用于公用事业规模太阳能光伏电站选址的综合地理空间多标准框架，结合技术经济性和环境影响评估：以美国内华达州为例

《Energy Conversion and Management-X》：Integrated geospatial multi-criteria framework for utility-scale solar PV plant site selection with techno-economic and environmental impact assessments: a case study of Nevada, United States

　　莫尔特扎·纳扎里普尔（Morteza Nazaripour）|艾哈迈德雷扎·卡塔姆古亚（Ahmadreza Khatamgooya）|莫赫森·拉尔尼（Mohsen Larni）|赫萨姆·帕尔萨埃安（Hesam Parsaeian）|塞塔雷·切什梅克赫兹尔（Setareh Cheshmekhezr）|沙姆斯·拉扎克·罗蒂（Shams Razzak Rothee）|努尔·哈基姆（Nour Hakim）|埃里卡·J·马蒂（Erica J. Marti）|伊卡尔拉克·汗（Eakalak Khan）

内华达大学拉斯维加斯分校土木与环境工程与建筑系，内华达州89154，美国

**摘要**

有效部署公用事业规模的太阳能光伏（PV）电站需要战略性多标准决策（MCDM），以符合可持续性原则和最佳实践。本研究通过结合地理信息系统分析（GIS）和模糊层次分析法（fuzzy AHP）来评估公用事业规模太阳能光伏的空间适宜性。使用模糊AHP对十二个技术和经济标准进行了加权，并将研究区域（美国内华达州）分为四个适宜性类别，从最适宜到中等适宜。研究区域内约有10,007平方公里被认为是最适宜的，内华达州总面积的12.3%被认为非常适合开发公用事业规模的太阳能光伏电站。此外，还进行了全面的技术经济分析，以计算20兆瓦太阳能光伏电站的年发电量、平准化电力成本（LCOE）及其容量因子。本研究考虑了单一所有者的购电协议。基于适宜性指数，计算了16个地点的不同电池技术（薄膜和单晶太阳能电池）的LCOE范围和容量因子，分别为每千瓦时2.95至4.19美分和22.3%至28.0%。进行了从摇篮到坟墓的生命周期评估，以评估和比较不同地点和电池技术的公用事业规模太阳能光伏电站的环境影响。全球变暖潜力估计为每千瓦时12.7至39.9克二氧化碳当量，具体取决于所使用的电池技术和内华达州内的位置。

**引言**

化石燃料是有限的、不可再生的资源，其使用会产生大量的温室气体排放，加剧气候变化和环境退化，对人类和生态系统产生负面影响。值得注意的是，仅5%的化石燃料发电厂就负责了全球73%的电力生产二氧化碳排放[1]。这种明显的不平衡凸显了一个关键的环境问题。此外，世界各国政府越来越多地将可再生能源纳入其能源组合中。这一转变是由几个关键因素驱动的，包括化石燃料的有限性、价格波动性以及与政治不稳定相关的能源安全挑战。联合国的可持续发展目标之一是确保所有人都能获得负担得起、可靠、可持续和现代的能源，具体目标是在2030年前大幅增加可再生能源在全球能源结构中的份额[2]。光伏（PV）太阳能正在全球范围内迅速发展，成为最具成本效益的可再生能源，因为它能够高效利用丰富的太阳能资源[3]。技术的快速进步和模块成本的下降推动了公用事业规模光伏容量的显著增长，特别是在美国和西欧等发达地区[4]。

内华达州是美国第七大州，纬度范围为北纬35°至42°，经度范围为西经114°至120°，面积为286,380平方公里，人口为320万。根据太阳能行业协会的数据，内华达州在太阳能上投资了超过130亿美元，预计总装机容量将达到6,945兆瓦[5]。此外，美国能源信息署报告称，2023年可再生能源占内华达州总发电量的39%。内华达州规定，到2030年，公用事业公司向客户销售的电力中至少有50%必须来自可再生能源[6]。根据美国能源信息署的内华达州概况，公用事业规模太阳能系统（大于1兆瓦）和小型太阳能光伏系统（小于1兆瓦）合计占内华达州总发电量的约26%[5]。扩大内华达州的太阳能产业可以通过能源出口促进当地经济发展，同时支持拟建的西部区域电网的建设。这个连接14个美国州、加拿大省份和墨西哥下加利福尼亚部分地区的综合电网，承诺带来显著的环境和经济效益，包括为用户节省成本和创造就业机会[7]。在美国，每年大约60%至70%的太阳能安装项目是公用事业规模的光伏项目[8]。预计到2050年，公用事业规模系统仍将是光伏安装的主要形式[9]。因此，开发公用事业规模的光伏电站需要大量投资，这受到组件（如太阳能模块和逆变器）的技术规格以及电网连接基础设施（包括变压器）等因素的影响。此外，成本还受到采购和建设费用的影响，其中包括前期活动，如行政任务、咨询服务以及从当地政府获得必要的批准和许可[2]。因此，建立太阳能光伏系统不仅仅是评估太阳能潜力；还需要考虑影响电力输出的因素，并考虑相关的社会环境影响[10]。准确评估资源可用性和确定最佳位置对于确保太阳能项目的成本效益和可持续性至关重要，这对公用事业公司和开发商在选择地点的过程中提出了重大挑战。

最佳的太阳能发电依赖于选择最适合建设太阳能电站的位置，这一过程需要精确的空间分析方法。将地理信息系统（GIS）与多标准决策（MCDM）方法相结合，为制定土地适宜性地图提供了强大的框架[11]。MCDM方法对于确定太阳能电站的最佳位置至关重要。它们通常包括定义问题、识别备选方案、选择标准、构建决策矩阵以及为每个标准分配权重[12]。层次分析法（AHP）是场地适宜性研究中广泛使用的加权方法之一，它依赖于成对比较来评估评估标准的相对重要性。它结合了定性和定量方法，使得有效标准的比较更加系统和结构化。为了减少不确定性并提高决策灵活性，采用了模糊AHP[13]。在这方面，多项研究利用AHP-GIS和基于模糊AHP-GIS的分析来选择公用事业规模太阳能光伏电站的地点（见补充材料中的表S1）。

