CN109146204A - 一种多层次综合评估的风电场升压站自动选址方法 - Google Patents
一种多层次综合评估的风电场升压站自动选址方法 Download PDFInfo
- Publication number
- CN109146204A CN109146204A CN201811146346.7A CN201811146346A CN109146204A CN 109146204 A CN109146204 A CN 109146204A CN 201811146346 A CN201811146346 A CN 201811146346A CN 109146204 A CN109146204 A CN 109146204A
- Authority
- CN
- China
- Prior art keywords
- addressing
- wind
- power plant
- wind power
- booster stations
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000005611 electricity Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000012876 topography Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 39
- 238000012732 spatial analysis Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 23
- 239000010410 layer Substances 0.000 description 22
- 238000005516 engineering process Methods 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000000452 restraining effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 241000271566 Aves Species 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 241001658044 Beata Species 0.000 description 2
- 244000292604 Salvia columbariae Species 0.000 description 2
- 235000012377 Salvia columbariae var. columbariae Nutrition 0.000 description 2
- 235000001498 Salvia hispanica Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 235000014167 chia Nutrition 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011234 economic evaluation Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000011229 interlayer Substances 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis 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
- 238000012827 research and development Methods 0.000 description 1
- 238000004335 scaling law Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
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"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种多层次综合评估的风电场升压站自动选址方法,包括以下步骤:步骤1,通过高精度无人机影像构建风电场三维地形场景,并叠加与选址相关的风电数据;步骤2,利用层次分析法建立升压站选址影响因素递阶层级;步骤3,集成三维GIS数据信息,进行升压站位置粗选;步骤4,建立升压站选址模糊层次计算模型,综合评价备选址位,选出最优址位。本发明通过构建风电场选址影响因素层级体系确定所需风电数据,利用三维GIS的空间位置和拓扑关系的描述及空间分析的能力生成风电场升压站选址备选方案并依此作为分析数据基础。
Description
技术领域
本发明属于地理空间信息系统技术领域,特别是涉及一种多层次综合评估的风电场升压站自动选址方法。
背景技术
风能作为一种新型可再生能源使得风力发电这一风能利用形式显得尤为重要(游新佩,2012)。升压变电站(下文简称为“升压站”)作为将风电场中产生的电能输送至公共电网中不可或缺的设施,是风电场产出中枢与运行建设的重要组成部分。风电场中升压站的选址结果将直接影响风力发电场正常运行的经济性、基建投资费用、场建速率、安全性及环境保护方案。
