基于GIS技术的大规模光伏电站宏观选址方案研究

雷 鸣，韦关祥，赵 青

(中国电建集团西北勘测设计研究院有限公司，西安 710065)

0 引言

2020年9月，中国明确提出2030年碳达峰与2060年碳中和的目标(即“双碳”目标)，光伏发电作为实现上述目标的重要方式之一，已经进入全新的发展阶段，即将迎来新的10年黄金发展期。

2022年，光伏发电项目规划被写入了中国22个省(区、市)的省级政府工作报告。根据浙江、山东、内蒙古、河北、甘肃、四川、天津、青海等20个省(区、市)已发布的新能源发展规划报告，“十四五”期间这20个省(区、市)规划的光伏发电新增装机规模合计约280 GW，其中，山东、内蒙古、河北、甘肃和青海这5个省(区)规划的光伏发电新增装机规模分别为34.28、32.62、32.10、32.03、30.00 GW。

近年来，随着光伏电站的大规模建设，光伏发电项目开发遇到的“用地难”问题成为制约“双碳”目标实现的关键因素。光伏电站建设前期传统的宏观选址方法多以“现场走访—选地圈地—初步测算场址范围”为主，选地圈地后，电站方的资源工程师需要携带圈选得到的范围结果到自然资源局、林草局、水利局、环保局等政府部门逐一落实环境敏感性区域，然后再对图纸进行调整，从而初步测算场址范围。此种方法存在以下缺点：1)资源工程师需要在与各个政府部门对接过程中，反复对圈选的场址进行核对与修改，存在大量重复工作，工作效率较低，筛选场址进度慢；2)项目投资方与资源工程师对所选地地形地貌并不熟悉，场址的初选位置主要依赖于当地向导，而向导由于缺乏专业知识，常导致所推荐的场址不理想，影响项目进度及后期收益；3)选取的场址区域往往小于该地区实际可开发利用的范围，导致场址范围通常偏小。

由于存在上述缺点和局限性，导致该选址方法较适用于小规模、小区域光伏电站的宏观选址，不适用于现阶段以县、市、省甚至大流域为单位的大规模光伏电站的宏观选址工作。鉴于此，本文提出一种基于地理信息系统(GIS)技术的大规模光伏电站宏观选址方案，该方案是将GIS技术与Candela3D软件快速布置光伏组件的功能相结合，以期为今后大规模光伏电站建设前期的宏观选址提供新思路。

1 光伏电站宏观选址

光伏电站的宏观选址首先需要考虑坡度、坡向、阴影、汇水区域和资源条件，一般情况下，光伏阵列的布置应保证当地冬至日真太阳时09:00～15:00时段内前、后、左、右的光伏组件互不遮挡。其次，需要充分考虑并有效避开自然保护区、压覆矿、生态红线、基本农田、水源保护地及风景区等环境敏感性区域，并使规划项目与环境敏感性区域之间留有一定的避让距离作为缓冲，避免后期由于场平时工人操作不当、施工期偶遇极端气候等原因扰动环境敏感性区域。

2 工作思路

在GIS技术下使用Python语言对地形数据进行处理[1-2]，利用处理结果再结合大规模光伏电站的光伏组件布置方式，由计算机执行光伏电站的宏观选址，从而实现大规模光伏电站选址规划高效快捷及项目发电收益最大化的目标。大规模光伏电站宏观选址的具体步骤如下：

1)以省界、市界、县界或给定区域为边界作为光伏电站建设的目标区域，获取该区域内的矢量地形数据 (ASTER、STRM3数据或实测地形数据等)、太阳能资源数据，以及环境敏感性区域的分布图。

2)将矢量地形数据栅格化生成由栅格点组成的数字高程模型(DEM)，逐步进行坡度、坡向、阴影、汇水区等分析，生成可用地形区域。

3)针对基本农田、矿产资源、自然保护区、公益林、水源保护区、生态保护红线等环境敏感性区域的分布图进行分析计算，生成缓冲带，筛选出可用场址区域。

4)对太阳能资源进行分析，将年总辐射量大于1050 kWh/m2的区域生成资源可用区域。

5)以最小装机规模或最小征地面积为阈值对项目初选的可用场址区域进行筛选，通过Python语言对不满足要求的场址进行剔除，将满足要求且距离相近的场址进行合并。

6)采用Candela3D软件进行光伏组件布置，并汇总最终结果，从而得出规划区域内光伏电站直流侧装机规模。

大规模光伏电站宏观选址流程图如图1所示。

图1 大规模光伏电站宏观选址流程图Fig. 1 Flow chart of macro site selection of large-scale PV power station