技术经济分析（TEA）对于公用事业规模太阳能光伏选址至关重要，它使开发商能够评估财务可行性、优化成本，并考虑长期运营和监管因素，以确保项目的成功。TEA通过评估资本支出、运营成本和预期收入来评估太阳能光伏投资的可行性，确保开发前的系统可行性[14]。这种分析为投资者提供了关于项目技术和经济方面的见解，使他们能够做出明智的投资决策[15]。近年来，平准化电力成本（LCOE）作为评估投资经济可行性的关键指标受到了关注。LCOE代表了系统生命周期内产生的能源成本，是比较不同能源发电技术成本效益的基准[16]。补充材料中的表S2展示了全球范围内关于太阳能光伏电站实施的技术经济研究数量，详细列出了电站容量、电池技术和LCOE。

生命周期评估（LCA）是一种全面的方法，旨在量化产品或过程在整个生命周期内的环境影响。LCA已经从简单的环境评估工具发展成为可持续性研究的综合框架[17]、[18]，其范围和用途都得到了显著扩展。LCA的结果为公共机构、利益相关者和制造商提供了有价值的见解，以支持明智的决策。尽管光伏技术在许多影响类别中比化石燃料更加环保，但它在整个生命周期内仍会产生环境影响。因此，评估光伏系统的真正能源和环境效益需要进行全面的生命周期评估。许多研究评估了全球不同地区公用事业规模太阳能光伏电站实施的环境影响[19]、[20]、[21]、[22]。

尽管MCDM-GIS研究可以纳入技术、经济、环境和空间标准，但其结果仍受到方法论不确定性的影响，包括专家判断偏差、标准权重不确定性以及对选定标准的敏感性。一致性比率评估和敏感性分析通常用于提高MCDM-GIS结果的可靠性。然而，即使采用这些程序，MCDM-GIS主要也只是生成候选区域的相对空间排名，并不直接量化项目层面的性能，如能源生产、经济可行性或生命周期环境影响。因此，从地理空间角度来看被认为是适宜的区域不一定代表最具有成本效益或环境最优的选择。

将选址结果整合到TEA中，然后将选址和TEA结果结合到LCA中，通过将空间适宜性与可测量的性能指标联系起来，解决了这一限制。为了应对这一重要问题，本研究考虑了十二个关键标准来选择公用事业规模太阳能光伏电站的地点。使用模糊AHP方法对这些标准进行了加权，并在ArcGIS中生成了一个适宜性指数层，将区域从中等适宜分类为最适宜。基于该指数，确定了内华达州的16个潜在地点。随后进行了TEA分析，使用两种太阳能电池技术（单晶硅和薄膜CdTe）评估了20兆瓦公用事业规模太阳能光伏电站的LCOE、容量因子和年发电量。最后，基于MCDM-GIS和TEA的结果，进行了LCA分析，以评估位置和太阳能电池技术对建模的公用事业规模太阳能电站的环境性能的影响。

**材料与方法**

为了准确分析适宜性水平，我们定义了两种类型的标准：技术标准和经济标准。技术标准包括全球水平辐照度（GHI）、温度、平均云量覆盖度、降雨量、地表压力、朝向、地表反照率和相对湿度。这些因素直接或间接影响太阳能光伏发电的效率。经济标准包括坡度、靠近居民区的程度、靠近主要道路的程度以及靠近输电线的程度。这些因素主要影响实施太阳能光伏项目的建设成本。表1概述了应用于限制区域的缓冲距离，包括水体、主要道路、居民区、铁路、机场和环境保护区。这些区域被视为限制区域，不适合建设太阳能光伏电站。

**表1. 限制标准和缓冲距离**

| 限制 | 缓冲距离 |
|----------------|--------------|
| 铁路 | 500米 |
| 水体 | 500米 |
| 高速公路和主要道路 | 1,000米 |
| 坡度 > 10% | 10,000米 |
| 居民区 | 3,000米 |
| 保护区 | 3,000米 |
| 机场 | 3,000米 |
| 朝向（北、东北和西北） | 2,100米 |

**2.1. GIS-模糊AHP**

GIS因其强大的分析能力而在空间分析和土地适宜性评估中表现出色[10]、[23]。由于GIS本身缺乏决策能力[24]，将其与MCDM技术结合使用变得越来越流行，从而能够通过结合技术和经济类别的各种标准进行全面的空间分析。并非所有标准对选址结果的影响都相同，因此分配准确的权重以反映其真实影响至关重要。

模糊AHP将模糊逻辑纳入标准加权过程，允许将专家判断中的不确定性、模糊性和模糊主观信息数学化表示和量化，从而提高了MCDM模型的灵活性和稳健性[25]、[26]、[27]。模糊AHP已被广泛用于大规模空间能源规划和可再生能源电站选址的标准权重计算[28]、[29]、[30]。此外，在使用排序方法（如TOPSIS、PROMETHEE和VIKOR）的混合MCDM框架中，模糊AHP通常用于在排序备选方案之前确定每个标准的相对权重。例如，Mandal等人[31]使用AHP和模糊AHP计算标准权重，然后将这些权重纳入模糊TOPSIS框架中对备选方案进行排序。同样，Almasad等人[3]应用模糊AHP确定标准权重，并将这些权重作为输入用于PROMETHEE II方法对潜在的太阳能光伏电站实施备选方案进行排序。Abdul等人[32]也应用模糊AHP确定可再生能源采用技术的标准权重，然后使用模糊VIKOR方法评估潜在备选方案。

