基于ArcGIS與多因子模型的光伏電站選址評估

收稿日期：2022-08-09

基金項目：國家重點研發(fā)計劃（2021YFB2601601）；湖北省自然科學(xué)基金（2023AFD185）

通信作者：唐若笠（1987—），男，博士、副教授，主要從事智能控制理論與應(yīng)用、船舶新能源技術(shù)與智能船舶技術(shù)方面的研究。

ruolitang@whut.edu.cn

DOI：10.19912/j.0254-0096.tynxb.2022-1194 文章編號：0254-0096（2023）11-0120-11

摘 要：該文基于中國光伏資源的時空分布，研究并提出一種基于ArcGIS與多因子評價的光伏電站選址及發(fā)電潛力預(yù)測模型。利用ArcGIS軟件與層次分析法，綜合考慮多種影響大型光伏電站建設(shè)的因素，對不同地勢和土地類型賦予不同的光伏利用系數(shù)，得到大型光伏電站建設(shè)適宜度、光伏潛力與光伏電站選址的多因子評價模型?；谠撃Ｐ偷贸鲋袊夥l(fā)電潛力并給出光伏電站選址建議。評估結(jié)果表明，全國年光伏總發(fā)電量約為570.07×106 kWh，其中新疆為年光伏總發(fā)電量最高的省份。中國較為適宜建設(shè)光伏電站的地區(qū)主要為西北部地區(qū)，其中適宜區(qū)面積為1.08×106 km2，最適宜區(qū)面積為2.10×105 km2，研究可結(jié)果將為中國光伏產(chǎn)業(yè)長期的規(guī)劃與建設(shè)提供可靠的理論依據(jù)。

關(guān)鍵詞：光伏組件；光伏電站；選址；層次分析法；地理信息系統(tǒng)

中圖分類號：TK519"""""""""""""""""""""""" 文獻標志碼：A

0 引 言

中國提出的“雙碳”戰(zhàn)略倡導(dǎo)一種更為綠色、環(huán)保、低碳的生活方式，加快降低碳排放步伐。其中，大力發(fā)展光伏產(chǎn)業(yè)是“雙碳”戰(zhàn)略中的重要部分之一，也是近年來大力倡導(dǎo)和扶持的研究領(lǐng)域，同時國家也鼓勵在沙漠、戈壁、荒漠地區(qū)加快規(guī)劃建設(shè)大型光伏項目，努力兼顧經(jīng)濟發(fā)展和綠色轉(zhuǎn)型同步進行［1］。光伏電站的發(fā)電潛力大小主要取決于電站的選址位置，因此進行光伏電站選址評估相當(dāng)有必要。中國的太陽能資源十分豐富，全國平均年水平總輻照量高達1730.24 kWh/m2，西藏地區(qū)更是高達2273.00 kWh/m2。為有效建設(shè)大型光伏電站，需對中國范圍內(nèi)大型光伏電站的選址進行研究，進而得到大型光伏電站選址評估模型。

在大型光伏電站建設(shè)開展前的太陽能資源評估研究是提高光伏利用效率的重要環(huán)節(jié)，目前國內(nèi)外大量學(xué)者利用GIS平臺對目標區(qū)域內(nèi)的太陽能資源評估。Choi等［2］結(jié)合ArcGIS和TRNSYS軟件對目標城區(qū)可用于光伏發(fā)電的區(qū)域進行光伏發(fā)電潛力的分析，而對于中國人煙稀少的西部地區(qū)是太陽能資源更為豐富的地區(qū)；韓仁毓等［3］通過使用GIS和3D模型處理的方法對臺灣地區(qū)內(nèi)的城市屋頂太陽能光伏發(fā)電潛力進行評估，這是一種對于城市地區(qū)來說較為精準的評估手段；陳富英等［4］結(jié)合ArcGIS軟件對中國區(qū)域內(nèi)進行聚光太陽能發(fā)電站的區(qū)域篩選、發(fā)電潛力預(yù)測以及所帶來的環(huán)保效益；張乾等［5］利用遙感技術(shù)獲取區(qū)域太陽能資源的時空分布，基于多因子評價模型對中國區(qū)域內(nèi)的大型光伏發(fā)電場進行適宜性評估，但并未細致的分析太陽能轉(zhuǎn)化為電能的潛力；王利珍等［6］通過搭建3種不同光伏發(fā)電系統(tǒng)實驗平臺，建立不同光伏系統(tǒng)光電轉(zhuǎn)化效率和環(huán)境因素的關(guān)系，從而擬合出光伏效率的方程，并通過此方程和GIS平臺對全國的太陽能資源潛力進行評估，為建立光伏電站提供理論依據(jù)，該文只考慮了光電轉(zhuǎn)換效率，而在建立大型光伏電站時需考慮許多因素，作者對其作了大量的簡化；邱天智等［7］通過GIS平臺對中國區(qū)域內(nèi)進行了大型電站選址篩選，并預(yù)測了光伏的產(chǎn)能潛力，但其光伏潛力評估模型較為簡易，考慮因素較少，這將導(dǎo)致其估算的光伏潛力大于現(xiàn)實；毛愛涵等［8］基于GIS平臺對中國青海省地區(qū)進行可再生能源的綜合評估。

