《Renewable Energy》：A spatial decision-support framework for solar photovoltaic planning in humid and forest-dominated regions: A case study of Tripura, India
编辑推荐：
悉达多·桑卡尔·德布（Siddhartha Sankar Deb）|比克拉姆·达斯（Bikram Das）|莎米斯塔·夏尔玛（Sharmistha Sharma）
印度阿加尔塔拉国立理工学院（NIT Agartala）电气工程系
摘要
在潮湿且以森林为主的地区部署大规模太阳能
悉达多·桑卡尔·德布（Siddhartha Sankar Deb）|比克拉姆·达斯（Bikram Das）|莎米斯塔·夏尔玛（Sharmistha Sharma）
印度阿加尔塔拉国立理工学院（NIT Agartala）电气工程系
摘要
在潮湿且以森林为主的地区部署大规模太阳能光伏（PV）系统具有挑战性，这主要是由于地形多样、植被覆盖密集且广泛以及土地使用限制。本研究提出了一个基于GIS-分析层次过程（AHP）的空间决策支持框架，用于太阳能发电站选址的适宜性分析，以印度特里普拉（Tripura）作为此类地区的代表性案例进行研究。将多种环境、地形、基础设施和土地使用标准整合到地理信息系统中，生成了空间适宜性地图。通过基于经验公式的AHP方法确定标准权重，以减少主观性，并进行了AHP敏感性分析，以评估适宜性结果的稳健性。根据加权叠加分析，研究区域被划分为四个类别：最适宜、高度适宜、中等适宜和不适宜。结果显示，总面积中有1.66%为最适宜区域，34.2%为高度适宜区域，0.99%为中等适宜区域。文中还包括了一个平准化电力成本（LCOE）的案例研究，以提供经济背景。通过对全球太阳辐射指数（GHI）进行±10%的扰动分析，发现适宜性分析的结果仅有轻微变化（≤1.5%）。该框架为潮湿、以森林为主的地区的初步太阳能光伏规划提供了一种透明且可复制的方法。
引言
由于发电成本下降、技术发展以及与气候缓解目标的一致性，太阳能光伏（PV）能源已成为全球能源转型战略的关键[1]。太阳能光伏安装的成功在很大程度上取决于系统的选址适宜性分析，这种分析不仅考虑了太阳辐射的可用性，还考虑了地形限制、土地使用限制、环境因素以及基础设施的可用性，因为光伏系统需要部署在广泛的地理区域内。
基于GIS方法的多标准决策制定（MCDM）在太阳能选址分析中得到了广泛应用[2]。这些方法将各种空间数据集整合到一个决策框架中。分析层次过程（AHP）是一种常见的MCDM技术，因为它具有透明的成对比较结构，并能够将专家判断与定量空间数据相结合[3]。在多种地理背景下，GIS-AHP框架已被证明在识别适合太阳能光伏安装的地点方面非常有效，尤其是在土地使用和气象条件相对简单的地区[4]。
尽管应用范围广泛，但传统的基于GIS-AHP的太阳能适宜性模型仍存在许多缺点。最近的综述研究表明，大多数现有应用集中在干旱或半干旱地区，而针对潮湿、以森林为主且地形复杂的地区的项目相对较少[5]。环境表示是经常遇到简化的领域之一。许多太阳能适宜性研究使用土地使用/土地覆盖（LULC）数据库来描述地表条件，但这些数据库可能无法准确反映森林茂密地区的植被密度或生态敏感性。生态评估研究通常使用从遥感数据中提取的植被指数（如归一化差异植被指数NDVI）来衡量植被覆盖情况[6]。在土地分类困难且森林覆盖为主的地区，如果正确应用，NDVI可以作为LULC的替代指标。在印度东北部，这些方法论问题尤为突出，因为该地区的太阳能规划必须应对季风气候、起伏的地形和广阔的森林覆盖。系统化的太阳能选址设计是一个战略重点，因为特里普拉州正在追求高可再生能源目标，同时面临持续的电力短缺问题[7]。关于特里普拉的能源状况和政策背景的更多信息见补充材料S1。然而，在印度进行的基于GIS的太阳能适宜性研究中，干旱或半干旱地区一直是主要研究对象，而像特里普拉这样的潮湿、以森林为主的地区则相对较少被关注[8]。
除了地理适宜性之外，经济可行性也是评估一个地点是否可以发展为成功项目的重要因素。评估太阳能光伏系统长期成本竞争力的常用指标是平准化电力成本（LCOE）[9]。LCOE评估经常受到数据可用性和规划导向研究不确定性的限制。因此，尽管LCOE与空间适宜性结果没有直接关联，但它仍能提供有关潜在经济可行性的参考信息[10]。
在基于AHP的适宜性研究中，稳健性也是一个经常出现的问题。虽然经常提供一致性比率来支持成对比较，但往往缺乏对标准权重变化如何影响适宜性结果的全面评估[11]。作为提高MCDM决策支持模型透明度和可信度的修正方法，建议进行敏感性分析。
多项研究表明，基于GIS和MCDM的方法在各种地理背景下适用于太阳能选址[12]。此外，多标准空间建模也被用于更一般的可再生能源规划，例如太阳能和风电场的选址[13]。通过结合多种决策方法，混合MCDM框架显著扩展了选择可再生能源地点的分析工具包[14]。在印度背景下，多项研究强调了地形、土地可用性和基础设施接近性对太阳能光伏可行性的影响[15]。技术性的太阳能潜力评估也强调了除辐射以外的空间限制的重要性[16]。进一步的基于GIS的研究表明，遥感数据可以支持在区域和县级尺度上识别合适的太阳能地点[17]。
最近的方法论进展突显了基于基础设施的规划和优化的GIS工作流程在提高可再生能源适宜性评估中的重要性[18]。太阳能项目的经济可行性受国家成本标准和基准的调控[19]。
在这项研究中，提出了基于GIS-AHP方法的特里普拉太阳能选址适宜性评估，特别关注潮湿且以森林为主的地区。考虑到森林主导的区域，使用NDVI作为数据层，替代了传统的LULC分类。作为一种方法论调整，增加了对AHP标准权重的敏感性分析，以解决适应性问题。补充材料S1提供了特里普拉的人口统计、当前能源状况和未来能源前景的概述。
与许多主要关注空间映射的先前基于GIS的太阳能适宜性研究不同，本研究将空间适宜性评估与基于平准化电力成本（LCOE）的技术经济筛选框架的演示相结合。所提出的框架专为潮湿且以森林为主的地区设计，在这些地区，土地限制和环境因素对太阳能部署规划有显著影响，而这一点在文献中尚未得到充分探讨。此外，本研究采用基于文献的经验权重分配方法，而不是直接依赖专家判断。
本研究的目标是：
- (i)
识别并确定影响特里普拉地区太阳能光伏选址的气候、地形、基础设施和环境标准，并为其分配权重；
- (ii)
使用基于经验的AHP-MCDM方法生成基于GIS的太阳能适宜性地图，计算标准的权重和排除区域；
- (iii)
通过AHP权重的敏感性分析评估选址适宜性结果的稳定性。
表1列出的全面文献综述展示了基于类似研究目标的现有太阳能选址适宜性分析研究。
章节摘录
方法论
本研究旨在从特里普拉地区收集数据，并创建一个方法论框架，通过多标准决策制定来确定适合建设太阳能发电厂的地点，同时考虑气候、经济、生态和环境因素。目的是创建一个基于GIS的AHP模型，作为未来在最佳地点选址太阳能发电厂的指导。
适宜性映射和最终分类
根据自然分界（Jenks优化方法），将得到的选址适宜性地图进一步划分为四个类别：最适宜、高度适宜、中等适宜和不适宜。最终地图为未来的太阳能发电厂规划和投资优先级提供了决策支持工具。最终的太阳能选址适宜性地图见图5。
AHP、GIS和遥感方法的结合不仅确保了方法论的透明度
局限性
本研究并未声称能够完成投资准备就绪的选址或成本优化，因为电网连接成本、土地估值、地形相关建设挑战和融资结构等方面尚未在模型中明确考虑。未来的工作将重点整合空间解析的成本层、电网限制以及天气限制，以实现技术经济优化和基于情景的规划。
结论
本研究开发了一个基于GIS-AHP的空间决策支持框架，用于确定印度特里普拉地区适合建设公用事业规模太阳能光伏系统的地点。通过整合多种环境、地形、基础设施和土地使用标准，该分析提供了针对该地区地理和基础设施限制的空间明确评估。
研究结果表明，特里普拉的达莱（Dhalai）和南特里普拉（South Tripura）地区表现出
CRediT作者贡献声明
悉达多·桑卡尔·德布（Siddhartha Sankar Deb）：概念化、数据整理、正式分析、调查、方法论设计、资源准备、软件开发、初稿撰写及审稿编辑。比克拉姆·达斯（Bikram Das）：监督、验证、审稿编辑。莎米斯塔·夏尔玛（Sharmistha Sharma）：项目管理、监督、验证。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