升压站的选址是风电建设项目不可或缺的环节,其站址是风电场建成后是否能够正常运营发电的关键。在实际风电项目执行中升压站选址直接影响风力发电场正常运行的经济性、基建投资费用、场建速率、安全性及环境保护方案。对风电场中升压站开展前期综合评价各个指标对升压站的选址影响成为了研究的重点。由于升压站的选址不依赖于某单一条件或因素,会出现影响因子较多且不同因子对选址的影响程度难以确定等等问题。现有风电场升压变电站选址多借鉴专家的经验建议及对二维地形图进行定性的分析与目视的判读,在风电场范围内完成备选选址方案的确定及逐点实地踏勘进行评估筛选,备选方案的确定往往消耗大量时间的同时,还因人为判断的误差影响备选方案的结果。且选址尚无统一评价指标,需要大量经济和时间成本。现有方式不仅拖延风电场建设的整体工期,还由于人工判别的思维倾向性及知识表达的不确定性,影响选址结果的精确性(刘海燕,2015;Chang D Y,1996;Saaty T L,1980)。
随着地理信息系统的发展及对其各个行业渗透的加深,GIS与风电行业的结合的研究也逐渐崭露头角。近几年国内采用GIS分析技术同风电相结合的研究多数内容集中于地理环境因素对风速的影响、风电场的微观选址以及风能图谱的制作等多个方面:高阳华等利用ArcGIS作为分析平台,将重庆市l∶250000的DEM数据及气象资料作为分析解算数据,使用坡向及坡度两种插值算法解算了该区域的风速分布并进行成果显示(高阳华,2008)。林浩等利用ArcGIS作为分析平台,对湖南省风能资源普查进行了有关分析解算以及图形结果的加工处理(林浩,2005)。李茂勋等利用.Net作为基础,采用SuperMap Objects和SQLServer为开发平台,对风能资源分布、基础地理信息及风电产业发展数据进行采集、存储、修改和管理等建库的工作,并在此基础上研发风电产业数据库系统,对风电行业数据的查询、统计、分析、专题图分析及产业分布分析等功能进行了实现(李茂勋,2009)。汪青春等采用GIS绘图的方法,针对青海地区进行了风能资源的评估与研究,获取了青海地区风能资源、气候区域的分布、资源散布的状况以及风能资源储备量等有效信息(汪青春,2010)。程兴宏等研究美国NREL的风能资源开发制约因素的分析准则,基于地理信息系统分析结果提出了一种风能资源制约因素分析及技术可开发体量的解算方式,客观的得出了风电场中或区域内的风资源的散布情况(程兴宏,2010)。张超等通过使用MM5中将尺度气象模式、CALMET模式和地理信息系统技术结合,对湖南省风资源进行精细化评估及研究,为湖南省风电场规划与风电场选址提供了更精准的评估服务(张超,2011)。王娟敏等以陕西建成的风场区域为分析对象,通过对该分析对象的数字高程模型(Digital Elevation Model,DEM)进行宏观及微观的数字地形分析,研究在不同地形因子中的共同数值分布的阈值,确保满足风场建设的地形因子制约因素;再考虑风资源数值模拟结果,形成风电场微地形选址的重要条件;通过该研究所得条件对省内1:25万数字高程模型进行网格范围搜索,最终得出陕西省风场选址及建设的区域规划图,为风电场的选址奠定一定的基础(王娟敏,2014)。李东强(2016)等采用地理信息及关系型数据库技术,研究了基于空间信息位置与逻辑的海上风电勘察数据的管理技术体系,同时将其采用到海上风电勘察数据的三维管理系统的开发及设计当中,将海上风电场勘察过程得到的海下地形、地质、地貌及地球物理等多源异构的海量数据统一组织和管理起来,支持查询功能、显示功能、综合应用等功能,完成了风电岩土、测量、测试等数据的三维一体化管理与应用(李东强,2016)。
综上所述,国内风电行业与GIS结合的研究发展由地理因素对风能资源的影响到风电场微观选址再到近期的海上风电数据库研究。对于选址的研究大多基于对风电场整体的宏观及微观选址,但是这些选址系统考虑的选址因素较为粗糙,且选址多基于平面化的二维GIS,分析手段受到平面化分析的制约主要体现在以下几点:1)研究多采用了对多源数据的采集整合实现了对风资源等风电场中的单一因素的评估,而对于整体选址缺乏一套完整的自动化选址体系。2)多采用平面化的分析及可视化方法,部分分析受维度的制约,同时对于分析结果不能直观有效地显示不利于评估及后续分析。3)大多选址研究主要关注风电场整体选址,考虑因素多为宏观因素,没有关注风电场内部设施微观选址及风电场内部元素对微观选址的影响。
美国风力发电行业近几年GIS的应用情况主要集中于风能风资源评估、风电场的微观选址、以及海上风电场的评估选址等方面。2007年美国NAU采用地理信息系统对亚利桑那亚瓦佩县的风资源的开发储备量及开发所存在的制约因素进行了调查研究,并根据调查研究的结果对该县的风资源等级进行划分并显示(Susan K,2007)。2008年中国水电工程顾问集团公司同美国可再生能源实验室合作研究采用地理信息技术对河北地区的风资源进行地理评估及经济评估,研究获取风电供给曲线;同时研究了影响该地区风电开发的制约因素。研究所包含的因素有:土地利用因素、环境因素、水体因素、村庄缓冲区因素、长城等历史古迹因素、自然保护区因素等不可开发区以及地形高度、地形坡度、不同植被类型等限制开发区(David Kline,2008)。AM Bazzi(2008)等利用GIS软件进行风机的发电成本选优的选址并分析提供了一种简单的风能设施的规划(AM Bazzi,2008)。Jason R.Janke(2010)通过分析潜在风能资源、潜在的太阳能资源、距电网距离、距路网距离、土地覆盖类型及是否属于联邦土地内等因素提出了一种风电场与太阳能场选址的多准则GIS模型(JasonR.Janke,2010)。该模型以美国科罗拉多州为例指出了风电场于该州的最佳选址位置。Robvan Haarren和Vasilis等基于地理信息系统提出了一种通过包含物理约束、生态标准、视觉干扰、噪声与安全等选址冲突分析后,进行电网连接、路网连接、土地清理与风资源评估的经济评价,最后加入鸟类栖息影响的风电场选址的空间多准则分析。该空间多准则分析以纽约州为例可以成功的分析出风场可行区域且对其经济价值进行评估的同时给出一个对鸟类栖息地影响的初步评判(Rob van Haarren,2011)。Addisu D.Mekonnen(2015)等利用基于web端的参与式GIS(PGIS)从不同的决策因素包括:鸟类栖息地、鱼类栖息地、渔业作业区域、商业作业区域、人口密度、海上航道航线、距岸距离等因素对于俄亥俄州的伊利湖进行了离岸风电场适用性分析。最终为操作者提供支持或辅助决策的且符合所设置的决策因素的最优海上风电的选址区域(Addisu D.Mekonnen,2015)。