本文針對如何提高中國光伏利用率，研究并提出一種基于ArcGIS與多因子評價的光伏電站選址及發(fā)電潛力預(yù)測模型，該模型通過ArcGIS和層析分析法，綜合考慮多種影響大型光伏電站建設(shè)的因素，對不同地勢和土地類型賦予不同的光伏利用系數(shù)，進而得到大型光伏電站建設(shè)適宜度、光伏潛力與光伏電站選址的多因子評價模型。利用該模型對中國范圍內(nèi)的光伏電站建設(shè)適宜度、光伏潛力與光伏電站選址進行評估，得出中國各地域光伏發(fā)電潛力并給出光伏電站選址建議，為大型光伏電站的選址做出理論指導(dǎo)。

1 基于ArcGIS的大型光伏電站建設(shè)適宜度評估

1.1 中國地形地貌及氣象特征

影響大型光伏電站建設(shè)的因素主要有兩方面，一方面是自然因素［9］，如：太陽能資源、坡向、坡度、植被等；另一方面為社會因素［10］，如：人類居住地距離、主要公路網(wǎng)距離、土地利用類型、保護區(qū)以及保護地等。本文考慮大型光伏電站選址時的9種影響因素以實現(xiàn)對其建設(shè)適宜度評估，具體包括：距縣級居住地距離、距公路鐵路網(wǎng)距離和保護區(qū)和距保護地距離、太陽總水平輻射量、坡的朝向、坡度大小［11］、土地利用類型和歸一化植被指數(shù)，其中距縣城的距離、距公路鐵路網(wǎng)距離主要影響初期建設(shè)成本和后期維護成本［12］；建設(shè)光伏電站時需考慮環(huán)境保護，選址時盡量選擇離保護區(qū)和保護地較遠的區(qū)域；太陽總水平輻射量是進行光伏電站選址的主要因素，需著重考慮；坡向與坡度均會影響光伏電站的選址，其中坡度較小，坡向朝陽的緩坡適宜建設(shè)光伏電站［13］；有些土地利用類型并不適宜建設(shè)光伏電站，如：建筑用地、農(nóng)業(yè)用地、商業(yè)用地等；歸一化植被指數(shù)是指近紅外波段與可見光紅光波段的亮度之差與之和的比值［14］，歸一化植被指數(shù)可反映該地區(qū)的植被覆蓋率［15］。歸一化植被指數(shù)較大的區(qū)域也不適宜建設(shè)光伏電站。其相關(guān)數(shù)據(jù)如圖1所示。

由圖1可見，中國城鎮(zhèn)分布特征為東南沿海多、西北內(nèi)陸少。公路、鐵路網(wǎng)的分布特點為東部較為稠密、西部較為稀疏，其分布與城鎮(zhèn)的分布相關(guān)。由于中國山脈眾多，坡向也較為復(fù)雜，至于坡度是西南以及新疆部分地區(qū)坡度較大，東南沿海丘陵地區(qū)坡度相對較緩，東北、華北以及華中地區(qū)較為平坦，平坦地區(qū)有利于光伏電站的布置。低植被分布區(qū)主要位于西藏、新疆、青海西北部、甘肅西北部以及內(nèi)蒙古西部地區(qū)。

已有的研究大多考慮因素較少，只考慮了總水平輻射、坡度、距公路網(wǎng)距離和距城鎮(zhèn)距離，具有一定的局限性。本文采用的縣級居住地、主要公路網(wǎng)、DEM、土地利用類型、歸一化植被指數(shù)、保護區(qū)均來自中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心，保護地數(shù)據(jù)可由世界保護區(qū)數(shù)據(jù)庫獲取。此外，總水平輻射采用Solargis網(wǎng)站提供的開源數(shù)據(jù)。相關(guān)數(shù)據(jù)來源匯總?cè)绫?所示。

中國是世界上太陽能最豐富的地區(qū)之一，有2/3以上國土面積年日照時數(shù)大于2000 h，其中西北地區(qū)太陽能資源較為豐富，西北地區(qū)日照時長最長可達3500 h［16］。據(jù)統(tǒng)計，中國太陽能年均地面輻射總量為1730.24 kWh/m2，根據(jù)表2所示的年水平面總輻照量等級表評定，中國年平均地面輻射總量為B級，屬于太陽能資源很豐富的地區(qū)，全國平均年水平總輻照量整體較為穩(wěn)定，太陽能資源位居世界各國前列。

