EN中文

地球信息科学学报 >

2018 , Vol. 20 >Issue 1: 119 - 127

DOI: https://doi.org/10.12082/dqxxkx.2018.170393

遥感科学与应用技术

基于遥感数据和多因子评价的中国地区建设光伏电站的适宜性分析

  • 张乾 , 1, 2 ,
  • 辛晓洲 , 1, * ,
  • 张海龙 1 ,
  • 李月 3 ,
  • 李小军 1, 2 ,
  • 裔传祥 1, 4
展开
  • 1. 中国科学院遥感与数字地球研究所 遥感科学国家重点实验室,北京100101
  • 2. 中国科学院大学,北京 100049
  • 3. 首都师范大学,北京 100048
  • 4. 南京信息工程大学,南京 210044
*通信作者：辛晓洲（1976-）,男,副研究员,主要从事地表能量平衡定量遥感研究。E-mail:

作者简介：张 乾（1995-）,男,硕士生,主要从事地表能量平衡定量遥感研究。E-mail:

收稿日期: 2017-08-28

  要求修回日期: 2017-11-06

  网络出版日期: 2018-02-06

基金资助

国家自然科学基金项目（41371360、41201352）

收起

Suitability Analysis of Photovoltaic Power Plants in China Using Remote Sensing Data and Multi-criteria Evaluation

  • ZHANG Qian , 1, 2 ,
  • XIN Xiaozhou , 1, * ,
  • ZHANG Hailong 1 ,
  • LI Yue 3 ,
  • LI Xiaojun 1, 2 ,
  • YI Chuanxiang 1, 4
Expand
  • 1. State Key Laboratory of Remote Sensing Science, Jointly Sponsored by Institute of Remote Sensing and Digital Earth of Chinese Academy of Sciences and Beijing Normal University, Beijing 100101, China
  • 2. Chinese Academy of Sciences University, Beijing 100049, China
  • 3. Capital Normal University, Beijing 100048, China
  • 4. Nanjing University of Information Science and Technology, Nanjing 210044, China
*Corresponding author: XIN Xiaozhou, E-mail:

Received date: 2017-08-28

  Request revised date: 2017-11-06

  Online published: 2018-02-06

Supported by

National Natural Science Foundation of china, No.41371360, 41201352.

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

中国属于太阳能资源丰富的国家之一,光伏装机量位居世界第一,未来其装机量仍会不断增加。本文拟利用遥感技术获取区域太阳能资源的时空分布,采用多因子评价模型对中国地区大型光伏电站区域适宜性进行评估,以期为光伏电站的选址提供科学依据。结合太阳总辐射、日照时数的稳定程度、离路网的距离、离城镇的距离和坡向5个因子,通过设定海拔以及土地覆盖类型对应的限制区域,利用MuSyQ辐射产品、DEM、道路网数据、VIIRS夜间灯光数据、土地覆盖产品得到因子图层,使用层次分析法确定各因子在模型中的权重,借助GIS进行叠加分析并分为“低适宜”、“较适宜”、“适宜”、“非常适宜”和“限制区”5类,得到光伏电站建设的空间适宜性分布。研究结果表明,西北地区的适宜区占全国的53.0%,“非常适宜”区占全国的47.3%,其累计光伏电站装机量占全国的45.6%。建设光伏电站的“适宜”和“非常适宜”区面积的大小与装机量的多少没有明显的线性关系。“非常适宜”区作为光伏电站的最佳建设场所,光伏发电潜力大于2016年全国发电量的5倍。同时,国家政策制定的装机规模指标以及光电补贴政策对光伏电站的选址也起了一定的指向作用。

关键词： 适宜性; 光伏电站; 多因子评价; 层次分析法; 遥感

本文引用格式

张乾 , 辛晓洲 , 张海龙 , 李月 , 李小军 , 裔传祥 . 基于遥感数据和多因子评价的中国地区建设光伏电站的适宜性分析[J]. 地球信息科学学报, 2018 , 20(1) : 119 -127 . DOI: 10.12082/dqxxkx.2018.170393

