基于地理信息系统的闭环协同优化：多能源互补基地的站点容量与运营管理

《Energy》：Geographic Information System-Based Closed-Loop Co-Optimization of Site-Capacity-Operation for Multi-Energy Complementary Bases

本研究提出基于地理信息系统（GIS）的闭环协同优化框架，用于多能互补基地的规划。该框架整合高分辨率空间分析与系统级 techno-economic 优化，通过GIS多准则选址结果动态调整容量配置，形成规划-运行闭环反馈。案例研究表明，该框架使净现值提升4.58%，初始投资降低42.27%，供电可靠率达99.36%，有效解决了传统规划静态、孤立的局限性。

　　

苏国|陈 Wang|马哲瑞|张彦军|秦振坤|严静书|乔彦涵

河海大学可再生能源学院，211100，南京

摘要

多能源互补基地的高效规划需要跨地理选址、容量分配和调度的协调决策。现有方法通常将地理空间适宜性视为静态的、预先设定的约束条件，缺乏基于运行反馈动态优化选址和容量决策的闭环机制。为解决这一问题，本研究提出了一种基于地理信息系统的闭环协同优化框架。该框架将高分辨率空间分析与系统层面的技术经济优化无缝结合。具体而言，从地理信息系统中得出的多标准选址评估结果被量化并直接作为权重因素纳入容量分配模型，以确保最佳的空间资源分配。随后，混合储能模型共同优化净现值和供电概率损失。关键的是，从每小时运行模拟中获得的实际供电概率损失被反馈回来，以迭代调整上层容量配置，从而建立了一个稳健的规划-运行反馈循环。以中国博尔塔拉地区的风能-太阳能-水能-煤炭-储能系统为例，该框架实现的净现值比传统开环规划高出4.58%，初始投资降低了42.27%，同时确保了100%的可再生能源占比和1.64%的供电概率损失。这项工作强调了将动态运行反馈与精细的空间智能深度耦合在设计高性能多能源系统中的不可或缺的作用。

引言

全球向可持续和低碳能源系统的转型是对不断增长的能源需求和环境要求的积极响应。这一范式转变由《巴黎协定》推动，该协定要求实现全球碳中和[1]，并进一步受到国家战略目标的加速，这些目标优先考虑高可靠性的可再生能源整合[2]。因此，发展大规模可再生能源基地已成为一项战略重点，旨在最大化清洁能源资源的渗透率，同时逐步淘汰对化石燃料的依赖[3]。

然而，风能和太阳能资源的固有间歇性和不确定性对电网稳定性构成了重大挑战，常常导致严重的能源削减和投资效率低下[4]。将单一能源电站转变为多能源互补基地已成为应对这些挑战的有效方案[5]。这些集成系统结合了风能、太阳能、储能和煤炭发电，以平衡输出并有效平滑电力波动，同时改善电源与负荷的匹配。

尽管具有这些运营优势，但目前这类基地的规划仍受到方法论上的分离阻碍，即地理选址和容量配置被视为顺序独立的过程。这种分离忽略了运行约束（如因削减造成的成本变化）对空间布局决策的关键反馈。因此，建立一个综合的闭环机制，同时优化选址、容量和运营这三个相互依赖的维度，仍然是最大化多能源互补系统综合效益的基本挑战。

多能源系统规划的研究主要沿着两条路径发展。第一条路径侧重于空间布局优化。为此，多标准决策（MCDM）是主导方法，并经常与地理信息系统（GIS）相结合。早期研究依赖于独立的MCDM框架。例如，Karad?l和Y?ld?r?m通过使用MCDM评估实时气象数据来确定最佳太阳能电站位置[6]。在向单能源系统的地理空间集成迈进的过程中，Nagababu等人提出了一种两阶段GIS算法，以微米级分辨率识别可行的风电场位置[7]。 Zhao等人进一步将这一方法扩展到多能源领域，开发了一种基于GIS-MCDM的风能-太阳能-氢能系统的最佳选址模型[8]。此外，Salami等人通过增强GIS框架的混合模糊推理技术来处理数据不确定性[9]。然而，尽管这些模型考虑了物理约束，但它们难以量化系统运行层面的技术经济指标。作为静态评估，它们很少考虑时变运行特性，可能会选择资源丰富但在经济上因动态削减而次优的地点。