圖2為中國各?。▍^(qū)、市）平均年水平總輻照量距平及歷年值圖。由圖1及圖2可見，北京、福建、內(nèi)蒙古、河北、廣東、香港、貴州、陜西、廣西、海南、臺灣、山西年均地面總輻照量與中國年均地面總輻照量接近；新疆、寧夏、四川、甘肅偏大；云南、青海、西藏年均地面總輻照量與中國年均地面總輻照量明顯偏大。從中國太陽輻射總量分布來看，西藏、新疆、青海和內(nèi)蒙古等地的輻射量較大。為此，在開展太陽能開發(fā)工作時應(yīng)多注重新疆、寧夏、四川、甘肅、云南、青海、西藏等地區(qū)。

1.2 中國大型光伏電站選址適宜度評估模型

對于光伏電站而言，太陽能資源越豐富的地區(qū)光伏發(fā)電潛力越大。中國的光伏電站適宜建設(shè)在坡向朝南的平地或坡度小于5°的緩坡地帶［17］。鑒于中國國情，國家也鼓勵在一些荒山安裝光伏電站，為此，本文中坡度放寬到15°以內(nèi)為適宜。當(dāng)然過高的植被是不利于光伏電站的建設(shè)，且過高的植被會導(dǎo)致遮蔭的產(chǎn)生，這將降低光伏電站的產(chǎn)電量。電站選址距離人類居住地和公路網(wǎng)的距離越近代表其建設(shè)和維護電站的成本越小。對于不同的土地類型可用于建設(shè)光伏電站的面積也不一樣，考慮大型光伏電站建設(shè)時也應(yīng)考慮其土地類型［18］，本文優(yōu)先考慮有利于光伏電站布置的未利用土地和草地以及維護較為便利的居民用地，光伏電站選址也應(yīng)遵從生態(tài)保護原則，對于森林、耕地等利用價值較高的地區(qū)應(yīng)盡可能避免［19］且應(yīng)與生態(tài)保護區(qū)和保護地錯開。

本文將8種因素按不同程度進行劃分等級。太陽能輻射按不同豐富度原則把輻照強度劃分為10個不同的等級。根據(jù)距離縣城、路網(wǎng)、保護地的距離大小，按不同的原則劃分為10個不同的等級。按坡向向南、坡度不宜過高的原則將坡向和坡度進行分類。歸一化植被指數(shù)代表著植被覆蓋，光伏電站的選址應(yīng)選擇植被覆蓋率較低的地方，以此原則對歸一化植被指數(shù)進行分類。中國鼓勵對未利用土地進行開發(fā)，特別是西北部較為落后的地區(qū)，而這些地區(qū)又特別適合光伏電站建設(shè)工作，所以對于土地性質(zhì)分類優(yōu)先考慮西北未利用的土地。根據(jù)此原則，對中國境內(nèi)的土地性質(zhì)進行等級劃分，得到各因子分級表，如表3和表4所示。

光伏電站選址適宜度評估流程如圖3所示。利用DEM數(shù)據(jù)得到坡度和坡向數(shù)據(jù)［20］。利用一級道路鐵路網(wǎng)、縣級居住地、保護地數(shù)據(jù)，通過ArcGIS軟件得到其相關(guān)距離數(shù)據(jù)。對其8個圖層進行標準化適宜性等級分類，使用AHP確定各因子的權(quán)重系數(shù)進行疊加。疊加后的圖層去除限制區(qū)的區(qū)域即為本文篩選出來的光伏電站的地址［21］。

根據(jù)表3和表4最終形成如圖4所示的大型光伏電站選址適宜度因子等級圖，對于保護限制區(qū)，不考慮對其進行光伏資源開發(fā)。

AHP又稱為層次分析法，層次分析法是指將一個多目標的問題系統(tǒng)化以及層次化，得到不同因子相互之間重要程度，之后分別進行定性以及定量的分析，是依據(jù)層次權(quán)重進行決策分析的方法［22］。

在處理一個復(fù)雜的多目標問題時，首先把復(fù)雜問題分為多個因子來考慮［23］，然后定性的兩兩對比，得到不同因子的重要程度，再定量對其分類，最終形成一個方陣形式的判斷矩陣，得到判斷矩陣后通過特征值、特征向量求解，得到其對應(yīng)權(quán)重向量，最后對權(quán)重向量進行歸一化處理，得到各個因子的最終權(quán)重系數(shù)［24］。

對于不同因子之間定量化分析的判斷矩陣確定原則如表5比例標度表［25］和式（1）所示。

且Pij和Pji滿足式（1）：

[Pij=1Pji]"""""" （1）

其中：Pij——第i個因子與第j個因子重要性之比，i，j=（1，2，3，…，n，n為因子總數(shù)）；Pji——第j個因子與第i個因子重要性之比。若i=j，Pij=Pji=1。

最終根據(jù)表5及式（1），以及光伏電站建站原則可得到因子判斷矩陣。通過層次分析法，帶入因子判斷矩陣可計算得到每一個因子的權(quán)重系數(shù)，最終形成如表6所示的因子判斷矩陣及其權(quán)重系數(shù)表，各因子權(quán)重系數(shù)是后續(xù)因子加權(quán)疊加的關(guān)鍵。