Abstract

Solar energy is recognized as one of the most promising new energy sources because it is abundant, clean, and environmentally friendly. Photovoltaic power generation is one of the main ways to use solar energy resources. Site suitability analysis is necessary to be carried out before constructing a photovoltaic plant. China is one of the most abundant countries in solar energy and has the largest installed photovoltaic capacity in the world. In this paper, we use remote sensing technology to obtain the spatial and temporal distribution of solar energy resources, and adopt the multi-criteria evaluation model to evaluate the site suitability of large-scale photovoltaic power plants in China. We provide scientific basis for site selection of photovoltaic power plants. This study took into account five criteria that affect the suitability, total solar radiation, stability of sunshine hours, distance from major roads, distance from major towns and slope direction, setting constraining conditions for elevation and land cover types to define areas that are not allowed, not suitable for construction of photovoltaic power plants. Multi-source data Synergized Quantitative remote sensing production system (MuSyQ) radiation products, DEM, road network data, nighttime light data and land cover maps were used to get the layers. MuSyQ radiation products were used to derive two indicators to assess solar energy resources according to the meteorological industry standard of the People's Republic of China, i.e., the total solar radiation and sunshine hours. Remotely sensed nighttime light data was used to extract densely populated pixels such as towns where electricity is needed. In this paper, we used the analytic hierarchy process to determine the relative importance of each factor in the analysis model. We used GIS overlay analysis to obtain the site suitability result, which was divided into five categories as "low suitable", "moderate", "suitable", "very suitable" and "constrained areas". The results show that the suitable area of Chinese northwestern region accounts for 53.0% of the national suitable area, 47.3% of very suitable area and the cumulative installed photovoltaic capacity in northwestern region accounts for 45.6% of the country. There is no clear linear relationship between the cumulative installed photovoltaic capacity and the size of the suitable area as well as the very suitable area for constructing photovoltaic power plants. East China is economically developed and has a large demand for electricity. Even if its suitable area accounts for 1.9% of the national suitable area, its installed photovoltaic capacity is more than 12 million kilowatts which accounts for 19.2% of that of the country. Very suitable areas are best places for building photovoltaic power plants and the photovoltaic power generation potential is 5 times more than the national power generation in 2016. Moreover, the installation limit and the subsidy policy made by the government have played a certain point to site selection of photovoltaic power plants. Finally, more work is needed to study the relationship between micro factors and suitability model for the sake of gaining a better evaluation of the spatial suitability of photovoltaic power plants.

Key words： suitability; photovoltaic power plants; multi-criteria evaluation; analytical hierarchy process; remote sensing

1 引言

太阳能作为新能源的一种,其取之不尽,又具有广泛的分布性,清洁性,安全性等优势,被认为是传统能源的最佳替代能源之一[1]。中国的太阳能资源非常丰富,相比于欧美地区,大部分区域都有着优越的太阳能资源条件[2],同时经济的迅速发展为各种太阳能利用系统提供了巨大的市场。光伏发电是指利用太阳能电池将光能直接转化为电能,是继风力发电后最有潜力实现规模化发展和应用的可再生能源发电技术[3]。研究中的光伏电站是指并网的大型光伏发电系统,将光伏组件产生的电能经过并网逆变器接入公共电网[4]。
对太阳能资源的评估是其开发利用的前提和基础,国内研究人员做了大量研究工作,袁小康等[5]从太阳能资源估算、利用价值、稳定度和日最佳利用时段几个方面回顾了中国在太阳能资源评估方面的主要研究成果。对光伏电站位置的适宜性分析是建设发电站之前进行的必要工作,然而国内关于光伏电站选址方面的研究很少。肖建华等[6]提出了影响选址的宏观因素和微观因素,考虑的因素很全面,但并没有提出一个可以定量计算的解决方案。赵明智[7]提出了槽式太阳能热发电站选址的影响因素,利用层次分析法建立槽式太阳能热发电厂选址的指标体系,计算得出各影响因素的权重。国外的很多学者将地理信息系统（GIS）和多因子评估（MCE）结合分析光伏电站建设的区域适宜性[8]。Charabi等[9]使用基于GIS的空间多因子评估方法,应用FLOWA模块评估阿曼建设大型光伏电站的土地适用性,整合多因子进行决策分析,发现光伏发电可以为阿曼提供巨大的发电潜力。Lurwan等[10]提出了一种GIS模型,选择可以同时满足多个自然、经济等条件的栅格像元,作为马来西亚雪兰莪州大型智能并网光伏电站的最佳位置。Wang等[11]使用遥感辐射产品得到5个欧洲国家的太阳能地理潜力,并结合光伏组件价格和电力需求得到光伏装机的最佳位置和发电价格。
光伏发电在中国发展迅速,同时迫切需要开展光伏电站选址的研究工作,国内已有的研究多注重单因子定量评价或多因子定性分析,对大区域光伏电站建设定量评价分析的模型较少。本文借鉴已有研究工作,综合考虑自然环境因素及社会经济条件等多种影响因子,采用综合分析法,结合太阳能资源遥感数据产品,对光伏电站建设适宜性进行科学评价,为光伏电站的规划和建设提供直观有效的依据。

