CN115330086A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN115330086A CN115330086A CN202211237429.3A CN202211237429A CN115330086A CN 115330086 A CN115330086 A CN 115330086A CN 202211237429 A CN202211237429 A CN 202211237429A CN 115330086 A CN115330086 A CN 115330086A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- index
- site selection
- model
- big data
- 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 description 6
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000007405 data analysis Methods 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 238000005286 illumination Methods 0.000 claims description 10
- 238000002156 mixing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 239000010410 layer Substances 0.000 description 26
- 238000011156 evaluation Methods 0.000 description 15
- 238000011161 development Methods 0.000 description 8
- 230000018109 developmental process Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 108010076282 Factor IX Proteins 0.000 description 1
- 108010023321 Factor VII Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Controls And Circuits For Display Device (AREA)
Abstract
本发明适用于空间大数据技术领域，提供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，所述方法包括：基于光伏用地选址策略确定光伏用地选址影响因子；基于空间大数据分析的基础上，划定比选地块，通过对不同影响因子进行权重赋值计算，将各个影响因子的权重进行叠加，构建组合模型；根据组合模型进行选址多方案比选，确定最优方案；根据地理信息***，实现最优方案的空间数据可视化显示。本发明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；同时通过构建组合模型，并通过组合模型进行比选，确定最优方案，最后通过可视化显示，此极大提高合规通过率。
Description
技术领域
本发明属于空间大数据分析领域，尤其涉及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。
背景技术
国外新能源发电研究起步较早，研究人员对及光伏选址等问题进行了大量研究。国外风电场和光伏电站选址的典型情况有两种。一是以德国、丹麦为代表的“就近接入、就近消纳”原则，但这只适用于相关资源与负荷中心在地理位置上距离较近，局限性较大，优点是开发成本低；二是以美国和欧洲部分国家为代表的“增强调节能力，大规模并网”原则，主要是在发展光伏等新能源发电的同时，大力建设以油、气为发电能源的调节能力强的机组，达到在保证供电可靠性基础上，新能源发电大规模并网的目标。这要求各地区电网具有联系紧密，功率交换能力强，调节能力强等特点。
在光伏用地选址方面，普遍的研究思路是在对选址影响因子进行总结分析的基础上，通过层次分析法、基于GIS的空间多准则评价方法等建立选址决策模型对方案进行比选。应用最比较广泛的方法是SOLARGIS，这是国外发展的一种对可再生能源评估的方法。它可以根据一个地区的太阳能数据、风能数据、人口数据、距电网距离数据以及这个地区社会经济发展情况，通过综合分析这些数据可以算出这个地区适合发展哪种可再生能源，并对建站选址做出规划和评估。这种方法应用比较简便，但它主要是对宏观因素结合经济成本进行分析，考虑因素太少。