1.3 基于ArcGIS的大型光伏電站選址適宜度評估

根據(jù)表6中的權(quán)重系數(shù)以及每一個已分類的圖層等級，利用ArcGIS進行光伏電站建設(shè)適宜性疊加評估，得到光伏電站建設(shè)適宜度圖層，其中適應(yīng)性得分公式如式（2）所示。

[Ss=i=1n（fi×wi）?（? Apro）]"" （2）

式中：[Ss]——光伏電站選址適宜度得分；[fi]——第i個因子圖層，i=1，2，3，…，[n]；[wi]——第i個因子圖層的權(quán)重系數(shù)，i=1，2，3，…，[n]；[Apro]——保護區(qū)因子圖層。最終得到如圖5所示的光伏電站選址適宜度圖。

由圖5可知，中國光伏電站建設(shè)適宜度較高地區(qū)多為西北部、具體為西藏省的大部分地區(qū)、新疆省的中部與東部、青海省的西北地區(qū)、甘肅省的西北地區(qū)、寧夏的北部地區(qū)、內(nèi)蒙古的西部以及陜西省和山西省的北部地區(qū)。

2 基于ArcGIS的光伏發(fā)電潛力評估

2.1 ArcGIS光伏發(fā)電潛力評估模型

光伏發(fā)電潛力精確預(yù)測，是對太陽能資源進行規(guī)劃的前提。通過年平均總水平輻照量（GHR）、光伏組件面積和光伏組件利用系數(shù)計算得到光伏的發(fā)電潛力，如式（3）所示。

[Pout=RGHR·Apan·ηUF]""""" （3）

式中：[Pout]——光伏年發(fā)電量，kWh；[eGHR]——總水平輻照量，kWh/m2；[Apan]——光伏組件面積，m2；[ηUF]——光伏組件利用系數(shù)。

光伏組件的利用系數(shù)可通過光伏組件的轉(zhuǎn)化系數(shù)和電氣系數(shù)計算得到，如式（4）所示。

[ηUF=ηPF·ηEF]""" （4）

式中：[ηUF]——光伏組件的利用系數(shù)；[ηPF]——光伏組件的轉(zhuǎn)換系數(shù)；[ηEF]——電氣系數(shù)。

光伏系統(tǒng)的發(fā)電效率與光伏組件選型有關(guān)，光伏組件主要有：單晶硅組件、多晶硅組件和非晶硅組件，其中單晶硅組件的轉(zhuǎn)換效率為18%～25%，多晶硅組件的轉(zhuǎn)換效率為15%～20%，非晶硅組件的轉(zhuǎn)換效率為7%～12%，而光伏電站的電氣效率約為80%［26］。由于，單晶硅組件相較于其他光伏組件而言具有光電轉(zhuǎn)化效率高、可靠性高等優(yōu)點，因此，目前市場上主流的光伏組件為單晶硅光伏組件。本文以單晶硅光伏組件為例，取光伏組件的換效率為20%，電氣效率為80%。

注：本圖基于地圖 GS （2016） 1554號。

通過土地面積、坡向利用系數(shù)、坡度利用系數(shù)、土地類型利用系數(shù)、有效面積系數(shù)計算得到光伏組件面積，如式（5）所示。

[Ap=A·ηAUF·ηSUF·ηLUF·ηEAF]""" （5）

式中：[Ap]——土地面積，m2；[ηAUF]——坡向利用系數(shù)；[ηSUF]——坡度利用系數(shù)；[ηLUF]——土地類型利用系數(shù)；[ηEAF]——有效面積系數(shù)。

光伏電站開發(fā)利用受地形地貌的影響較大，評估光伏電站發(fā)電潛力需計算可用開發(fā)面積［27］，從坡向、坡度、土地類型3個角度來考慮光伏電站的可利用面積：

1）對于坡向而言，中國大部分地區(qū)朝南的坡向最為適合建設(shè)光伏電站，坡向朝向西南或東南的坡向也較為適宜，這是由于北坡所接受到的水平輻照強度遠遠小于南坡。

2）對于建設(shè)光伏電站而言，坡度越小越適宜，坡度過大的地區(qū)并不適宜搭建光伏發(fā)電系統(tǒng)，這樣會大大增加光伏電站的建設(shè)成本，且較大的坡度也會導(dǎo)致光伏組件無法調(diào)整到最佳傾角，無法最大利用太陽能資源［28］，所以最大的坡度度數(shù)限制為15°。

3）不同的土地利用類型其利用系數(shù)也不一樣［29］，應(yīng)在不影響森林覆蓋率的情況下盡量開發(fā)太陽能資源［30］，中國鼓勵在西部大量未利用的土地上開發(fā)太陽能資源，而且未利用地土地資源如：戈壁、裸土地和裸巖石質(zhì)地等土地類型均可用于建設(shè)光伏電站。

