或下一级地区的数据,因此,对原始数据进行采集时,需要保证数据的完整性。
作为本发明的一种技术优化方案,步骤S6具体如下:
S61.扣除所述第九剩余用地中面积小于厂址特征标准和分布较零散的地块,筛选集中连片区域作为候选选址,因第一类图像中保留了农村道路,因此最终剩余用地中保留有集中连片区域,在本实施例中,厂址特征标准的面积需大于1000亩;
S62.若未能筛选出符合厂址特征标准的地块,则表明该区域可能不满足地面光伏发电站建设条件;
S63.对候选选址决定性的条件依照厂址特征标准进行评定,选取评定为优的候选选址作为初选选址。
作为本发明的一种技术优化方案,步骤S63中候选选址决定性的条件包括但不限于候选选址与城镇、工业区的距离以及候选选址内部是否分布有居民点。
作为本发明的一种技术优化方案,步骤S63具体如下:
表1筛选地块汇总表
如上述表1和图7所示,以厂址特征标准为评判基准,若某候选选址靠近城镇,则评定为差不进行推荐,直接剔除该候选选址,在本实施例中,地块4和地块5虽然满足各项筛选条件,但是由于位于县城周边,故不推荐;若某候选选址内部分布有居民点,则评定为良,作为备选选址,地块6 面积为5897.1亩,但内部分布有零散居名点,安去求选用,作为备选地块;若某候选选址符合厂址特征标准,则评定为优进行推荐,作为初选选址,其余的地块1、2、3满足各项筛选条件,故推荐。
作为本发明的一种技术优化方案,步骤S7具体如下:
对初选选址进行实地踏勘,判断所述初选选址是否合适,如果合适,保留作为最终选址,如果不合适则新增一选址加入初选选址,新增的初选选址为所述备选选址;
其中,实地踏勘重点针对项目电网接入条件、现场地形地貌特点、基本地质条件以及交通条件等现场情况。在本实施例中,实地踏勘可以是人工踏勘也可以是无人机踏勘,结合初选地址将项目选址范围进行进一步缩小,从数十万公顷缩减为几千公顷,降低了踏勘难度,提高了踏勘速度,通过获取初选选址的位置坐标,结合无人机进行实地踏勘,能够进一步提高踏勘速度,为了保证实地踏勘的精度,步骤如下:创建踏勘任务,并设置踏勘任务相关信息,根据初选地址的坐标位置,提供踏勘任务路线和踏勘点位置信息,以及根据预先设置的选址踏勘信息类别,采集每个踏勘点位置处的与所需采集的选址他看信息类别相关的数据,并将数据与踏勘点位置相映射一起存储在数据库中。
其中,踏勘任务相关信息包括踏勘区域范围信息,即初选地址区域和踏勘区域的地理基础数据信息。以此确定无人机踏勘的航高设计、航线设计以及巡航范围设计,或人工踏勘的具体踏勘路线。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种光伏发电站前期精细化选址方法,其特征在于,包括:
S1.收集获取项目选址信息,所述项目选址信息至少包括项目选址范围、项目选址所在地的气象资料,气象资料包括但不限于辐射量数据、日照小时数数据;
S2.收集项目选址范围内的原始数据,并纳入统一的数据库;
S3.从数据库中获取第一类图像,所述第一类图像中至少包括一包含所述项目选址范围内的耕地、未利用地,农村道路信息的图像;
S4.从数据库中获取第二类图像,所述第二类图像中包括多个包含所述项目选址范围内的土地利用类型信息和区域地理信息的图像;
S5.扣除相关限制因子,逐一将所述第二类图像与所述第一类图像进行叠加分析,并于所述第一类图像中剔除其与所述第二类图像中限制因子区域重合的部分,得到剩余用地;
S6.地块优化,基于厂址特征标准从所述剩余用地中筛选出初选选址;
S7.对所述初选选址进行实地踏勘,确定最终选址。
2.如权利要求1所述的光伏发电站前期精细化选址方法,其特征在于,所述第二类图像中不可用区域包括但不限于永久基本农田区域、生态红线区域、公益林区域、自然保护地区域、合法采矿区域、坡度大于25°的区域、坡向为西北和北向坡的区域、山脊遮挡的区域和退耕还林计划的区域。
3.如权利要求2所述的光伏发电站前期精细化选址方法,其特征在于,步骤S5具体如下:
S51.以第一类图像为基础,通过与永久基本农田区域叠加分析,扣除重合区域,得到第一剩余用地;
S52.以第一剩余用地为基础,通过与生态红线区域叠加分析,扣除重合区域,得到第二剩余用地;
S53.以第二剩余用地为基础,通过与公益林区域叠加分析,扣除重合区域,得到第三剩余用地;
S54.以第三剩余用地为基础,通过与自然保护地区域叠加分析,扣除重合区域,得到第四剩余用地;
S55.以第四剩余用地为基础,通过与合法采矿区域叠加分析,扣除重合区域,得到第五剩余用地;
S56.以第五剩余用地为基础,扣除坡度大于25°的区域,得到第六剩余用地;
S57.以第六剩余用地为基础,扣除坡向为西北和北向坡的区域,得到第七剩余用地;
S58.以第七剩余用地为基础,扣除山脊遮挡的区域,得到第八剩余用地;
S59.以第八剩余用地为基础,扣除计划用区域,得到第九剩余用地。
4.如权利要求3所述的光伏发电站前期精细化选址方法,其特征在于,步骤S5进一步包括:从第二类图像中提取限制因子的斑块,剔除其余斑块;将第一类图像和第二类图像的边界线进行匹配,并以第一类图像作为背景图片,将第二类图像叠加至第一类图像上,于第一类图像上剔除其与第二类图像中斑块的重叠部分。
5.如权利要求3所述的光伏发电站前期精细化选址方法,其特征在于,步骤S6具体如下:
S61.扣除所述第九剩余用地中面积小于厂址特征标准和分布较零散的地块,筛选集中连片区域作为候选选址;
S62.若未能筛选出符合厂址特征标准的地块,则表明该区域可能不满足光伏发电站建设条件;