上述光伏用地选址方法多从电站建设因素考量未从国土空间规划角度分析用地适宜性，光伏产业近年来发展迅速，用地需求十分旺盛，但由于能源发展规划缺乏空间落位，大多数光伏项目在规划选址阶段与国土空间规划的衔接力度不足，有规划冲突、空间资源错配等问题，最终导致行政审批流程冗长，且中途多有退回。
企事业单位在现行光伏用地选址过程中，至少需要对接如下至少8个部门获取相关资料或许可：自然资源局、生态环境局、住房和城乡建设局、交通运输局、水务局、农业农村局、文化广电旅游体育局、***等部门，以某地级市为例，大概需要投入4名人员工作时间15天左右。同时现有技术在性能上无法胜任省级千万级图斑数量的叠加分析计算，通常耗时较高、效率较低。
发明内容
鉴于上述问题，本发明的目的在于提供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，旨在解决现有技术规划耗时、效率不高的技术问题。
本发明采用如下技术方案：
所述空间大数据的多条件约束下光伏用地自动化选址方法，包括下述步骤：
步骤S1、基于光伏用地选址策略确定光伏用地选址影响因子；
步骤S2、基于空间大数据分析的基础上，划定比选地块，通过对不同影响因子进行权重赋值计算，将各个影响因子的权重进行叠加，构建组合模型，所述组合模型为层次结构模型和熵值法模型混合而成；
步骤S3、根据组合模型进行选址多方案比选，确定最优选址方案；
步骤S4、根据地理信息***，实现最优选址方案的空间数据可视化显示。
本发明的有益效果是：本发明通过确定光伏用地选址策略，并确定用地选址影响因子，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；同时通过构建组合模型，并从组合模型进行比选，确定最优方案，最后通过可视化显示，此方法大幅减少了行政审批过程时间，极大提高合规通过率，加快了企事业单位光伏用地申请效率的同时也节约了行政资源；并将选址性能提升到胜任省级千万级图斑量的分析计算，提高了基于现行国土空间规划理念选址的行政范围量级。
附图说明
图1是本发明实施例提供的空间大数据的多条件约束下光伏用地自动化选址方法的流程图；
图2是本发明实施例提供的层次结构模型结构示意图；
图3是熵值法模型计算出一种权重汇总表示例图；
图4是熵值法模型计算出权重柱状示例图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
如图1所示，本实施例提供的空间大数据的多条件约束下光伏用地自动化选址方法，包括下述步骤：
步骤S1、基于光伏用地选址策略确定光伏用地选址影响因子。
本发明聚焦光伏用地选址，从空间布局-资源配置方面，基于光伏产业发展规划项目用地选址现状及存在的问题，进行统筹光伏用地选址策略。
本步骤以用户需求为导向，基于光伏用地选址策略，例如光照、成本、现状条件、权属、规划条件、连片度等级等，研究影响光伏选址的可量性因素，确定光伏选址影响因子。
其中光照可按照日照时数等级划分。坡度坡向等级如下表1所示：
表1
| 等级 | 坡度坡向 | 适宜程度 |
| 1 | 坡度小于30°的正南坡，且偏东或偏西20°以内 | 优先选择 |
| 2 | 坡度小于20°的正东、正西、东南、西南坡 | 次优选择 |
| 3 | 坡度小于10°的正北、东北、西北坡 | 基本不考虑 |
因此，本步骤通过光照（日照时数等级）、成本、现状条件、坡度坡向（坡度坡向等级）、权属、规划条件、连片度等级（连片度等级高低）等因素构建用地选址影响因子。
步骤S2、基于空间大数据分析的基础上，划定比选地块，通过对不同影响因子进行权重赋值计算，将各个影响因子的权重进行叠加，构建组合模型，所述组合模型为层次结构模型和熵值法模型混合而成。
基于规划现状数据，剔除永久基本农田、生态保护红线、城镇开发边界、高标准农田、饮用水源保护地一级保护区等数据，根据结果划定为比选地块。也就是选址备选方案。
本步骤构建用于选址的组合模型，通过影响因子的权重进行叠加得到分数值，计算组合模型各备选方案的分数值，确定最优方案。而构建组合模型，先构建层次结构模型和熵值法模型，然后进行混合。
具体的，层次结构模型的构建过程如下：
（1）确定模型的目标层、准则层和方案层，其中目标层为用地选址，准则层为影响因子，方案层为各个候选方案的综合权重值。
首先分析问题，明确需求，确定评价指标，并建立评价层次关系。将决策的目标、考虑的因素（决策准则）和决策对象按它们之间的相互关系分为最高层、中间层和最低层。
如图2所示，在光伏用地自动化选址中，首先以用地选址为目标层，光伏用地选址影响因子作为层次结构模型的准则层，例如影响因子包括：光照、成本、现状条件、坡度坡向、权属、规划条件、连片度等级等。通过构造判断矩阵进行一系列计算得出因素权重量化值，最后通过检验，将量化值代入候选方案对应的因素，得到各个候选方案的综合权重值，即方案层。决策者根据各个方案计算结果选择最合适的选址方，完成选址目标任务。假设有m个影响因子，n个备选方案。