3 GIS技术和Candela3D软件的光伏组件布置方法在宏观选址中的应用

3.1 太阳能资源分析

太阳能资源的丰富程度是光伏电站发电收益的重要决定因素之一。首先对初选的目标区域进行太阳能资源甄选，将太阳能资源条件好的区域作为资源可用区域。在甄选时重点考虑总太阳辐射量GHI，其是地球表面某一观测点水平面上接收的太阳直射辐射量DNI与太阳散射辐射量DHI的总和。水平面上接收的总太阳辐射量的计算公式为：

年总太阳辐射量的等级划分[3]如表1所示。

成立于2008年的Susan Brown’s Baby苏珊布朗宝贝是来自美国的高端护肤品牌，专注于婴童的问题肌护理，特别适用于干性肌肤。其产品纯天然、无添加、易吸收，富含初榨的荷荷巴油、辣木油等天然植物精华，对于婴童的肌肤有着极强的保湿、锁水和修复作用，受到了美国好莱坞众多影星的喜爱。

表1 年总太阳辐射量的等级划分Table 1 Classification of annual total solar radiation

为保证规划的光伏电站的发电收益，在宏观选址时只考虑A、B、C类资源区域，将D类资源区域划为限建区。

3.2 用地政策分析

光伏发电项目规划必须满足自然资源部办公厅、国家林业局和草原局办公室、国家能源局综合司印发的《关于支持光伏发电产业发展规范用地用林用草管理有关工作的通知》(征求意见稿)的要求，将自然保护区、森林公园、基本农田、生态红线、水源保护区、有林地、疏林地、未成林造林地、采伐迹地、火烧迹地，以及年降雨量400 mm以下区域覆盖度高于30%的灌木林地和年降雨量400 mm以上区域覆盖度高于50%的灌木林地划定为光伏发电项目限建区域。

3.3 坡度及坡向分析

平坦地形或缓坡山地均可作为光伏电站的场址，为保证光伏组件整体发电量及土地利用率，需对不同坡向分别设置极限坡度。考虑到光伏电站的经济性及光伏组件之间的相互遮挡问题，在山地光伏电站布置光伏组件时，所选场地的南坡、东坡、西坡、北坡的坡度宜分别控制在 30°、10°、10°及 5°以内。

采用平面坡度算法[4]计算i处的坡度θi，计算式为：

式中：Δh为i处栅格点与各个方向相邻栅格点的最大高差；Δd为i处栅格点与最大高差栅格点的距离差。

坡向由计算得到的坡度值来判断。

3.4 阴影分析

在山地光伏电站规划光伏阵列的布置时，必须考虑周边山体对阵列的阴影遮挡，将冬至日09:00～15:00时因山体形成的阴影区域绘制为限建区域[5]。山体阴影值Hs的计算式为：

3.5 汇流区分析

考虑到光伏组件的安全性，光伏电站场址不应布置于洪水冲击区域，不宜布置在汇水区域。采用D8单流向算法对无凹陷的DEM地形进行分析，找出汇水区域，形成不可用区域[6]，其中，水流方向由每个像素单元最陡坡度决定。最陡坡度的计算式为：

式中：Sl(i)、a(i)、d(i)分别为坡度为i时的斜率、高程、距离，i的取值可选 0°、45°、90°、135°、180°、225°、270°、315°；z为原点高程。

3.6 可用区域分析

可用区域可通过式(5)对光伏电站建设时的目标区域进行遍历得到，即：

式中：(x,y)为目标区域的栅格点的坐标，Ux,y=1时的集合为可用区域；Ax,y=1的集合为光伏电站建设的目标区域；Tx,y=1的集合为不满足坡度要求的区域；Rx,y=1的集合为不满足政策要求的区域；Dx,y=1的集合为被山体阴影遮挡的区域；Mx,y=1的集合为汇水区域；Sx,y=1的集合为太阳能资源为D类的资源不可用区域。