2 研究区概况

2.1 太阳辐射状况

中国的太阳能资源丰富,年太阳辐射总量为3.3×103~8.4×103 MJ/m2,全国总面积2/3以上地区年日照时数大于2000 h,年辐射量在5000 MJ/m2以 上[12]。由于气候类型复杂多样,云量、水汽、气温等气象要素变化和差异明显,同时南北跨越的纬度近50°,地形起伏变化,导致不同地区太阳能资源状况差异大。有“世界屋脊”之称的青藏高原是中国太阳总辐射最多的地区,如“日光城”拉萨。四川盆地地势低,阴雨天较多,太阳总辐射最少。东部受季风气候影响显著,太阳总辐射明显少于西部干旱地区。由于南方多数地区云雾雨多,南方地区太阳能资源整体上少于北方,从华南到华北年辐射量由低到高,这与太阳能资源随纬度增大而减少的一般规律相反[13]。

2.2 光伏发电现状和前景

据国家能源局统计,截至2016年底,中国光伏发电新增装机容量3500万kW,累计装机容量 7700万千瓦,新增和累计装机容量均为全球第一,全年发电量662亿kW时,占全国总发电量的1%[14]。根据太阳能发展“十三五”规划,到2020年底太阳能发电装机达到1.1亿kW以上,其中,光伏发电装机达到1.05亿kW以上[15]。未来光伏发电将会保持高速发展,同时随着发电成本的下降,光伏发电的价格将会低于常规电价,光伏产业将会实现独立的商业化运行,需要政府高额财政补贴的状况得到显著改善。

3 数据源与研究方法

3.1 影响因子和数据的选取

3.1.1 影响适宜性的因子
光伏电站建设的适宜性评价需要考虑多因素的影响,可分为二方面：①自然地理因素,包括气候、地形、土地覆盖类型;②社会经济因素,包括交通条件,离电力消费地的远近和政策等。
气候因素包括太阳总辐射和日照时数的稳定度,前者与光伏电站的发电量密切相关,是影响光伏电站区域适宜性的重要指标,后者影响光伏发电的稳定性,日照时数变化会相应引起发电量变化。太阳总辐射越大,日照时数的稳定度越小,说明其太阳能资源条件越好,越有利于该地区太阳能的开发利用。中华人民共和国气象行业标准（QX/T89-2008）[16],针对太阳能资源的评估,给出了2项指标,① 以太阳总辐射量为指标,进行太阳能资源丰富等级的评估;② 以各月的日照时数大于6 h的天数的最大值与最小值的比值为指标,进行太阳能资源稳定度的评估。标准中的2项指标等级如表1、2所示。
Tab. 1 Classification of solar energy resources richness level

表1 太阳能资源丰富程度等级

太阳总辐射年总量/MJ·m-2·a-1 资源丰富程度
≥6300 最丰富
5040~6300 很丰富
3780~5400 丰富
≤3780 一般
Tab. 2 Classification of solar energy resources stability level

表2 太阳能资源稳定度等级

太阳能资源稳定度指标 稳定度
<2 稳定
2-4 较稳定
>4 不稳定
地形因素包括坡向、坡度和海拔。坡向和坡度影响着太阳辐射强度和日照时间,进而影响太阳能资源的空间分布。随着海拔的升高,建设施工和后期保养维护的难度和成本也随之增大,当海拔增加至一定高度时,不适合建设光伏电站。由于太阳能资源的利用需要土地作为承载,同时光伏电站需要面积宽广的闲置空间,研究将土地覆盖类型中的城市、农田、水体等作为不适合建设光伏电站的地区。
光伏电站的施工建设,离不开大型机械和设备的运输,良好的交通条件是保障,距主干道路的远近可衡量建设的成本和便利程度。离城镇越近,越靠近消费市场,电力传输线路的建设成本和电力长距离运输的损耗也越少,光伏发电成本越低。光伏发电作为一种新兴的绿色能源,发电成本较高,其上网电价高于传统的煤电,需要靠国家和地方的经济优惠政策来支持行业的发展,同时为了应对发电和用电的供需矛盾,光伏电站的建设也受到国家和地方太阳能发展规划的影响。
3.1.2 数据源
通过使用MuSyQ（Multi-source data Synergized Quantitative remote sensing production system）辐射产品、DEM、道路网、VIIRS夜间灯光数据、GLCNMO土地覆盖产品5类数据,得到因子图层和限制区图层。
MuSyQ辐射产品来自地表辐射收支参数定量遥感产品体系,其中5 km辐射产品的主要数据源为MST2、FY2E、GOES-13、GOES-15、MSG2等静止卫星数据;DEM来自航天飞机雷达地形测绘任务（SRTM）;道路网数据来自OpenStreetMap（OSM）,OSM是免费开源、可编辑的地理数据;研究使用夜间灯光数据产品提取城镇栅格,该产品是由NOAA/ NCEI的地球观测组（EOG）所生产的平均辐射合成图像,使用可见红外成像辐射仪（VIIRS）日/夜带（DNB）的夜间数据,第一版产品遍布全球,从北纬75°到南纬65°;国家绘图组织（GLCNMO）的全球土地覆盖数据由ISCGM秘书处、日本地理空间信息管理局（GSI）,千叶大学和各国家地区的NGIAs合作开发,将全球土地覆盖状况分为20类,分类标准基于粮农组织开发的LCCS。