（2）构造影响因子间的判断矩阵。
判断矩阵是表示本层次所有影响因子间相对重要性的比较。判断矩阵的元素用αij表示，即第i个因素与第j个因素重要性比较结果，因素即为影响因子，可通过Saaty的1-9标度方法得出。如下表2所示：
表2
| 标度 | 含义 |
| 1 | 表示两个因素相比，具有同样重要性 |
| 3 | 表示两个因素相比，一个因素比另一个因素稍微重要 |
| 5 | 表示两个因素相比，一个因素比另一个因素明显重要 |
| 7 | 表示两个因素相比，一个因素比另一个因素强烈重要 |
| 9 | 表示两个因素相比，一个因素比另一个因素极端重要 |
| 2、4、6、8 | 上述两相邻判断的中值 |
| 倒数 | 因素i与j比较的判断α<sub>ij</sub>，则因素j与i比较的判断α<sub>ji</sub>=1/α<sub>ij</sub> |
判断矩阵如下表3所示，影响因子采用W1，…，Wm依次编号的方式进行：
表3
| 光照(W<sub>1</sub>) | 成本(W<sub>2</sub>) | 现状条件(W<sub>3</sub>) | 坡度坡向(W<sub>4</sub>) | 权属(W<sub>5</sub>) | …… | W<sub>m</sub> | |
| 光照(W<sub>1</sub>) | 1 | W<sub>1</sub>/W<sub>2</sub> | W<sub>1</sub>/W<sub>3</sub> | W<sub>1</sub>/W<sub>4</sub> | W<sub>1</sub>/W<sub>5</sub> | …… | W<sub>1</sub>/W<sub>m</sub> |
| 成本(W<sub>2</sub>) | W<sub>2</sub>/W<sub>1</sub> | 1 | W<sub>2</sub>/ W<sub>3</sub> | W<sub>2</sub>/W<sub>4</sub> | W<sub>2</sub>/W<sub>5</sub> | …… | W<sub>2</sub>/W<sub>m</sub> |
| 现状条件(W<sub>3</sub>) | W<sub>3</sub>/W<sub>1</sub> | W<sub>3</sub>/W<sub>2</sub> | 1 | W<sub>3</sub>/W<sub>4</sub> | W<sub>3</sub>/W<sub>5</sub> | …… | W<sub>3</sub>/W<sub>m</sub> |
| …… | …… | …… | …… | …… | …… | …… | …… |
| W<sub>m</sub> | W<sub>m</sub>/W<sub>1</sub> | W<sub>m</sub>/W<sub>2</sub> | W<sub>m</sub>/W<sub>3</sub> | W<sub>m</sub>/W<sub>4</sub> | W<sub>m</sub>/W<sub>5</sub> | …… | 1 |
比较光照、坡度坡向、现状条件等影响因子的影响大小，采取对影响因子进行两两比较建立成对比较矩阵的办法，全部比较结果用矩阵A = (αij)m×m表示，称A为H-X之间的判断矩阵，m为影响因子种类数量。判断矩阵中斜对角线对称元素互为倒数，在斜对角线上，因素和自身比较的标度恒为1。令αij=Wi/Wj，转换成矩阵公式则为：
对于不一致(但在允许范围内)的成对比较阵A，用对应于最大特征根λmax的特征向量作为权向量。
（3）根据判断矩阵得出层间的相对权重，通过层次单排序并一致性检验，单排序的特征向量归一化处理。
一个比较矩阵的最大特征值对应的特征向量即为最后的权值向量，但前提是矩阵满足一致性检验。对应于判断矩阵最大特征根λmax的特征向量，经归一化(使向量中各元素之和等于1)后记为W。
W的元素为同一层次因素对于上一层次因素某因素相对重要性的排序权值，这一过程称为层次单排序。特征向量可以表示为： W= (W1，W2，…，Wm)T。
通过方根法、和法、幂法计算特征向量W和最大特征根λmax:
能否确认层次单排序，需要进行一致性检验，所谓一致性检验是指对A确定不一致的允许范围。一致性检验简单理解就是依照下面定理进行检验：
（1）N阶一致阵的唯一非零特征根为N；
（2）N阶正互反矩阵A的最大特征根λmax≥N，当且仅当λmax=N时，A为一致阵。
用最大特征值对应的特征向量作为被比较因素对上层某因素影响程度的权向量，其不一致程度越大，引起的判断误差越大。因而可以用λ-N数值的大小来衡量A的不一致程度。
在确定了矩阵以后，需要对矩阵计算定义一致性标准：
