本發(fā)明屬于可再生能源應(yīng)用中的人工智能，具體涉及一種面向城市群擴(kuò)張的光伏電站選址優(yōu)化方法。

背景技術(shù)：

1、在全球能源需求持續(xù)攀升及傳統(tǒng)能源體系對(duì)生態(tài)環(huán)境構(gòu)成嚴(yán)峻挑戰(zhàn)的背景下，可再生能源的開(kāi)發(fā)與高效利用已躍升為全球能源轉(zhuǎn)型與可持續(xù)發(fā)展的核心戰(zhàn)略。其中，太陽(yáng)能光伏發(fā)電技術(shù)，憑借其龐大的資源儲(chǔ)備與清潔無(wú)污染的特性，成為了國(guó)際社會(huì)廣泛矚目的焦點(diǎn)。然而，隨著光伏電站裝機(jī)容量的急劇擴(kuò)張，土地資源稀缺性問(wèn)題日益凸顯，直接導(dǎo)致光伏電站建設(shè)成本攀升，經(jīng)濟(jì)效益面臨挑戰(zhàn)。

2、鑒于此，光伏電站的科學(xué)規(guī)劃與合理布局成為了確保項(xiàng)目成功的關(guān)鍵環(huán)節(jié)。在項(xiàng)目實(shí)施初期，選址工作占據(jù)舉足輕重的地位。選址不當(dāng)將直接導(dǎo)致發(fā)電量顯著下降、維護(hù)開(kāi)支增加，進(jìn)而削弱項(xiàng)目的經(jīng)濟(jì)可行性與環(huán)境友好性，甚至可能對(duì)周邊生態(tài)系統(tǒng)產(chǎn)生不利影響。因此，光伏電站的選址過(guò)程需綜合運(yùn)用地理信息技術(shù)、氣象數(shù)據(jù)分析、環(huán)境影響評(píng)估等多學(xué)科知識(shí)與技術(shù)手段，旨在識(shí)別出那些既能最大化利用太陽(yáng)能資源，又能有效平衡土地利用、環(huán)境保護(hù)與經(jīng)濟(jì)效益的優(yōu)質(zhì)區(qū)域，為光伏電站的可持續(xù)發(fā)展奠定堅(jiān)實(shí)基礎(chǔ)。

3、現(xiàn)有的光伏電站選址策略在評(píng)估光伏發(fā)電潛力時(shí)，主要聚焦于待規(guī)劃區(qū)域的氣象參數(shù)，特別是歷史光照強(qiáng)度與地表溫度等數(shù)據(jù)的分析，以此為基礎(chǔ)預(yù)測(cè)該區(qū)域的光伏發(fā)電能力。盡管部分方法已認(rèn)識(shí)到光伏空間資源與地形地貌特征匹配的重要性，并嘗試納入考量范疇，但在面對(duì)城市化進(jìn)程加速的特定地區(qū)時(shí)，這些策略卻普遍忽視了經(jīng)濟(jì)因素與環(huán)境保護(hù)需求的動(dòng)態(tài)變化對(duì)選址決策的深刻影響。

4、因此，開(kāi)發(fā)一種面向城市群擴(kuò)張的光伏電站選址優(yōu)化方法具有重要意義。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)現(xiàn)有技術(shù)的不足，提供一種集成地理信息與氣象數(shù)據(jù)，創(chuàng)新提出一種面向城市群擴(kuò)張的光伏電站選址優(yōu)化方法。該方法不僅能夠有效評(píng)估光伏發(fā)電潛力與空間資源、地形地貌的適配性，還考慮平衡土地利用效率、環(huán)境保護(hù)需求與經(jīng)濟(jì)效益，為城市化區(qū)域光伏電站選址提供重要參考依據(jù)。