3.2 光伏电站建设适宜性评价

3.2.1 因子图层的获取
利用MuSyQ辐射产品获取每日的太阳辐射进而得到年太阳总辐射。日照时数定义为垂直面短波直射辐照度达到或超过120 W/m²,对MuSyQ产品逐小时累加得到每天的日照时数,一天的日照时数若大于或等于6 h,则将其对应的像元赋值为1,否则赋值为0,即不具有利用价值。统计每月日照时数大于6 h的天数。根据式（1）得到日照时数稳定度（K）。
K = max ( Da y 1 , Da y 2 , … , Da y 12 ) min ( Da y 1 , Da y 2 , … , Da y 12 ) （1）
式： Da y 1 , Da y 2 , … , Da y 12 分别表示1-12月各月日照大于6 h的天数; max ( ) 为求最大值的标准函数; min ( ) 为求最小值的标准函数。
利用DEM得到坡向图层,坡向表示土地倾斜角方位角的方向,有8个方向和平面共9类。
本文只选用矢量路网数据的高速公路和国道、省道等主要公路进行后续的数据处理,通过欧氏距离分析,计算全国各地离最近主干道路的距离,获得离路网的距离图层,以比较不同地区的交通运输条件。
VIIRS能在夜间探测到城市灯光甚至小规模居民地等发出的低强度灯光且明显区别于背景。有研究指出,利用夜间灯光强度影像可构建综合灯光指数来反映城市化水平,对地区城市化发展状况开展有效监测[17]。研究选取过滤了火情和其他短暂的光,背景（非灯光）设置为零的数据,像元的值大于0,代表该像元为有人类活动的城镇,即该地需要电力供应。通过设定阈值,得到城镇源栅格（DN值大于10,像元数量接近10%）,利用欧氏距离分析,计算全国各地距离最近城镇的距离,从而获得离城镇的距离图层。
限制区,即不允许或不适合建设光伏电站的区域。考虑到青藏高原公路基础设施最高至5000 m以及政府对西藏基础设施建设的支持力度,将高程大于5000 m的地区作为限制区,同时提取土地覆盖数据中的农田、城市和水体作为限制区,将其所对应像元的值赋为0,否则赋值1。
3.2.2 多因子权重确定
层次分析法用于为每个要素和指标分配权重,从而确定其在模型中的最终决策中的相对重要 性[18]。层次分析法确定因子权重的计算过程如下：
首先为选择的因子构造判断矩阵。层次分析法（AHP）的重要特点就是用两两重要性程度之比的形式表示出2个方案或2个因子的相应重要性程度等级。重要性等级量化值1、3、5、7、9分别对应同等重要、稍微重要、较强重要、强烈重要、极端重要等级,2、4、6、8则是两相邻判断的中间值。判断矩阵即是两两重要性程度之比形式的集合。设i,j=（1,2,3,…,n）,n为因子总数。
P ij = 1 P ji （2）
式中： P 为判断矩阵; P ij 为第i个因子与第j个因子重要性之比; P ji 为第j个因子与第i个因子重要性之比。若i=j, P ij = P ji =1。
利用规范列平均法（和法）对判断矩阵的每一列进行归一化。
P ̅ ij = P ij ∑ k = 1 n P kj （3）
对矩阵 P ̅ 按行求和：
W ̅ i = ∑ j = 1 n P ̅ ij （4）
对向量 W ̅ 进行归一化,得到权重向量,即判断矩阵的最大特征值所对应的特征向量。
W i = W ̅ i ∑ j = 1 n W ̅ j （5）
将判断矩阵右乘权重向量再除以权重向量的对应分量,最后除以因子的数目,得到最大特征根λmax。
λ max = ∑ i = 1 n ( PW ) i n W i （6）
式中： ( PW ) i 为 PW 的第i个分量。
λ max - n 被认为是不一致程度的量度,CI被称为一致性指标,为了确定CI的优劣程度,AHP定义了一致性比率（CR）,即CI与随机一致性指标（RI）的比值。
CI = λ max - n n - 1 （7）
CR = CI RI （8）
式中： RI 为随机一致性指标,通过查找表3得到。
Tab. 3 Index of random consistency