其中CI表示一致性指标，λmax为最大特征根。当CI=0时，判断矩阵有完全的一致性；当CI接近于0时，有满意的一致性；当CI 越大时，不一致越严重。为了衡量CI的大小，引入平均随机一致性指标RI，表示方法为：
随机构造500个成对判断矩阵，则可得到一致性指标CI1、CI2、CI3……CIN，那么
根据计算得到结果，具体如下所示的平均随机一致性指标RI数值表：
| 维数N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.58 | 0.9 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
当N<3时，判断矩阵永远具有完全一致性。判断矩阵一致性指标CI与同阶平均随机一致性指标RI之比称为随机一致性比率CR，其公式表达如下：
一致性检验：当CR<0.1时，便认为判断矩阵A的不一致程度在容许范围之内，具有满意可以接受的一致性，通过一致性检验，可用其归一化特征向量作为权向量。当CR≥0.10时，就需要重新调整和修正判断矩阵A，对αij加以调整使其满足CR<0.10，从而具有满意的一致性。
（4）通过层次总排序并一致性检测，得到各备选方案的分数值，用B表示。
计算各层对总评价目标的总权重（层次总排序），得出各备选方案的评估结果。计算某一层次所有因素对于最高层(总目标)相对重要性的权值，即分数值，称为层次总排序。
假设准则层的m个因素对总目标的排序为a1、a2、a3……am，方案层的n个备选方案对上层中因素层次单排序为b1j、b2j、b3j……bnj，j=1、2……m。
则总排序B为：
则层次单排序一致性指标为CIj：
平均随机一致性指标RIj：
层次总排序的一致性比率为CRj：
一致性检验：对层次总排序也需作一致性检验，检验仍像层次单排序那样由高层到低层逐层进行。虽然各层次均已经过层次单排序的一致性检验，各判断矩阵都已具有较为满意的一致性，但当综合考察时，各层次的非一致性仍有可能积累起来，引起最终分析结果较严重的非一致性。当CR＜0.1时，认为层次总排序通过一致性检验。层次总排序具有满意的一致性，否则需要重新调整一致性比率高的判断矩阵的元素取值。最后根据最下层（方案层）的总排序做出最后决策。
对于熵值法模型，熵值法是指用来判断某个指标的离散程度的数学方法，离散程度越大，该指标对综合评价的影响越大。可以用熵值判断某个指标的离散程度。熵值法是一种客观赋权方法，借鉴了信息熵思想，它通过计算指标的信息熵，根据指标的相对变化程度对***整体的影响来决定指标的权重，即根据各个指标标志值的差异程度来进行赋权，从而得出各个指标相应的权重，相对变化程度大的指标具有较大的权重。信息量越大，不确定性就越小，熵也就越小，信息的效用值越大；信息量越小，不确定性越大，熵也越大，信息的效用值越小。熵值法以用户需求为导向，以光照、成本、现状条件、权属、规划条件、连片度等级作为研究影响光伏选址的影响因子。模型具体的构建过程如下：
（1）形成原始指标数据矩阵，并对指标数据标准化处理。以7个指标的4个样本为例：
| 光照 | 成本 | 现状条件 | 坡度方向 | 权属 | 规划条件 | 连片度等级 |
| 3 | 5 | 1 | 2 | 1 | 2 | 1 |
| 2 | 2 | 5 | 3 | 3 | 1 | 4 |
| 1 | 2 | 1 | 2 | 2 | 3 | 4 |
| 4 | 1 | 3 | 3 | 4 | 4 | 1 |
将需要用到的原始数据进行收集与整理，比如选取7个指标，共4个样本，并形成原始指标数据矩阵，这里指标为影响因子，样本为备选方案：
对于某项指标，样本的离散程度越大，则该指标在综合评价中所起的作用就越大。如果该指标的标志值全部相等，则表示该指标在综合评价中不起作用。
由于各项指标的计量单位以及方向并不统一，因此在用它们计算综合指标前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同（正向指标数值越高越好，负向指标数值越低越好），因此，对于高低指标要用不同的算法进行数据。为了避免求熵值时对数无意义，可以为每个0值加上较小数量级的实数。
指标越大对***发展越有利时，采用正向指标计算方法；指标越小对***发展越有利时，采用负向指标计算方法。
（2）计算每个指标下每个样本占当前指标的比重，这里指标为影响因子，样本为备选方案。
比如，计算第v项指标下第c个样本占该指标的比重：
形成比重矩阵：
（3）计算当前指标的熵值。
计算第v项指标的熵值：
保证0≤ev≤1，即ev最大为1。因此第v个指标的熵值可以表示为：
如果第v项指标的观测值差异越大，熵值越小；反之，熵值越大。
（4）计算当前指标的差异系数：计算第v项指标的差异系数。
某项指标的信息效用值取决于该指标的信息熵ev与1之间的差值，它的值直接影响权重的大小，信息效用值越大，对评价的重要性就越大，权重也就越大：