S63.对候选选址决定性的条件依照厂址特征标准进行评定,选取评定为优的候选选址作为初选选址。
6.如权利要求5所述的光伏发电站前期精细化选址方法,其特征在于,步骤S63中候选选址决定性的条件包括但不限于候选选址与城镇、工业区的距离以及候选选址内部是否分布有居民点。
7.如权利要求6所述的光伏发电站前期精细化选址方法,其特征在于,步骤S63具体如下:
以厂址特征标准为评判基准,若某候选选址靠近城镇,则评定为差,直接剔除该候选选址;若某候选选址内部分布有居民点,则评定为良,作为备选选址;若某候选选址符合厂址特征标准,则评定为优,作为初选选址。
8.如权利要求7所述的光伏发电站前期精细化选址方法,其特征在于,步骤S7具体如下:
对初选选址进行实地踏勘,判断所述初选选址是否合适,如果合适,保留作为最终选址,如果不合适则新增一选址加入初选选址,新增的初选选址为所述备选选址;
其中,实地踏勘重点针对项目电网接入条件、现场地形地貌特点、基本地质条件以及交通条件等现场情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011053838.9A CN112241833A (zh) | 2020-09-29 | 2020-09-29 | 一种光伏发电站前期精细化选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011053838.9A CN112241833A (zh) | 2020-09-29 | 2020-09-29 | 一种光伏发电站前期精细化选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112241833A true CN112241833A (zh) | 2021-01-19 |
Family
ID=74171342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011053838.9A Pending CN112241833A (zh) | 2020-09-29 | 2020-09-29 | 一种光伏发电站前期精细化选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241833A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330086A (zh) * | 2022-10-11 | 2022-11-11 | 吉奥时空信息技术股份有限公司 | 一种空间大数据的多条件约束下光伏用地自动化选址方法 |
CN117217376A (zh) * | 2023-09-12 | 2023-12-12 | 陕西丝路创城建设有限公司 | 一种用于光伏电站建设的选址方法及*** |
CN117273813A (zh) * | 2023-11-22 | 2023-12-22 | 四川国蓝中天环境科技集团有限公司 | 一种考虑环境管控的项目智能选址方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440598A (zh) * | 2013-09-08 | 2013-12-11 | 云南师范大学 | 一种基于dem数据的山地光伏电站选址方法 |
CN106682800A (zh) * | 2015-11-10 | 2017-05-17 | 星际空间(天津)科技发展有限公司 | 一种建设项目快速选址方法 |
CN108491403A (zh) * | 2018-01-19 | 2018-09-04 | 梅州市城市规划设计院 | 一种基于ArcGIS的山区建设用地的选址方法 |
CN109165769A (zh) * | 2018-07-03 | 2019-01-08 | 国网电子商务有限公司 | 光伏电站选址方法、装置、设备及计算机可读存储介质 |
CN109242234A (zh) * | 2018-07-02 | 2019-01-18 | 长江勘测规划设计研究有限责任公司 | 基于区域离散方法的地下核电厂厂址自动初步评选方法 |
CN111062627A (zh) * | 2019-12-19 | 2020-04-24 | 华润电力技术研究院有限公司 | 一种风电场宏观选址方法、***及相关设备 |
-
2020
- 2020-09-29 CN CN202011053838.9A patent/CN112241833A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440598A (zh) * | 2013-09-08 | 2013-12-11 | 云南师范大学 | 一种基于dem数据的山地光伏电站选址方法 |
CN106682800A (zh) * | 2015-11-10 | 2017-05-17 | 星际空间(天津)科技发展有限公司 | 一种建设项目快速选址方法 |
CN108491403A (zh) * | 2018-01-19 | 2018-09-04 | 梅州市城市规划设计院 | 一种基于ArcGIS的山区建设用地的选址方法 |
CN109242234A (zh) * | 2018-07-02 | 2019-01-18 | 长江勘测规划设计研究有限责任公司 | 基于区域离散方法的地下核电厂厂址自动初步评选方法 |
