CN103426039B - 一种山地光伏电站选址模型建立的方法 - Google Patents

Abstract

本发明涉及一种山地光伏电站选址模型建立的方法，属地理信息系统中的空间决策支持系统技术领域。本发明方法的具体步骤为：根据山地光伏电站的特点，对山地光伏电站选址因子和相应指标进行数学形式化描述；针对多维的选址指标知识库，在不降低选址分类能力的基础上，使用模糊粗糙集推导出最小选址属性子集代替原来的属性集，得到选址决策表；从GIS中提取选址决策表里的相应属性特征，建立选址隶属度函数对具体地理位置的建站潜能进行评价分类。本发明方法能针对具体环境中多个微观、宏观因素影响电站发电量进行定量关系推导，得到主要影响因子；基于GIS数据库，对空间属性关系进行分析，为山地光伏电站选址提供直接的决策支持。

Description

一种山地光伏电站选址模型建立的方法

技术领域：

本发明涉及一种山地光伏电站选址模型建立的方法，属地理信息系统中的空间决策支持系统技术领域。

背景技术：

在光伏电站的建设和筹划前，首先要进行选址。合理的位置选择对光能的产出显得非常重要^[1]，选址不合理会直接造成电站发电量损失和维修费用增加，整体效益和运行寿命降低，并且还可能对周围环境造成不良影响。已有的光伏电站选址方法和模型都有其各自的适用条件，要根据不同地方和环境选择合适的方法和模型。对于我国西部地形复杂、下垫面条件变化多样的山地光伏电站选址，除了考察太阳辐射量因素外，更重要的是对坡向、坡度、地形起伏、相互遮蔽等空间信息进行分析。

虽然目前地理信息系统(GIS)已经普及，但现今的GIS软件数据模型都是非时态的,难以很好地描述空间信息的时空分布模式，并且其空间信息中的属性信息只是用于检索和查询，或进行简单的统计,难以进行深入的分析,以发掘隐含在其中的模式和规律^[2]，不能为山地光伏电站选址提供直接的决策支持。山地光伏电站选址可以归结为主要针对地形等空间参数属性的不确定性空间决策问题，可使用模糊集和粗糙集工具进行有效处理。

参考文献：

[1]高军武,陶崇勃.国内外太阳能光伏产业市场状况与发展趋势.电气技术2009,(008).

[2]朱欣娟,石美红.基于GIS的空间分析及其发展研究.计算机工程与应用2002,38(018):62-63.

发明内容：

本发明的目的在于根据山地光伏电站的特点，基于地理信息系统，提供一种山地光伏电站选址的空间决策支持模型建立方法。

本发明的目的是这样实现的：

步骤a：选址指标数学形式化描述

选址指标体系使用形式化的方式表示如下：

设元组S=<D,T,C,V_T,V_C，f>表示选址决策训练集；其中：D表示地理位置；T是这些位置的空间特征向量集合；C是系统事先定义的建站潜能分类法；V_T是特征向量的特征值集合；V_C是预定义的建站潜能类别集合；f表示决策知识函数，那么:

$f:D\&times;T\&RightArrow;V_T=\underset{t\&Element;T}{{\&cup;V}_t}$

f:D×C→V_C

式中，对于地理位置d∈D，有f(d,a)∈V_T，a为一个特征。

步骤b：选址模糊决策表生成

设c_i为预定义的某一电站潜能类别，其确定的对象等价类为D_i，des(t_ki)表示特征属性t_k对于等价类D_i的所有取值，m=|D_i|表示D_i中包含对象的个数，a=min[des(t_ki)]，b=max[des(t_ki)],则能够确定特征属性t_k对于类别c_i的取值范围为区间[a,b]，定义q=∑des(t_ki)/m为t_k对c_i的平均取值，则对于类别c_i，特征属性t_k的取值用序偶[a,b]/q来模糊描述。

定义SP(f₁,f₂)(0≤SP(f₁,f₂)≤1)为语义贴近度来讨论同一属性的两个模糊值f₁,f₂间的相互接近程度，则电站潜能类别特征语义贴近度定义为：

$\mathrm{SP}(f_1,f_2)=\frac{\left|\right|f_1\&cap;f_2\left|\right|}{\left|\right|f1\&cup;f_2\left|\right|}-\frac{|q_1-q_2|}{\left|\right|D\left|\right|}$

其中，D为该属性的论域，||h||为期间h的模，定义为：

式中c为一常数；计算出不同类别各特征属性间的语义贴近度，即能够对样本决策表进行属性约简。

基于语义贴近度概念的模糊数据依赖的定义为：模糊函数依赖X～->Y(X,Y∈U)在实例r(U)上成立，如果对一切t_i,t_j∈r有:

SP(t_i[X],t_j[X])≤SP(t_i[Y],t_j[Y])