近年来各国应用GIS分析技术包含有关风资源评估的研究、风电场选址、风电场可视化分析及离岸风电选址等内容。意大利与澳大利亚联合斯洛文尼亚同瑞士四个国家采用地理信息系统中的空间分析技术,搜索最优风电开发利用的风电场区域(ALPINEWINDHARVEST,2009)。2005年加拿大北美安大略省能源局采用地理信息分析技术和电网、交通等基础地理数据以及安大略自然资源部(the Ministry of Natural Resources ofOntario,MNR)提供的风能资源数据分析了该省风能资源技术可开发体量、可开发区域,并研究考虑环境敏感区域及电网区域、交通要道等地理制约条件的可开发量(HelimaxEnergy Inc,2005)。于意大利地方政府的支持之下,该地政府于2008年启动了旨在评估意大利托斯卡纳区域大尺度风能的“Wind-GIS”项目。Riccardo Mari等人采用MapServer开源GIS组件进行开发,客户端部分采用JavaScript和PHP/MapScript脚本语言进行编写,研发了以上述区域为案例的风电场规划及决策的支持原型系统(Mari R,2011)。Nazli YoncaAydin的研究对风机的选址在GIS环境中采用了模糊决策的方法。其研究中将足量的潜在风能产出地作为模糊集的代表,计算每个格网的潜在风能产出的满意度进行风场选址;或是采用多个模糊集表示不同的环境目标,计算不同网格中的所有模糊集表示的环境对象的满意度且进行有序加权平均(OWA),最后进行整体环境性能指标的计算从而选出最优的风场位置(Nazli Yonca Aydin,2010)。Beata Sliz-Szkliniarz提出了基于GIS的风能潜力预估方法,该方法通过生态标准、经济技术标准对风能进行预估同时提供了空间及风能规划的新框架(Beata Sliz-Szkliniarz,2010)。Pilar Chias利用感知定量与定量数据例如路网数据、地物、卫星影像与摄影测量生成基于GIS的三维可视化模型以研究了风机与风电场的影响以及其累计效应(Pilar Chias,2013)。英国的Cavazzi S(2016)等人研究了离岸风能地理信息系统(OWE-GIS)通过分析水深深度、距离最近的港口或接电网连接点项目生命周期与平均风速预算及贴现率等因素结合GIS,提出了一种输出能源成本的敏感性分析对实验区域成功的进行了选址推荐(Cavazzi S,2016)。
综上所述国外对风电场与GIS相结合的研究设计多领域等内容,研究的领域主要涉及风电场的宏观选址。关于选址方面的研究存在不足:1)研究多将选址因素罗列,将风电相关的数据整合至数据库中,而对数据的利用不够深入,规划方法较为简单。2)采用模糊集的方式来研究风场位置而模糊集关注的参数过于单一,无法保证其它选址因素对风场选址的影响。3)大多选址研究主要关注风电场整体选址,考虑因素多为宏观因素,没有关注风电场内部设施微观选址及风电场内部元素对微观选址的影响。
发明内容
为了解决上述问题,本发明的目的在于提供一种多层次综合评估的风电场升压站自动选址方法。本方法能突破传统风电场升压站选址方法中室内初选及现场踏勘存在低时效、人工判别的不确定性、图纸数据精度低及高成本等方面的局限,通过构建风电场选址影响因素层级体系确定所需风电数据,利用三维GIS的空间位置和拓扑关系的描述及空间分析的能力生成风电场升压站选址备选方案并依此作为分析数据基础。
为了实现上述的目的,本发明采用了以下的技术方案:
一种多层次综合评估的风电场升压站自动选址方法,包括以下步骤:
步骤1,通过高精度无人机影像构建风电场三维地形场景,并叠加与选址相关的风电数据;
步骤2,利用层次分析法建立升压站选址影响因素递阶层级;
步骤3,集成三维GIS数据信息,进行升压站位置粗选;
步骤4,建立升压站选址模糊层次计算模型,综合评价备选址位,选出最优址位。
作为优选,步骤1中所述与选址相关的风电数据包括:输电送电信息、土地规划信息、水文信息、土地利用信息、已有路网信息以及地质勘测信息。
作为优选,步骤2包括:
步骤2.1,划分升压站选址的影响因素;
步骤2.2,将步骤2.1确定的影响因素按影响关系分层分组形成具有顺序性、层次性的递阶层次结构,该层次结构包括目标层、准则层和参数层;
步骤2.3,通过对影响因素两两比较可以得到各因素在递阶层次结构中的相对重要性;
步骤2.4,进行人工判断决定各个因素相对重要总序。
作为优选,步骤3包括:
步骤3.1,利用Graham算法生成风机区域;
步骤3.2,加权重心生成合理选址范围;
步骤3.3,遍历选址范围,判断选址是否合格,筛选出多个备选方案;
步骤3.4,分析各备选方案次级指标层参数,得到初选多个备选方案。
作为优选,步骤4包括:
步骤4.1,定义指标标度,建立模糊判断矩阵R;
步骤4.2,根据模糊一致性,调整判断矩阵R;
步骤4.3,求解排序向量权重值Wi;
步骤4.4,确定总排序权重向量;
步骤4.5,计算不同方案的选址综合评价值,优选升压站选址区域。
本发明通过集成模糊层次分析法与三维GIS分析对风电场升压站进行优化选址,在已建成风电场上进行选址筛选,对待评价区域进行综合评价并排序,最终在三维GIS平台中得到最优选址区域,经验证与实际风电场所处区域评分一致。三维GIS为分析计算风电场选址结果提供了充分的地理信息资源,并以可视化的方式将选址结果直观呈现,很大程度上规避了传统方式人工选址所造成的时间浪费以及财力资源的浪费。模糊层次分析法将定性研究定量化,实现多指标因素的量化及三维可视化。对于不同区域不同地形的升压站选址,层次的建立与不同重要性权重的赋值存在灵活调整的空间,这使得分析模型在面对不同地理环境的风电场时具有一定的普适性,同时该方法具备根据实际地形对指标及相对重要性做出合适的调整的能力,使得选址过程更为科学可靠。