根據(jù)目前常用單晶硅光伏組件的參數(shù)，通過PVsyst軟件模擬計算得到中國大部分地區(qū)光伏組件最佳傾角為35°，此時光伏組件之間的距離為2.51 m［31］，光伏組件的有效面積系數(shù)為0.39。

根據(jù)以上分析，對坡向、坡度和不同土地利用類型進行建設(shè)光伏電站的土地利用系數(shù)評估，得到表7不同坡度、坡向的利用的系數(shù)和表8不同土地類型的利用系數(shù)。

2.2 基于ArcGIS光伏電站發(fā)電潛力評估

根據(jù)2.1節(jié)的太陽能發(fā)電潛力評估模型，本節(jié)將在中國范圍內(nèi)進行光伏發(fā)電潛力評估，對于保護限制區(qū)，不考慮對其進行光伏資源開發(fā)，不同因子的土地利用率依據(jù)表7和表8確定，結(jié)果如圖6所示。

通過式（3）～式（5），利用ArcGIS多因子疊加分析，對中國范圍內(nèi)進行光伏發(fā)電潛力評估，最終得到如圖7所示的光伏發(fā)電潛力預(yù)測圖。

圖7為年光伏發(fā)電量示意圖，其值最高為145.5 （kW·h）/m2，中國光伏發(fā)電潛力較大的地區(qū)為西北地區(qū)，具體為西藏省的大部分地區(qū)、新疆省的中部與東北部、青海省的西北地區(qū)、甘肅省的西北地區(qū)、寧夏的北部地區(qū)、內(nèi)蒙古的西部以及中東部狹長地區(qū)。

由表9可知，中國區(qū)域年光伏發(fā)電量為570.07×106 kWh；新疆為年光伏發(fā)電量最高的省份其值為220.87×106 kWh；占全中國年光伏發(fā)電量的38.7%；西藏地區(qū)次之，值為127.12×106 kWh，占全中國年光伏發(fā)電量的22.3%；內(nèi)蒙古地區(qū)的年光伏發(fā)電量為85.98×106 kWh，占全中國的年光伏發(fā)電量的15.1%；青海省、甘肅省、四川省和云南省的年光伏發(fā)電量分別為53.97×106、31.67×106、8.26×106和4.73×106 kWh。

3 光伏電站選址

大型光伏電站在建站時需考慮多種因素，綜合考慮光伏電站選址適宜度圖層和光伏發(fā)電潛力預(yù)測圖層，對中國范圍內(nèi)大型光伏電站進行選址評估。

首先把光伏發(fā)電潛力預(yù)測圖根據(jù)預(yù)測發(fā)電量按等間距原則劃分為10個等級，得到光伏發(fā)電潛力預(yù)測等級圖，如圖9所示。

通過疊加圖9所示的光伏發(fā)電潛力預(yù)測等級圖和圖5所示的光伏電站選址適宜度圖層，得到最終的光伏電站選址適宜性圖，如圖10所示。

由圖10可知，中國光伏電站建設(shè)適宜的地區(qū)具體為西藏省的大部分地區(qū)、新疆省的中部與東部、青海省的北部地區(qū)、甘肅省的西北地區(qū)、寧夏的北部地區(qū)、內(nèi)蒙古的西部和中部地區(qū)。中國西北地區(qū)常年干旱少雨，云量也少，太陽總輻射較高，且日照時間年際變化小，故較為適宜建設(shè)光伏電站。適宜建設(shè)光伏電站的區(qū)域廣范分布在中國西北地區(qū)，這對于滿足中國大部分地區(qū)的供電有幫助。同時，中國的人口分布西北地區(qū)遠遠少于東南沿海地區(qū)，電力需求呈現(xiàn)東南沿海地區(qū)遠遠大于西北地區(qū)的現(xiàn)狀，這將導(dǎo)致電力運輸距離變大，加上西北地區(qū)海拔普遍較高，增加了電力運輸?shù)碾y度，這兩個因素導(dǎo)致電力運輸成本變高。這也是如今限制西部光伏裝機量的主要原因。

光伏發(fā)電系統(tǒng)是世界公認較為清潔的發(fā)電方式，加上太陽能資源量巨大，所以合理利用光伏發(fā)電系統(tǒng)可極大的緩解如今形勢嚴峻的能源問題和環(huán)保問題。推動這一清潔發(fā)電方式能加快中國達到“雙碳”目標的步伐。非常適宜區(qū)作為光伏電站最佳建設(shè)場所，具有非常大的發(fā)電潛力。本文研究結(jié)果表明，中國非常適宜建設(shè)大型光伏電站的區(qū)域面積為3.88×105 km2，占研究區(qū)的3.96%，較為適宜建設(shè)大型光伏電站的區(qū)域面積為9.96×105 km2，占研究區(qū)的10.19%，總合計面積為1.38×106 km2，占研究區(qū)的14.15%。這表明中國有巨大的光伏發(fā)電潛力，在西北地區(qū)建設(shè)大型光伏項目一方面可緩解中國的能源問題和傳統(tǒng)發(fā)電方式帶來的環(huán)境污染問題，另一方面也可加速中國西部大開發(fā)的進程，充分利用沙漠、戈壁、荒漠這些利用價值較低的地區(qū)。

