在全球能源资源和负荷分布不均的背景下，世界各国对全球气候变化、能源资源优化利用等方面更加重视。准确评估可再生能源资源，对能源资源富集地区进行集中开发，协调可再生能源发电和区域间电网互联规划，是促进可再生能源开发与消纳、建设经济高效的电力系统和合理利用可再生能源资源的有效手段。
国内外学者针对可再生能源资源的评估方法开展了大量的研究。一些学者将地理信息系统（GIS）应用在能源资源的开发和规划中，并通过GIS的空间分析方法对资源的可开发潜力进行可视化分析。 GIS与决策分析方法的结合也已应用在许多学科的选址和评估的研究中，包括城市规划、水利和农业等。针对可再生能源资源评估，用GIS的空间分析技术，结合风资源数据对江苏省风能潜在开发量进行评估;借助GIS的空间分析功能研究我国各地太阳能辐射强度频数和发电潜力的空间分布;利用近20年太阳辐射数据，评估我国华南地区太阳能资源特性，考虑了地形等因素的影响，分析了华南地区适宜性和开发潜力。结合GIS和空间多准则决策分析，提出一个风电场综合评估框架，完成了对希腊的风电场的选址评估;采用多目标决策和GIS相结合的方法对光伏发电进行了评价。此外，对于可再生能源发电综合开发潜力的评估中，平准化电力成本(LCOE)是较常用的经济指标;对并网光伏项目进行了LCOE分析，提出了适用于我国光伏发电项目的LCOE模型，并对几个影响因素进行了敏感性分析。建立适用于我国大型风电项目的LCOE分析模型，利用该模型对我国风电场平准化成本进行测算，对影响LCOE的因素进行了敏感性分析。
本文首先对GIS技术、多标准决策分析方法和LCOE测算模型在资源评估中的应用进行了阐述;然后，在详细分析的基础之上，提出了一种基于GIS的多标准决策分析方法，并给出了评估可再生能源潜在开发区域的具体流程;最后，利用有效的风速、太阳辐射度和地理信息数据等，对所提出方法进行实例应用，评估蒙古国风电和光伏场站开发适宜区域，并对适宜区域的风电和光伏场站平准化电力成本进行测算。
1资源评估技术手段和方法
1.1 GIS技术
地理信息系统(GIS)作为一门重要的信息技术，广泛应用在气象评估、地质灾害预报、选址分析以及资源评估等领域。GIS空间分析和计算中，需要建立与现实条件相关的图层，来分析资源和站点适宜性情况，本文针对风/光场站适宜性评估的问题，使用的GIS空间分析方法包括缓冲区分析和叠加分析。
（1）空间数据结构
GIS中的数据结构形式主要有栅格数据和矢量数据两种，从它们在空间分析中的应用来看，基于矢量数据的空间分析方法具有简单、易操作的优点，在传统的空间分析中被广泛采用，但是这种方法存在无法向高维扩展和数据冗余的缺点。本研究中把涉及到的距离计算视为空间聚类问题，将矢量数据用缓冲区做一个影响范围，栅格数据则用欧氏距离工具进行处理。
（2）缓冲区分析
缓冲区分析是邻近度分析中最常用的一种，用来对空间中各目标的距离远近程度进行分析。缓冲区指的是在某一空间对象或对象集的影响范围内设置一定宽度的领域，领域范围与缓冲半径R相关，如果对一个空间对象Mi进行缓冲区分析，缓冲区表达式如下所示:
式中:Buffi为空间对象Mi缓冲区在缓冲半径为R时的缓冲区;D(·)为距离。
（3）叠加分析
叠加分析是指若干独立图层通过叠加后形成复合图层的空间分析方法，代数叠加和栅格叠加在叠加分析中应用较多。每个独立图层在多重叠加后形成新的图层，该图层包含叠加前各图层的各种属性值。
1.2多标准决策分析方法
多标准决策分析(Multi-Criteria DecisionAnalysis ，MCDA)是在诸多标准或影响因素下，对一系列标准和方案进行综合分析决策的方法，可通过决策分析流程图或者决策矩阵来表示单独使用传统的多准则决策分析法解决复杂的决策问题时，由于缺乏空间维度支持，而使得分析结果精度不高。将具有强大空间分析能力的GIS技术和多标准决策结合的空间多标准决策分析方法（GIS-MCDA），能更有效地辅助决策。
1.3 LC OE测算模型
平准化电力成本(Levelized Cost Of Electricity， LCOE)可用于测算和分析不同可再生能源场站开发的经济性，是一种用来评估各种区域内，对采用不同技术方法和投资规模进行评估的财务方法。本文LCOE测算中的影响因素主要包括可再生能源开发场站的资源条件、投资成本、运维成本，以及政策条件等。可理解为风电或光伏发电项目在运营期内发生的所有成本与发电量总量的比值。
