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，太陽能光伏發(fā)電技術(shù)，憑借其龐大的資源儲備與清潔無污染的特性，成為了國際社會廣泛矚目的焦點。然而，隨著光伏電站裝機容量的急劇擴張，土地資源稀缺性問題日益凸顯，直接導(dǎo)致光伏電站建設(shè)成本攀升，經(jīng)濟效益面臨挑戰(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目成功的關(guān)鍵環(huán)節(jié)。在項目實施初期，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)開支增加，進(jìn)而削弱項目的經(jīng)濟可行性與環(huán)境友好性，甚至可能對周邊生態(tài)系統(tǒng)產(chǎn)生不利影響。因此，光伏電站的選址過程需綜合運用地理信息技術(shù)、氣象數(shù)據(jù)分析、環(huán)境影響評估等多學(xué)科知識與技術(shù)手段，旨在識別出那些既能最大化利用太陽能資源，又能有效平衡土地利用、環(huán)境保護(hù)與經(jīng)濟效益的優(yōu)質(zhì)區(qū)域，為光伏電站的可持續(xù)發(fā)展奠定堅實基礎(chǔ)。

3、現(xiàn)有的光伏電站選址策略在評估光伏發(fā)電潛力時，主要聚焦于待規(guī)劃區(qū)域的氣象參數(shù)，特別是歷史光照強度與地表溫度等數(shù)據(jù)的分析，以此為基礎(chǔ)預(yù)測該區(qū)域的光伏發(fā)電能力。盡管部分方法已認(rèn)識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，但在面對城市化進(jìn)程加速的特定地區(qū)時，這些策略卻普遍忽視了經(jīng)濟因素與環(huán)境保護(hù)需求的動態(tài)變化對選址決策的深刻影響。

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

技術(shù)實現(xiàn)思路

1、發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對現(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張的光伏電站選址優(yōu)化方法。該方法不僅能夠有效評估光伏發(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)問題，本發(fā)明公開了一種面向城市群擴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輻射潛力的地址；

5、s3.構(gòu)建convlstm網(wǎng)絡(luò)并預(yù)測潛在光伏站點及各站點的光伏裝機容量；

6、s4.對城市擴張程度進(jìn)行量化并依據(jù)城市擴張趨勢及預(yù)測發(fā)展方向選擇對環(huán)境和經(jīng)濟發(fā)展影響小的光伏站點選址地；

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

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)不同年份光伏站點和光伏裝機容量數(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、去除異常和噪聲點和將異常點用均值替換。

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)和土地利用類型數(shù)據(jù)，如2010-2022年長三角地區(qū)的dem數(shù)據(jù)和clcd數(shù)據(jù)，并利用gis計算研究地區(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、太陽輻射量等，并對所收集的1h時間分辨率的氣象數(shù)據(jù)利用簡單平均法得到統(tǒng)一成1天時間分辨率的氣象數(shù)據(jù)。如利用era5再分析數(shù)據(jù)集獲取2010-2022年各個月份的長三角地區(qū)氣象數(shù)據(jù)，并統(tǒng)一成1天時間分辨率；

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)平臺收集研究地區(qū)不同時期的遙感影像數(shù)據(jù)，如按月收集2010-2022年長三角地區(qū)landsat系列數(shù)據(jù)。計算研究地區(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)行計算，計算公式如下：

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(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.對模型進(jìn)行驗證；

24、s24.選擇具有太陽輻射潛力的地址。

25、優(yōu)選的，s21中，變量交互與分析具體為選擇兩兩相關(guān)性強的變量構(gòu)成變量交互對。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)性強的變量構(gòu)成可能的交互對。建立geodetector地理探測器：因子探測器(factor?detector)和相互作用探測器(interaction?detector)。使用因子檢測器評估每個單一標(biāo)準(zhǔn)對太陽輻射貢獻(xiàn)的解釋能力，通過計算q統(tǒng)計量來實現(xiàn)。使用交互檢測器探索不同標(biāo)準(zhǔn)之間的潛在交互效應(yīng)，通過計算兩個標(biāo)準(zhǔn)的交互q統(tǒng)計量，并與單獨標(biāo)準(zhǔn)的q統(tǒng)計量進(jìn)行比較，來判斷它們的交互關(guān)系是增強還是削弱。q統(tǒng)計量的計算如下：

