一种区域生物质电厂选址及规划方法涉及发电规划技术领域。本发明应用GIS软件并结合多属性决策方法，引入运输成本、原材料需求等不确定因素的同时考虑经济目标和环境目标来进行规划选址，综合考虑诸如水资源、环境政策等关键参数对于决策的影响，使研究更贴近生物质电厂运行的实际环境。使得秸秆等生物质资源得到合理的回收和利用、保证良好稳定的原料供应的同时，降低生物质电厂的运营成本，对生物质电厂进行正确合理的选址和规划。
1.一种区域生物质电厂选址及规划方法，其特征在于包括以下步骤：步骤1：基于层次分析法构建生物质发电厂土地适宜性评价指标体系并确定各个指标权重；
步骤2：基于GIS空间分析和限制因素对指标体系中可用地面积指标进行计算，比较土地适应性评价得分并增加约束得到备选厂址；
步骤4：运用二型模糊理论T2Fs表征模型中的不确定性，引入可信度机会约束规划CCP构建T2F‑CCP生物质发电规划模型；
所述步骤1基于层次分析法构建生物质发电厂土地适宜性评价指标体系并确定各个指标权重如下：步骤1.1：构建生物质发电厂土地适宜性评价指标体系并对其规范化具体包括：基于土地适宜性评价原则，构造多属性决策矩阵，n个方案，m个指标；设多属性决策方案为A＝{A1,A2,...,An}，每个方案相对应的属性指标为x1,x2,...,xm，即方案集A中的每个方案Ai(i＝1,...,n)由含有m个指标的指标向量xi1,xi2,...,xim来表征；
采用极差变化法，可将逆向即成本型指标转化为正向即效益型指标，同时将决策初始矩阵变换为规范化矩阵；极差变化法的公式如下：式中，sxij代表规范化转化后的指标得分，xij表示规范化转换前的第i方案属性j指标得分，min xij表示规范化转化前所有方案中属性j指标得分的最小值，max xij表示规范化转化前所有方案中属性j指标得分的最大值；
步骤1.2：基于层次分析法确定各个指标的权重具体包括：基于不同指标因素间的重要性强度，构建判断矩阵；对判断矩阵进行一致性检验；首先计算一致性指标CI，公式如下：式中m为属性指标数量，既为判断矩阵的阶数，λmax为判断矩阵的最大特征值；然后计算一致性比率CR，当 时，则判断矩阵通过一致性检验，其中RI为随机一致性指标；一致性检验通过后根据判断矩阵得到生物质电厂的土地适宜性评价体系的各个属性指标的权重结果；
所述步骤2基于GIS空间分析和限制因素对指标体系中可用地面积指标进行计算，比较土地适应性评价得分并增加约束得到备选厂址包括：首先建立相应的地理空间数据库，设定相应的限制性因素和缓冲区距离，结合GIS空间分析就能得到每个格网内的可用地面积；根据步骤一所构建的生物质电厂的土地适宜性评价体系和确定的各个指标权重，将每个格网在每个指标中的得分与权重进行加权求解，得到土地适宜性评价得分；按照每个格网的土地适宜性评价得分进行排序并筛选，增加约束后得到备选厂址j∈{1,...,J}；
以系统年度净收益最大化为目标构建目标函数f；系统年净收益包含系统收入和系统成本两部分，系统收入包括生物质发电并网收入BE以及碳减排收益BC；系统成本包括年化投资成本INC、年运维成本OMC、采购成本PUC和运输成本TPC：MAXf＝BE+BC‑INC‑OMC‑PUC‑TPC(公式5)生物质发电收益根据生物质发电量和上网电价计算：
式中，EQj,k表示在备选厂址j生物质电厂类型k的发电量，PEQ表示上网电价；