附图说明
图1本发明原理示意图;
图2本发明步骤流程图;
图3本发明建立的选址影响因素递阶层级图;
图4本发明中升压站址位初选过程示意图;
图5本发明的模糊层次分析法评价备选点示意图;
具体实施方式
下面结合附图对本专利的优选实施方案作进一步详细的说明。
参见图1,本发明的技术方案原理是首先搭建风电场三维GIS场景,并将升压站选址相关数据融合进场景作为空间分析基础,依据升压站平台建设条件,分析计算出初步可行的址位备选方案,同时对各因素进行的空间距离分析,将分析结果传入模糊层次分析法中,分析选址影响因素递阶层级,构造模糊判断矩阵R,求解出指标层层次总排序权重值,求解次级指标相对隶属度,对各个备选方案各项指标满意度,进而计算综合评价指标,选出最优方案完成最佳升压站址位选址。
本发明实施例公开了一种多层次综合评估的风电场升压站自动选址方法,该方法通过计算机实现自动化处理,如图2所示,该方法包括以下步骤:
步骤1,通过高精度无人机影像构建风电场三维地形场景,并叠加进与选址相关的风电数据;
步骤2,利用层次分析法建立升压站选址影响因素递阶层级;
步骤3,集成三维GIS数据信息,进行升压站位置粗选;
步骤4,建立升压站选址模糊层次计算模型,综合评价备选址位,选出最优址位。
其中:
步骤1中的与选址相关的风电数据包括:输电送电信息、土地规划信息、水文信息、土地利用信息、已有路网信息以及地质勘测信息。步骤1用于将与选址相关的不同数据源的空间及非空间数据相结合。通过计算机自动实现该步骤时,将与选址相关的不同数据源的空间及非空间数据相结合并导入系统是选址的必要条件。对与选址相关的多源风电场地形数据进行采集后统一导入三维GIS中建立数据统一的虚拟风电场景。将风电专题数据包括风机点位数据、运输道路线路、集送电方向、水源区域、电网区域、障碍区域等与升压站选址评价指标体系一级指标相关的基础分析数据整合,并导入三维GIS,为选址分析计算及虚拟三维地理环境的建模提供数据支撑。
步骤2包括以下子步骤:
步骤2.1,划分升压站选址的影响因素;
步骤2.2,将步骤2.1确定的影响因素按影响关系分层分组形成具有顺序性、层次性的递阶层次结构,该层次结构包括目标层、准则层和参数层;
步骤2.3,通过对影响因素两两比较可以得到各因素在递阶层次结构中的相对重要性;
步骤2.4,进行人工判断决定各个因素相对重要总序。
各个因素相对重要总序确定后可以求解权重向量、特征根及特征指标,以用于后续的选址计算。
步骤2是通过人为对不同决策方案的优劣进行判断调整,统一处理决策中的定性及定量的影响因素。该方法思想是将复杂的多影响因素的问题拆分为多个组成因素,将这些组成因素按影响关系分层分组形成具有顺序性、层次性的递阶层次结构,通过对组成因素两两比较可以得到各因素在递阶层次结构中的相对重要性,再进行人工判断决定各个因素相对重要总序后可以求解权重向量,特征根及特征指标。于实施例中,通过对实际项目选址需求的调查、分析与整理,综合考虑各因素影响,建立选址影响因素递阶层级如图3。
步骤3中,根据升压站建设地形条件、环境条件约束,基于三维GIS求解升压站站址粗选备选方案,备选方案作为输入条件将直接参与模糊层次分析计算并影响最终选址的结果。首先在三维GIS中输入升压站的尺寸信息,根据风机点位的点集以及Graham扫描凸包生成算法生成待分析的风电场区域的方法;然后利用三维GIS对空间位置及拓扑的描述,根据风机点的分布情况采用加权求重心的方式缩小升压站待分析的区域;最后在待分析区域中将遍历检索区域内满足局部凹凸性质、填挖工程量大小以及送电距离等因素对待选站址进行优劣排序,选出较优的几个备选方案,流程如图4所示。
步骤4包括以下子步骤:
步骤4.1,定义指标标度,建立模糊判断矩阵R;
步骤4.2,根据模糊一致性,调整判断矩阵R;
步骤4.3,求解排序向量权重值Wi;
步骤4.4,确定总排序权重向量;
步骤4.5,计算不同方案的选址综合评价值,优选升压站选址区域。
于实施例中,步骤4.1的具体实现方式是:分析各备选方案次级指标层参数,指标层因素a1、a2、…、an,对指标层因素进行两两比较,采用0.1至0.9的标度法进行数量标度,得出模糊互补判断矩阵R:
模糊互补矩阵R满足以下条件:
(1)i=j时rij=0.5(i=1,2,…n;j=1,2,…,n);
(2)rij+rji=1(i=1,2,…n;j=1,2,…,n)。
步骤4.2的具体实现方式是:一级指标层权重计算由R矩阵采取行及归一化求得排序向量Wi的值,设有n个一级指标,其中w为:
W=(w1,w2,w3…,wn) (3-2)
上述式中wi的值为且式中α是一级指标层Fi与Fj重要程度差异(Wi-Wj)的指标因子,α的取值范围为:α≥(n-1)/2,α越小表明越重视指标层间重要程度的差异,一般取α值为最小值α=(n-1)/2。
次级指标层采取与一级指标层相同的层次单排序策略,设某准则下有m个二级指标,权重表达式wij:
wij=(wi1,wi2,wi3…,wim) (3-3)
上述式中wij的值为且式中β是次级指标层Si与Sj重要程度差异(Wii-Wij)的指标因子,β的取值范围为:β≥(n-1)/2,β越小时表明越重视指标层层间重要程度的差异,一般取β值为:β=(n-1)/2。
步骤4.3的具体实现方式是:模糊判断矩阵R的特征矩阵及由上述(3-2)、(3-3)式中得到的权重矩阵应进行一致性检验。根据文献(陶余会,2002)中对模糊判断矩阵是否一致的检验方法,得到模糊一致矩阵。模糊判断矩阵R的特征矩阵w*值为:
为了检验多个指标层因素集存在不一致性的情况,加入相容性指标:
当式中I(R,W*)<α时,认为判断矩阵R符合一致性要求,α的大小侧面反映决策者对模糊判断矩阵一致性的要求,具备要求越高α越小的线性关系。实验中采用α=0.2进行辅助判断。