如果第v项指标的观测值越大，则差异系数dv就越大，第v项指标也就越重要。
（5）利用熵值法估算各指标的权重。
利用熵值法估算各指标的权重，其本质是利用该指标信息的差异系数来计算，其差异系数越高，对评价的重要性就越大（权重越大，对评价结果的贡献就越大）。第v项指标的权重：
一个具体利用熵值法估算各指标的权重的结果如图3、4所示。
（6）计算各备选方案的分数值，用Z表示。
第v个样本综合水平得分：
在得到层次结构模型和熵值法模型后，所述组合模型按照如下计算式进行混合：
其中Bj为通过层次结构模型计算得到第j项备选方案的分数值，Zj为通过熵值法模型计算得到第j项备选方案的分数值，Rj为两种模型组合计算得到第j项备选方案的分数值。
层次分析法是按照各因素的其重要程度，依照经验主观的确定权重，形成矩阵，得出各指标权重，具有参考意义但客观性较差；熵值法对实际的指标进行整理、计算和分析，从而得到权重，即由评价指标值构成的判断矩阵确定各评价指标权重，但该方法形成较晚且存在各指标收集数据需保持同一维度等限制。将两个模型的计算结果进行组合优化赋权，具有一定的优越性，综合考虑了主观方面和客观因素的影响，使综合评价更具有合理性，提高方案权重计算精度。
步骤S3、根据组合模型进行选址多方案比选，确定最优选址方案。
本步骤根据 AHP 和熵值法两种模型的特点，采用主观赋权法和客观赋权法相结合的组合赋权方法，在确保影响因子赋权合理情况下，进行主观因素主导选址方向的定性与定量分析，构建适用于光伏用地选址的组合模型，通过组合模型得到各种方案，确定最优方案，让选址结果真实、科学、可信。
步骤S4、根据地理信息***，实现最优方案的空间数据可视化显示。
空间数据可视化是关于数据视觉表现形式的科学技术研究。依托地理信息***，实现空间数据的可视化，借助图表，清晰、有效地进行传达与沟通信息。
最后，还需要对比选成果进行现场踏勘，校验本发明方法的科学性、准确性、可操作性，实现从传统人工“盲选”转向基于大数据分析的科学选址的转变，有助于光伏产业健康发展以及项目的精准落地。
综上，本发明立足现行国土空间规划“多规合一”理念，实现光伏用地选址从传统的人工“盲选”转向基于大数据分析的科学选址，对提升新能源产业布局的科学性，推进新能源集约节约用海用地，优化企业营商环境，促进新能源产业发展、能源结构转型和绿色低碳发展，实现“双碳”目标具有重要意义。第二，本发明创新性地利用空间大数据分析技术，大幅提高性能效率。通过对光伏用地自动化选址影响因子中的禁建区和可建区识别，以某地级市为例，传统识别方式需投入2名人员工作时间7天左右；本发明将此效率提升至单个人员2-3天即可完成，大大提高了数据分析性能效率。第三，本发明极大提升光伏选址落地效率，节约大量经济成本及行政资源。企事业单位在现行光伏用地选址过程中，至少需要对接如下至少8个部门获取相关资料或许可：自然资源局、生态环境局、住房和城乡建设局、交通运输局、水务局、农业农村局、文化广电旅游体育局、***等部门，以某地级市为例，大概需要投入4名人员工作时间15天左右。本发明将此效率提升到单个工作人员当天可完成选址落地，具有很强的实用性。第四，本发明部署完成后可实现“一键选址”“方案比选”，操作简便、交互友好。使得非专业人员也能快速上手操作，节约学习成本。第五，本发明可灵活配置算子，适配更多业务模型。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种空间大数据的多条件约束下光伏用地自动化选址方法，其特征在于，所述方法包括下述步骤：
步骤S1、基于光伏用地选址策略确定光伏用地选址影响因子；
步骤S2、基于空间大数据分析的基础上，划定比选地块，通过对不同影响因子进行权重赋值计算，将各个影响因子的权重进行组合，构建组合模型，所述组合模型为层次结构模型和熵值法模型混合而成；
步骤S3、根据组合模型进行选址多方案比选，确定最优选址方案；
步骤S4、根据地理信息***，实现最优选址方案的空间数据可视化显示。
2.如权利要求1所述空间大数据的多条件约束下光伏用地自动化选址方法，其特征在于，步骤S1中，所述影响因子包括光照、成本、现状条件、权属、规划条件、连片度等级。
3.如权利要求2所述空间大数据的多条件约束下光伏用地自动化选址方法，其特征在于，所述步骤S2中，其中构建层次结构模型具体过程如下：
1）确定模型的目标层、准则层和方案层，其中目标层为用地选址，准则层为影响因子，方案层为各个候选方案的综合权重值；
2）构造影响因子间的判断矩阵；
3）根据判断矩阵得出层间的相对权重，通过层次单排序并一致性检验，单排序的特征向量归一化处理；
4）通过层次总排序并一致性检测，得到各备选方案的分数值，用B表示；
步骤S2中，其中构建熵值法模型的具体过程如下：
1）选取指标数据，形成原始指标数据矩阵，并对指标数据标准化处理；
2）计算每个指标下每个样本占当前指标的比重，这里指标为影响因子，样本为备选方案；
