CN116109031A - 一种考虑生态服务价值的可再生能源选址方法 - Google Patents
一种考虑生态服务价值的可再生能源选址方法 Download PDFInfo
- Publication number
- CN116109031A CN116109031A CN202211570827.7A CN202211570827A CN116109031A CN 116109031 A CN116109031 A CN 116109031A CN 202211570827 A CN202211570827 A CN 202211570827A CN 116109031 A CN116109031 A CN 116109031A
- Authority
- CN
- China
- Prior art keywords
- index
- site selection
- renewable energy
- service
- indexes
- 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
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
- G06Q10/0639—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本申请涉及一种考虑生态服务价值的可再生能源选址方法,属于可再生能源选址技术领域。本申请考虑能源部署的生态系统影响,提出了一种综合考虑能源供给潜力,经济、社会、技术成本和生态系统影响的可再生能源选址方法,包括:收集基础资料,处理所获得的地理信息数据;筛选生态系统服务类型,明确选址涉及的各项指标;设置限制因素,对拟选择区域内不可行斑块剔除;核算传统指标值及生态系统服务价值相关指标值;采用层次分析法确定各项指标权重;对选址适宜性进行定量评价,获得可再生能源适宜性分布图。从而保障可再生能源选址的经济、社会、技术、生态综合效益最优化。
Description
技术领域
本申请属于可再生能源选址技术领域,具体涉及一种考虑生态服务价值的可再生能源选址方法。
背景技术
随着城市化和工业化的快速发展,能源相关碳排放明显增加对气候变化产生显著影响。可再生能源技术(如风能、光伏和生物质能)被公认为实现减少碳排放的最有效途径之一。然而,可再生资源设施的部署往往会对生态环境系统产生实质性的变化,不可避免地影响这些生态系统所提供的生态系统服务质量。因此,一个完整的可再生能源选址方案应主动识别选址部署对生态系统服务的潜在影响。
现有研究中,可再生能源的选址主要考虑能源潜力因素,能源潜力因素主要为与再生能源生产潜力密切相关的决定性标准,如风力、光伏功率等。经检索发现,申请公布号CN114819756A,公布日为2022年7月29日的中国发明专利申请公开了基于分类模型的风电机组智能选址方法、装置及设备,该方法内容为获取初始选址区域集;获取其中每一个初始选址区域对应的历史平均风速、历史高频风向集合、历史平均风机容量系数、历史平均湍流强度和平均海拔高度以组成各初始选址区域对应的区域风力参数;根据每一区域风力参数确定定各输入向量;将每一输入向量输入至分类模型,得到各自对应的分类值;获取各分类值中超出分类阂值的目标分类值,确定每一目标分类值对应的初始选址区域组成候选选址区域集。该发明虽然可以快速获取候选选址区域集,降低选址结果获取难度,但是只考虑能源潜力指标,无法精准判断选址的技术、经济、以及生态系统适宜性。
也有学者提出了多准则决策的方法来评估可再生能源的选址,在能源潜力的指标基础上,再考虑多个经济、社会、技术因素。经济、社会、技术因素一般包括离电网距离、地形地质条件,用地类型等(葛世龙等,基于空间与技术异质性的能源基础设施选址决策.系统管理学报,2018,27(01):23-31+39)。将地理信息技术与多准则决策方法相结合,更适宜选址的空间规划,现有的应用主要是利用层次分析法(AHP)等多种模糊方法来处理人类主观判断中固有的不确定性(邵萌等,基于GIS和多准则决策的山东省潮流能区划研究.中国海洋大学学报(自然科学版),2021,51(12):107-114.)。这些方法大大提高了可再生选址评价的准确性和可靠性,但很少考虑到选址可能对生态系统服务产生的影响。虽然在少数研究中,有与生态系统服务相关的指标,如鸟类保护区和历史遗址被视为限制选址的区域,但这种处理显然还不足以反映完整的生态系统服务影响。生态系统服务评价方法逐渐成熟,但主要应用在可再生能源的评估上,很少应用于可再生能源的选址。