博彩导航 地理与空间信息技术系教师孙艳伟副研究员、22级农村发展专硕朱丹凤等人在光伏电力空间布局优化方面的研究取得重要进展。相关工作以“Spatial modelling the location choice of large-scale solar photovoltaic power plants: application of interpretable machine learning techniques and the national inventory（中文译名：利用可解释机器学习与已建电厂清单数据模拟我国大规模光伏电力空间优化布局）”为题发表在能源科学领域国际期刊《Energy Conversion and Management》（中科院一区TOP，IF:11.533）。孙艳伟博士为第一作者，硕士研究生朱丹凤为第二作者。
“双碳目标”背景下可再生能源电力正从“补充能源”走向“主体能源”，推动全球能源供给体系的绿色低碳转型。太阳能光伏发电厂的最佳选址问题通常采用基于地理信息系统的空间多准则决策方法（MCDM）来评估，而这些评估结果随着指标权重的变化而变化，不可避免的具有主观性，且很难在现实中得到验证。
为了解决这一问题，论文选取我国大样本已建太阳能光伏电厂（土地覆盖面积≥1 hm2）清单数据，借助可解释的机器学习技术，研究国家尺度上光伏电厂的空间优化布局，揭示了大规模光伏电力扩张背后的驱动机制。共考虑了21个太阳能发展的地理空间条件因子；使用多层感知器、随机森林和极限梯度提升等方法，对每种土地覆盖类型（如农田、森林、草地和荒地）上太阳能光伏装置的空间位置选择进行建模；并采用SHapley和变重要性测量等方法来确定关键决策因素及其对太阳能光伏安装位置选择的非线性影响。
在三种机器学习模型中，随机森林模型表现出更好的性能（AUC>0.78）。条件因子的相对重要性表明，地表植被覆盖和距电网距离是太阳能光伏安装位置的最重要决策因素。此外，地形因素和交通便利性对太阳能光伏发电站的空间分布存在一定影响。出乎意料的是，大多数资源禀赋和社会经济因素在决定太阳能发电厂的最佳选址方面发挥的作用微乎其微。太阳能光伏装置概率图显示，光伏开发的最适宜区域集中分布于我国中北部，占我国总土地面积的4.6%。本研究提出的证据基的模拟方法不仅有助于宏观尺度太阳能光伏发电厂优化空间位置的选择决策，而且能够为太阳能资源的可持续开发提供了强有力的规划工具。
图12 我国不同省份光伏电力用地适宜性占比及供给潜力分布
该研究受到了浙江省自然科学基金项目（No：LY23D010003）的支持。
原文链接：//doi.org/10.1016/j.enconman.2023.117198