尽管机器学习（ML）算法在预测太阳能光伏能量输出方面非常有效[33]、[34]，但它们在空间适宜性建模中的应用需要充足、分布均匀且平衡的历史数据集来训练可靠且可转移的模型[35]。最近的研究成功应用机器学习（ML）进行公用事业规模太阳能光伏（PV）电站选址，这些研究依赖于对现有设施的广泛调查。例如，Sari和Rusen [36] 使用1,311个现有的太阳能光伏电站作为输入数据进行了基于ML的选址研究，而Tao等人[37]则基于228个公用事业规模的太阳能光伏电站开发了一种基于ML的方法。相比之下，在内华达州应用ML进行公用事业规模太阳能光伏电站选址受到数据严重限制的制约。截至2025年4月，内华达州仅有大约70个在运行的公用事业规模太阳能光伏电站，且这些设施在州内的分布并不均匀。其中超过50个电站集中在莫哈韦沙漠的南部地区。在数据如此稀少且空间分布不平衡的情况下，ML模型可能极易受到空间自相关性和抽样偏差的影响。它们可能过度拟合于局部发展模式，从而人为夸大了其泛化性能[35]、[38]、[39]。由于可再生能源选址涉及多种技术、环境和经济标准，以及基于专家的优先级评估中的不确定性，本研究采用了GIS-模糊AHP方法来计算标准权重并构建适宜性指数层。这种方法特别适用于数据有限的地区，尤其是在缺乏足够且空间分布均衡的现有光伏电站数据的不发达地区。为了处理AHP方法固有的不确定性，使用了三角模糊数（TFNs）。一个TFN包含三个参数：l、m和u，其中l代表“最小可能值”，m表示“最可能值”，u表示“最大可能值”。TFNs用于表示成对比较矩阵中的重要性（pij），该矩阵源自AHP技术。这种技术利用层次结构来解决决策问题。模糊化比较矩阵通过有效处理决策过程中的不确定性和模糊性来提高分析的准确性。对于两个三角模糊数M1和M2，定义如下：M1 = (l1, m1, u1) 和 M2 = (l2, m2, u2)，其运算规则如下：
(1) uM(x) = xm - l - lm - l, x ∈ [l, m]; x ∈ [u, m]; otherwise
(2) (l1, m1, u1) ⊕ (l2, m2, u2) = (l1 + l2, m1 + m2, u1 + u2)
(3) (l1, m1, u1) ⊙ (l2, m2, u2) = (l1 * l2, m1 * m2, u1 * u2)
(4) (λ, λ, λ) ⊙ (l1, m1, u1) = (λ * l1, λ * m1, λ * u1), λ > 0, λ ∈ R
(5) (l1, m1, u1)^-1 ≈ (1/u1, 1/m1, 1/l1)
第i个对象的模糊综合程度值表示为：
(6) Si = ∑j=1^n pij ? ∑i=1^n ∑j=1^n pij-1
此外：
(7) ∑i=1^n ∑s=1^ml ～ ij = ∑s=1^mls, ∑s=1^mms, ∑s=1^mus ⊕ ∑i=1^n ls, ∑i=1^n ms, ∑i=1^n us
随后，使用以下公式计算向量的逆：
(8) ∑i=1^n ∑s=1^mlis-1 = 1 / (∑i=1^n us, 1 / ∑i=1^n ms, 1 / ∑i=1^n ls)
在模糊综合程度方法中，可能性程度对于确定最终权重起着关键作用：
(9) V(S1 ≥ S2) = SUPmin(μS1(x), μS2(y)) = hgt(S1∩S2) = μS1(d)
可能性程度必须在0到1之间；超出此范围的任何值都会使结果无效。模糊权重计算利用了可能性程度，定义为 M2 ≥ (l2, m2, u2) ≥ (l1, m1, u1)。
(10) V(S1 ≥ S2) = 1, 如果 (m1 ≥ m2); 0, 如果 (l1 ≥ l2); otherwise, (l2 - u1) / ((m1 - u1) - (m2 - l2))
通过对所有标准进行比较，确定一个凸模糊数大于一组凸模糊数的可能性程度。然后，计算三角模糊数Mi大于其他k个模糊数的概率程度，其中i = 1, 2, 3, …, k，定义如下：
V(M ≥ M1, M2, …, Mk) = V(M ≥ M1) ∧ (M ≥ M2) ∧ … ∧ (M ≥ Mk)
(11) 和 (M ≥ Mk) = min(V(M ≥ Mi), i = 1, 2, …, k)
对于：
(12) d′(Ai) = min(V(Si ≥ Sk)
如果k = 1, 2, n且k ≠ i，则每个标准的权重表示为：
(13) W = (d(A1), d(A2), d(An))^T
在本研究中，权重是根据四位领域专家填写的问卷调查结果计算得出的，相应的成对比较矩阵展示在表S3至S6中。受访者要么拥有相关研究领域的博士学位，要么拥有硕士学位并在太阳能行业至少有五年的工作经验。比较矩阵展示在补充材料的表S3至S6中。聚合成对比较矩阵是使用“个体判断聚合”方法[40]计算的，该方法通过几何平均数合并专家们的成对比较矩阵中的相应元素，从而形成单一的决策矩阵。聚合后的成对比较矩阵展示在补充材料的表S7中。
尽管模糊AHP方法可以减少与传统AHP相比的不一致性，但在人类判断中仍可能自然出现一些不一致性。为此，使用了一致性指数（CI）来评估标准之间的判断是否逻辑上连贯，较低的CI值表示更高的一致性。此外，通过将CI与随机一致性指数（RI）进行比较来计算一致性比率（CR），RI的值取决于标准数量，如表2所示。在本研究中，基于表2，当标准数量为12时，RI为1.48。CI和CR值是使用公式(14)和(15)计算的。
(14) CI = λmax / (n - 1)
(15) CR = CI / RI
表2. 不同标准数量的随机指数。
n 1 2 3 4 5 6 7 8 9 10 11 12
RI 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49 1.51 1.48
在公式(14)中，‘λmax’是从一致性矩阵中得到的最大特征值，‘n’代表标准数量。
如果CR ≤ 10%，则认为一致性水平是可以接受的[41]、[42]。否则，成对比较中存在严重不一致性，应重新进行评估过程。在本研究中，计算出的CR为3.9%，确认成对比较具有足够的一致性。通过模糊AHP方法获得的最终权重显示在表3中。
表3. 每个标准的模糊权重和标准化最终权重。
标准 解释 模糊权重 标准化最终权重 (%)