当下已有部分学者已经考虑到将生态系统影响纳入可再生能源的选址中,《生态友好的中国可再生能源发展空间布局(2016-2030)》报告运用“发展系统规划”景观尺度的分析方法,对中国已有的集中式风能和光伏发电项目与生态保护之间的平衡性进行评估,并对近中期生态友好的集中式风能和光伏发电发展空间布局进行规划建议,为平衡可再生能源选址和生态系统服务影响提供了解决方案。然而,这些方法不容易产生精准量化的选址评估结果,同时,他们的研究中选址未进一步识别不同生态系统服务类型产生的影响。实际上可再生能源部署对不同生态系统服务类型的影响不均匀。可再生能源的选址应该进一步考虑对不同生态系统产生影响的程度(Galparsoro I,Korta M et al.,2021.Anew framework and tool for ecologicalrisk assessment of wave energy converters projects,Renewable and SustainableEnergy Reviews.151,111539)。
发明内容
本申请提供了一种考虑生态服务价值的可再生能源选址方法,以解决现有技术中,现有可再生能源选址方法未充分量化考虑生态系统服务影响的问题。
本申请提供一种考虑生态服务价值的可再生能源选址方法,包括以下步骤:
(1)获取选址区域的基础地理信息数据并进行预处理;
(2)确定用于评价选址适宜性的指标,所述指标包括传统指标和生态系统服务指标两类;
(3)设置限制因素,剔除选址区域的不可行选址斑块;
(4)计算所述指标,获得各指标的初始数据;
(5)采用层次分析法确定各项指标权重;
(6)根据指标的初始数据和指标权重,获得指标综合值;
其中,使用最大最小标准化方法将各指标的初始数据缩放到0到1范围,再将两类指标分别采用线性加权法相应地获得传统指标综合值、生态系统服务指标综合值;
(7)根据两类指标综合值,对选址区域进行评价;呈现评价的空间分布结果,获得可再生能源适宜性分布图;
其中,传统指标综合值为经济效益水平值,生态系统服务指标综合值为生态系统服务损失值,所述经济效益水平值与生态系统服务损失值的比值为选址适宜性效率值;根据所述选址适应性效率值,对选址区域的各地块适宜性进行评价。
可选的,步骤(1)中,对选址区域的基础地理信息数据进行预处理包括:采用资源与环境数据云平台土地利用图层,利用地理信息处理软件,按照耕地、森林、草地、水域、湿地和建成区用地分类,进行栅格数据重采样处理。
可选的,步骤(2)中,生态系统服务指标的确定包括:从国际生态系统服务通用分类中筛选确定生态系统服务子类指标。
可选的,通过专家打分法,从国际生态系统服务通用分类中筛选确定生态系统服务子类指标。
可选的,步骤(7)包括:剔除面积小于1km2的地区,利用地理信息软件呈现各地块最终计算得到的选址适宜性效率值,比选选址适宜性效率值最高的区域,作为最适宜的选址位置;采用自然间断点分类方法评价选址适宜性空间分布结果,获得可再生能源适宜性分布图。
可选的,可再生能源为风电,进行风电场选址时,所述传统指标包括风速、坡度、与城市距离、与道路距离、与电网距离;所述生态系统服务影响指标包括食物供应指标、鸟类栖息地指标和文化生态服务指标。
可选的,步骤(3)中,所述限制因素为5项,包括:机场及附近5km范围;风景名胜区、自然保护区、公路、铁路附近500米范围;居民区、森林、湖泊、湿地区域;坡度在15°以上区域;电网附近250米范围。
可选的,所述食物供应指标的计算方法为:
以粮食作物产量代表食物供应服务,使用以下公式计算粮食总产量:
其中,Y代表总产量,其中,i代表粮食作物的种类,粮食作物i,t产量表示第t个统计年度的粮食作物i的产量,粮食作物i,t播种面积表示第t个统计年度的粮食作物i的播种面积,n表示待统计的年度总数;
根据总产量以及粮食作物生产潜力数据,按以下公式获得食品供应指标的初始数据:
其中,yj为网格j的平均单位面积作物产量,为网格j的食品供应指标的初始数据;
可选的,所述鸟类栖息地指标的计算包括:
采用最大熵模型物种分布模型,选择全球生物多样性信息数据库子数据库中的连续5年鸟类记录,收集环境变量,利用生态位模型软件对鸟类栖息地服务进行模拟。
可选的,所述文化生态服务指标的计算包括:
采用游憩机会谱法进行评价,包括游憩潜力指数(RPI)和可达性,通过多个潜在娱乐机会的综合指标获得RPI,将RPI与可达性图进行融合,得到文化生态服务指标;
所述潜在娱乐机会包括:可以提供重要的历史和教育服务的自然保护区和风景名胜区、距离海岸线500米以内的区域、不同的土地利用类型;所述土地利用类型按等距值由小到大依次为农田、草地、森林、水域和湿地。
相比于现有技术,本申请的技术方案取得的有益效果如下:
本申请的考虑生态服务价值的可再生能源选址方法,将生态系统服务评价融合到可再生能源的选址中,通过确立生态系统服务指标并将其进行量化衡量,使其融入到选址分析评价方法中,能够在可再生能源选址过程中,充分量化考虑生态系统服务影响,并产生精准、量化的选址评估结果。
具体而言:
(1)本申请的可再生能源选址方法,结合现有研究对传统指标的核算方法,以及生态系统测算模型核算生态系统服务影响,采用层次分析及最大最小标准化法结合比值融合法的方法量化了研究区域内每个地区的选址适宜性效率值,可呈现可再生能源适宜性分布图,精准推荐可再生能源的选址位置。
(2)本申请的可再生能源选址方法设计了将生态系统服务影响指标包含在内的选址框架,弥补了可再生能源选址领域考虑生态影响的空白。
(3)本申请的可再生能源选址方法,适用于各类可再生能源,包括风能、太阳能、生物质能、潮汐能等。同时适应于各研究层面,包括区域层面、国家层面、全球层面的可再生能源选址研究,本方法的应用范围较广。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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的附图。
图1为本申请实施例的可再生能源选址方法的一个流程示意图;
图2为本申请实施例的可再生能源选址方法的另一流程示意图;
图3为本申请实施例的山东省风电场经济效益水平值分布图;
图4为本申请实施例的山东省风电场适宜性选址结果图。
具体实施方式
为了使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和实施例对本申请进行详细说明。
本实施例中,可再生能源选址以风电场选址作为对象,以中国山东省作为选址区域。
本实施例所述的考虑生态服务价值的可再生能源选址方法,如图1和图2所示,具体如下:
S1:获取选址区域的基础地理信息数据并进行预处理。
具体而言,本实施例中,从中国气象数据网获得连续5年日均风速分布数据;从中国科学院资源环境科学与数据中心获取中国土地利用遥感监测数据、高程数据、作物生长潜力数据、经济强度、人口密度等数据;从中国民航局获取机场位置分布;从中国文化与旅游部网站获取旅游景点分布;使用全球生物多样性信息数据库获取生物分布数据;使用ArcGis软件对数据进行统一坐标系等相关处理,截取后获得山东省相应分布数据,其他数据引用年鉴及他人已有研究。
其中,对选址区域的基础地理信息数据进行预处理包括:采用资源与环境数据云平台土地利用图层,利用地理信息处理软件,按照耕地、森林、草地、水域、湿地和建成区用地分类,进行栅格数据重采样处理。
S2:确定用于评价选址适宜性的指标,所述指标包括传统指标和生态系统服务指标两类。
也即,基于传统可再生能源选址指标,结合所影响的生态系统服务,明确可再生能源选址涉及的各项指标;其中传统可再生能源选址指标包括能源供给潜力、经济、社会、技术方面指标,具体指标基于可再生能源的种类、研究区域的背景,以及已有研究成果确定。生态系统服务价值相关指标依据国际生态系统服务通用分类,包括配置服务、监管和维护服务和文化服务,通过专家打分法进行筛选确定可再生能源选址所影响的生态系统服务子类指标。
其中,生态系统服务指标的确定方法为:通过专家打分法,从国际生态系统服务通用分类中筛选确定生态系统服务子类指标。
具体而言,在本实施例中,基于前人研究,研究区域风电场选址传统指标选用风速、坡度、与城市距离、与道路距离、与电网距离5个指标,其中风速为能源潜力指标。通过查阅文献和专家打分法,生态系统服务影响指标确定为食物供应指标、鸟类栖息地指标和文化生态服务指标3项。
S3:设置限制因素,剔除选址区域的不可行选址斑块。
本步骤中,设置限制因素,对拟选择区域内不可行斑块剔除,所设置的限制因素主要从生态保护理念、安全以及相关政策法规角度考虑,使用地理信息处理技术,将不适宜可再生能源选址的区域在地理系统中剔除,需要排除的地区,包括自然保护区、风景区和历史遗迹、特定土地利用类型如森林、湖泊、居民区、道路等。
在本实施例中,从政策法规、工程安全、生态保护角度考虑,选择5项限制条件,包括机场及附近5km范围;风景名胜区、自然保护区、公路、铁路附近500米范围;居民区、森林、湖泊、湿地区域;坡度在15°以上区域;电网附近250米范围。限制区域使在ArcGis软件中采用缓冲区工具形成,裁剪后获得除限制区域以外的可行布点区域。
S4计算所述指标,获得各指标的初始数据。
本步骤中,计算可再生能源选址涉及的能源潜力、经济社会技术、及生态系统服务价值相关指标。所述可再生能源选址的能源潜力、经济、社会、技术等传统指标计算,基于现有研究核算方法,并适当改进地理信息数据处理方法。所筛选的生态系统服务指标核算方法,基于现有研究,采用各指标对应的生态系统服务测算模型进行核算。