表3 随机一致性指标

n 1 2 3 4 5 6 7 8
RI 0 0 0.58 0.90 1.12 1.24 1.32 1.41
若CR<0.10,则表示判断矩阵在合理的一致性水平;否则判断矩阵不满足一致性检验,此时应该重新考虑并修改判断矩阵。
3.2.3 多因子叠加分析
对5个因子图层进行标准化分级,分成10级,并按照对适宜性结果的贡献程度赋予分级分数 1-10。1代表分数最低,10代表分数最高。太阳总辐射越大,分数也越大。相反,日照时数的稳定程度、离路网的距离、离城镇的距离数值越大,分数越小。南方向和平面所对应的分数最大,北方向所对应的分数最小。
对分级后的图层按因子的权重进行叠加,对结果进行重分类,定义为低适宜、较适宜、适宜、非常适宜区。研究在等间隔分类的基础上,适宜地区分低适宜区和非常适宜区[19,20]。再将限制区图层与分类结果叠加,得到光伏电站建设的空间适宜性分布。图层的叠加如式（9）所示。各数据处理过程及叠加分析如图1所示。
适宜性 = ∑ （因子 × 权重） ⋂ （限制） （9）
Fig. 1 Suitability evaluation process for site selection of photovoltaic power plants

图1 光伏电站建设的适宜性评价流程

3.2.4 太阳能发电潜力评估
年太阳能发电潜力可以根据单位面积的年太阳总辐射、适宜建设光伏电站的面积、电池板的发电效率（15%）以及接受太阳辐射的面积因子（0.7）进行估算。式（10）可用于估算年太阳能发电潜力。
SEGP = SA × AF × ASR × PE （10）
式中： SA 为适宜发展光伏电站的面积/km²; AF 为接受太阳辐射的面积因子; ASR 为单位面积的年太阳总辐射/（KWh/ km²/a）; PE 为太阳能电池板的发电效率。

4 结果及分析

4.1 因子图层的分级

对太阳总辐射、日照时数的稳定度、离路网的距离、离城镇的距离、坡向5个图层进行标准化分级（图2）。利用DEM和土地覆盖产品得到的限制区图层（图3）。
Fig. 2 The criteria maps

图2 因子图层

Fig. 3 Constraints map

图3 限制区图层

太阳总辐射呈现南方整体上低于北方,西部整体上高于东部的趋势,气候越干旱,云雨天气越少,总辐射级别分数越大。日照时数的稳定度呈现西北内陆稳定程度高,东南沿海稳定程度低的趋势,南方气候湿润,云雨天气较多,日照时间变化大。离路网的距离和离城镇的距离呈现出东部距离级别分数大,差异小,西部距离级别分数小,差异大的特征,其中青藏高原由于路网和城镇最为稀疏,距离级别分数最小,差异最大。坡向则没有明显的区域分布特征。高程限制区主要分布在青藏高原,农田限制区主要分布在华北、东北和长江中下游地区。
太阳总辐射、坡向、离城镇的距离、离路网的距离、日照时数的稳定度图层的标准化分级如表4、5所示。
Tab. 4 Standardization of the criteria maps (1)

表4 因子图层的标准化分级(一)

适宜性分数 太阳总辐射/MJ·m-2 坡向/°
1 0~3780 北（0~22.5）（337.5~360）
2 3780~4200 东北（22.5~67.5）
3 4200~4600 东（67.5~112.5）
4 4600~5040 西北（292.5~337.5）
5 5040~5500 西（247.5~292.5）
6 5500~5900
7 5900~6300
8 6300~6800 东南（112.5~157.5）
9 6800~7300 西南（202.5~247.5）
10 7300~8117 南（157.5~202.5）;平面
Tab. 5 Standardization of the criteria maps (2)