当式子(3-5)成立时,模糊互补判断矩阵Ri(i=1,2,3…n)的一致性满足选址需求,综合评判矩阵的一致性也满足选址需求。设共有m个次级指标,分别为S1、S2、……Sm,其对于一级指标层Fi单层排序的权重为wi1,wi2,wi3…,wim(若Sj不属于一级指标层Fi,则wji=0)一级指标层F各指标的层次总排序表达式为:
在步骤4.5进行次级指标层无量纲化,计算综合评价值。步骤4.3的具体实现方式是:设建模样本的数据集为xij其中i=1,2,…m,j=1,2,…n,使用满意度的方法以消除各指标之间的量纲效应。令xij≥0,将单个次级指标的满意度最优值设置为1,最失望值为0,在最优值及最劣值之间取值由线性插值函数得到:
上述(3-7)式中maxxj=max(xij),mainxj=min(xij)即为该数据集xij的最大、小值。xij最大值为最满意值,最小值为最失望值时,满意度为Xij;xij最小值为最满意值,最大值为最失望值时,满意度为1-Xij。本发明中满意度计算方法中除了一级指标中的灾害指标可行性之外均以式(3-7)中的方法进行计算。对于一级指标中的灾害指标中的内容采用分级计分制,对地震分级参考《中国地震烈度区划图》以高烈度为低满意度计算。选址地质沉降满意度参考《岩土工程勘察规范》(GB20021-2001),颗粒级配和塑性指数越高满意度评分越高。
上述满意度的值组成选址评价指标的相对隶属度的模糊评价矩阵。满意度的计算依赖三维GIS的数据分析与计算结果。计算各方案次级指标的相对隶属度与上述计算所得的综合层次总排序的乘积,得到不同方案的选址综合评价值,对不同方案综合评价值进行排序得到优选升压站选址区域。流程如图5所示。
本实施例公开的方法,通过集成模糊层次分析法与三维GIS分析对风电场升压站进行优化选址,在已建成风电场上进行选址筛选,对待评价区域进行综合评价并排序,最终在三维GIS平台中得到最优选址区域,经验证与实际风电场所处区域评分一致。三维GIS为分析计算风电场选址结果提供了充分的地理信息资源,并以可视化的方式将选址结果直观呈现,很大程度上规避了传统方式人工选址所造成的时间浪费以及财力资源的浪费。模糊层次分析法将定性研究定量化,实现多指标因素的量化及三维可视化。对于不同区域不同地形的升压站选址,层次的建立与不同重要性权重的赋值存在灵活调整的空间,这使得分析模型在面对不同地理环境的风电场时具有一定的普适性,同时该方法具备根据实际地形对指标及相对重要性做出合适的调整的能力,使得选址过程更为科学可靠。
Claims (5)
1.一种多层次综合评估的风电场升压站自动选址方法,其特征在于,包括以下步骤:
步骤1,通过高精度无人机影像构建风电场三维地形场景,并叠加与选址相关的风电数据;
步骤2,利用层次分析法建立升压站选址影响因素递阶层级;
步骤3,集成三维GIS数据信息,进行升压站位置粗选;
步骤4,建立升压站选址模糊层次计算模型,综合评价备选址位,选出最优址位。
2.根据权利要求1所述的一种多层次综合评估的风电场升压站自动选址方法,其特征在于,步骤1中所述与选址相关的风电数据包括:输电送电信息、土地规划信息、水文信息、土地利用信息、已有路网信息以及地质勘测信息。
3.根据权利要求1所述的一种多层次综合评估的风电场升压站自动选址方法,其特征在于,步骤2包括:
步骤2.1,划分升压站选址的影响因素;
步骤2.2,将步骤2.1确定的影响因素按影响关系分层分组形成具有顺序性、层次性的递阶层次结构,该层次结构包括目标层、准则层和参数层;
步骤2.3,通过对影响因素两两比较可以得到各因素在递阶层次结构中的相对重要性;
步骤2.4,进行人工判断决定各个因素相对重要总序。
4.根据权利要求1所述的一种多层次综合评估的风电场升压站自动选址方法,其特征在于,步骤3包括:
步骤3.1,利用Graham算法生成风机区域;
步骤3.2,加权重心生成合理选址范围;
步骤3.3,遍历选址范围,判断选址是否合格,筛选出多个备选方案;
步骤3.4,分析各备选方案次级指标层参数,得到初选多个备选方案。
5.根据权利要求1所述的一种多层次综合评估的风电场升压站自动选址方法,其特征在于,步骤4包括:
步骤4.1,定义指标标度,建立模糊判断矩阵R;
步骤4.2,根据模糊一致性,调整判断矩阵R;
步骤4.3,求解排序向量权重值Wi;
步骤4.4,确定总排序权重向量;
步骤4.5,计算不同方案的选址综合评价值,优选升压站选址区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811146346.7A CN109146204A (zh) | 2018-09-27 | 2018-09-27 | 一种多层次综合评估的风电场升压站自动选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811146346.7A CN109146204A (zh) | 2018-09-27 | 2018-09-27 | 一种多层次综合评估的风电场升压站自动选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109146204A true CN109146204A (zh) | 2019-01-04 |
Family
ID=64813495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811146346.7A Withdrawn CN109146204A (zh) | 2018-09-27 | 2018-09-27 | 一种多层次综合评估的风电场升压站自动选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146204A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334828A (zh) * | 2019-03-07 | 2019-10-15 | 北京融链科技有限公司 | 选址方法及装置、存储介质、处理器 |