在本实施例中,风速、坡度、与电网距离、与道路距离、与城市距离5个传统指标,食物供应指标、鸟类栖息地指标和文化生态服务3项生态系统服务指标的核算方法如下:
风速指标使用中国气象数据网获得连续5年日均风速分布数据,采用克里格插值形成风廓线,再使用均方根误差和平均绝对误差法来确定最佳插值图获取;
坡度数据使用高程数据在ArcGis中使用坡度工具来生产坡度数据;
与城市距离、与道路距离、与电网距离三个指标是加载各指标数据在ArcGis中使用计算距离分析工具获得。
所述食物供应指标的计算方法为:
以粮食作物产量代表食物供应服务,使用以下公式计算山东省粮食总产量:
其中,Y代表总产量(吨/平方公里),使用多年平均值来减少多年来的市场和气候波动。其中,i代表粮食作物的种类,本实施例中i代表5大粮食作物(水稻、小麦、玉米、豆类和马铃薯);粮食作物i,t产量表示第t个统计年度的粮食作物i的产量,粮食作物i,t播种面积表示第t个统计年度的粮食作物i的播种面积;n表示待统计的年度总数,本实施例中,n为5,即共统计5年的相关平均值。
进而利用作物生产潜力数据,获得了粮食作物产量空间数据集。即,根据总产量以及粮食作物生产潜力数据,按以下公式获得食品供应指标的初始数据:
其中,yj为网格j的平均单位面积作物产量,为网格j的食品供应指标的初始数据;
所述鸟类栖息地指标的计算包括:采用最大熵模型物种分布模型,选择全球生物多样性信息数据库子数据库中的连续5年鸟类记录,收集环境变量,利用生态位模型软件对鸟类栖息地服务进行模拟。
具体而言,鸟类栖息地的空间分布采用最大熵模型物种分布模型预测,选择全球生物多样性信息数据库子数据库中的连续5年鸟类记录,本实施例中,剔除了大量数据采集器聚集城市地区的记录以减少数据偏差,收集了一组环境变量,分别包括年平均气温/降水量、最湿、最干、最热和最冷季节的平均气温/降水量、生物气候组的年温度范围、等温性和降水季节性、地理组的土地利用类型、海拔、坡度和坡向,以及社会经济组的人口密度、经济密度和道路距离。利用Maxent 3.4.1软件对鸟类栖息地服务进行模拟。最后的输出以logistic概率分布的形式表示。输出值范围为0~1,接近1表示适合鸟类居住,反之亦然。采用接受者工作特征(ROC)曲线下面积(AUC))评价预测结果的性能。
所述文化生态服务指标的计算包括:采用游憩机会谱法进行评价,包括游憩潜力指数(RPI)和可达性,通过多个潜在娱乐机会的综合指标获得RPI,将RPI与可达性图进行融合,得到文化生态服务指标;所述潜在娱乐机会包括:可以提供重要的历史和教育服务的自然保护区和风景名胜区、距离海岸线500米以内的区域、不同的土地利用类型;所述土地利用类型按等距值由小到大依次为农田、草地、森林、水域和湿地。
具体而言,文化生态服务指标采用游憩机会谱法来评价,包括游憩潜力指数(RPI)和可达性,通过多个潜在娱乐机会的综合指标获得RPI。本实施例中,选择了三个典型的游乐区作为潜在的游憩提供者:(1)选择可以提供重要的历史和教育服务的自然保护区和风景名胜区。这些地方的值为1,其他的为0。(2)选择距离海岸线500米以内的区域,可以提供美丽独特的风景。这些地方也被赋值为1,其他的为0。(3)不同的土地利用类型也提供了各自独特的景观。依次为农田(=0.2)、草地(=0.4)、森林(=0.6)、水域(=0.8)和湿地(=1)分配了从0.2到1的等距值。然后对这三个区域的栅格图进行聚合,并根据其最小值和最大值线性缩放到0-1的范围内,最终获得综合指标RPI。使用欧氏距离工具确定了到道路的距离和到城市地区的距离,采用自然间断法将到道路、市区的距离分别分为4、5类,为每个组合分配了从1到5的值。其中1表示最容易接近,5表示最不容易接近。最后,将RPI与可达性图进行融合(RPI/可达性值),得到文化生态服务指标。在本研究中,高RPI和高可达性的网格意味着较高的文化生态服务供给潜力。
S5采用层次分析法确定各项指标权重。
其中,采用层次分析法分别确定传统指标之间权重以及生态系统服务指标之间权重。聚合矩阵通过取每个专家比较矩阵中元素的几何平均值来计算,检查一致性水平,再转化为权重值。
具体而言,本实施例中,根据确定的指标,指定问卷发放给专家,请求以下表1所示的判断标准评价各传统指标之间在风电场选址中的重要性,以及评价风电场选址对生态系统服务影响的重要性。
表1
比较值 | 判断标准 |
9 | 两个因素相比,前置比后者极端重要 |
7 | 两个因素相比,前置比后者强烈重要 |
5 | 两个因素相比,前置比后者明显重要 |
3 | 两个因素相比,前置比后者稍微重要 |