4 結(jié) 論

本文針對如何提高中國光伏利用率，研究并提出一種基于ArcGIS與多因子評價的光伏電站選址及發(fā)電潛力預(yù)測模型，該模型通過ArcGIS和層析分析法，綜合考慮多種影響大型光伏電站建設(shè)的因素，對不同的地勢和土地類型賦予不同的光伏利用系數(shù)，根據(jù)提出的模型得到中國區(qū)域內(nèi)大型光伏電站建設(shè)適宜度、光伏潛力與光伏電站選址的評估結(jié)果，本文研究工作得到的主要結(jié)論如下：

1）中國的太陽能資源總體較為豐富，按水平面總輻照量等級表評定，中國年平均地面輻射總量為B級，屬于太陽能資源很豐富的地區(qū)，中國太陽能資源最豐富地區(qū)為工業(yè)開發(fā)利用較少的西部地區(qū)。

2）根據(jù)提出的光伏電站建設(shè)適宜度評估模型，中國較為適宜建設(shè)大型光伏電站的區(qū)域為西北部地區(qū)、具體為西藏省的大部分地區(qū)、新疆省的中部與東部、青海省的西北地區(qū)、甘肅省的西北地區(qū)、寧夏的北部地區(qū)、內(nèi)蒙古的西部以及陜西省和山西省的北部地區(qū)，大型光伏電站的建設(shè)也能促進西部大開發(fā)工作。

3）根據(jù)提出的太陽能發(fā)電潛力評估模型，中國區(qū)域年光伏發(fā)電量為570.07×106 kW×h，中國光伏發(fā)電量較大的省份位于西部地區(qū)，新疆為年光伏發(fā)電量最高的省份其值為220.87×106 kW×h，占全中國年光伏發(fā)電量的38.7%；西藏地區(qū)次之，值為127.12×106 kW×h，占全中國年光伏發(fā)電量的22.3%。

4）綜合考慮大型光伏電站建設(shè)適宜度和光伏電站發(fā)電預(yù)測，中國非常適宜建設(shè)大型光伏電站的區(qū)域面積為3.88×105 km2，適宜建設(shè)大型光伏電站的區(qū)域面積為9.96×105 km2，總合計面積為1.38×106 km2，可看出中國的光伏發(fā)電潛力之巨大。

中國光伏資源的開發(fā)工作應(yīng)著重于太能資源豐富的西部地區(qū)，且中國的光伏發(fā)電潛力巨大，年光伏發(fā)電量預(yù)測值高達570.07×106" kWh，如果將此太陽能資源加以利用能極大的緩解中國能源緊缺的問題。

［參考文獻］

［1］"""" 中國在沙漠、戈壁、荒漠地區(qū)加快建設(shè)大型風(fēng)光基地項目［J］. 電力系統(tǒng)裝備， 2022（3）： 9.

China has accelerated the construction of large-scale landscape bases in deserts， Gobi and desert areas［J］. Electric power system equipment， 2022（3）： 9.

［2］"""" CHOI Y， RAYL J， TAMMINEEDI C， et al. PV Analyst： coupling ArcGIS with TRNSYS to assess distributed photovoltaic potential in urban areas［J］. Solar energy， 2011， 85（11）： 2924-2939.

［3］"""" HAN J Y， CHEN Y C， LI S Y. Utilising high-fidelity 3D building model for analysing the rooftop solar photovoltaic potential in urban areas［J］. Solar energy， 2022， 235： 187-199.

［4］"""" CHEN F Y， YANG Q， ZHENG N T， et al. Assessment of concentrated solar power generation potential in China based"" on"" geographic"" information"" system（GIS）［J］. Applied energy， 2022， 315： 119045.

［5］"""" 張乾， 辛?xí)灾蓿?張海龍， 等. 基于遙感數(shù)據(jù)和多因子評價的中國地區(qū)建設(shè)光伏電站的適宜性分析［J］. 地球信息科學(xué)學(xué)報， 2018， 20（1）： 119-127.

ZHANG Q， XIN X Z， ZHANG H L， et al. Suitability analysis of photovoltaic power plants in China using remote sensing data and multicriteria evaluation［J］. Journal of geo-information science， 2018， 20（1）： 119-127.

［6］"""" 王利珍， 譚洪衛(wèi)， 莊智， 等. 基于GIS平臺的我國太陽能光伏發(fā)電潛力研究［J］. 上海理工大學(xué)學(xué)報， 2014， 36（5）： 491-496.

