[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

说明书

本发明涉及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，通过对风电场宏观选址影响因子的分析，构建关于风电场宏观选址的梯阶层次模型，并采用蒙特卡洛模拟生成随机判断矩阵集；利用层次分析法计算各随机判断矩阵的单层权重，再对各影响因子进行多层组合一致性检验并计算组合权重；生成各影响因子的栅格图层，并对每个栅格图层进行适宜性等级划分；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，显著提升了风电场宏观选址中风能资源评估的可靠性和地理适宜性评价精度。

技术领域

本发明涉及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，属于风电场宏观选址技术领域。

背景技术

风能作为一种可再生的清洁能源，越来越受到重视，在风电场的建设中，风电场宏观选址作为风电场建设项目的前期工程，对风电场以后的社会、经济效益至关重要，现有的技术大多单一地研究与风电场宏观选址有关的风能资源评估、风电场交通条件、地形条件等。有的研究实际中风电场宏观选址需考虑的因素，如风能资源、地形条件及土地利用等，但并未采用任何方法对选址方案进行评估决策。有的学者利用层次分析法对风电场宏观选址进行评估分析，但各指标权重依赖于专家意见，未能充分利用客观的数据信息，导致主观性和偶然性较强。

发明内容

本发明所要解决的技术问题是提供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，采用全新方式进行选址，显著提升了风电场宏观选址中风能资源评估的可靠性和地理适宜性评价精度。

本发明为了解决上述技术问题采用以下技术方案：本发明设计了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，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；

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。

作为本发明的一种优选技术方案，所述步骤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；