第二条路径集中在容量配置优化上。在解决方案算法方面，学者们广泛采用混合整数线性规划在线性约束下寻求全局最优解[10]。同时，其他人使用元启发式方法（如粒子群优化[11]和进化算法[12]来处理复杂目标之间的非线性权衡。例如，Song等人提出了一种利用非支配排序遗传算法II（NSGA-II）的多目标容量配置模型来优化组合风能-储能系统的容量[13]。类似地，Ren等人应用连续灰狼优化来配置风能-太阳能-蓄电池-柴油微电网[14]。然而，这些优化模型通常假设位置是预先确定且固定的。由于忽略了地形建设成本和传输距离等空间异质性，这些模型可能产生理论上最优但在实际中不可行的容量方案。

认识到孤立规划的局限性，近期学术研究试图将空间分析与容量规划结合起来。一些研究提出了从选址到容量确定模块逐步传输数据的耦合框架。例如，Gupta和Sossan提出了一种用于电力分配网中储能系统最佳选址和规模确定的方法[15]。同样，Liu等人优化了城市规模发电和储能设施的选址和容量配置[16]。最近，Elkadeem等人采用ArcGIS进行空间适宜性分析，使用HOMER软件进行技术经济规模确定[17]。然而，大多数现有框架仍以单向和顺序的方式运行，缺乏一个闭环反馈机制，即在规模确定阶段计算的运行指标无法动态重新评估所选地点。

正如表1所总结的那样，这一持续存在的局限性突显了一个关键的方法论差距：缺乏高分辨率空间适宜性评估与系统层面技术经济优化之间的深度和迭代耦合。具体来说，它揭示了缺乏闭环规划机制。

为解决这一方法论差距，本研究提出了一个基于GIS的多能源互补基地闭环协同优化框架。主要贡献有三方面。

• (1)
  该框架系统地将地理空间分析与系统层面优化相结合。它通过将基于GIS的多标准选址适宜性得分转化为容量分配的显式权重因素，从而直接量化并利用空间优势进行技术经济决策。
• (2)
  该框架在规划和运营之间建立了动态闭环反馈机制。该机制将关键的运行可靠性指标（主要是实际供电概率损失）反馈回来，以迭代调整上层容量配置，从而从开环验证迈向自适应规划。
• (3)
  该框架在不确定性下增强了规划的稳健性。它通过基于四个季节典型日的多情景方法描述资源和负荷的变异性，并进行全面的后续敏感性分析，以确保解决方案在各种条件下的可行性。

其余部分安排如下：第2节详细介绍了所提出的方法论。第3节展示了案例研究，第4节讨论了结果，第5节总结了本文。

部分摘录

方法论

提出了一种基于GIS的协同优化框架，用于多能源互补系统设计，该框架整合了选址评估、容量分配和运行规划。该方法论通过分层优化框架将地理空间选址评估与运行决策相结合，实现了不同系统组件之间的协调容量规划。如图1所示，所提出的研究框架整合了三个核心组成部分：（1）负荷

案例研究

为了验证所提出的闭环协同优化框架的有效性和适用性，选择了中国博尔塔拉地区的实际多能源互补基地作为研究对象。本节详细介绍了研究区域的地理和资源特征，随后描述了数据准备过程，包括负荷预测和参数初始化，这是后续仿真分析的基础。

结果与讨论

本节展示了从所提出的协同优化框架中得出的综合结果。首先，基于多标准评估分析了风能和太阳能电站的最佳选址结果。随后，通过与传统规划方法的比较验证了经济和运营效益。最后，通过源负荷不确定性下的敏感性分析检验了系统的稳健性。

结论

开发了一种集成优化方法，用于使用基于GIS的多标准决策分析进行协调选址、容量分配和运行规划。该分层优化框架结合了地理空间评估与运行反馈，实现了风能-太阳能-水能-煤炭-储能多能源系统的闭环规划。具体结论如下：

(1)

基于GIS的多标准评估框架有效识别了最佳选址，证明了

CRediT作者贡献声明

严静书：验证、资源、调查。秦振坤：可视化、验证、数据管理。张彦军：验证、资源、调查、数据管理。乔彦涵：验证、资源、调查。马哲瑞：写作——审稿与编辑、验证、监督。陈 Wang：写作——初稿、可视化、验证、方法论、调查、形式分析、数据管理。苏国：验证、监督、项目管理、资金获取，

利益冲突声明

? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

本工作得到了“智能电网-国家科技重大项目”（项目编号2024ZD0801400）、国家电网公司的科技项目（项目编号52272224000V）以及江苏省的研究生研究与实践创新计划（资助编号KYCX24_0831）的支持。