GHI (C1) GHI是光伏面板的主要能源输入，气象学家也称之为下行短波表面辐射，是太阳能资源评估中最重要的参数之一。它包括直接法向辐照度（DNI）和散射水平辐照度（DHI）。较高的GHI水平可以增加光伏面板的发电量。在沙特阿拉伯[3]和土耳其Kayseri[42]的太阳能光伏电站选址案例研究中，GHI被确定为最重要的标准或子标准。
[0.109, 0.219, 0.413]
21
温度 (C2) 环境温度显著影响光伏面板的性能。这些面板专门设计为在特定温度范围内运行，以确保最佳效率。根据项目位置，光伏面板通常在15°C至35°C的温度范围内运行，在此期间太阳能电池达到最大或接近最大效率[65]。高温会提高太阳能电池的温度，从而降低发电量[66]。
[0.075, 0.161, 0.323]
16
坡度 (C3) 陡峭的坡度不理想，因为它需要额外的施工活动，如钻孔和土地平整，这会显著增加项目成本并影响太阳能电站的成本效益[67]。关于这一主题的文献中发现的数值范围很广，最大值在3%到30%之间[62]。
[0.058, 0.128, 0.270]
13
朝向 (C4) 朝向表示坡度的方向，影响站点相对于太阳的方向，这会影响太阳辐射的持续时间和强度。在北半球，朝南的区域通常接收更多的太阳辐射，尤其是在不同季节[43]、[64]。
[0.042, 0.090, 0.191]
9
表面反照率 (C5) 表面反照率是指太阳辐射与地球表面接触时的反射率。由于光伏面板可以吸收所有类型的太阳辐射，较高的表面反照率可以提高其性能，从而增加能量产出[0.029, 0.063, 0.140]
6
气压 (C6) 气压是大气重量对地球表面施加的力。较高的气压可以增加到达光伏面板的太阳辐照量，从而提高其能量转换效率[0.043, 0.094, 0.203]
9
靠近居民区 (C7) 靠近居民区有助于降低能源传输成本。太阳能项目与城市中心之间的较短距离可以减少电力供需之间的差距[68]。然而，将太阳能电站建得太靠近居民区可能会造成视觉影响和来自逆变器及变压器的噪音污染。施工活动也可能打扰附近的居民[0.023, 0.050, 0.116]
5
靠近输电线路 (C8) 靠近输电线路是电站选址的重要因素，因为较远的距离会使太阳能项目因电网连接成本过高而变得经济上不可行。根据线路电压等级和输电线路的长度，这些成本每英里可能从50,000美元到180,000美元不等[7]。
[0.029, 0.065, 0.148]
7
靠近主干道 (C9) 靠近主干道和高速公路可以显著降低建设成本，因为可以减少运输费用和基础设施开发需求[63]。像靠近输电线路和居民区一样，靠近主干道是一个经济标准，不会直接影响光伏电站的能源产出率[0.02, 0.042, 0.100]
5
降水量 (C10) 一般来说，高降水量（如大雨或雪）会显著降低光伏面板的最大功率输出和能量转换效率。然而，降水也可以带来一些好处，包括通过显热和蒸发冷却显著减少热损失，尤其是在夏季。此外，光伏玻璃上的一层薄水膜可以减少反射损失[0.017, 0.029, 0.062]
3
云量 (C11) 云层覆盖通过改变GHI（包括DNI、散射和地面反射辐射）来影响光伏输出。在晴朗的天空下，DNI是主导且最有效的发电成分。随着云层覆盖的增加，DNI显著减少，而散射和反射辐射增加，导致到达面板表面的直接太阳辐射减少，从而降低光伏系统的发电效率[0.017, 0.029, 0.062]
3
相对湿度 (C12) 相对湿度通过影响太阳辐射与大气中水蒸气颗粒的相互作用来影响光伏面板的效率[72]。间接地，湿度会影响太阳能电池表面的灰尘沉积，从而降低面板效率[0.017, 0.029, 0.062]
3
敏感性分析是一种通过检查这些因素的变化如何影响最终结果来确定输入因素相对重要性的有用方法[43]。在本研究中，采用了地图移除法进行敏感性分析。在这种方法中，一次移除一个标准，重新标准化剩余标准的权重，并为每种移除情景生成新的适宜性地图。然后将结果地图与使用所有标准生成的原始适宜性地图进行比较，以确定每个因素的排除对最终适宜性模式的影响程度。在这种方法中，使用ArcGIS中的Raster Calculator工具根据以下公式计算敏感性指数：
(16) 敏感性指数 = |XN - X′N′| / X × 100
其中X表示使用所有标准获得的适宜性结果，X′表示移除一个标准后获得的适宜性结果，N是原始适宜性模型中包含的标准总数，N′是移除一个标准后剩余的标准数量。
模糊AHP分析的结果表明，在评估的因素中，GHI、温度和坡度的权重最高。表3中呈现的加权值为决策者优化该州公用事业规模太阳能光伏电站选址提供了有价值的见解。
2.2. 适宜性地图制作
根据研究中建立的标准，开发了十二个栅格层。这些层在图1中显示，并与相对标准权重一起用于加权叠加技术。表S8总结了用于生成主题层的数据集的来源和空间特征。所有数据集都是直接从原始来源获取的，并根据各自的规格在ArcGIS Pro中处理。选定的标准包括气候因素（如GHI、温度和湿度）；地形因素（如坡度、朝向和海拔）；以及与基础设施相关的因素（如道路、电网和靠近程度）。所有空间数据集都使用WGS 84（世界大地测量系统1984）坐标参考系统进行处理。
下载：下载高分辨率图像（1008KB）
下载：下载全尺寸图像
下载：下载高分辨率图像（901KB）
下载：下载全尺寸图像
下载：下载高分辨率图像（707KB）
下载：下载全尺寸图像
图1. 用于适宜性指数分析的标准层：(a) GHI, (b) 坡度, (c) 温度, (d) 朝向, (e) 表面反照率, (f) 平均降水量, (g) 平均云量, (h) 相对湿度, (i) 气压, (j) 靠近输电线路, (k) 靠近居民区, (l) 靠近主干道。
选择太阳能电站的最佳地点涉及评估多个环境和地理参数，每个参数对效率和成本效益的影响各不相同。一些标准应最大化以提高太阳能产量，而其他标准应最小化或保持在最佳范围内以减轻不利影响。在这项研究中，较高的GHI（千瓦时/平方米/年）、气压（帕）和表面反照率（无量纲）是优选的，因为它们可以直接提高太阳能的发电量[44]。相反，较低的相对湿度（%）、降雨量（毫米）和云量是更理想的，因为过多的水分和降水会减少到达太阳能板的太阳辐射量[3]。太阳能板在最佳温度范围内运行效率最高。虽然较低的温度通常更有利，因为可以减少热损失，但过低的温度可能会对性能产生负面影响。需要注意的是，某些因素，如坡度、距离居民区、道路和输电线路的距离，并不直接影响电力生成，而是经济考虑因素。尽量减少这些因素可以避免与土地平整、建设新道路或扩展输电基础设施相关的额外成本，从而提高太阳能电站的整体成本效益[45]。