式中:LCOE为平准化电力成本;r为折现率;n为系统运行年份;N为项目寿命期，一般取N=25;
CAPEXn为工程项目的初始投资成本;OPEXn为第n年的运维成本;An为第n年的发电量。
2基于GIS和多标准决策分析的评估方法
2.1评估方法总述
在现有研究的基础上，本文综合考虑资源条件、社会条件和经济性等方面，提出了一种基于GIS的多标准决策分析的方法对可再生能源资源潜在开发区域适宜性进行评估，并对适宜区域可再生能源发电项目LCOE进行测算。总体评估方法包含以下过程:
（1）评估风能和太阳能开发的可用区域。调查和统计由于地区文化或历史等因素影响，而不太可能用于风能和太阳能开发的区域，通过GIS空间分析将其移除或在特定区域周围建立缓冲区。限制条件取决于评估区域的环境和法规等限制，一般与土地利用和城市发展有关，如自然保护区、居民点、电力线路和机场等。
（2）风能和太阳能资源评估。利用GIS工具对风资源数据(平均风速:m/S)和太阳能资源数据(太阳辐射度GHI: kW *h/m2)进行处理，这一步的数据质量对最终的评估结果影响最大。
（3）适宜区域的风/光技术可开发潜力评估。考虑资源条件、排除区域和法规限制，选择可用于风能和太阳能开发的区域。每个区域单位面积容量取决于风机和光伏组件密度，功率密度与技术选择密切相关。
（4）基于GIS的多标准决策分析。选取与最佳资源、最适宜区域评估相关的影响因素作为评估指标，使用GIS工具实现各影响因子图层的可视化，并结合多标准决策分析方法进行适宜度分级和赋权重叠加分析，给出未来风电和光伏发展的适宜区域分级地图。基于GIS的多标准决策分析过程如下图所示。
（5）适宜区域的风电/光伏场站开发项目LCOE分析。根据各种技术参数(负载系数等)
和成本假设(初始投资成本，运行维护成本)，估算在技术可开发潜力评估中结果较优区域的风电/光伏场站开发项目的平准化度电成本。
2.2 GIS支持的多标准决策分析过程
2.2.1制约因素分析和评估指标选择
可再生能源资源潜在可开发区域适宜性评价中主要以资源自然属性、区位优势和基础设施完善程度作为评价条件，选择场地适宜性影响因素应遵循以下原则:
1）相对独立的影响因素;
2）可量化、可测量的影响因素;
3）起主导作用的影响因素;
4）差异比较明显的影响因素。
在上述原则的指导下，综合分析后本文中确定4项太阳能光伏场站开发影响因子和3项风电开发的影响因子，具体分析如下:
1）从资源自然属性分析，风速和太阳辐射度（GHI）分别是风能和光伏资源评估的重要指标，与风电和光伏发电量密切相关;
2）地形因子中主要考虑地面坡度，在不同坡度下光伏电池板的铺设状态会影响GHI和光照时间，从而对光伏发电量和资源的空间分布产生影响;
3）交通因子包括与现有公路和铁路的距离，靠近现有的路网和靠近城镇的距离是未来运行和维护的关键，未来的风电场/光伏场站应尽可能靠近现有的公路网，以避免建设新的公路而产生附加费用。由于火车不适合运输重型风机塔架或叶片，仅适用于光伏组件的物流输送，因此，与现有铁路距离仅作为光伏场站适宜性评估的影响因子。
4）城镇建设因子包含与现有变电站和城市/村庄距离两项，靠近城镇以便于为建设或运维人员提供食宿，降低运维成本;
5）为了降低与新电力线路和变电站投资相关的成本，可再生能源开发场站应位于现有220 kV变电站附近。
2.2.2基于GIS-MCDA的场站适宜性评价模型
（1）指标图层的构建
使用ARCGIS工具进行分析，将现有的空间数据进行预处理，通过预留缓冲区剔除不可开发区域。在进行多标准决策分析之前，需要将风资源和太阳能资源评估所需的风速、太阳辐射度，以及地理影响因素数据导入ARCGIS中，分别对各评价指标进行空间分析，形成指标图层。
（2）赋权重叠加分析
结合多标准决策分析方法，根据所选的评价标准，对7个指标图层进行标准化分级，得到各指标分级图层，并对指标与被评价事物隶属情况进行综合评判:按照对适宜性结果的贡献度设定评级值1~5，1和5分别为最低和最高分数，风速、太阳总辐射度和地面坡度数值越小，分数越大;离路网的距离、离220 kV变电站距离和离城镇的距离的数值越大，分数越小。评价指标集合表示如下:
评价指标集合U={A1，A2，B，C，D，E，F}={风速，太阳辐射度，邻近公路，邻近铁路，邻近220 kV变电站，地面坡度，邻近城市/村庄}
可再生能源开发场站适宜性评价模型如下图所示。对风资源和太阳能资源评估中为各评价指标赋权重，确定其在决策模型中的重要性，并将结果重分类设置为不适宜区域、较适宜区域、勉强适宜区域、适宜区域、最适宜区域。分级后的相关图层进行赋权重叠加分析，评级值集合表示如下:
评级值集合V= {V1，V2，V3，V4，V5}={不适宜区域，较适宜区域，勉强适宜区域，适宜区域，最适宜区域}={1，2，3，4，5};
结合GIS分析整合评价指标图层，将所得的图层转换为分辨率为100 mx 100 m的ESRI栅格格式，然后按适宜度（1~5）进行重分类，得到风速、太阳辐射度、离路网、220 kV变电站距离、地面坡度以及离城镇的距离7个分级图层。
最后，结合多标准决策分析方法对各图层进行栅格叠加分析，得到的风电、光伏场站适宜性评级值复合地图。基于GIS的多标准决策分析可以概括为图层(栅格)叠加过程，其中每个评估标准乘以权重并将结果加权叠加以产生具有适宜度排名的合成地图。多标准决策的一个重要条件是将所有处理步骤建立在决策者的偏好和专业知识的基础之上，这有利于数据的选择、评估、分类和后续加权等过程。具体计算公式如下:
式中:Sk为适宜性地图排名;wj为评价指标对应的权重;Nkj为标准J下的标准化评级值k; n为所选评价指标个数。
3蒙古国可再生能源开发场站适宜性评估
3.1研究区域概况
蒙古国地处亚欧大陆内部，大部分地区是大陆性温带草原气候，少有极端气候，且拥有低人口密度，地理上邻近中国等电力消费大国，可再生能源开发条件好。根据蒙古国相关统计数据，蒙古国发电装机95.5万kW其中可再生能源发电装机8.17万kW，仅占8%。发电量52.8亿kW·h可再生能源电量比重仅为2.23%。截至2013年底，蒙古国风电装机5万kW，不到资源量的万分之一，开发潜力巨大。太阳能资源资源量约67万亿kW·h，资源丰富地区 320个晴天/年，发电量可达1300 kW·h/m2。根据蒙古国“国家可再生能源规划 "，蒙古国政府设定的发展目标是到2020年可再生能源占能源供应的比重将达到20%～25 %。
3.2数据来源与预处理
本研究使用的非空间数据包括风速、太阳辐射度和地面坡度。其中，风力基础数据来源于Vaisala's 3TIER Services，包括描述风速频率分布的年度威布尔分布参数和部分不同地理位置离地面80 m高度处的风速数据，用于计算年平均风速和月平均风速;太阳能资源数据来自开源的全球太阳能图集(SolarGIS- ESMAP-World Bank Group)，该图集提供了蒙古国的太阳能全球水平辐射度和光伏发电量年度/每月总计的平均值数据(GeoTIFF格式);地形坡度数据来源于蒙古国环境数据库，该数据库中还提供了保护区、森林等数据，这些数据用于剔除不可开发区域和预留特定区域的缓冲区。空间数据包括离路网、城镇和220 kV变电站距离数据。路网分布和城镇分布数据来源于OpenStreetMap （OSM），OSM提供了可编辑的地理信息数据。所有空间数据或非空间数据参考蒙古国以往可再生能源资源评估经验及上一节的制约因素分析结果，最终均以GIS格式处理显示。
3.3可再生能源资源开发场站适宜性评价
根据蒙古国资源情况分析，所选取指标的部分约束设置如下:最小风速大于6.5 m/s;最小太阳辐射度大于1 500 kW·h/m2;蒙古国现有包括Mandalgovi、Ulaanbaatar和Tavantolgoi等9个220 kV变电站，为了最大程度地降低连接成本，可再生能源场站与可用变电站之间的最大距离小于200 km;适合光伏组件安装的最大地形坡度小于20°。针对每个评价指标进行指标量化并评定其分数和权重，结果见下表。
通过GIS空间分析得出七项指标的标准化分级图层见下图。根据颜色的分布不同可以直观的看出，风速（a）和太阳辐射度（b）在不同评级值下的分布情况，两项指标能够达到4分以上的区域主要位于蒙古国的南部地区和东南部地区;由于西南和南部戈壁沙漠地区的公路网（c）和城镇分布（g）较稀疏，距离的评价值也最小;铁路（d）和220 kV变电站（e）分布主要在以Ulaanbaatar为主的城市附近，从蒙古国东南部向北部延伸;地形坡度（f）呈北部和西部总体高于其他地域的趋势。