2、為了解決上述技術(shù)問(wèn)題，本發(fā)明公開(kāi)了一種面向城市群擴(kuò)張的光伏電站選址優(yōu)化方法，具體步驟為：

3、s1.獲取數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行預(yù)處理；

4、s2.構(gòu)建交互線性模型并選擇具有太陽(yáng)輻射潛力的地址；

5、s3.構(gòu)建convlstm網(wǎng)絡(luò)并預(yù)測(cè)潛在光伏站點(diǎn)及各站點(diǎn)的光伏裝機(jī)容量；

6、s4.對(duì)城市擴(kuò)張程度進(jìn)行量化并依據(jù)城市擴(kuò)張趨勢(shì)及預(yù)測(cè)發(fā)展方向選擇對(duì)環(huán)境和經(jīng)濟(jì)發(fā)展影響小的光伏站點(diǎn)選址地；

7、s5.采用critic-topsis方法進(jìn)行綜合評(píng)估，確定最佳建設(shè)地點(diǎn)。

8、其中，所述s1中，數(shù)據(jù)包括地形數(shù)據(jù)、氣象數(shù)據(jù)、電網(wǎng)覆蓋范圍和交通網(wǎng)絡(luò)數(shù)據(jù)、不同研究地區(qū)不同年份光伏站點(diǎn)和光伏裝機(jī)容量數(shù)據(jù)和遙感數(shù)據(jù)；所述預(yù)處理操作包括數(shù)據(jù)清洗、數(shù)據(jù)去重、去缺失、去除異常和噪聲點(diǎn)和將異常點(diǎn)用均值替換。

9、優(yōu)選的，地形數(shù)據(jù)：獲取不同年份研究地區(qū)的數(shù)字高程模型(dem)和土地利用類(lèi)型數(shù)據(jù)，如2010-2022年長(zhǎng)三角地區(qū)的dem數(shù)據(jù)和clcd數(shù)據(jù)，并利用gis計(jì)算研究地區(qū)的地理信息數(shù)據(jù)，包括坡度、坡向、海拔等；

10、氣象數(shù)據(jù)：收集研究區(qū)域的氣象數(shù)據(jù)，包括溫度、濕度、降水量、云量、氣壓、太陽(yáng)輻射量等，并對(duì)所收集的1h時(shí)間分辨率的氣象數(shù)據(jù)利用簡(jiǎn)單平均法得到統(tǒng)一成1天時(shí)間分辨率的氣象數(shù)據(jù)。如利用era5再分析數(shù)據(jù)集獲取2010-2022年各個(gè)月份的長(zhǎng)三角地區(qū)氣象數(shù)據(jù)，并統(tǒng)一成1天時(shí)間分辨率；

11、電網(wǎng)覆蓋范圍和交通網(wǎng)絡(luò)數(shù)據(jù)：獲取電網(wǎng)分布數(shù)據(jù)，確定研究區(qū)域電網(wǎng)分布和主要交通道路、鐵路的分布情況。

12、遙感數(shù)據(jù)：使用google?earth?engine(gee)平臺(tái)收集研究地區(qū)不同時(shí)期的遙感影像數(shù)據(jù)，如按月收集2010-2022年長(zhǎng)三角地區(qū)landsat系列數(shù)據(jù)。計(jì)算研究地區(qū)土地表面溫度(lst)和遙感歸一化指標(biāo)ndvi、ndbi、ndwi以及ndbal。其中l(wèi)st采用單通道算法進(jìn)行計(jì)算，計(jì)算公式如下：

13、lλ＝ml+dn+al

14、

15、tlst＝t-273.15

16、其中l(wèi)λ是輻射亮度，dn表示熱紅外波段的數(shù)字?jǐn)?shù)值，ml和al是校正參數(shù)，可以在元數(shù)據(jù)文件中找到，t是地表溫度(單位：k)，c1和c2是普朗克常數(shù)，分別為1.1910429e-5[w·m2/(sr·μm4)和1.4387753[m·μm]，λ是波段的中心波長(zhǎng)(單位:μm)，可以從元數(shù)據(jù)文件中獲得，tlst為地表溫度(單位：℃)。