如果函数依赖X～->Y成立，则据粗糙集属性约简原理，Y属性对分类贡献能够忽略；

步骤c：隶属度选址函数建立

设地理位置P的t属性值为m，C类建站潜能对应的空间t属性的取值为[a,b]/q,用f(t)表示P的t属性属于C的t属性的隶属度，则

$f\left(t\right)=\left\{\begin{array}{cc}0,& m\&NotElement;[a,b]\\ 1,& a=b=m\\ 1-\frac{|q-m|}{|a-b|},& a\&NotEqual;b\end{array}\right.$

式中,如果m在区间[a,b]外，其对于该区间的隶属度为0；若a=b=m,区间[a,b]为精确值，此时隶属度为1；如果m在区间[a,b]内，其隶属度于其所处的位置和平均值q有关；地理位置d对于c类电站潜能的隶属度用f_c(d)表示，其意义为d的各属性对于c属性隶属度的和，则隶属度选址函数为：

$f_c\left(d\right)=1-\frac{1}{\underset{i}{\mathrm{\&Sigma;}}f\left(t_i\right)}$

本发明具有如下特点：

1.基于GIS数据库，使用计算机技术对大范围区域进行光伏资源考察，弥补因缺乏精确全球气候数据造成的全球太阳能辐射量分布和光伏电站建站潜能评估难题；

2.针对具体环境中多个微观、宏观因素影响电站发电量进行定量关系推导，得到主要影响因子。

3.本发明对空间属性关系进行分析,以发掘隐含在其中的模式和规律，为山地光伏电站选址提供直接的决策支持。

附图说明：

图1是本发明方法实施流程图。

具体实施方式：

下面结合附图1对本发明作详细的描述：

步骤1：选址指标数学形式化描述

选址指标体系是一个知识表达系统，或者是一个决策表。其中，具体地理位置是决策表的对象集合，其相应的各种空间特征是决策表的条件属性集合，地理位置的光伏电站建站潜能的等级是决策表的决策属性集合。据此，选址指标体系使用形式化的方式表示如下:

设元组S=<D,T,C,V_T,V_C，f>表示选址决策训练集。其中，D表示地理位置;T是这些位置的空间特征向量集合；C是系统事先定义的建站潜能分类法；V_T是特征向量的特征值集合；V_C是预定义的建站潜能类别集合;f表示决策知识函数，那么:

$f:D\&times;T\&RightArrow;V_T=\underset{t\&Element;T}{{\&cup;V}_t}---\left(1\right)$

f:D×C→V_C (2)

对于地理位置d∈D，有f(d,a)∈V_T,a为一个特征（属性）。通过人工调查的选址决策样本训练集表示为如表1的一个二维决策表。

表1决策表训练集样例

表1中，D={d₁,d₂,...,d_a},T={t₁,t₂,...,t_n},C={C_i},V_t为有限个整数的集合，V_c={c₁,c₂,...},那么，f(d₂,t₃)=67，f(d₂，C_i)=c₁。

步骤2：选址模糊决策表生成

观察表1，设c_i为预定义的某一电站潜能类别，其确定的对象等价类为D_i，des(t_ki)表示特征属性t_k对于等价类D_i的所有取值，m=|D_i|表示D_i中包含对象的个数，a=min[des(t_ki)]，b=max[des(t_ki)],则能够确定特征属性t_k对于类别c_i的取值范围为区间[a,b]，定义q=∑des(t_ki)/m为t_k对c_i的平均取值，则对于类别c_i，特征属性t_k的取值能用序偶[a,b]/q来模糊描述，如表2：

表2.模糊决策表

表2为一模糊关系实例。在决策表中，最重要的是生成决策规则。拟利用模糊数据语义贴近度（Semantic Proximity,SP）的概念，以发现模糊数据函数依赖关系，从而达到空间特征属性降维约简的目的。

定义SP(f₁,f₂)(0≤SP(f₁,f₂)≤1)为语义贴近度来讨论同一属性的两个模糊值f₁,f₂间的相互接近程度，则模糊贴近度应满足以下性质:

设f₁=[a₁,b₁]/q₁，f₂=[a₂,b₂]/q₂，g₁=[c₁,d₁]/q₃，g₂[c₂,d₂]/q₄为同一属性的4个模糊值，则

1.若a₁=b₁=a₂=b₂，则，SP(f₁,f₂)=1；

2.若f₁∩f₂=Ф，则SP(f₁,f₂)=0；

3.若a₁=a₂，b₁=b₂，c₁=c₂，d₁=d₂，且|d₁-c₁|>|b₁-a₁|，则SP(f₁,f₂)≥SP(g₁,g₂)。；4.若|a₂-b₂|=|a₁-b₁|，且||f₁∩g₁||≥||f2∩g1||，则SP(f₁,g₁)≥SP(f₂,g₁)。