2.3. 技术分析
本研究考虑了一个20兆瓦的并网系统，在不同地区评估内华达州太阳能光伏项目的可行性。通常，光伏系统的性能取决于技术指标，包括最终能量输出、性能比和容量因子[46]。System Advisor Model (SAM) 是一个强大的模拟工具，因为它可以设计和模拟不同技术的产量。文献中报告称SAM是光伏电站模拟的最佳工具之一，许多研究都使用了该软件来评估光伏电站的产量[47][48]。在这方面，选择了SAM（版本2023.12.17）作为建模工具，因为它能够提供可再生能源应用的全面技术经济评估。SAM使用基于相应经度和纬度的特定地点的天气文件，其中包含气候变量，如太阳辐照度和温度，以及其他位置相关的输入，如年反照率。

单晶电池在全球太阳能市场中占据主导地位。然而，薄膜CdTe在美国的公用事业规模光伏领域也占有重要份额，2022年约占全国总公用事业规模容量的30%[49]。在这项研究中，考虑了两种类型的太阳能光伏电池，即单晶电池和薄膜（CdTe），在根据其适宜性指数选定的内华达州16个地点设计20兆瓦的太阳能光伏电站。表4展示了模块的技术参数。美国的公用事业规模太阳能光伏电站通常使用单轴跟踪器和大型中央逆变器[50]。因此，本研究考虑了单轴跟踪器，并选择了INGECON SUN 1000TL U B360作为中央逆变器的型号。

表4. 设计系统的技术参数
| 系统 | 单元类型 | 制造商和型号 | 标称效率 | 最大功率（Pmp） | 开路电压（Voc） | 模块面积（m2） | 模块中的电池数量 |
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
| 系统1 | 薄膜（CdTe） | First Solar Inc, FS-412 | 16.98% | 122.26 Wdc | 88.7 Vdc | 0.72 m2 | 216 |
| 系统2 | 单晶电池 | Jinko Solar Co. Ltd | 19.43% | 365.24 Wdc | 48.2 Vdc | 1.88 m2 | 72 |

假设每年的退化率为0.5%[52]。此外，还考虑了系统运行期间的损失。污染损失和模块不匹配分别假设为5%和2%，而直流线路损失和交流功率削波损失分别假设为1.3%和1.2%[51]。关于模型细节，表4展示了所选太阳能电池技术的规格。每个电站由54,756块单晶电池或166,320块CdTe模块组成，假设系统寿命为25年。模块安装在面向南方的单轴跟踪器上，倾斜角度为0度。支撑结构由压入土壤的钢杆组成，顶部装有铝框架，牢固地固定模块。

2.4. 经济分析
为了进行经济分析，使用了LCOE（平准化成本）来评估各种发电厂的可行性。LCOE是一个广泛接受的指标，代表电站整个生命周期内每单位电力的平均成本。它是一种标准化的衡量标准，用于比较不同能源生成技术的成本效益。这一指标使得可以在不同技术的运行寿命内直接比较单位成本，使其成为经济评估的实用工具。对于这项分析，重点关注的是实际LCOE而不是名义LCOE。实际LCOE考虑了项目生命周期内的通货膨胀，因此更适合长期经济评估。相比之下，名义LCOE通常更适用于短期评估。

(17)LCOE(实际) = ∑(n=1)^N [C_n / (1 + d_名义)^N] / ∑(n=1)^N [Q_n / (1 + d_实际)^n]
其中，C_n表示电站所需的股本投资，CN表示第n年的年度项目成本，包括运营和维护、安装和财务费用。实际折现率(d_实际)不包括通货膨胀，而名义折现率d_名义则包括通货膨胀。分析覆盖了一个由N（年）表示的时期，QN表示第n年电站产生的电力。

在这项研究中，LCOE计算考虑了几个关键组成部分；这些包括州和地区税收、运营费用（保险和运营维护）以及财产税。此外，它还考虑了资本需求，包括设备更换、营运资金和债务偿还等资产支出需求。股本投资也包括在内，涵盖与项目开发、劳动力、销售税和融资费用相关的成本[52]。

光伏安装的主要关注点是它必须通过在其运行寿命期间出售的电力来收回成本。在这方面，使用净现值（NPV）来评估投资的盈利能力，其中正的NPV表示项目的经济可行性。

(18)NPV = ∑(n=0)^N [C_n / (1 + d_名义)^n]

(19)NPV = ∑(n=0)^N [C_n / (1 + IRR)^n]

在这项分析中，n或N表示评估期（以年为单位），C_n表示税后项目回报（以美元计），d_名义是以百分比表示的名义折现率。对于光伏系统建设，国际能源署建议采用10%到12%之间的保守折现率[53]。内部收益率（IRR）是使项目现金流的NPV等于零的名义折现率，这在电力购买协议（PPA）财务模型中得到应用。这个指标常用于PPA财务模型中，以评估项目的可行性。

本研究采用了单所有者（公用事业规模）项目融资模型，该模型是在PPA框架内的。PPA是一种合同安排，其中投资者同时也是电力生产商，承诺按照预定义的条款和条件向消费者供电。这些条款规定了电价和协议期限，为交易提供了明确且双方同意的框架[54]。在这个模型中，投资者负责光伏系统的运营和资本成本，并从生产的电力中赚取收入，价格低于公用事业的零售价。好处还包括长期销售合同和税收优惠。

需要注意的是，在研究区域内没有统一的PPA费率作为关税。费率根据需求、位置和电站容量而变化，导致内华达州各地区之间存在显著差异。根据内华达州主要电力公司NV Energy提供的信息（通过直接通信，[2025年1月]），2023年执行的公用事业规模太阳能光伏项目的PPA费率在100至700兆瓦之间的电站为每千瓦时2.8至4.9美分。为了确保对地点和电池技术的分析具有现实性，采用了15年期间的10% IRR目标，而不是恒定的PPA费率，这与全球类似研究的报告IRR范围（11.67%至35%[15][45][55][56]相比相对保守。