17、遙感歸一化指標(biāo)ndvi、ndbi、ndwi以及ndbal的計(jì)算公式如下：

18、

19、其中，nir表示近紅外波段、red表示紅外波段、swir1表示短波紅外1波段、thermal表示熱紅外波段。

20、其中，所述s2的具體步驟為：

21、s21.變量交互與分析；

22、s22.構(gòu)建交互線性模型；

23、s23.對(duì)模型進(jìn)行驗(yàn)證；

24、s24.選擇具有太陽(yáng)輻射潛力的地址。

25、優(yōu)選的，s21中，變量交互與分析具體為選擇兩兩相關(guān)性強(qiáng)的變量構(gòu)成變量交互對(duì)。利用皮爾遜相關(guān)性分析法構(gòu)建變量相關(guān)性矩陣，分析兩兩相關(guān)性強(qiáng)的變量構(gòu)成可能的交互對(duì)。建立geodetector地理探測(cè)器：因子探測(cè)器(factor?detector)和相互作用探測(cè)器(interaction?detector)。使用因子檢測(cè)器評(píng)估每個(gè)單一標(biāo)準(zhǔn)對(duì)太陽(yáng)輻射貢獻(xiàn)的解釋能力，通過(guò)計(jì)算q統(tǒng)計(jì)量來(lái)實(shí)現(xiàn)。使用交互檢測(cè)器探索不同標(biāo)準(zhǔn)之間的潛在交互效應(yīng)，通過(guò)計(jì)算兩個(gè)標(biāo)準(zhǔn)的交互q統(tǒng)計(jì)量，并與單獨(dú)標(biāo)準(zhǔn)的q統(tǒng)計(jì)量進(jìn)行比較，來(lái)判斷它們的交互關(guān)系是增強(qiáng)還是削弱。q統(tǒng)計(jì)量的計(jì)算如下：

26、

27、其中，q是一個(gè)準(zhǔn)則表示對(duì)于響應(yīng)變量y的解釋力，在本研究中y指的是太陽(yáng)輻射dsr；h表示響應(yīng)變量y或因子x的分類(lèi)數(shù)；nh和n分別表示第h類(lèi)中的單元總數(shù)和整個(gè)區(qū)域的單元總數(shù)；和σ2分別是第h類(lèi)內(nèi)y的方差以及整個(gè)區(qū)域內(nèi)的y方差；ssw是類(lèi)內(nèi)平方和；sst是總平方和。q統(tǒng)計(jì)量的取值范圍0到1，q值越大，說(shuō)明因子x對(duì)y的解釋力越強(qiáng)，反之亦然。

28、優(yōu)選的，s22中，線性交互模型構(gòu)建具體為：

29、采用前向逐步回歸的方法，逐步將各個(gè)單一因子和成對(duì)交互因子加入到模型中，估算每個(gè)單一因子和成對(duì)交互變量對(duì)響應(yīng)變量(太陽(yáng)輻射量)的具體影響大小，選擇出最高精度(r2最高)的模型作為最終的交互線性模型?；谇跋蛑鸩交貧w的結(jié)果，建立基本線性模型和交互線性模型，并比較兩者的預(yù)測(cè)精度。建立的基本線性模型和交互線性模型公式如下：

30、

31、其中，y是響應(yīng)變量，本研究中指的是太陽(yáng)輻射dsr；xi是第i個(gè)因子，βi是與每個(gè)單一因子i相對(duì)應(yīng)的待估計(jì)系數(shù)；xjxk表示xj和xk之間的交互影響，βjk是與每對(duì)交互變量相對(duì)應(yīng)的待估計(jì)系數(shù)；β0描述了y軸上的截距；u是一個(gè)隨機(jī)誤差項(xiàng)。

32、優(yōu)選的，s23中，模型驗(yàn)證具體步驟為：隨機(jī)選取1000個(gè)點(diǎn)進(jìn)行測(cè)試，并計(jì)算cronbach’sα系數(shù)進(jìn)行模型驗(yàn)證。cronbach’sα系數(shù)的計(jì)算公式如下：

33、

34、其中k表示需要比較的項(xiàng)目數(shù)量；是每個(gè)單項(xiàng)測(cè)量的標(biāo)準(zhǔn)差的平方(即方差)，是總體的標(biāo)準(zhǔn)差的平方。