CN110689187A (zh) * | 2019-09-23 | 2020-01-14 | 北京洛斯达数字遥感技术有限公司 | 一种基于多条件约束的变电站自动化选址方法 |
CN110691000A (zh) * | 2019-10-15 | 2020-01-14 | 山东理工大学 | 基于FAHP与规划图融合的Web服务组合方法 |
CN110930027A (zh) * | 2019-11-21 | 2020-03-27 | 深圳智润新能源电力勘测设计院有限公司 | 一种用于风电项目选址地理信息系统及其设备 |
CN110991872A (zh) * | 2019-11-29 | 2020-04-10 | 深圳智润新能源电力勘测设计院有限公司 | 风电场设计方案的评估方法及相关系统 |
CN111080480A (zh) * | 2019-12-13 | 2020-04-28 | 深圳智润新能源电力勘测设计院有限公司 | 可行性研究报告的编制方法、erp系统及计算机存储介质 |
CN111414670A (zh) * | 2019-04-30 | 2020-07-14 | 中国电力工程顾问集团华北电力设计院有限公司 | 一种利用bpa数据自动生成地理接线图的方法 |
CN111798057A (zh) * | 2020-07-06 | 2020-10-20 | 四川中电启明星信息技术有限公司 | 一种基于模糊层次盈利分析的充电场站选址方法 |
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 |
CN112700045A (zh) * | 2020-12-31 | 2021-04-23 | 武汉市土地利用和城市空间规划研究中心 | 一种基于土地储备实施监测模型的智能选址系统 |
CN112733482A (zh) * | 2021-01-14 | 2021-04-30 | 国网福建省电力有限公司 | 一种用于电网建设项目的生态保护红线规避方法 |
CN112800155A (zh) * | 2020-08-21 | 2021-05-14 | 特变电工新疆新能源股份有限公司 | 一种针对冰冻天气的风电场宏观选址方法 |
CN113268704A (zh) * | 2021-04-27 | 2021-08-17 | 国网福建省电力有限公司 | 基于模糊层次分析法的数据中心选址方法及系统 |
CN113361852A (zh) * | 2021-04-27 | 2021-09-07 | 中国科学院空天信息创新研究院 | 场址选择的方法、装置、电子设备及存储介质 |
CN113989768A (zh) * | 2021-09-29 | 2022-01-28 | 中智行(上海)交通科技有限公司 | 一种自动驾驶测试场景分析方法及系统 |
CN114118602A (zh) * | 2021-12-02 | 2022-03-01 | 碧空环境科技有限公司 | 一种基于gis的“高空喷淋”设备选址方法 |
CN117132063A (zh) * | 2023-08-29 | 2023-11-28 | 山东探越物联网技术有限公司 | 一种风光互补供电系统 |
CN117668765A (zh) * | 2024-01-31 | 2024-03-08 | 国网安徽省电力有限公司经济技术研究院 | 基于勘测大数据的智能融合处理方法 |
Citations (5)
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 |
CN103984997A (zh) * | 2014-05-29 | 2014-08-13 | 国家电网公司 | 基于gis空间信息的输电工程选址选线方法 |
CN104050323B (zh) * | 2014-06-20 | 2017-02-15 | 中国电建集团昆明勘测设计研究院有限公司 | 一种高海拔山区模糊多准则风电场选址方法 |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
CN108053060A (zh) * | 2017-12-07 | 2018-05-18 | 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系统及选址方法 |
-
2018
- 2018-09-27 CN CN201811146346.7A patent/CN109146204A/zh not_active Withdrawn
Patent Citations (5)
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 |
CN103984997A (zh) * | 2014-05-29 | 2014-08-13 | 国家电网公司 | 基于gis空间信息的输电工程选址选线方法 |
CN104050323B (zh) * | 2014-06-20 | 2017-02-15 | 中国电建集团昆明勘测设计研究院有限公司 | 一种高海拔山区模糊多准则风电场选址方法 |
CN107070961A (zh) * | 2016-09-30 | 2017-08-18 | 阿里巴巴集团控股有限公司 | 基于地理位置数据的热点区域确定方法及装置 |
CN108053060A (zh) * | 2017-12-07 | 2018-05-18 | 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系统及选址方法 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110334828A (zh) * | 2019-03-07 | 2019-10-15 | 北京融链科技有限公司 | 选址方法及装置、存储介质、处理器 |
CN111414670A (zh) * | 2019-04-30 | 2020-07-14 | 中国电力工程顾问集团华北电力设计院有限公司 | 一种利用bpa数据自动生成地理接线图的方法 |
CN110689187A (zh) * | 2019-09-23 | 2020-01-14 | 北京洛斯达数字遥感技术有限公司 | 一种基于多条件约束的变电站自动化选址方法 |
CN110689187B (zh) * | 2019-09-23 | 2023-05-23 | 北京洛斯达科技发展有限公司 | 一种基于多条件约束的变电站自动选址方法 |
CN110691000A (zh) * | 2019-10-15 | 2020-01-14 | 山东理工大学 | 基于FAHP与规划图融合的Web服务组合方法 |
CN110691000B (zh) * | 2019-10-15 | 2021-12-21 | 山东理工大学 | 基于FAHP与规划图融合的Web服务组合方法 |
CN110930027A (zh) * | 2019-11-21 | 2020-03-27 | 深圳智润新能源电力勘测设计院有限公司 | 一种用于风电项目选址地理信息系统及其设备 |
CN110991872A (zh) * | 2019-11-29 | 2020-04-10 | 深圳智润新能源电力勘测设计院有限公司 | 风电场设计方案的评估方法及相关系统 |
CN111080480A (zh) * | 2019-12-13 | 2020-04-28 | 深圳智润新能源电力勘测设计院有限公司 | 可行性研究报告的编制方法、erp系统及计算机存储介质 |
CN111798057A (zh) * | 2020-07-06 | 2020-10-20 | 四川中电启明星信息技术有限公司 | 一种基于模糊层次盈利分析的充电场站选址方法 |
CN111798057B (zh) * | 2020-07-06 | 2023-11-10 | 四川中电启明星信息技术有限公司 | 一种基于模糊层次盈利分析的充电场站选址方法 |
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 |
CN112800155A (zh) * | 2020-08-21 | 2021-05-14 | 特变电工新疆新能源股份有限公司 | 一种针对冰冻天气的风电场宏观选址方法 |
CN112700045A (zh) * | 2020-12-31 | 2021-04-23 | 武汉市土地利用和城市空间规划研究中心 | 一种基于土地储备实施监测模型的智能选址系统 |
CN112733482A (zh) * | 2021-01-14 | 2021-04-30 | 国网福建省电力有限公司 | 一种用于电网建设项目的生态保护红线规避方法 |
CN113268704A (zh) * | 2021-04-27 | 2021-08-17 | 国网福建省电力有限公司 | 基于模糊层次分析法的数据中心选址方法及系统 |
CN113268704B (zh) * | 2021-04-27 | 2023-08-04 | 国网福建省电力有限公司 | 基于模糊层次分析法的数据中心选址方法及系统 |
CN113361852A (zh) * | 2021-04-27 | 2021-09-07 | 中国科学院空天信息创新研究院 | 场址选择的方法、装置、电子设备及存储介质 |
CN113989768A (zh) * | 2021-09-29 | 2022-01-28 | 中智行(上海)交通科技有限公司 | 一种自动驾驶测试场景分析方法及系统 |
CN113989768B (zh) * | 2021-09-29 | 2024-03-29 | 天翼交通科技有限公司 | 一种自动驾驶测试场景分析方法及系统 |
CN114118602A (zh) * | 2021-12-02 | 2022-03-01 | 碧空环境科技有限公司 | 一种基于gis的“高空喷淋”设备选址方法 |
CN114118602B (zh) * | 2021-12-02 | 2023-08-08 | 碧空环境科技有限公司 | 一种基于gis的高空喷淋设备选址方法 |
CN117132063A (zh) * | 2023-08-29 | 2023-11-28 | 山东探越物联网技术有限公司 | 一种风光互补供电系统 |
CN117668765A (zh) * | 2024-01-31 | 2024-03-08 | 国网安徽省电力有限公司经济技术研究院 | 基于勘测大数据的智能融合处理方法 |
CN117668765B (zh) * | 2024-01-31 | 2024-05-03 | 国网安徽省电力有限公司经济技术研究院 | 基于勘测大数据的智能融合处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146204A (zh) | 一种多层次综合评估的风电场升压站自动选址方法 | |
Pellicani et al. | Assessing landslide exposure in areas with limited landslide information | |
Mallick et al. | Geospatial and geostatistical approach for groundwater potential zone delineation | |
Yildirim et al. | Municipal solid waste landfill site selection using multi-criteria decision making and GIS: case study of Bursa province | |
Xu et al. | Suitability evaluation of urban construction land based on geo-environmental factors of Hangzhou, China | |
Chandio et al. | GIS-based analytic hierarchy process as a multicriteria decision analysis instrument: a review | |
Chen et al. | High‐resolution gridded population projections for China under the shared socioeconomic pathways | |
Gumusay et al. | An assessment of site suitability for marina construction in Istanbul, Turkey, using GIS and AHP multicriteria decision analysis | |
Skøien et al. | Spatiotemporal topological kriging of runoff time series | |
Wu et al. | Mapping building carbon emissions within local climate zones in Shanghai | |
CN110472882A (zh) | 基于主成分分析的城市开发用地适宜性评价方法 | |
Çalışkan | Planning of forest road network and analysis in mountainous area | |
Değirmenci et al. | MCDM analysis of wind energy in Turkey: decision making based on environmental impact | |
Eroğlu | Multi-criteria decision analysis for wind power plant location selection based on fuzzy AHP and geographic information systems | |
Ahmed | Modelling spatio-temporal urban land cover growth dynamics using remote sensing and GIS techniques: A case study of Khulna City | |
Derdouri et al. | A comparative study of land price estimation and mapping using regression kriging and machine learning algorithms across Fukushima prefecture, Japan | |
Schleier et al. | Robust landslide susceptibility analysis by combination of frequency ratio, heuristic GIS-methods and ground truth evaluation for a mountainous study area with poor data availability in the Three Gorges Reservoir area, PR China | |
Aksoy et al. | Using MCDA and GIS for landfill site selection: Central districts of antalya province | |
Al-Anbari et al. | Landfill site selection in Al-Najaf governorate, Iraq | |
Micić Ponjiger et al. | Quantitative Geodiversity Assessment of the Fruška Gora Mt.(North Serbia) by Using the Geodiversity Index | |
SAHDEV et al. | Land Use Planning for Hillside Development Using GIS Based Analytic Hierarchy Process. | |
Mubea et al. | Spatial effects of varying model coefficients in urban growth modeling in Nairobi, Kenya | |
Kargashin et al. | Data processing as a critical part of GIS based mapping of renewable energy perspectives | |
Herzog | Calculating accessibility | |
Yao | Application of GIS remote sensing information integration in eco-environmental quality monitoring |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190104 |