表5 因子图层的标准化分级(二)

适宜性
分数		 离城镇的
距离/km		 离路网的
距离/km		 日照时数的
稳定度
10 0~10 0~10 1-1.5
9 10~20 10~20 1.5-2
8 20~40 20~40 2-2.5
7 40~60 40~60 2.5-3
6 60~80 60~80 3-3.5
5 80~100 80~100 3.5-4
4 100~130 100~130 4-6
3 130~160 130~160 6-10
2 160~200 160~200 10-20
1 200~500 200~400 20-31

4.2 因子权重的计算结果

太阳总辐射、日照时数的稳定度、离路网的距离、离城镇的距离、坡向的权重大小分别为0.49、0.21、0.14、0.11、0.05。 λ max =5.145,CI=0.036,n=5时,RI=1.12,CR=0.032<0.1,表示判断矩阵的不一致程度在容许范围内。表6为因子间重要性程度等级的判断矩阵。
Tab. 6 Judging matrix

表6 判断矩阵

太阳
总辐射		 日照时数
的稳定度		 离路网
的距离		 离城镇
的距离		 坡向
太阳总辐射 1.00 3.00 4.00 5.00 6.00
日照时数的稳定度 0.33 1.00 2.00 2.00 4.00
离路网的距离 0.25 0.50 1.00 2.00 3.00
离城镇的距离 0.20 0.50 0.50 1.00 3.00
坡向 0.17 0.25 0.33 0.33 1.00

4.3 光伏电站建设的适宜性

对叠加分析的结果分别按1.83-4.5、4.5-6.5、6.5-8.5、8.5-10的范围定义为低适宜、较适宜、适宜、非常适宜区,在图4中对应的颜色分别为红、黄、浅蓝和深蓝。限制区对应白色区域。
Fig. 4 Suitability evaluation of photovoltaic power plants

图4 光伏电站建设的适宜性

由图4可知,6.4%的研究区为低适宜区,37.4%的研究区为较适宜区,32.8%的研究区为适宜区,1.9%的研究区为非常适宜区,21.5%的研究区为建设光伏电站的限制区。非常适宜区主要分布在西藏的西南部、青海的柴达木盆地、甘肃的西北和新疆东部的部分地区,在内蒙古、陕西和宁夏也有零星的分布。适宜区主要分布在黄土高原、内蒙古高原以西,青藏高原以北的地区,在云南、四川以及华北部分地区也有分布,较好符合全国各地都有光伏电站的特点;低适宜区域主要分布在四川盆地及其周边、西藏的东南、广西和湖南的交界地带,主要是因为这些地区云雨天气多,太阳总辐射较低以及日照时间年际变化大。
通过比较全国部分省份的光伏电站累计装机量与5种适宜性类型所占的比例（图5）,可知主要装机省份的光伏发展态势。截止到2016年,新疆的光伏电站累计装机量超过800 万kW,甘肃、青海、内蒙古超600 万kW,宁夏超过500 万kW[21],而新疆、青海、甘肃、内蒙古、宁夏的适宜区占全国的68.2%,非常适宜区占全国的51.0%。江苏、山东的装机量超过300 万kW,其经济实力较强,电力需求旺盛,两省的用电量达到10 850 亿kW时,占全国用电量的18.3%,所以尽管农田分布较广,适宜区和非常适宜区所占的比例较低,但光伏电站装机量排名比较靠前。中东部的河北、陕西装机量超过 300万kW,山西的装机量超过200 万kW,山西、河北、陕西的适宜区所占自身的比例较高,山西达到 82.2%,河北达到49.5%,陕西达到45.8%。贵州、重庆、四川等西南省市的装机量在100 万kW以下,由于阴雨天气较多,地面接收的太阳辐射少,日照年际变化大,对于限制区和低适宜区所占的比例,重庆达到71.6%,四川达到57.7%,贵州超过50%。西藏的装机量33 万kW,但是西藏的适宜区占全国的10.9%,非常适宜区占全国的47.4%,人口稀少,电力需求少,用电量只有47亿kW时,同时海拔高,电力传送成本高,极大限制了其装机量的增加。
Fig. 5 Suitability evaluation process of photovoltaic power plants

图5 部分省份的光伏电站累计装机量与各适宜性类型所占的比例

将全国分成华北、东北、华东、中南、西南、西北6个地理区域,计算各地理区域的适宜区和非常适宜区占全国适宜区和非常适宜区的比例,通过与光伏电站累计装机量对比分析,可知更大空间范围内光伏电站装机的发展态势,如图6所示。
Fig. 6 The cumulative installed photovoltaic capacity and proportions accounting for of the country of the suitable area and very suitable area in different regions