WANG L Z， TAN H W， ZHUANG Z， et al. Evaluation of the photovoltaic solar energy potential in China based on GIS platform［J］. Journal of University of Shanghai for Science and Technology， 2014， 36（5）： 491-496.

［7］"""" QIU T Z， WANG L C， LU Y B， et al. Potential assessment of photovoltaic power generation in China［J］. Renewable and sustainable energy reviews， 2022， 154： 111900.

［8］"""" 毛愛涵， 李發(fā)祥， 楊思源， 等. 青海省清潔能源發(fā)電潛力及價值分析［J］. 資源科學(xué)， 2021， 43（1）： 104-121.

MAO A H， LI F X， YANG S Y， et al. Clean energy power generation potential and value in Qinghai Province［J］. Resources science， 2021， 43（1）： 104-121.

［9］"""" 羅金庫. 廣西山地光伏電站項目前期選址工作探析［J］. 紅水河， 2021， 40（4）： 85-88.

LUO J K. Preliminary site selection of Guangxi Mountain photovoltaic power station project［J］. Hongshui river， 2021， 40（4）： 85-88.

［10］""" 李付林. 影響光伏電站選址布局的因素分析［J］. 經(jīng)濟研究導(dǎo)刊， 2019（36）： 21-22， 34.

LI F L. Analysis of factors affecting the location and layout of photovoltaic power station［J］. Economic research guide， 2019（36）： 21-22， 34.

［11］""" MAJUMDAR D， PASQUALETTI M J. Analysis of land availability for utility-scale power plants and assessment of solar photovoltaic development in the state of Arizona， USA［J］. Renewable energy， 2019， 134： 1213-1231.

［12］""" NOOROLLAHI E， FADAI D， AKBARPOUR SHIRAZI M， et al. Land suitability analysis for solar farms exploitation using GIS and fuzzy analytic hierarchy process （FAHP）-a case study of Iran［J］. Energies， 2016， 9（8）： 643.

［13］""" 江東， 王娣， 付晶瑩， 等. 內(nèi)蒙古自治區(qū)未利用土地可再生能源潛力評估［J］. 科技導(dǎo)報， 2020， 38（11）： 60-69.

JIANG D， WANG D， FU J Y， et al. Assessment of potential of renewable energy to be proclaced on unused land in Inner Mongolia Autonomous Region［J］. Science amp; technology review， 2020， 38（11）： 60-69.

［14］""" 段瑩， 廖留峰， 楊娟， 等. 基于GIS的石漠化區(qū)域光伏項目建設(shè)適宜容量估算： 以鎮(zhèn)寧縣、紫云縣和關(guān)嶺縣為例［J］. 中低緯山地氣象， 2021， 45（6）： 26-30.

DUAN Y， LIAO L F， YANG J， et al. Estimation of suitable capacity of photovoltaic project based on GIS in rocky desertification area： a case study of Zhenning， Ziyun and Guanling［J］. Mid-low latitude mountain meteorology， 2021， 45（6）： 26-30.

［15］""" ALHAMMAD A， SUN Q C， TAO Y G. Optimal solar plant site identification using GIS and remote sensing： framework and case study［J］. Energies， 2022， 15（1）： 312.

［16］""" 周揚， 吳文祥， 胡瑩， 等. 西北地區(qū)太陽能資源空間分布特征及資源潛力評估［J］. 自然資源學(xué)報， 2010， 25（10）： 1738-1749.

ZHOU Y， WU W X， HU Y， et al. The temporal-spatial distribution and evaluation of potential solar energy resources in northwest China［J］. Journal of natural resources， 2010， 25（10）： 1738-1749.

［17］""" HE G， KAMMEN D M. Where， when and how much solar is available？ A provincial-scale solar resource assessment for China［J］. Renewable energy， 2016， 85： 74-82.

［18］""" CHEN S， LU X， MIAO Y F， et al. The potential of photovoltaics to power the Belt and Road initiative［J］. Joule， 2019， 3（8）： 1895-1912.

［19］""" 吳九興， 程久苗. 光伏電站選址規(guī)劃研究： 以蕪湖市為例［J］. 魯東大學(xué)學(xué)報（自然科學(xué)版）， 2019， 35（1）： 59-65， 89.

WU J X，CHENG J M.. Site selection planning of photovoltaic power station： a case study of Wuhu city［J］. Journal of Ludong University （natural science edition）， 2019， 35（1）： 59-65， 89.

［20］""" COLAK H E， MEMISOGLU T， GERCEK Y. Optimal site selection for solar photovoltaic （PV） power plants using GIS and AHP： a case study of Malatya Province， Turkey［J］. Renewable energy， 2020， 149： 565-576.

［21］""" NOOROLLAHI Y， YOUSEFI H， MOHAMMADI M. Multi-criteria decision support system for wind farm site selection using GIS［J］. Sustainable energy technologies and assessments， 2016， 13： 38-50.