26、

27、其中，q是一個準(zhǔn)則表示對于響應(yīng)變量y的解釋力，在本研究中y指的是太陽輻射dsr；h表示響應(yīng)變量y或因子x的分類數(shù)；nh和n分別表示第h類中的單元總數(shù)和整個區(qū)域的單元總數(shù)；和σ2分別是第h類內(nèi)y的方差以及整個區(qū)域內(nèi)的y方差；ssw是類內(nèi)平方和；sst是總平方和。q統(tǒng)計量的取值范圍0到1，q值越大，說明因子x對y的解釋力越強，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，逐步將各個單一因子和成對交互因子加入到模型中，估算每個單一因子和成對交互變量對響應(yīng)變量(太陽輻射量)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輻射dsr；xi是第i個因子，βi是與每個單一因子i相對應(yīng)的待估計系數(shù)；xjxk表示xj和xk之間的交互影響，βjk是與每對交互變量相對應(yīng)的待估計系數(shù)；β0描述了y軸上的截距；u是一個隨機誤差項。

32、優(yōu)選的，s23中，模型驗證具體步驟為：隨機選取1000個點進(jìn)行測試，并計算cronbach’sα系數(shù)進(jìn)行模型驗證。cronbach’sα系數(shù)的計算公式如下：

33、

34、其中k表示需要比較的項目數(shù)量；是每個單項測量的標(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)域劃分成若干個地表網(wǎng)格單元，利用所建立的交互線性模型預(yù)測每一個研究的地表網(wǎng)格單元的太陽輻射數(shù)據(jù)，并繪制出研究地區(qū)的總體太陽輻射分布圖，篩選出太陽輻射潛力高且其他條件適宜的地點，并對這些地點進(jìn)行進(jìn)一步的評估，確認(rèn)其是否符合實際建設(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.通過歷史數(shù)據(jù)訓(xùn)練convlstm模型，并依據(jù)交叉驗證方法來評估模型的性能同時調(diào)整模型參數(shù)；

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

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計算地表溫度，分析ndvi、ndbi、ndwi、ndbal這四個指標(biāo)數(shù)據(jù)，結(jié)合城市群擴展的歷史數(shù)據(jù)，對城市擴張程度進(jìn)行量化分析；分析研究網(wǎng)格內(nèi)城市擴張的趨勢，并對各個研究網(wǎng)格區(qū)域進(jìn)行城市擴張程度量化，計算擴張面積、擴張速率與擴張強度，分析研究網(wǎng)格內(nèi)城市擴張的趨勢，并預(yù)測未來可能的發(fā)展方向；結(jié)合區(qū)域的經(jīng)濟發(fā)展規(guī)劃，評估光伏站點的建設(shè)對環(huán)境的影響，避免對當(dāng)?shù)厣鷳B(tài)系統(tǒng)造成負(fù)面影響，同時，根據(jù)各備選網(wǎng)格單元的地表覆蓋類型數(shù)據(jù)和城市群擴張趨勢，在可用的光伏站點選址地中選擇對環(huán)境和經(jīng)濟發(fā)展影響小的網(wǎng)格單元區(qū)域；

42、優(yōu)選的，擴張速率和擴張強度的計算公式如下：

43、

44、式中，δuij為j期間第i個研究單元城區(qū)擴張面積；δtij為j期間的時間跨度；ulaij為j時段初期第i個研究單元城區(qū)面積；tlaij為第i個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)用地面積來表達(dá)。

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

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

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

48、

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

50、

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

52、s52.critic權(quán)重計算：

53、首先計算每個指標(biāo)的標(biāo)準(zhǔn)差σj:

54、

55、其中是第j個指標(biāo)的均值，m是備選方案的數(shù)量；

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

57、

58、其中，rik表示第i個備選方案在第k個指標(biāo)上的標(biāo)準(zhǔn)化值，表示第k個指標(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，它的計算公式如下：

59、

60、接下來計算每個指標(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計算公式為：

64、vij＝rij×wj

65、s54.計算理想解與負(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、分別計算每個方案到理想解和負(fù)理想解的距離：

70、

71、s55.計算相對接近度：

72、相對接近度計算公式為：

73、

74、s56.排序：

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

76、本發(fā)明還提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)本發(fā)明的面向城市群擴張的光伏電站選址優(yōu)化方法中的步驟。

77、本發(fā)明還提供了一種計算機設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)本發(fā)明的面向城市群擴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、地面觀測資料、光伏站點空間分布和光伏裝機容量資料等多源數(shù)據(jù)中的有用信息。

79、2、本發(fā)明引入conv-lstm模型，構(gòu)建了一種能夠自動學(xué)習(xí)數(shù)據(jù)中復(fù)雜特征并實現(xiàn)光伏站點時空預(yù)測的模型，同時，模型經(jīng)過參數(shù)優(yōu)化后，能夠有效且準(zhǔn)確地進(jìn)行光伏站點時空預(yù)測和各站點裝機容量預(yù)測。

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，通過引入因子間的交互項,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光伏電站選址的同時，也考慮了城市群發(fā)展對光伏電站選址的影響，通過量化城市群擴張程度并同時選用critis-topsis方法，對于每一個影響指標(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的建設(shè)地點進(jìn)行全面評估，最終確定最優(yōu)的建設(shè)地點。