图6 各地理分区的光伏电站累计装机量与适宜、非常适宜区占全国适宜、非常适宜区的面积比例

西北地区的适宜区占全国的53.0%,非常适宜区占全国的47.3%,累计光伏电站装机量占全国的45.6%,但用电量只有5723亿kW时,占全国的9.7%,其电力消纳上的矛盾日益突出。适宜建设光伏电站的区域面积大,并不一定有大的装机量,西南地区由于包括西藏,对比最为明显。华东地区经济发达,用电需求大,2016年社会用电量在21 155亿kW时,占全国的36.0%,即使非常适宜区和适宜区占比很小,适宜区占全国的1.9%,但装机量超过1200万kW,与华北地区持平。东北地区的适宜区和非常适宜区占全国的比例以及光伏电站的累计装机量最小,同时其用电量也只有3602亿kW时,发展光伏发电最为困难。
光伏发电是一种清洁的发电形式,当今中国环保形势严峻,推动这一清洁发电方式有助于环境状况的改善。非常适宜区作为光伏电站最佳建设场所,具有非常大的发电潜力。本文的研究结果表明,非常适宜区的光伏发电潜力为334 092亿kW时,而2016年中国全年发电量为61 425亿kW时,发电潜力大于发电量的5倍。

5 结论

本研究利用多种遥感数据、地理数据并结合多因子评估和地理信息系统,得到空间连续的适宜性评价结果,为光伏电站规划和建设工作提供直观有效的依据。本研究的主要结论如下：
（1）西北省份拥有大面积的适宜、非常适宜区,太阳能资源十分丰富,荒漠和半荒漠土地广布,光伏电站装机量最大。建设光伏电站的适宜和非常适宜区的面积与装机量并没有明显的线性关系,西藏的非常适宜区面积最大,但受限于经济成本,装机量只有33万kW;华东地区经济发达,用电需求大,即使非常适宜区和适宜区占全国的比例很小,但装机量仍与华北地区持平。非常适宜区作为光伏电站的最佳建设场所,其发电潜力大于2016年全国发电量的5倍。
（2）西北地区经济与光伏装机量的不对等产生了电力消纳上的矛盾,政府在限制其未来光伏发电指标的同时,不断提高中东部省份的装机指标,光伏电站装机在空间上向中东部转移。此外,国家和地方政府通过上网电价的高补贴以及光伏扶贫政策支持等进一步推动分布式光伏发电系统的发展,以期至2020年我国分布式光伏装机达到6000万kW,而目前华东、华北、中南地区的分散式光伏装机量已超过全国的90%。装机规模指标以及光电的补贴政策对光伏电站位置的选择起到了一定的指向作用,而目前分布式光伏发电系统的兴起的同时,影响了光伏电站的发展。
（3）为了进一步认识某地区建设光伏电站的适宜性,需要更多的工作来研究微观因子与适宜性建模之间的关系。太阳能电池板的发电效率会受电池板温度的影响,其温度又由环境温度、太阳辐射强度、风速等决定。此外,沉积在太阳能电池表面的尘埃会影响投射到电池板表面太阳辐射的强度,减少接受太阳辐射的有效面积,而降尘的多少受地表覆被、风速、天气情况、人类活动等影响。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
沈义. 我国太阳能的空间分布及地区开发利用综合潜力评价[D].兰州:兰州大学,2014.

[ Sheng Y.The spatial distribution of solar energy and the comprehensive potential evaluation of regional exploitation and utilization in China[D]. Lanzhou: Lanzhou University, 2014. ]

[2]
申彦波. 近20年卫星遥感资料在我国太阳能资源评估中的应用综述[J].气象,2010,36(9):111-115.

[ Shen Y B.Review of applications of satellite remote sensing data to solar energy resources assessment in China in Recent 20 Years[J]. Meteorological Monthly, 2010,36(9):111-115. ]

[3]
许洪华. 中国光伏发电技术发展研究[J].电网技术,2007,31(20):77-81.

[ Xu H H.The Study on development of PV technology in China[J]. Power System Technology, 2007,31(20):77-81. ]

[4]
施渊. 光伏并网发电系统选址及电能质量研究[D].南京:东南大学,2016.

[ Shi Y.Research on location and power quality of the grid-connected photovoltaic power generation system[D]. Nanjing: Southeast University, 2016. ]

[5]
袁小康,谷晓平,王济.中国太阳能资源评估研究进展[J].贵州气象,2011,35(5):1-4.