3）计算当前指标的熵值；
4）计算当前指标的差异系数；
5）利用熵值法估算各指标的权重；
6）计算各备选方案的综合分数，用Z表示。
4.如权利要求3所述空间大数据的多条件约束下光伏用地自动化选址方法，其特征在于，所述步骤S2中，所述组合模型计算式如下：
其中n为备选方案数量，Bj为通过层次结构模型计算得到第j项备选方案的分数值，Zj为通过熵值法模型计算得到第j项备选方案的分数值，Rj为两种模型组合计算得到第j项备选方案的分数值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211237429.3A CN115330086A (zh) | 2022-10-11 | 2022-10-11 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211237429.3A CN115330086A (zh) | 2022-10-11 | 2022-10-11 | 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 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115330086A true CN115330086A (zh) | 2022-11-11 |
Family
ID=83914314
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211237429.3A Pending CN115330086A (zh) | 2022-10-11 | 2022-10-11 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115330086A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965171A (zh) * | 2023-03-10 | 2023-04-14 | 吉奥时空信息技术股份有限公司 | 一种基于优化蚁群算法的微公园选址方法 |
| CN116703031A (zh) * | 2023-06-08 | 2023-09-05 | 重庆市规划和自然资源调查监测院 | 使用gis进行水田选址大数据分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109872061A (zh) * | 2019-01-30 | 2019-06-11 | 深圳供电局有限公司 | 一种电网基建改进、提升决策方法 |
| CN110705876A (zh) * | 2019-09-30 | 2020-01-17 | 国网青海省电力公司经济技术研究院 | 一种基于层次分析法的光伏电站选址方法 |
| CN112241833A (zh) * | 2020-09-29 | 2021-01-19 | 华能大理风力发电有限公司 | 一种光伏发电站前期精细化选址方法 |
| CN114139915A (zh) * | 2021-11-25 | 2022-03-04 | 国网辽宁省电力有限公司本溪供电公司 | 一种基于ahp和熵权法赋权的变电站选址方法 |
-
2022
- 2022-10-11 CN CN202211237429.3A patent/CN115330086A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109872061A (zh) * | 2019-01-30 | 2019-06-11 | 深圳供电局有限公司 | 一种电网基建改进、提升决策方法 |
| CN110705876A (zh) * | 2019-09-30 | 2020-01-17 | 国网青海省电力公司经济技术研究院 | 一种基于层次分析法的光伏电站选址方法 |
| CN112241833A (zh) * | 2020-09-29 | 2021-01-19 | 华能大理风力发电有限公司 | 一种光伏发电站前期精细化选址方法 |
| CN114139915A (zh) * | 2021-11-25 | 2022-03-04 | 国网辽宁省电力有限公司本溪供电公司 | 一种基于ahp和熵权法赋权的变电站选址方法 |
Non-Patent Citations (3)
| Title |
|---|
| 何云金等: "高校行风建设评价模型研究――基于层次分析法和熵值法的分析", 《高等建筑教育》 * |
| 杨宇晨: "基于层次分析法和熵权的后方指挥所选址决策评价", 《兵工自动化》 * |