使用这种方法，计算了平准化PPA（LPPA）费率，这些费率代表了在整个生命周期内根据电力购买协议运行的太阳能项目的货币价值，以实现假设的10% IRR和15年目标。LPPA反映了项目PPA收入的现值，以每千瓦时产生的电力的美分表示。根据SAM建议的LPPA费率，然后计算了每个地点和电池技术的NPV。

本研究考虑了25年的分析期（寿命）来计算LCOE。表5展示了用于经济分析的财务参数。

表5. 用于经济分析的财务参数
| 参数 | 值 |
| ---- | ---- |
| 通货膨胀率 | 2.5% |
| 分析期 | 25年 |
| IRR目标 | 10% |
| IRR目标年份 | 15年 |
| 名义折现率 | 9.06% |
| 实际折现率 | 6.4% |
| 内华达州销售税 | 2.6% |
| 联邦或国家所得税率 | 21% |
| 保险费率 | 0.25% |
| 生产税收抵免（激励） | 10年期间每千瓦时2.75美分 |

场地改善和固定的运营维护（O&M）成本类别很大程度上受劳动力成本的影响，这些成本因地点而异。Kim和Skaggs[57]在美国马里兰州进行的一项案例研究中，假设了18年的债务偿还期、7%的年利率和每千瓦时6.50美元的固定O&M费用。在本研究中，采用了保守的方法，使用相同的年利率和债务偿还期假设，以及每千瓦时15美元的固定O&M费用。

2.5. 环境影响评估
本研究采用了从摇篮到大门的方法，涵盖了从原材料提取到制造完成和电力生成的所有过程和材料流动。为了获得必要的生命周期库存数据，使用了多个来源，包括Eco Invent数据库（v3.9.1）和[9]中安装的公用事业规模太阳能光伏系统的更新LCA。这些来源提供了电池、晶圆、模块和系统平衡的生产和运营阶段的详细输入和输出数据，包括结构和电气元素。此外，案例研究中使用的生命周期库存可以在补充材料中的表S9中找到。功能单位的定义对于塑造LCA结果及其解释至关重要，因为它为识别相关过程和确定相关的材料和能源需求奠定了基础[58]。在这项研究中，功能单位被设定为1千瓦时的电力，为包括所有相关过程和流动提供了参考。生命周期影响评估使用了SimaPro版本9.2，并应用了ReCiPe 2016 Midpoint (H)方法来评估案例研究区域内两种太阳能电池技术的环境影响。

LCA能够评估多个环境影响类别，包括全球变暖潜力（GWP）、土地使用、人类致癌毒性、矿产资源稀缺性等。然而，本研究LCA部分的主要关注点是GWP，因为它是评估能源系统气候变化影响的最常用指标之一。GWP以一个共同的单位表示不同温室气体排放的效果，通常是二氧化碳当量（CO2-eq）的千克或克，允许量化二氧化碳、甲烷和一氧化二氮等气体的综合贡献。关于其他环境影响类别，土地使用反映了与光伏电站部署相关的土地占用面积和持续时间。人类致癌毒性代表了生命周期内由致癌排放引起的人类健康负担。矿产资源稀缺性表示对系统组件和支持基础设施中使用的有限矿产资源的需求。

3. 结果和讨论
3.1. 适宜性指数层和敏感性分析
在这项研究中，采用了综合地理空间和模糊AHP方法来评估内华达州公用事业规模太阳能光伏系统的地理、技术和经济适宜性。通过使用模糊AHP方法计算的权重叠加12个标准层，生成了太阳能光伏电站安装的初始适宜性地图。使用ArcGIS Pro Model Builder中的八个已识别的约束因素开发了限制地图，如图S1所示。排除受限区域后，生成了初始适宜性值地图，适宜性值范围从133.3到482，如图S2所示。适宜性值被重新分类为适宜性指数类别，以提供更清晰和实用的基础来解释空间变化并确定选址的优先区域。在这方面，适宜性值地图被重新分类为四个区间，以生成图2所示的适宜性指数地图。这些区间定义为：210以下为适度适宜的位置，210到310为适宜的位置，310到410为高度适宜的位置，大于410为最适宜的位置。

下载：下载高分辨率图像（376KB）
下载：下载全尺寸图像

图2. 内华达州公用事业规模太阳能光伏电站的适宜性指数地图

如图2的适宜性指数层所示，内华达州约189,320平方公里（66.10%）被分类为受限区域。相反，大约有10,007平方公里的区域被认定为最适宜的地区，约占内华达州总面积的12.3%，这些地区被认为非常或高度适合建设公用事业规模的太阳能光伏电站。其余类别的分布如下：高度适宜的区域面积为25,221平方公里；适宜的区域面积为27,213平方公里；中等适宜的区域面积为34,873平方公里。内华达州现有的几个太阳能光伏电站与适宜性地图有所重叠，尤其是在被归类为最适宜和高度适宜的区域。图S3展示了其中三个电站。通过地图移除方法得出的敏感性指数结果见表6。根据这些结果，GHI（全球太阳辐射指数）对适宜性模型的影响最大，其次是温度和距离输电线的距离。朝向、气压、表面反照率、相对湿度和坡度的影响较为适中，而降水量、云量、距离居民区的距离以及距离主要道路的距离影响相对较小。总体而言，这些发现表明太阳能资源和基础设施相关标准在塑造最终适宜性模式中起着更大的作用。同时，较低的敏感性值表明移除单一标准并不会显著改变适宜性地图，这支持了适宜性指数地图的稳健性和稳定性。

3.2. 技术和经济评估
技术经济评估（TEA）的目的是探索适宜性指数与技术因素（各种太阳能电池技术）和经济因素（LCOE和LPPA价格）在太阳能光伏电站设计中的有意义关系。为此，在四个不同的适宜性指数类别中选择了16个地点，并使用不同的太阳能电池技术设计了20兆瓦的太阳能光伏电站。补充材料中的表S10列出了所选地点的经度、纬度、适宜性指数和年平均GHI。
技术分析的结果见表7，包括第一年的年发电量（千瓦时）和容量因子（%）。这些发现为内华达州不同地区的太阳能光伏发展提供了关键见解。此外，图3展示了考虑地点和太阳能电池技术后的计算LCOE。通常预期，在被归类为“最适宜”和“高度适宜”的地区，年发电量会更高，相应的LCOE也会更低。然而，也观察到了一些例外情况；例如，在被归类为“高度适宜”的地点11，使用单晶硅的20兆瓦太阳能光伏电站的年发电量低于被归类为适宜的地点6和7的发电量。这种差异可以通过适宜性分析中考虑的因素来解释。评估中包括了坡度、距离输电线和居民区的距离等参数，以及平均温度和GHI等太阳能资源因素。因此，一些年发电量较低的地点由于靠近基础设施而被归类为更适宜的地点。

表7. 第一年的年发电量（千瓦时）和容量因子（CF）。
| 位置编号 | 单晶硅 | 薄膜 | 适宜性指数 |
|--------|-------|------|--------|
| 1 | 40,035 | 5,512 | 2.02 | 3.73 |
| 2 | 39,812 | 12,068 | 2.02 | 2.72 |
| 3 | 41,781 | 1,292 | 2.02 | 3.43 |
| 4 | 9,614 | 6,288 | 2.02 | 4.34 |
| 5 | 1,033 | 3,088 | 2.02 | 3.44 |
| 6 | 40,686 | 6,668 | 2.02 | 3.23 |
| 7 | 9,170 | 5,920 | 2.02 | 2.3 |
| 8 | 541,586 | 6,284 | 4.02 | 3.74 |
| 9 | 40,306 | 6,408 | 2.02 | 3.06 |
| 10 | 45,262 | 2,680 | 0.02 | 5.84 |
| 11 | 3,120 | 0,080 | 0.02 | 4.67 |
| 12 | 44,844 | 4,820 | 0.02 | 5.54 |
| 13 | 3,129 | 1,520 | 2.02 | 4.68 |
| 14 | 43,390 | 0,096 | 2.02 | 4.74 |
| 15 | 1,821 | 1,260 | 0.02 | 3.6 |
| 16 | 946,376 | 6,144 | 4.02 | 6.44 |
| 17 | 47,747 | 7,872 | 2.02 | 7.21 |
| 18 | 104,605 | 1,016 | 2.02 | 6.24 |
| 19 | 143,197 | 7,912 | 2.02 | 4.64 |
| 20 | 44,304 | 4,452 | 2.02 | 5.31 |
| 21 | 124,613 | 2,532 | 2.02 | 6.24 |
| 22 | 47,492 | 2,432 | 2.02 | 7.1 |

表7显示了不同地点的平准化电力成本（￠/千瓦时）。

根据国际可再生能源署的数据，2024年全球公用事业规模太阳能光伏项目的加权平均LCOE为4.3美分/千瓦时。此外，Benalcazar等人[4]预测，到2030年，太阳能光伏的LCOE可能会降至0.02–0.08美元/千瓦时，具体取决于太阳辐射和地理位置。在本研究中，不同地点的薄膜（CdTe）光伏系统的LCOE范围为2.95至4.19美分/千瓦时，而单晶硅系统的LCOE范围为3.11至4.03美分/千瓦时，如图3所示。这些结果表明，本研究估计的LCOE值在当前全球平均水平的范围内，有些甚至低于平均水平。

对于薄膜（CdTe）系统，观察到了更明显的地点依赖性趋势。具体来说，从中等适宜地区到最适宜地区，CdTe系统的LCOE下降了约30%，表明其对场地条件非常敏感。相比之下，单晶硅系统在不同场地适宜性类别下的LCOE变化较小，表明其经济性能更为稳定。这一发现意味着，尽管CdTe技术在条件极佳的地点可能提供更大的经济效益，但单晶硅系统可能在中等适宜和适宜地区提供更稳定的性能，因此可能更适合部署。

表8展示了不同地点和技术的设计太阳能光伏电站的LPPA和NPV。需要注意的是，较低的LPPA具有多个优势，包括提高市场竞争力和增加对能源购买者的吸引力。

表8. 考虑地点和太阳能电池技术的LPPA和NPV。
| 适宜性指数 | 单晶硅 | 薄膜 |
|--------|-------|------|
| | |------|
| 中等适宜 | 14.53 | 2,330 |
| | | 3,214 |
| | | 2,328 |
| | | 2,624 |
| | | 2,345 |
| | | 1,648 |
| | | 2,331 |
| | | 2,287 |
| | | 3,411 |
| | | 2,289 |
| | | 3,452 |
| | | 2,115 |
| | | 2,338 |
| | | 2,154 |
| | | 2,276 |
| | | 2,276 |
| | | 2,296 |
| | | 2,277 |
| | | 2,296 |
| | | 2,288 |
| | | 2,271 |
| | | 2,296 |
| | | 2,286 |
| | | 2,232 |
| | | 2,296 |
| | | 2,237 |
| | | 2,238 |
| | | 2,296 |
| | | 2,232 |
| | | 2,296 |
| | | 2,237 |
| | | 2,238 |
| | | 2,296 |
| | | 2,232 |
| | | 2,296 |
| | | 2,237 |
| | | 2,238 |
| | | 2,232 |
| | | 2,296 |
| | | 2,237 |

表8突出了不同适宜性水平下单晶硅和薄膜（CdTe）太阳能光伏技术的经济性能。虽然NPV在所有条件下的差异不大，但LPPA有显著差异，这是技术选择的关键因素。在中等适宜和适宜地点，单晶硅电池的LPPA值低于薄膜电池，使其在条件较差的地点更具成本效益。然而，在高度适宜和最适宜地点，薄膜技术的LPPA更低，使其成为最佳选择。分析强调了根据特定场地条件选择光伏技术以最大化经济效益的重要性。

3.3. 环境影响评估
根据从摇篮到大门的生命周期评估（LCA）结果，薄膜（CdTe）光伏系统在所有评估地点的全球变暖潜力（GWP）始终低于单晶硅系统。CdTe系统的GWP范围约为12.7至15.5克二氧化碳当量/千瓦时，而单晶硅系统的GWP值显著更高，范围为33.71至39.9克二氧化碳当量/千瓦时，如图4所示。

总体而言，单晶硅光伏系统的GWP约为薄膜CdTe系统的2.6至2.7倍，表明CdTe技术在温室气体排放方面具有明显的环境优势。这一趋势与先前的研究结果一致。Badza等人[19]指出，在布基纳法索的一个33.7兆瓦光伏电站中，单晶硅模块的二氧化碳当量排放量是CdTe模块的2.5倍，因为它们的生产过程更加能源密集。同样，Fthenakis等人[59]报告称，在美国平均条件下，基于CdTe的光伏系统的GWP值为10克二氧化碳当量/千瓦时，在美国西南部条件下为8.1克二氧化碳当量/千瓦时。然而，他们的结果基于30年的使用寿命和0.3%的年降解率，而本研究采用了更为保守的方法。这种假设的差异可以解释本研究中获得的GWP值略高的原因。尽管如此，总体趋势与文献一致，证实了CdTe技术相对于单晶硅光伏系统具有较低的碳足迹，并强调了光伏技术和运行条件在确定环境性能中的重要作用。

在其他环境影响类别中，薄膜CdTe模块也始终表现出较低的影响，例如土地使用减少了12%，致癌毒性降低了33.5%，矿产资源稀缺性降低了31.9%。补充材料中的图S4、S5和S6提供了关于不同电池技术和研究地点的其他环境影响类别（如土地使用、人类致癌毒性和矿产资源稀缺性）的最大和最小值的详细信息。

4. 结论和未来研究建议
本研究通过结合基于GIS的适宜性评估、技术经济评估（TEA）和生命周期评估（LCA），开发了一个综合的太阳能光伏选址决策框架。首先，适宜性分析用于识别和分类内华达州适合建设公用事业规模太阳能光伏的潜在地点。然后，从不同适宜性类别中选定的地点进一步通过TEA进行评估，以检查其发电性能和经济可行性。在TEA中，评估了两种不同的太阳能电池技术在具有不同适宜性指数的地点的表现，计算并比较了关键经济指标，包括LCOE和LPPA。这一分析使人们能够评估适宜性指数、太阳能电池技术和经济性能之间的关系。接着，根据TEA的输出，进行了LCA，以比较不同适宜性指数下不同太阳能电池技术的环境影响。通过将空间适宜性与特定技术的经济和环境结果联系起来，所提出的框架为明智的太阳能光伏选址提供了更全面的基础，并支持识别不仅地理上适宜，而且在经济上可行和环境上更优的地点。此外，该框架解决了TEA和LCA研究中存在的空白，因为这些分析是基于适宜性评估框架系统识别的地点进行的，而不是随机选择的地点。

结果突显了内华达州作为美国西部太阳能枢纽的巨大潜力，该州约12.3%的面积被归类为非常或高度适合建设太阳能光伏电站。TEA显示，由于薄膜技术的竞争力强的LCOE和发电性能，它非常适合高度适宜和最适宜的地区。此外，与薄膜技术相比，单晶硅电池在不同地点的发电量变化较小，使其在中等适宜和适宜地区成为更一致的选择。在中等适宜和适宜地点，基于单晶硅的光伏电站的LPPA更低，使其成为更具成本效益的选择。然而，在高度适宜和最适宜地点，使用薄膜电池的LPPA更低，提供了更具经济吸引力的替代方案。此外，在涵盖四个适宜性类别的16个研究地点中，薄膜技术的LCOE范围为2.95至4.19美分/千瓦时，单晶硅电池的LCOE范围为3.19至4.03美分/千瓦时。

根据LCA结果，基于单晶硅的光伏电站的GWP是薄膜（CdTe）光伏电站的2.6至2.7倍。此外，薄膜（CdTe）电池在致癌毒性和矿产资源稀缺性方面的影响降低了33.5%。这些结果证实，薄膜（CdTe）光伏系统在不同地点和适宜性指数下相对于单晶硅系统具有显著的环境优势。

内华达州的高太阳能潜力强调了进一步研究其他可再生能源技术（如聚光太阳能）的必要性，以充分利用该州的可再生能源机会。扩展这项研究有助于将内华达州确立为美国西部可再生能源领域的关键参与者。鉴于内华达州的高太阳辐射和广阔的土地资源，太阳能是一种高度可行且成本效益高的解决方案，可以满足大量的能源需求。此外，我们关于模块技术性能、成本效益和不同适宜性指数下环境影响的发现不仅为内华达州提供了宝贵的见解，也为其他具有类似地理特征的地区的政策制定者和开发商提供了一个平衡公用事业规模光伏电站成本和性能的框架。

本文提出了一个综合的GIS-MCDM-TEA-LCA框架，用于评估公用事业规模光伏电站的空间潜力、成本效益和环境影响。在该框架中，模糊AHP被用作加权选址标准的最成熟方法。虽然这种方法有效地管理了语言不确定性，并利用了数据稀缺环境中的专家知识，但它仍然依赖于人类判断。与能够从大型数据集中客观提取特征重要性的现代机器学习算法不同，模糊AHP依赖于人类的成对比较。因此，该框架缺乏自动化的模式识别能力，这可能限制了其发现复杂非线性空间关系的能力。为了解决这一限制并考虑到空间分析的快速进展，未来的研究应评估机器学习模型和将机器学习与其他MCDM方法结合的混合系统的应用，以提高该领域空间决策的稳健性、准确性和可信度。

作者贡献声明：
Morteza Nazaripour：撰写——原始草稿、可视化、软件、方法论、概念化。
Ahmadreza Khatamgooya：可视化、验证、调查。
Mohsen Larni：可视化、软件。
Hesam Parsaeian：验证、软件。
Setareh Cheshmekhezr：调查。
Shams Razzak Rothee：可视化。
Nour Hakim：调查。
Erica J.Marti：负责写作、审稿与编辑工作，同时承担监督和资源调配以及资金筹集的职责。
Eakalak Khan：同样负责写作、审稿与编辑工作，同时承担监督和资源调配的任务，此外还负责项目管理和资金筹集工作。