The present invention relates to a macro intelligent location method for wind farms, which combines Monte Carlo simulation with analytic hierarchy process. Through the analysis of the factors affecting the macro location of wind farms, a hierarchical model for the macro location of wind farms is constructed, and a set of random judgement matrices is generated by Monte Carlo simulation. Calculate the single-layer weights of each random judgment matrix, then check the consistency of each influence factor and calculate the combination weights; generate the grid layers of each influence factor, and divide each grid layer into suitability grades; use the weighted overlay analysis method, generate the suitability Atlas of wind farm macro location, and finally collect the suitability atlas. The quadrant method is used to reclassify the maps of wind farm macro-location suitability, and generate a set of macro-location schemes for wind farm, which significantly improves the reliability and accuracy of wind energy resource assessment in wind farm macro-location.
【技术实现步骤摘要】
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
本专利技术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
技术介绍
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。
技术实现思路
本专利技术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。本专利技术为了解决上述技术问题采用以下技术方案：本专利技术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，...
【技术保护点】
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；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...
【技术特征摘要】
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；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。2.根据权利要求1所述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，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ki阶空矩阵，并令ki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，ki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ki阶矩阵中的右上角区域，同时设置ki×ki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λmax,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CIi,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CRi,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；n23456789RI00.580.901.121.241.321.411.45表1步骤A5.判断CRi,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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。