基于GIS与区间二型模糊风险偏差性能指数的风电场选址优化

《Wind Energy》：Optimizing Wind Power Plant Locations: A GIS-Based Approach With Interval Type-2 Fuzzy Risk Deviation Performance Index

　　

本研究开发了一种集成地理信息系统（GIS）与多准则决策（MCDM）的方法，该方法基于区间二型模糊风险偏差性能指数（IT2F-RDPI）法，用于评估迪亚巴克尔省（Diyarbak?r Province）的风能潜力。研究分析了15项准则，包括风速、坡度、土地利用、海拔、土壤结构以及与输电线路的距离，以识别适合风力发电的区域，结果识别出约7997.9 km²的土地适合风能生产。IT2F-RDPI方法通过考虑不确定性来评估性能偏差和风险，提供了更可靠的决策支持框架。结果表明，?üngü?区和Kulp区具有最有利的风况条件，表现为低风险和高能源潜力，使其成为风电投资的最适宜区域。经济分析证实，在这些区域进行风能投资在技术层面和经济层面均可行。研究结果表明，IT2F-RDPI方法为识别风能投资最适宜区域提供了一种稳健的决策支持工具。

随着全球人口持续增长，能源需求日益攀升，而化石燃料储备正逐步枯竭。在此背景下，可再生能源的开发利用已成为全球能源转型的重要方向。土耳其作为电力需求增长最快的经济体之一，其能源进口依赖度高达71.8%，开发国内可持续能源资源迫在眉睫。迪亚巴克尔省位于土耳其东南安纳托利亚地区，因异质性地形、海拔差异及空间变异的风况而具有相当的风电开发潜力，但风电场（WPP）最优选址需要综合评估多项技术、环境及基础设施准则。现有研究虽已将GIS与MCDM方法应用于可再生能源选址，但如何在空间数据和专家判断的不确定性条件下实现更稳健的决策，仍是亟待解决的关键问题。

研究人员针对上述背景，开展了基于GIS与IT2F-RDPI的混合框架研究，旨在识别迪亚巴克尔省最适宜WPP安装区域并生成综合性风能适宜性图。该研究构建了包含四个主要阶段的方法论体系：数据收集与预处理、基于IT2F-RDPI的参数标准化与权重确定、基于加权线性组合（WLC）技术的GIS加权叠加分析，以及通过与实测风特性对比进行结果验证与解释。研究最终识别出约7997.9 km²适宜风能开发的土地，其中?üngü?区表现出最高适宜性，为风电投资规划提供了稳健的空间决策框架，相关成果发表于《Wind Energy》期刊。

在技术方法层面，研究人员首先建立了跨度为2000—2024年的气象数据集，土地覆被与海拔数据来源于哥白尼陆地监测服务，土壤与侵蚀数据来自国家农业数据库，输电线路基础设施数据则来自国家能源管理机构。所有空间数据集经预处理后在ArcGIS 10.2/10.8环境中实现标准化，栅格数据空间分辨率统一为30 m×30 m，矢量数据转换为栅格格式后投影至WGS84/UTM Zone 37N坐标参考系。研究采用15项评价准则（C1—C15），涵盖地形坡度和海拔等地形准则、土地利用类型与土壤结构等土地相关准则、风速和气温等气候气象准则，以及侵蚀和输电线路距离等环境基础设施准则。八位来自可再生能源工程、GIS、环境工程和土木工程领域的专家参与了独立问卷调查，其判断经由模糊算术平均法聚合后转换为区间二型模糊集（IT2FSs）。研究核心的IT2F-RDPI方法通过六个步骤实现：确定评价准则、基于语言变量进行性能评估、将语言数据转化为IT2F数、聚合IT2F权重与性能值、计算IT2F-RDPI值，以及对备选方案进行排序。该方法以归一化性能指数形式解释RDPI，较高值表示更适宜的风能投资条件。

研究结果部分可从以下几个维度展开说明。

在"IT2F-RDPI在迪亚巴克尔风能潜力评估中的应用"方面，研究人员确认了风能、海拔和输电线路接近度是主要决定因素。通过IT2F-RDPI权重分析，风速（C6）以40.99%的权重占据绝对主导地位，其次为坡度（C1，9.573%）、土地等级（C2，8.273%）、海拔（C10，7.908%）和输电线路距离（C12，7.211%）。这一权重结构通过饼图和柱状图可视化呈现，明确了风能资源可用性作为区分各区适宜性的核心变量。

在"基于语言变量的性能评估"中，研究人员将17个区（K1—K17）的表现通过从"极差"（VP）到"优"（VG）的语言术语进行表征，并转换为梯形IT2F数以处理不确定性。?üngü?（K8）在多数准则中表现优异，尤其在风速、海拔、坡度和输电线路距离方面获得"高"（H）或"很高"（VH）评级；而Sur（K2）、Bismil（K5）和Silvan（K17）等区在风速和可达性方面表现不佳，RDPI值偏高导致经济可行性降低。

关于"IT2F模糊决策矩阵的构建与归一化"，研究人员明确了效益型准则（风速、海拔、太阳辐射、气压）和成本型准则（坡度、土地等级、土壤结构、土地利用类型、坡向、气温、土地利用、地表温度、侵蚀、输电线路距离、空气湿度）的分类，并采用公式进行归一化处理，将不同物理量纲转换至0—1可比尺度，为后续的偏差计算奠定基础。

在"与理想解的偏差计算及IT2F-RDPI值的计算"中，研究人员通过确定各准则的理想性能值，计算各区域与其偏差，并结合准则权重进行加权聚合。最终得到的RDPI综合适宜性指数以较高值代表更接近理想条件、风险更低的投资环境。经过去模糊化处理，各区获得明确的RDPI crisp分数及排序：?üngü?（0.092，第1位）、Kulp（0.065，第2位）、?ermik（0.059，第3位）位列最优，而Sur（0.035，第17位）和Yeni?ehir（0.036，第16位）则处于最低适宜性等级。

"模型灵敏度分析"验证了IT2F-RDPI框架的稳健性。研究人员设计了三种情景：基线情景（原始权重）、风能主导情景（风速权重+10%）和基础设施主导情景（输电线路权重+10%）。结果表明，头部和尾部区域的排名非常稳定，仅中间区域出现微小变动，说明该模型在权重不确定性条件下仍能产生可靠一致的决策输出。

在"区域经济潜力集成分析"中，研究人员将IT2F-RDPI分数与年发电量及经济可行性进行关联。?üngü?（2600—2700 MWh/年）和Kulp（2400—2550 MWh/年）因高RDPI值与高能源产出而呈现"很高"的经济可行性；中等适宜性区域如?ermik（2300—2500 MWh/年）和Ergani（2200—2400 MWh/年）适合中等规模投资；而中心城区如Sur和Yeni?ehir尽管RDPI值较低，但因能源潜力不足导致经济可行性"很低"。研究特别澄清，7997.9 MWh为全省总潜力，而表中数值为各区分潜力，二者为累积与部分贡献关系。

讨论部分表明，研究结果与先前采用模糊AHP、TOPSIS和VIKOR等方法的文献一致，但IT2F-RDPI通过显式整合不确定性、风险和性能偏差实现了方法论提升。?üngü?和Kulp作为优先投资区的结论得到了GIS适宜性图与RDPI排名一致性的支持；中等适宜区受地形复杂性和基础设施限制需额外投入；低适宜区则因能源产出不足而缺乏经济吸引力。风速和海拔被确认为最具影响力的参数，而湿度、气压和温度等主要贡献于不确定性建模和排名稳定性。以IT2F-RDPI替代传统田口损失函数，有效克服了精确输入要求和不确定性表示不足的限制，增强了决策稳健性和方法可信度。

研究结论部分指出，本研究通过GIS空间分析与IT2F-RDPI方法的结合，评估了迪亚巴克尔省的风能潜力，识别出约7997.9 km²适宜风能开发的土地，其中?üngü?（K8）和Kulp（K15）为最适宜区域，具有高速风能资源、适宜地形和技术可行性。经济评估表明这些区域投资财务吸引力强、回收期短。?ermik（K6）、Dicle（K9）和Ergani（K11）等中等适宜区具有潜力，但因地形复杂性和输电线路距离需额外基础设施投入。Ba?lar（K1）、Sur（K2）和Yeni?ehir（K3）等低适宜区因风能资源不足而经济可行性有限。灵敏度分析通过基线、风能主导和基础设施主导三种情景验证了模型稳健性，顶级和底部区域排名稳定，仅中间区域出现微小变动。总体而言，GIS-MCDM与IT2F-RDPI集成框架为迪亚巴克尔省可持续能源规划提供了可靠的决策支持工具，能够揭示基于平均省级风速数据可能被忽视的高潜力局部区域，促进知情的风能投资规划。