1 | 两个因素相比,具有同等重要性 |
2、4、6、8 | 上述相邻判断的中间值 |
获取的比较结果如下表2所示,其中,C1~C5分别代表风速、坡度、与电网距离、与道路距离、与城市距离这5个传统指标;E1~E3分别代表食物供应指标、鸟类栖息地指标和文化生态服务指标这3个生态系统服务指标。
表2
聚合矩阵通过取每个专家比较矩阵中元素的几何平均值来计算,再转化为权重值,如下表3所示:
表3
进行一致性检查CR(传统指标判断矩阵)、CR(生态系统服务指标判断矩阵)均小于0.1,具有可靠性。
S6:根据指标的初始数据和指标权重,获得指标综合值;
其中,使用最大最小标准化方法将各指标的初始数据重新缩放到0到1范围,再将两类指标分别采用线性加权法相应地获得传统指标综合值、生态系统服务指标综合值。
S7:根据两类指标综合值,对选址区域进行评价;呈现评价的空间分布结果,获得可再生能源适宜性分布图。
其中,各传统指标线性加权后获得的传统指标综合值为经济效益水平值,各生态系统服务指标线性加权后获得的生态系统服务指标综合值为生态系统服务损失值,所述经济效益水平值与生态系统服务损失值的比值为选址适宜性效率值;根据所述选址适应性效率值,对选址区域的各地块适宜性进行评价。
即,通过采用最大最小标准化法结合比值融合法,对可行选址进行评价;
其中,最大最小标准化方法的具体核算方式如下:
正向效益指标:
负向效益指标:
具体而言,使用最大最小标准化方法将风速、坡度、与电网距离、与道路距离、与城市距离5个指标值重新缩放到0到1范围,正效益指标包括风速、与道路距离、与城市距离;负效益指标包括坡度、与电网距离;再采用线性加权法合并归一化标准图,得到每个地图网格的经济效益水平值。
将经济效益水平值图层按照自然间断点划分法分为十分可行选址、可行选址、不太可行选址、不可行选址,获得山东省十分可行选址位置面积约3.2万平方公里,山东省经济效益水平选址图层如附图3所示。
将食物供应、鸟类栖息地和文化生态服务3个指标值重新缩放到0到1范围,采用线性加权法合并归一化标准图,得到每个地图网格的生态系统服务损失值分布。采用经济效益水平值与生态系统服务损失值的比值作为选址适宜性效率值,进行定量评估,计算得到的每个地区的选址适宜性效率值,代表在一定生态成本下的最大潜在经济效益。效率值越高的点,代表越合适的选址位置。
具体而言,本实施例中,剔除面积小于1km2的地区,利用地理信息软件呈现各地块最终计算得到的选址适宜性效率值,比选效率值最高的区域,作为最适宜的选址位置。
本实施例中,山东省面积适宜性效率值最高的选址地点主要分布在东营市、滨州市。
采用自然间断点分类方法评价选址适宜性空间分布结果,获得可再生能源适宜性分布图,如图4所示。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (10)
1.一种考虑生态服务价值的可再生能源选址方法,其特征在于,包括以下步骤:
(1)获取选址区域的基础地理信息数据并进行预处理;
(2)确定用于评价选址适宜性的指标,所述指标包括传统指标和生态系统服务指标两类;
(3)设置限制因素,剔除选址区域的不可行选址斑块;
(4)计算所述指标,获得各指标的初始数据;
(5)采用层次分析法确定各项指标权重;
(6)根据指标的初始数据和指标权重,获得指标综合值;
其中,使用最大最小标准化方法将各指标的初始数据重新缩放到0到1范围,再将两类指标分别采用线性加权法相应地获得传统指标综合值、生态系统服务指标综合值;
(7)根据两类指标综合值,对选址区域进行评价;呈现评价的空间分布结果,获得可再生能源适宜性分布图;
其中,传统指标综合值为经济效益水平值,生态系统服务指标综合值为生态系统服务损失值,所述经济效益水平值与生态系统服务损失值的比值为选址适宜性效率值;根据所述选址适应性效率值,对选址区域的各地块适宜性进行评价。
2.根据权利要求1所述的可再生能源选址方法,其特征在于,步骤(1)中,对选址区域的基础地理信息数据进行预处理包括:采用资源与环境数据云平台土地利用图层,利用地理信息处理软件,按照耕地、森林、草地、水域、湿地和建成区用地分类,进行栅格数据重采样处理。
3.根据权利要求1所述的可再生能源选址方法,其特征在于,步骤(2)中,生态系统服务指标的确定包括:从国际生态系统服务通用分类中筛选确定生态系统服务子类指标。
4.根据权利要求3所述的可再生能源选址方法,其特征在于,通过专家打分法,从国际生态系统服务通用分类中筛选确定生态系统服务子类指标。
5.根据权利要求1所述的可再生能源选址方法,其特征在于,步骤(7)包括:剔除面积小于1km2的地区,利用地理信息软件呈现各地块最终计算得到的选址适宜性效率值,比选选址适宜性效率值最高的区域,作为最适宜的选址位置;采用自然间断点分类方法评价选址适宜性空间分布结果,获得可再生能源适宜性分布图。