3.4评估结果
7项指标图层赋权重叠加分析后的复合图层结果见下图一、图二。本文最终只考虑最小面积大于10 km2的风电场(装机容量≥50 MW)和最小面积大于0.25 km2光伏场站(装机容量≥10 MW)的区域，每个评级值下的详细结果由下表一和表二给出。根据评估结果，蒙古国风电的优先得分为4分的区域潜在可开发的风资源高达21.7 GW覆盖面积约为4 340 km2，有超过190 000 km2的区域便于建设和安装大容量风力发电场站;光伏发电得分为4分的区域，潜在可开发的太阳能资源高达483.7 GW覆盖面积约为12 092 km2，总面积超过29 000 km2的区域可以安装光伏组件。
图一 风电开发潜在区域示意图
图二 太阳能开发潜在区域示意图
表一 风资源评估结果
表二 太阳能资源评估结果
4适宜区域发电项目LCOE评估
4.1风电和光伏发电项目LCOE水平测算
从上一节的评估结果来看，适宜区域（4分）已具备较高的可再生能源资源的可开发潜力。因此本文仅对适宜性评价中得分为4的区域的风电和光伏发电项目进行LCOE水平测算。在该得分区域站点上开发100 MW的风电场站和50 MW的太阳能光伏场站。评估条件假定据项目的开工年份可再生能源发电场站运行年限按25年计算;折现率取8%和5%。风电和光伏场站具体LCOE分析如下。
（1）风电场站LCOE分析
适宜性评价中得分为4的区域平均风速为8 m/s或9 m/s。风电场的初始投资成本包括风机设备及其安装成本、风机基础建设成本和其他费用;运维成本则由折旧费、人工费用、保险费和税费等构成。其中，2020年、2026年和2030年分别基于Vestas的3种型号风机:2 MW-Φ110 m、3.5 M W-Φ125 m和5 M W-Φ145 m的风机模型(Φ表示直径)，在强风条件下，转子直径较大的风机通常具有较低的风载系数。不同风机模型的风电初始投资成本和运行成本分解如下一和下表二所示。
表一 风电场站初始投资成本
表二 风电项目运行成本
（2）光伏场站LCOE分析
适宜性评价中得分为4的区域平均太阳辐射度为1 700 kW·h/m2或1 750 kW·h/m2，到2036年，如果双玻光伏组件能够大规模商业化，选择多晶硅一双玻光伏模块转换效率可能会略高。据项目的开工年份，基于光伏行业趋势预测，光伏组件转换效率分别为17%, 19%和23%。光伏发电初始投资成本和运行成本分解如下表一和下表二所示。
表一 光伏发电项目初始投资成本
表二 光伏发电项目运行成本
4.2 LCOE测算结果分析
根据上述分析，结合1.3节LCOE测算模型，针对在不同的资源条件、折现率和投运成本条件下的风电和光伏项目进行LCOE评估，结果如下表一和下表二所示。由下表一和下表二可知，2020年风电开发项目LCOE平均水平为47.52 $/MW·h，光伏开发项目LCOE的平均水平为62.57 $/MW·h，风电开发项目LCOE与光伏相比更低。
表一 风电LCOE测算结果
表二 光伏LCOE测算结果
由下图 LCOE变化趋势可以看出，在短期内，在蒙古国风能资源的平均风速大于8 m/s的情况下，蒙古国风电场开发项目仍比地面太阳能场站开发项目更经济。从长远来看，随着光伏组件效率的提高以及光伏成本的降低，可以预期风能和太阳能项目的LCOE会下降至与风力发电相同的水平。
5 结论
本文提出了一种基于GIS的多标准决策分析方法，建立了资源评估指标体系和具体分析流程。结合蒙古国风速、太阳辐射度，以及地理信息数据等对该方法进行实例应用，根据评估结果分析了蒙古国可再生能源发展条件和风光资源开发潜力。由于相关数据集和地理信息系统工具的精确性，本研究提供的结果比以前的结果更高、更准确，可作为对潜在风电、光伏场站投资和和建设的预评估参考，为区域级的空间规划提供有益的建议。
GIS空间分析需要从不同来源收集不同格式的数据，以创建一个完整的统一数据库。因此，通过定期更新GIS数据，可以更好地映研究区域的当前状况。在本研究中考虑了7个影响参数，对于特定的现场问题可增加更多的因素，例如风向，土地价格，详细的土壤数据以及其他社会因素等，以增强GIS模型的输出从而得到更准确的评估结果。
原文来自：http://www.ztmapinfo.com/blog/index.php/article/119.html