CN109165769A (zh) * | 2018-07-03 | 2019-01-08 | 国网电子商务有限公司 | 光伏电站选址方法、装置、设备及计算机可读存储介质 |
CN111062627A (zh) * | 2019-12-19 | 2020-04-24 | 华润电力技术研究院有限公司 | 一种风电场宏观选址方法、***及相关设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330086A (zh) * | 2022-10-11 | 2022-11-11 | 吉奥时空信息技术股份有限公司 | 一种空间大数据的多条件约束下光伏用地自动化选址方法 |
CN117217376A (zh) * | 2023-09-12 | 2023-12-12 | 陕西丝路创城建设有限公司 | 一种用于光伏电站建设的选址方法及*** |
CN117217376B (zh) * | 2023-09-12 | 2024-03-08 | 陕西丝路创城建设有限公司 | 一种用于光伏电站建设的选址方法及*** |
CN117273813A (zh) * | 2023-11-22 | 2023-12-22 | 四川国蓝中天环境科技集团有限公司 | 一种考虑环境管控的项目智能选址方法 |
CN117273813B (zh) * | 2023-11-22 | 2024-01-30 | 四川国蓝中天环境科技集团有限公司 | 一种考虑环境管控的项目智能选址方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112241833A (zh) | 一种光伏发电站前期精细化选址方法 | |
CN102521273B (zh) | 一种高分辨率遥感的多功能城市用地空间信息生成方法 | |
CN109102193A (zh) | 地理设计生态红线划定与管理***及数据库、评价模型 | |
CN108288059B (zh) | 一种基于高分辨率遥感技术的建筑垃圾监测方法 | |
Gomarasca et al. | One century of land use changes in the metropolitan area of Milan (Italy) | |
EP2304836A1 (en) | Method for determining temporal solar irradiance values | |
CN107688818A (zh) | 一种基于卫星遥感影像特征分析的路径智能选择方法及*** | |
CN111667183A (zh) | 一种耕地质量监测方法及*** | |
CN111445116A (zh) | 国土空间规划辅助编制*** | |
CN110298520A (zh) | 一种农田建设难度确定方法 | |
CN112365391A (zh) | 一种基于“国土调查”数据的用地多样性计量方法 | |
CN106780586A (zh) | 一种基于地面激光点云的太阳能潜力评估方法 | |
CN115983656A (zh) | 一种国土空间生态修复综合分区方法 | |
CN111553593A (zh) | 一种针对城市行道树的安全风险评估方法及*** | |
CN111414449A (zh) | 一种基于多源数据的地块单元信息画像方法 | |
CN114187532A (zh) | 一种遥感影像时空样本生成与智能迭代分类方法及*** | |
Chen et al. | Multiscale mapping of local climate zones in Tokyo using airborne LiDAR data, GIS vectors, and Sentinel-2 imagery | |
CN113011720A (zh) | 一种基于ca模型的增量递减的城镇开发边界划定方法 | |
Huang et al. | Locating suitable roofs for utilization of solar energy in downtown area using airborne LiDAR data and object-based method: A case study of the Lujiazui region, Shanghai | |
CN113327032B (zh) | 基于陆海统筹的国土空间规划双评价人机交互调整方法 | |
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 | |
KR100918008B1 (ko) | Gis를 이용한 습지위치 탐색방법 | |
Sweeney | The application of GIS in malaria control programs | |
Ibragimov et al. | Development of a method for determining the optimal areas for alternative energy facilities based on GIS technologies | |
LOTFIAN | Urban climate modeling: case study of Milan city |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |