[发明专利]一种蒙特卡洛模拟与层次分析法相结合的风电场宏观智能选址方法

权利要求书

1.一种蒙特卡洛模拟与层次分析法相结合的风电场宏观智能选址方法，其特征在于，包括如下步骤：

步骤A.通过对风电场宏观选址影响因子的分析，构建风电场宏观选址的梯阶层次模型，并针对梯阶层次模型中准则层和各个指标层分别进行蒙特卡洛模拟，获得梯阶层次模型中准则层和各个指标层分别所对应的随机判断矩阵集；

上述步骤A包括如下：

通过对风电场宏观选址影响因子的分析，构建风电场宏观选址的梯阶层次模型，并将梯阶层次模型中准则层和各个指标层分别作为模拟对象，分别针对各个模拟对象，执行如下蒙特卡洛模拟操作步骤A1至步骤A9，获得模拟对象所对应的随机判断矩阵集，即获得梯阶层次模型中准则层和各个指标层分别所对应的随机判断矩阵集；

步骤A1.初始化n＝1，并进入步骤A2；

步骤A2.构建k_i阶空矩阵，并令k_i阶矩阵中左上角至右下角对角线上的元素为1，然后进入步骤A3；其中，i∈{1、…、I}，I表示模拟对象的数量，k_i表示第i个模拟对象所对应的判断矩阵阶数；

步骤A3.随机产生个、服从(0,1)均匀分布的随机数，并针对各个随机数分别乘以9进行更新，再将各个随机数任意填充至k_i阶矩阵中的右上角区域，同时设置k_i×k_i矩阵中左下角区域各个元素位置分别为对应右上角区域中各个元素值的倒数，由此构建第i个模拟对象第n次模拟所对应的随机判断矩阵，然后进入步骤A4；

步骤A4.获得第i个模拟对象第n次模拟所对应随机判断矩阵的最大特征值λ_max,i,n，以及所对应的特征向量，即权重向量然后进入步骤A5；

步骤A5.根据获得第i个模拟对象第n次模拟所对应随机判断矩阵的一致性指标CI_i,n，并根据获得第i个模拟对象第n次模拟所对应随机判断矩阵的随机一致性比率CR_i,n，然后进入步骤A5；其中，RI为按下表1，基于判断矩阵阶数所对应的平均随机一致性指标；

n	2	3	4	5	6	7	8	9
RI	0	0.58	0.90	1.12	1.24	1.32	1.41	1.45

表1

步骤A5.判断CR_i,n是否小于0.1，是则判定第i个模拟对象第n次模拟所对应随机判断矩阵符合一致性，并进入步骤A6；否则判定第i个模拟对象第n次模拟所对应随机判断矩阵不符合一致性，并将删除该随机判断矩阵，并进入步骤A6；

步骤A6.判断n是否等于预设模拟次数N，是则进入步骤A7；否则针对n的值进行加1更新，并返回步骤A2；

步骤A7.针对第i个模拟对象所对应各个随机判断矩阵的一致性指标CI_i,n，按大小进行排序，获得第i个模拟对象所对应的一致性指标排序集，进入步骤A8；

步骤A8.针对第i个模拟对象所对应的一致性指标排序集，分别由排序的两端起，删除个一致性指标值，更新第i个模拟对象所对应的一致性指标排序集，然后进入步骤A9；其中，α为预设显著性水平；

步骤A9.则第i个模拟对象一致性指标排序集中各个一致性指标分别对应的随机判断矩阵，即构成第i个模拟对象所对应的随机判断矩阵集；

步骤B.利用层次分析法计算各随机判断矩阵的单层权重，再将准则层中的各准则与其对应指标层中的各指标进行组合一致性检验，若通过组合一致性检验，则计算其组合权重；进而获得组合权重集；

步骤C.生成目标区域中各影响因子的栅格图层，并基于栅格图层，分别针对各个影响因子进行适宜性等级划分；

步骤D.运用加权叠加分析法，生成风电场宏观选址适宜性图集，最后采用四分位法对风电场宏观选址适宜性图集进行重分类，生成风电场宏观选址方案集。