| 郭瑾程等: "基于多条件约束的变电站自动化选址方法研究", 《地理空间信息》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965171A (zh) * | 2023-03-10 | 2023-04-14 | 吉奥时空信息技术股份有限公司 | 一种基于优化蚁群算法的微公园选址方法 |
| CN116703031A (zh) * | 2023-06-08 | 2023-09-05 | 重庆市规划和自然资源调查监测院 | 使用gis进行水田选址大数据分析方法 |
| CN116703031B (zh) * | 2023-06-08 | 2024-04-26 | 重庆市规划和自然资源调查监测院 | 使用gis进行水田选址大数据分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115330086A (zh) | 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 | |
| CN104376413A (zh) | 基于层次分析法和数据包络法的电网规划方案评估*** | |
| CN104331773A (zh) | 一种电网规划方案综合评估方法 | |
| CN112287018A (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及*** | |
| CN105046407B (zh) | 一种电网与用户双向互动服务运营模式的风险评估方法 | |
| CN109685342A (zh) | 一种光伏发电站综合效益评价指标体系的评价方法 | |
| CN108171429A (zh) | 一种多基地直流外送的新能源消纳量化评价方法 | |
| CN111861089A (zh) | 一种电力现货市场的综合评价方法 | |
| CN112101785A (zh) | 一种用于电力与通信共享铁塔的综合效益分析的方法 | |
| CN114723283A (zh) | 一种面向城市群的生态承载力遥感评估方法及装置 | |
| CN109460926A (zh) | 基于层次分析法和熵值法的台区资产组综合绩效评价方法 | |
| Qu et al. | Investigating the intensive redevelopment of urban central blocks using data envelopment analysis and deep learning: a case study of Nanjing, China | |
| CN108805471A (zh) | 基于复合***作用关系分析的水资源承载能力评价方法 | |
| CN115062992A (zh) | 基于能源大数据的综合能源***发展水平测算方法及*** | |
| CN113077127A (zh) | 一种水资源高效利用的评价方法 | |
| CN107767064A (zh) | 地质生态环境质量的监测预警判据与方法 | |
| Chen et al. | Evaluation and structural analysis of the functions of the Tibetan Plateau National Park Cluster | |
| CN115907532A (zh) | 车辆修理企业布局分析评估方法及*** | |
| CN114139847A (zh) | 智能配电网建设目标的重要度评价方法、装置、设备 | |
| Wang et al. | Construction of sports tourism suitability evaluation system based on ahp | |
| CN116993182B (zh) | 一种双尺度城市绿地空间综合服务能力测度与评价方法 | |
| Tan et al. | Comprehensive evaluation of enterprise emergency response capability based on grey-AHP method | |
| CN102542511B (zh) | 一种水电站正常蓄水位优选方法 | |
| CN114022218A (zh) | 基于消纳效益评价的新能源与水电替代分析方法及*** | |
| Shi et al. | An evaluation index system based on the supply-demand of urban parks from the perspective of “Park 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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221111 |