6.根据权利要求1所述的可再生能源选址方法,其特征在于,可再生能源为风电,进行风电场选址时,所述传统指标包括风速、坡度、与城市距离、与道路距离、与电网距离;所述生态系统服务指标包括食物供应指标、鸟类栖息地指标和文化生态服务指标。
7.根据权利要求6所述的可再生能源选址方法,其特征在于,步骤(3)中,所述限制因素为5项,包括:机场及附近5km范围;风景名胜区、自然保护区、公路、铁路附近500米范围;居民区、森林、湖泊、湿地区域;坡度在15°以上区域;电网附近250米范围。
9.根据权利要求6所述的可再生能源选址方法,其特征在于,所述鸟类栖息地指标的计算包括:采用最大熵模型物种分布模型,选择全球生物多样性信息数据库子数据库中的连续5年鸟类记录,收集环境变量,利用生态位模型软件对鸟类栖息地服务进行模拟。
10.根据权利要求6所述的可再生能源选址方法,其特征在于,所述文化生态服务指标的计算包括:
采用游憩机会谱法进行评价,包括游憩潜力指数RPI和可达性,通过多个潜在娱乐机会的综合指标获得RPI,将RPI与可达性图进行融合,得到文化生态服务指标;
所述潜在娱乐机会包括:可以提供重要的历史和教育服务的自然保护区和风景名胜区、距离海岸线500米以内的区域、不同的土地利用类型;所述土地利用类型按等距值由小到大依次为农田、草地、森林、水域和湿地。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211570827.7A CN116109031A (zh) | 2022-12-08 | 2022-12-08 | 一种考虑生态服务价值的可再生能源选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211570827.7A CN116109031A (zh) | 2022-12-08 | 2022-12-08 | 一种考虑生态服务价值的可再生能源选址方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116109031A true CN116109031A (zh) | 2023-05-12 |
Family
ID=86257055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211570827.7A Pending CN116109031A (zh) | 2022-12-08 | 2022-12-08 | 一种考虑生态服务价值的可再生能源选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109031A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703210A (zh) * | 2023-05-29 | 2023-09-05 | 广东永光新能源设计咨询有限公司 | 可再生能源利用方法、装置、设备及存储介质 |
-
2022
- 2022-12-08 CN CN202211570827.7A patent/CN116109031A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116703210A (zh) * | 2023-05-29 | 2023-09-05 | 广东永光新能源设计咨询有限公司 | 可再生能源利用方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Delfanti et al. | Solar plants, environmental degradation and local socioeconomic contexts: A case study in a Mediterranean country | |
Elboshy et al. | A suitability mapping for the PV solar farms in Egypt based on GIS-AHP to optimize multi-criteria feasibility | |
Zhu et al. | Ecosystem carbon storage under different scenarios of land use change in Qihe catchment, China | |