35、優(yōu)選的，s24中，具有太陽(yáng)輻射潛力的地址選擇具體步驟為：

36、將研究區(qū)域劃分成若干個(gè)地表網(wǎng)格單元，利用所建立的交互線性模型預(yù)測(cè)每一個(gè)研究的地表網(wǎng)格單元的太陽(yáng)輻射數(shù)據(jù)，并繪制出研究地區(qū)的總體太陽(yáng)輻射分布圖，篩選出太陽(yáng)輻射潛力高且其他條件適宜的地點(diǎn)，并對(duì)這些地點(diǎn)進(jìn)行進(jìn)一步的評(píng)估，確認(rèn)其是否符合實(shí)際建設(shè)條件，如連接電網(wǎng)的便利性和交通遍歷型等，即將符合條件的網(wǎng)格單元作為備選網(wǎng)格單元。

37、其中，所述s3的具體步驟為：

38、s31.構(gòu)建convlstm網(wǎng)絡(luò)；

39、s32.通過(guò)歷史數(shù)據(jù)訓(xùn)練convlstm模型，并依據(jù)交叉驗(yàn)證方法來(lái)評(píng)估模型的性能同時(shí)調(diào)整模型參數(shù)；

40、s33.利用s32訓(xùn)練完成后的模型進(jìn)行光伏站點(diǎn)的預(yù)測(cè)。

41、其中，所述s4的具體步驟為：收集研究地區(qū)遙感數(shù)據(jù)并使用gee計(jì)算地表溫度，分析ndvi、ndbi、ndwi、ndbal這四個(gè)指標(biāo)數(shù)據(jù)，結(jié)合城市群擴(kuò)展的歷史數(shù)據(jù)，對(duì)城市擴(kuò)張程度進(jìn)行量化分析；分析研究網(wǎng)格內(nèi)城市擴(kuò)張的趨勢(shì)，并對(duì)各個(gè)研究網(wǎng)格區(qū)域進(jìn)行城市擴(kuò)張程度量化，計(jì)算擴(kuò)張面積、擴(kuò)張速率與擴(kuò)張強(qiáng)度，分析研究網(wǎng)格內(nèi)城市擴(kuò)張的趨勢(shì)，并預(yù)測(cè)未來(lái)可能的發(fā)展方向；結(jié)合區(qū)域的經(jīng)濟(jì)發(fā)展規(guī)劃，評(píng)估光伏站點(diǎn)的建設(shè)對(duì)環(huán)境的影響，避免對(duì)當(dāng)?shù)厣鷳B(tài)系統(tǒng)造成負(fù)面影響，同時(shí)，根據(jù)各備選網(wǎng)格單元的地表覆蓋類(lèi)型數(shù)據(jù)和城市群擴(kuò)張趨勢(shì)，在可用的光伏站點(diǎn)選址地中選擇對(duì)環(huán)境和經(jīng)濟(jì)發(fā)展影響小的網(wǎng)格單元區(qū)域；

42、優(yōu)選的，擴(kuò)張速率和擴(kuò)張強(qiáng)度的計(jì)算公式如下：

43、

44、式中，δuij為j期間第i個(gè)研究單元城區(qū)擴(kuò)張面積；δtij為j期間的時(shí)間跨度；ulaij為j時(shí)段初期第i個(gè)研究單元城區(qū)面積；tlaij為第i個(gè)研究單元土地總面積，本研究的城區(qū)面積用地用城市建設(shè)用地面積來(lái)表達(dá)。

45、其中，所述s5的具體步驟為：采用critic-topsis方法，對(duì)s2得到的具有太陽(yáng)輻射潛力的地址、s3得到的潛在光伏站點(diǎn)及各站點(diǎn)的光伏裝機(jī)容量和s4得到的對(duì)環(huán)境和經(jīng)濟(jì)發(fā)展影響小的光伏站點(diǎn)選址地進(jìn)行綜合評(píng)估，以確定最佳的太陽(yáng)能電站建設(shè)地點(diǎn)。