［22］""" 肖建華. 基于層次分析法和GIS的荒漠光伏電站選址模型研究［D］. 北京： 中國科學(xué)院大學(xué)， 2011.

XIAO J H. Study on location model of desert photovoltaic power station based on analytic hierarchy process and GIS［D］. Beijing： University of Chinese Academy of Sciences， 2011.

［23］""" 張小蓮， 李恒聰， 胡淇， 等. 多站融合選址綜合評估研究［J］. 電力工程技術(shù)， 2022， 41（2）： 53-59.

ZHANG X L， LI H C， HU Q， et al. Comprehensive location evaluation of multi-station integration［J］. Electric power engineering technology， 2022， 41（2）： 53-59.

［24］""" 馬翼飛. 基于GIS的太陽能光伏能源電站選址方法的研究與應(yīng)用［D］. 銀川： 北方民族大學(xué)， 2020.

MA Y F. Research and application of location selection method of solar photovoltaic power station based on GIS［D］. Yinchuan： Beifang University of Nationalities， 2020.

［25］""" 胡淇， 周千潯， 陳玘， 等. 基于層次分析法的多站融合選址評估方法［J］. 電工技術(shù)， 2022（5）： 89-95.

HU Q， ZHOU Q X， CHEN Q， et al. Multi-station integrated location evaluation method based on analytic hierarchy process［J］. Electric engineering， 2022（5）： 89-95.

［26］""" 贠旭明. 光伏發(fā)電系統(tǒng)發(fā)電效率評估［D］. 北京： 華北電力大學(xué)， 2017.

YUAN X M. Photovoltaic power generation system efficiency evaluation［D］. Beijing： North China Electric Power University， 2017.

［27］""" 謝國輝， 李娜娜， 汪曉露， 等. 全球大型光伏電站基地開發(fā)潛力分析［J］. 智慧電力， 2018， 46（4）： 1-5.

XIE G H， LI N N， WANG X L， et al. Study on development potential of global large scale PV power base［J］. Smart power， 2018， 46（4）： 1-5.

［28］""" 張佳平. 光伏系統(tǒng)發(fā)電效率的影響因素［J］. 上海節(jié)能， 2022（1）： 56-61.

ZHANG J P. Factors affecting power generation efficiency of photovoltaic system［J］. Shanghai energy conservation， 2022（1）： 56-61.

［29］""" WANG S F， KOCH B. Determining profits for solar energy with remote sensing data［J］. Energy， 2010， 35（7）： 2934-2938.

［30］""" 梁玉蓮， 申彥波， 白龍， 等. 華南地區(qū)太陽能資源評估與開發(fā)潛力［J］. 應(yīng)用氣象學(xué)報， 2017， 28（4）： 481-492.

LIANG Y L， SHEN Y B， BAI L， et al. Assessment of solar energy resource and its exploitation potential in South China［J］. Journal of applied meteorological science， 2017， 28（4）： 481-492.

［31］""" 張華， 王立雄， 李卓. 城市建筑屋頂光伏利用潛力評估方法及其應(yīng)用［J］. 城市問題， 2017（2）： 33-39.

ZHANG H， WANG L X， LI Z. Evaluation method and application of photovoltaic potential of urban building roof［J］. Urban problems， 2017（2）： 33-39.

LOCATION EVALUATION OF PHOTOVOLTAIC POWER

STATIONS BASED ON ARCGIS AND MULTI-CRITERIA MODEL

Wang Haijin1，Tang Ruoli1，Zhou Yushi2，Zhang Yan2

（1. School of Naval Architecture， Ocean and Energy Power Engineering， Wuhan University of Technology， Wuhan 430063， China；

2. School of Transportation and Logistics Engineering， Wuhan University of Technology， Wuhan 430063， China）

Abstract：Based on the spatial and temporal distribution of photovoltaic resources in China， this paper studies and proposes a prediction model for the location of photovoltaic power stations and potential of photovoltaic power based on ArcGIS and multi-criteria evaluation. ArcGIS software and analytical hierarchy process were used to comprehensively consider a variety of factors affecting the construction of large-scale photovoltaic power stations， and different photovoltaic utilization coefficients were assigned to different terrain and land types， so as to obtain a multi-factor evaluation model of the suitability of large-scale photovoltaic power station construction， photovoltaic potential and photovoltaic power station location. Based on the model， the potential of photovoltaic power generation in various regions in China is obtained and the suggestions on the location of photovoltaic power stations are given. The evaluation results show that the total annual photovoltaic power generation in China is about 570.07×106 kWh， among which Xinjiang is the province with the highest total annual photovoltaic power generation. The most suitable areas for the construction of photovoltaic power stations in China are the northwest region， in which the suitable area is 1.08×106 km2， and the most suitable area is 2.10×105 km2. The conclusion will provide a reliable theoretical basis for the long-term planning and construction of China’s photovoltaic industry.

Keywords：photovoltaic modules； PV power station； site selection； analytic hierarchy process； geographic information system