从韧性视角出发，研究考虑不同语言表达的风光互补储能电站选址决策方法

《Journal of Engineering and Technology Management》：Research on site selection decision-making method for wind-photovoltaic-shared energy storage stations considering differentiated linguistic terms from a resilience perspective

风电-光伏-储混合系统在青海的选址优化与韧性评估模型构建。

　　随着全球气候问题的日益严峻以及能源转型的迫切需求，风能和光伏发电系统的电网接入正受到其固有间歇性和对极端天气事件的敏感性所限制，这在一定程度上影响了电力系统的稳定性。为了解决这一问题，风-光伏混合储能系统被视为一种具有前景的解决方案，但要充分发挥其调节能力和气候适应性，需要建立科学严谨的选址框架。本文提出了一种基于系统韧性因素的综合评价体系，并结合差异化语言术语表示方法，以更精确地量化定性指标的模糊语义。同时，设计了一种融合证据理论、CRITIC方法和博弈论的加权模型，以实现主观偏好与客观冲突的协同优化。此外，还开发了一种基于前景理论改进的TOPSIS与灰色关联分析相结合的排序算法（PT-MTOPSIS-GCA），该方法通过前景理论刻画决策者的风险偏好，并利用余弦相似度构建方向-距离二维度量，以克服传统方法在表达资源异质性方面的不足。通过对青海省的实证分析，识别出西宁和海西州为最佳选址，其资源禀赋较强。敏感性测试进一步验证了该模型的稳健性，为构建气候适应性强的能源网络和基础设施规划提供了可靠的理论支持。

在当前全球气候变化加剧和能源危机深化的背景下，各国正加速向低碳经济体系转型。可再生能源，如风能和太阳能，已成为能源基础设施重构中的关键组成部分。中国提出的“双碳”战略目标（碳达峰和碳中和）在推动这一转型过程中发挥了重要作用。数据显示，到2024年，中国的风力发电装机容量已达到5.21亿千瓦，太阳能发电装机容量则达到了8.9亿千瓦，分别增长了18%和45%。国际能源署（IEA）预测，到2030年，可再生能源将占全球电力供应的40%以上。然而，大规模可再生能源的接入对电力系统带来了诸多挑战。由于风能和太阳能发电的波动性和随机性，它们与传统电网中刚性的供需结构之间存在显著的矛盾。随着极端天气事件（EWEs）的频率增加，风能和太阳能发电的不确定性进一步加剧，可能导致电力系统连锁故障的风险上升，对能源安全构成重大威胁。

为了应对这些挑战，能源存储设施的空间优化成为提升系统韧性的核心途径。风能和太阳能的间歇性以及极端天气事件在时间和空间上的耦合效应，导致供需不平衡风险的非线性上升。从系统韧性角度出发，能源存储设施在时空上的协调能力是解决这一问题的关键。通过科学的选址，建立分布式的能源存储网络，可以在局部地区因极端天气引发的故障时，实现跨区域的电力补偿，从而维持电力系统的动态平衡。这种基于物理空间优化的调节机制，不仅能够缓解短期的电力波动，还能增强能源网络的长期抗冲击能力，为新型电力系统架构提供重要支撑。

共享式能源存储作为一种创新的韧性提升方式，通过集中管理和协同优化，为能源系统提供了更灵活的调节能力。与独立储能系统相比，共享储能系统通过电网-社区-用户多层次的互动，构建了更具适应性的网络结构，从而在发生故障时能够实现快速响应。这种架构不仅降低了建设成本，还通过规模效应提升了系统的气候适应性。混合储能系统能够动态应对多种气候灾害，从而提升整体系统的韧性。

风-光伏-共享式储能站作为可再生能源与先进储能技术的有机融合，展现了在能源转型中的巨大潜力。通过整合风能、太阳能和储能技术，这些系统能够有效应对可再生能源的波动性，同时增强电网的稳定性。然而，其战略价值的实现依赖于科学的选址决策，这不仅需要考虑传统的资源禀赋和电网接入条件，还必须纳入气候适应性因素，以应对极端天气的影响。优化的选址方案能够在资源潜力和气候韧性之间取得平衡，从而提升系统的可靠性与应急响应能力，支持构建气候适应性强的能源网络。这种选址方法不仅具有技术实践意义，也为气候适应型基础设施的建设提供了可行路径，从而助力实现“双碳”目标和保障能源安全。

在本文的研究中，针对风-光伏-共享储能站的选址问题，提出了一种基于韧性的决策方法。该方法通过差异化语言术语表示方法，解决了定性指标的模糊语义量化问题。传统的单表达方式难以准确反映不同指标的特性，因此本文引入了四种核心表达类型：定量数据、区间数、直觉模糊数和概率语言术语集。这种方法不仅提高了评价的准确性，还增强了对专家意见的整合能力，使决策过程更加科学和系统化。

此外，本文还设计了一种融合证据理论、CRITIC方法和博弈论的加权模型。该模型首先利用证据理论整合专家的主观偏好，从而在决策过程中引入更多的现实因素。其次，通过CRITIC方法量化不同指标之间的客观冲突，使评价体系能够更全面地反映各因素的相互影响。最后，借助博弈论实现主观和客观权重的协同优化，使决策结果更加平衡和合理。这一模型的引入，为复杂多因素的能源存储选址提供了新的分析工具，有助于提高决策的科学性和可行性。

为了进一步提升选址决策的准确性，本文还开发了一种基于前景理论改进的TOPSIS与灰色关联分析相结合的排序算法（PT-MTOPSIS-GCA）。该算法通过前景理论刻画决策者在面对不确定性时的风险偏好，从而更真实地反映其决策行为。同时，基于余弦相似度构建了方向-距离二维度量体系，以解决传统方法在表达资源异质性方面的不足。这一方法能够在多维度的评价体系中，更有效地识别和排序最优选址方案，为决策者提供更加全面和深入的参考依据。

通过对青海省的实证分析，本文验证了所提出方法的有效性。青海省作为中国国家清洁能源战略的重要地区，具备独特的地理条件和丰富的自然资源。其广阔的高原和盆地地区，如柴达木盆地和共和盆地，提供了广阔的平坦地形，适合大规模、低成本地发展风能和太阳能项目。此外，该地区拥有优越的太阳能资源，年均日照时间较长，为储能系统的建设提供了良好的基础条件。通过综合分析这些地区的资源禀赋和气候适应性，本文识别出西宁和海西州为最优选址，表明该方法在实际应用中具有较高的可行性。

为了确保模型的稳健性，本文还进行了敏感性测试。测试结果表明，所提出的评价框架和排序算法在面对不同参数变化时仍能保持较高的决策一致性，从而验证了其在复杂环境下的适应能力。这种稳健性不仅增强了模型的可信度，也为未来在不同地区的推广和应用提供了理论依据。通过这些测试，本文进一步确认了模型在应对极端天气和气候变化方面的有效性，为构建更具韧性的能源网络提供了科学支持。

本文的研究成果不仅为风-光伏-共享储能站的选址决策提供了新的方法论，也为能源系统的韧性提升和气候适应型基础设施建设提供了重要参考。通过科学的选址框架，可以有效降低可再生能源接入带来的不确定性，提高电力系统的稳定性和安全性。同时，这一方法还能够优化风能和太阳能资源的配置，实现能源系统的高效运行和可持续发展。未来，随着气候变化的进一步加剧和能源转型的不断推进，这种基于韧性的选址决策方法将在更大范围内得到应用，为构建更加智能、灵活和安全的能源网络提供坚实的技术基础。