46、優(yōu)選的，所述critic-topsis方法評(píng)估的具體步驟為：

47、s51.數(shù)據(jù)標(biāo)準(zhǔn)化：對(duì)于正向指標(biāo)，標(biāo)準(zhǔn)化公式為：

48、

49、對(duì)于負(fù)向指標(biāo)，標(biāo)準(zhǔn)化公式為：

50、

51、其中：xij是第j個(gè)指標(biāo)在第i個(gè)備選方案中的值，rij是標(biāo)準(zhǔn)化后的值；

52、s52.critic權(quán)重計(jì)算：

53、首先計(jì)算每個(gè)指標(biāo)的標(biāo)準(zhǔn)差σj:

54、

55、其中是第j個(gè)指標(biāo)的均值，m是備選方案的數(shù)量；

56、然后計(jì)算指標(biāo)間的相關(guān)系數(shù)矩陣rjk：

57、

58、其中，rik表示第i個(gè)備選方案在第k個(gè)指標(biāo)上的標(biāo)準(zhǔn)化值，表示第k個(gè)指標(biāo)的均值，由所有備選方案在該指標(biāo)上的標(biāo)準(zhǔn)化值求平均所得，它的計(jì)算公式如下：

59、

60、接下來(lái)計(jì)算每個(gè)指標(biāo)的權(quán)重wj：

61、

62、s53.構(gòu)建加權(quán)決策矩陣：

63、加權(quán)決策矩陣的元素vij計(jì)算公式為：

64、vij＝rij×wj

65、s54.計(jì)算理想解與負(fù)理想解的距離：

66、理想解a+和負(fù)理想解a-分別為：

67、a+＝{max(vij)∣j＝1,2,...,n}

68、a-＝{min(vij)∣j＝1,2,...,n}

69、分別計(jì)算每個(gè)方案到理想解和負(fù)理想解的距離：

70、

71、s55.計(jì)算相對(duì)接近度：

72、相對(duì)接近度計(jì)算公式為：

73、

74、s56.排序：

75、根據(jù)相對(duì)接近度對(duì)方案進(jìn)行排序，值越大優(yōu)先級(jí)越高，并確定最終的最佳建設(shè)地點(diǎn)。

76、本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本發(fā)明的面向城市群擴(kuò)張的光伏電站選址優(yōu)化方法中的步驟。

77、本發(fā)明還提供了一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)本發(fā)明的面向城市群擴(kuò)張的光伏電站選址優(yōu)化方法中的步驟。

78、有益效果：1、本發(fā)明采用了一種面向城市群擴(kuò)張的光伏電站選址優(yōu)化方法，可以有效地集成并提取遙感影像資料、氣象資料、地面觀測(cè)資料、光伏站點(diǎn)空間分布和光伏裝機(jī)容量資料等多源數(shù)據(jù)中的有用信息。

79、2、本發(fā)明引入conv-lstm模型，構(gòu)建了一種能夠自動(dòng)學(xué)習(xí)數(shù)據(jù)中復(fù)雜特征并實(shí)現(xiàn)光伏站點(diǎn)時(shí)空預(yù)測(cè)的模型，同時(shí)，模型經(jīng)過(guò)參數(shù)優(yōu)化后，能夠有效且準(zhǔn)確地進(jìn)行光伏站點(diǎn)時(shí)空預(yù)測(cè)和各站點(diǎn)裝機(jī)容量預(yù)測(cè)。

80、3、本發(fā)明引入交互線性模型，最大限度地減少了主觀決策的影響，通過(guò)引入因子間的交互項(xiàng),能夠更好地捕捉各因素之間的相互影響,從而能夠提高太陽(yáng)能光伏電站選址的準(zhǔn)確性和可靠性。

81、4、本發(fā)明在考慮自然因素對(duì)光伏電站選址的同時(shí)，也考慮了城市群發(fā)展對(duì)光伏電站選址的影響，通過(guò)量化城市群擴(kuò)張程度并同時(shí)選用critis-topsis方法，對(duì)于每一個(gè)影響指標(biāo)進(jìn)行客觀打分，一定程度上能夠減少指標(biāo)選擇的主觀性和不確定性，從而能夠?qū)夥军c(diǎn)的建設(shè)地點(diǎn)進(jìn)行全面評(píng)估，最終確定最優(yōu)的建設(shè)地點(diǎn)。