KR101383617B1 (ko) | 일사량 예측 방법 및 장치 | |
CN108875002B (zh) | 一种基于遥感与gis的荒漠生态系统红色名录评估方法 | |
Nasehi et al. | Application of fuzzy GIS and ANP for wind power plant site selection in East Azerbaijan Province of Iran | |
CN111445116A (zh) | 国土空间规划辅助编制系统 | |
Franke et al. | Factors affecting the calculation of wind power potentials: A case study of China | |
CN115358606B (zh) | 一种平缓地形下在役风电场能效评估方法及系统 | |
Peng et al. | Spatial expansion effects on urban ecosystem services supply-demand mismatching in Guanzhong Plain Urban Agglomeration of China | |
Shi et al. | Spatio-temporal differences and factors influencing intensive cropland use in the Huang-Huai-Hai Plain | |
CN111144637A (zh) | 基于机器学习的区域电网地质灾害预报模型构建方法 | |
CN114723283A (zh) | 一种面向城市群的生态承载力遥感评估方法及装置 | |
CN116109031A (zh) | 一种考虑生态服务价值的可再生能源选址方法 | |
Li | Study of site suitability assessment of regional wind resources development based on multi-criteria decision | |
Meziane et al. | Wind flow simulation and characteristics prediction using WAsP software for energy planning over the region of Hassi R’mel | |
CN104239662A (zh) | 一种定量评价区域风能资源开发潜力的方法 | |
CN114418382A (zh) | 屋顶空间综合利用评定方法、装置及平台 | |
CN115293664B (zh) | 基于gis的干旱绿洲县级农牧业生产适宜性细化评价方法 | |
de Souza Ferreira et al. | Assessment of the wind power density over South America simulated by CMIP6 models in the present and future climate | |
Shrestha et al. | Application of AHP and GIS for optimal solar site identification in Madhesh Province, Nepal | |
Zhang | Assessment of renewable energy potentials based on GIS and RS: A case study in China | |
Ayana et al. | A compendious approach for renewable energy assessment based on satellite and ground truth data: Bilate catchment, Rift Valley Basin, Ethiopia | |
Laudari et al. | Assessment of Economic Viability of Wind Energy in Nepal: A Case Study of Ten Sites | |
Li et al. | The Promising Future of Developing Large-Scale Pv Solar Farms in China a Three-Stage Framework for Site Selection |
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 |