[ Yuan X K, Gu X P, Wang J.Research progress of solar energy resources assessment in China[J]. Journal of Guizhou Meteorology, 2011,35(5):1-4. ]

[6]
肖建华,姚正毅,孙家欢.并网太阳能光伏电站选址研究述评[J].中国沙漠,2011,31(6):1598-1605.

[ Xiao J H, Yao Z Y, Sun J H.Review on optimal site selection for grid-connected solar photovoltaic plants[J]. Journal of Desert Research, 2011,31(6):1598-1605. ]

[7]
赵明智. 槽式太阳能热发电站微观选址的方法研究[D].呼和浩特:内蒙古工业大学,2009.

[ Zhao M Z.Study on methods of parabolic trough solar thermal power plant site selection[D]. Hohhot: Inner Mongolia University of Technology, 2009. ]

[8]
Effat H A.Selection of potential sites for solar energy farms in ismailia governorate, Egypt using SRTM and multicriteria analysis[J]. International Journal of Advanced Remote Sensing and GIS, 2013,2(1):205-220.

[9]
Charabi Y, Gastli A.PV site suitability analysis using GIS-based spatial fuzzy multi-criteria evaluation[J]. Renewable Energy, 2011,36(9):2554-2561.

[10]
Lurwan S M, Idrees M O, Ahmed G B, et al.GIS-Based optimal site selection for installation of large-scale smart grid-connected photovoltaic (PV) power plants in selangor, Malaysia[J]. American Journal of Applied Sciences, 2017,14(1):174-183.

[11]
Wang S F, Koch B.Determining profits for solar energy with remote sensing data[J]. Energy, 2010,35:2934-2938.

[12]
周传瑞. 哈尔滨地区太阳能资源评估及开发利用前景分析[D].兰州:兰州大学,2012.

[ Zhou C R.Solar energy resource assessment of Harbin and analysis of the prospects of development and utilization[D]. Lanzhou: Lanzhou University, 2012. ]

[13]
孙艳伟,王润,肖黎姗,等.中国并网光伏发电系统的经济性与环境效益[J].中国人口·资源与环境,2011,21(4):88-94.

[ Sun Y W, Wang R, Xiao L S, et al.Economic and environmental analysis of grid-connected photovoltaic systems in China[J]. China Population, Resources and Environment, 2011,21(4):88-94. ]

[14]
陈东坡. 2016-2017年中国光伏回顾与展望[J].电子产品世界,2017(4):9-11.

[ Chen D P. Review and prospect of China's photovoltaic in 2016 - 2017[J]. Electronic Engineering and Product World, 2017(4):9-11. ]

[15]
国家能源局.太阳能发展“十三五”规划[J].太阳能,2016(12):5-14.

[ National Energy Administration.The “Thirteen-Five” Development plan of solar energy[J]. Solar Energy, 2016(12):5-14. ]

[16]
QX/T89-2008,太阳能资源评估方法[S].

[ QX/T89-2008, Assessment Method of Solar Energy Resources[S]. ]

[17]
舒松,余柏蒗,吴健平,等.基于夜间灯光数据的城市建成区提取方法评价与应用[J].遥感技术与应用,2011,26(2):169-176.

[ Shu S, Yu B L, Wu J P, et al.Method for deriving urban built-up area using night-light data: Assessment and application[J]. Remote Sensing Technology and Application, 2011,26(2):169-176. ]

[18]
辛培裕. 太阳能发电技术的综合评价及应用前景研究[D].北京:华北电力大学,2015.

[ Xin P Y.Research on comprehensive evaluation and application prospect of solar sower technology[D]. Beijing: North China Electric Power University, 2015. ]

[19]
李柯,何凡能.中国陆地太阳能资源开发潜力区域分析[J].地理科学进展,2010,29(9):1049-1054.

[ Li K, He F N.Analysis on distribution and potential of solar energy in Chinese mainland[J]. Progress in Geography, 2010,29(9):1049-1054. ]

[20]
Uyan M.GIS-based solar farms site selection using analytic hierarchy process (AHP) in Karapinar region, Konya/Turkey[J]. Renewable & Sustainable Energy Reviews, 2013,28(8):11-17.

[21]
李颖.2016年我国光伏装机数据简析[ED/OL].

[ Li Y. A brief analysis of China 's photovoltaic installation data in 2016[ED/OL].

Options
文章导航

/

〈 〉