3.7 装机规模分析

Candela3D是由坎德拉(北京)科技有限公司基于著名的SketchUp三维设计平台开发的光伏发电系统三维设计软件。该软件适用于平坦地形及复杂山地的光伏电站，可以在生成的三维模型中进行光伏组件的布置、修改。

通过给定的拟选光伏组件参数、光伏方阵基本参数，利用Candela3D软件在GIS技术下生成的可用区域范围内对光伏组件进行快速排布。利用自动定间距功能快速布置并自动进行光伏组件间的阴影校核，删除被遮挡的光伏组件。最终得出规划场址区域内光伏电站的直流侧装机规模。

4 案例分析

以某区域作为目标区域，分析在该区域进行的大规模光伏电站宏观选址。

该区域的海拔在3320～5771 m之间，属于典型山地地形。该区域的太阳能资源丰富，夏半年(春季、夏季)的总太阳辐射量多于冬半年(秋季、冬季)的，夏半年的总太阳辐射量一般占全年的60%左右。其中，春季的最大，占全年的30%左右；冬季的最小，仅占全年的18%～20%。

采用Solargis数据进行目标区域的太阳能资源分析，该区域的年总太阳辐射量情况如图2所示。

图2 目标区域的年总太阳辐射量情况Fig. 2 Annual total solar radiation in the target area

从图2中可以看出：目标区域的年总太阳辐射量在874～1790 kWh/m2之间，拟选取年总太阳辐射量在1057～1790 kWh/m2之间的区域作为资源可用区域。

利用分辨率为90 m×90 m的地理高程数据SRTM3数据对目标区域的地形进行坡度、坡向、阴影、汇水等的分析，并3D建模。汇水分布和阴影分析的3D建模结果如图3所示。

图3 汇水分布和阴影分析的3D建模结果Fig. 3 3D modeling results of catchment distribution and shadow analysis

通过综合太阳能资源可用区域及坡度、坡向、阴影分析、汇水分布等的分析结果，排除基本农田、矿产资源、自然保护区、公益林、水源保护区、生态保护红线等环境敏感区域后，得到可用光伏电站场址区域；然后设置最小光伏组件布置区域的面积阈值，剔除零星琐碎的小片区域，从而提高土地利用率，并减少工程成本。最终的光伏电站场址规划区域共18个地块(地块0～地块17)，具体如图4所示。

图4 光伏电站场址规划区域Fig. 4 Planning area of PV power station site

本文仅针对地块6进行光伏组件布置及装机规模测算。该地块可用面积为19.23 km2，平均海拔为4017 m，年总太阳辐射量在1527～1651 kWh/m2之间。光伏电站的设置如下：采用固定式光伏支架，支架倾角为25°，光伏组件最低点距地高度为0.5 m；采用545 Wp双面双玻单晶硅光伏组件，组件尺寸为2256 mm×1133 mm×35 mm；26块光伏组件组成 1串光伏组串，每个光伏支架上放置1串光伏组串。利用Candela3D软件进行光伏组件的快速布置，布置结果如图5所示，得出地块6的总装机规模约为100万kW。

图5 地块6的光伏组件布置图Fig. 5 Layout of PV modules on block 6

5 结论

本文提出了一种基于GIS技术的大规模光伏电站宏观选址方案，该方案充分考虑了太阳能资源条件、坡度、坡向、阴影、汇水区及环境敏感区对光伏电站开发的影响，利用Python语言在GIS中实现地形自动筛查，将筛选结果输入Candela3D软件进行光伏组件快速布置，从而快捷高效地得到满足要求的光伏电站场址及装机规模。该方案尤其适用于以县、市、省甚至大流域为单位的大规模光伏电站的选址工作。选取的光伏电站场址较准确、可靠，能满足光伏电站的宏观选址要求。

需要说明的是，地形分辨率很大程度的影响了坡度分析、坡向分析、阴影分析及光伏组件布置的结果，采用更高分辨率的遥感数据所得出的结果更精准可靠。ASTER、STRM3地形数据分辨率分别为 30 m×30 m、90 m×90 m，该分辨率仅适合于大规模光伏电站宏观选址。针对后期精细化地形筛选则需要1:1000及以上比例尺的实测地形图数据。