电站潜能类别特征语义贴近度可定义为：

$\mathrm{SP}(f_1,f_2)=\frac{\left|\right|f_1\&cap;f_2\left|\right|}{\left|\right|f1\&cup;f_2\left|\right|}-\frac{|q_1-q_2|}{\left|\right|D\left|\right|}---\left(3\right)$

其中，||h||为期间h的模，定义为：

式（3）中的D为该属性的论域，式（4）中c为一常数。计算出不同类别各特征属性间的语义贴近度，即能够对样本决策表进行属性约简。基于语义贴近度概念的模糊数据依赖的定义为：模糊函数依赖X～->Y(X,Y∈U)在实例r(U)上成立，如果对一切t_i,t_j∈r有:

SP(t_i[X],t_j[X])≤SP(t_i[Y],t_j[Y]) （5）

如果函数依赖X～->Y成立，则据粗糙集属性约简原理，Y属性对分类贡献能够忽略。

依据公式（4）和模糊函数依赖的定义，表2能简化为表3，约简之后的决策表能够作为决策规则用于规则匹配。

表3.属性约简表

步骤3：隶属度选址函数建立

在进行某一位置计算机自动选址决策，即建站潜能评价时，只要从GIS系统中提取出约简表中的相应空间特征属性值，然后与各建站潜能类别的决策规则进行匹配，即能求出该地理位置对于每一建站潜能类别的隶属度，通过隶属度的大小即能决定其建站潜能的等级。

设地理位置P的t属性值为m，C类建站潜能对应的空间t属性的取值为[a,b]/q,用f(t)表示P的t属性属于C的t属性的隶属度，则

$f\left(t\right)=\left\{\begin{array}{cc}0,& m\&NotElement;[a,b]\\ 1,& a=b=m\\ 1-\frac{|q-m|}{|a-b|},& a\&NotEqual;b\end{array}\right.---\left(6\right)$

式（6）中：

1）如果m在区间[a,b]外，其对于该区间的隶属度为0；

2）特殊情况，若a=b=m,区间[a,b]为精确值，此时隶属度为1

3）如果m在区间[a,b]内，其隶属度于其所处的位置和平均值q有关。

地理位置d对于c类电站潜能的隶属度用f_c(d)表示，其意义为d的各属性对于c属性隶属度的和，则隶属度选址函数为：

$f_c\left(d\right)=1-\frac{1}{\underset{i}{\mathrm{\&Sigma;}}f\left(t_i\right)}---\left(7\right)$

Claims (1)

1.一种山地光伏电站选址模型建立的方法，其特征在于该方法步骤如下：

步骤a：选址指标数学形式化描述

设元组S＝＜D,T,C,V_T,V_C,f＞表示选址决策训练集；其中：D表示地理位置；T是这些位置的空间特征向量集合；C是系统事先定义的建站潜能分类法；V_T是特征向量的特征值集合；V_C是预定义的建站潜能类别集合；f表示决策知识函数，那么:

f:D×C→V_C

式中，对于地理位置d∈D，有f(d,a)∈V_T，a为一个特征；

步骤b：选址模糊决策表生成

设c_i为预定义的某一电站潜能类别，其确定的对象等价类为D_i，des(t_ki)表示特征属性t_k对于等价类D_i的所有取值，|D_i|表示D_i中包含对象的个数，a＝min[des(t_ki)]，b＝max[des(t_ki)],则能够确定特征属性t_k对于类别c_i的取值范围为区间[a,b]，定义q＝∑des(t_ki)/|D_i|为t_k对c_i的平均取值，则对于类别c_i，特征属性t_k的取值用序偶[a,b]/q来模糊描述；

定义SP(f₁,f₂)(0≤SP(f₁,f₂)≤1)为语义贴近度来讨论同一属性的两个模糊值f₁,f₂间的相互接近程度，则电站潜能类别特征语义贴近度定义为：

其中，D为该属性的论域，||h||为期间h的模，定义为：

式中c为一常数；

如果对一切记录t_i,t_j∈r，模糊函数依赖X^～→Y(X,Y∈U)在实例r(U)上成立，应有:

SP(t_i[X],t_j[X])≤SP(t_i[Y],t_j[Y])

如果函数依赖X^～→Y成立，则据粗糙集属性约简原理，Y属性对分类贡献能够忽略；

步骤c：隶属度选址函数建立

设地理位置P的t属性值为m，C类建站潜能对应的空间t属性的取值为[a,b]/q，用f(t)表示P的t属性属于C的t属性的隶属度，则

式中,如果m在区间[a,b]外，其对于该区间的隶属度为0；若a＝b＝m,区间[a,b]为精确值，此时隶属度为1；如果m在区间[a,b]内，其隶属度与其所处的位置和平均值q有关；地理位置d对于c类电站潜能的隶属度用f_c(d)表示，其意义为d的各属性对于c属性隶属度的和，则隶属度选址函数为：