碳减排收益根据系统碳减排量与碳市场碳价进行计算；系统减排量根据生物质发电量替代燃煤发电量所隐含的碳排放减去运输过程碳排放计算得到：式中，UEQ表示燃煤机组单位发电碳排放系数，QBi,j表示备选厂址j从供给点i∈{1,...,I}采购的秸秆生物质数量，Li,j表示从供给点i到备选厂址j的距离，PC表示碳交易价格，UF表示运输秸秆生物质过程中的单位耗油量，UDC表示单位油耗的碳排放系数；单位油耗的碳排放系数和碳节约系数的计算参考综合能耗计算通则和省级温室气体清单编制指南，碳节约系数通过电力折标准煤的等价值和标准煤的碳排放系数进行计算；
式中，e表示年利率，N表示设备寿命，k∈{1,...,K}表示选择建设的生物质电厂类型，UICk表示生物质电厂类型k的投资成本，Yj,k为0‑1变量，表示是否在备选厂址j建设生物质电厂类型k；
年运维成本包括固定成本与变动成本两部分，其中固定成本与生物质电厂类型相关，而变动成本与生物质电厂发电量相关，计算公式如下：式中，FOCk表示生物质电厂类型k的年固定运维成本，VOCk表示生物质电厂类型k单位发电变动运维成本；
原材料运输成本根据生物质原材料运输量与单位运输成本计算：式中，PL表示秸秆生物质的单位运输成本；
公式12表示一个供给点的秸秆生物质资源最多能供给D 个需求点：式中，Zi,j为0‑1变量，表示备选厂址j是否从供给点i采购生物质原料，若Zi,j＝0表示j地区没有从i地区采购，Zi,j＝1则与之相反；
式中，Yj,k为0‑1变量表示是否在备选厂址j建设建厂规模为k的生物质电厂，当Yj,k＝0时表示在备选厂址j不规划建设生物质电厂，当Yj,k＝1时表示在备选厂址j规划建设第k种装机规模的生物质电厂；
公式18表示供给点i∈{1,...,I}的生物质最大可利用潜力：式中，s∈{1,...,S}表示不同的农作物种类，AQSi,s表示农作物s在供给点i的种植面积，UQs表示农作物s在供给点i的单位面积产量，ρs表示不同种类农作物的草谷比，η表示农产品的可收集系数，根据农业农村部科技教育司《关于更新农作物草谷比和可收集系数的函》公布的数据进行查询；
公式19表示各个供给点的生物质秸秆采购量不得超过每个供给点内秸秆生物质最大可利用潜力：式中,QBi,j表示备选厂址j从供给点i采购的秸秆生物质数量，QSi表示供应点i的生物质最大可利用潜力；
式中，σ表示秸秆生物质转电力系数即每吨秸秆生物质能够转化为多少电力，可通过生物质的热值与标准煤的热值的比值将生物质转换成标准煤后计算单位发电量，参数τ表示电厂电力自用率；
式中，MaxEQk为最大发电量，MinEQk为最小发电量；
式中，HCk表示生物质电厂的装机规模，MIND为生物质发电装机规模总和的最低约束；
基于二型模糊理论将采购单价 单位运输成本 以及单位面积产量 利用二型三角模糊集进行表征；
三元组(Γ,Λ,Pos)为一个模糊的概率空间，其中Γ是论域，Λ是Γ的子集的一个类，Pos： 是定义在Λ上的集合函数， 为映射的值域，取值范围为闭区间[0,1]；
概率空间(Γ,Λ,Pos)其中的一个映射ξ: 为二元三角模糊变量，其中 为映射的值域，则其需要满足对于任意的 集合{γ∈Γ|ξ(γ)≤r}∈Λ，其中γ为论域中的元素，且其次隶属函数μξ(x): 满足：当x∈[r1,r2]时：
式中，x由三元组[r1,r2,r3]确定，r1,r2,r3为实数且r1＜r2＜r3，θl和θr为表征ξ取值为x时的不确定性程度的参数，θl,θr∈[0,1]；用(r1,r2,r3；θl,θr)来表征二型三角模糊变量ξ；
使用 来表征二型三角模糊变量 然后对二型三角模糊变量进行CV模型降型处理，在降型后的变量UQs中，基于可信度机会约束规划，引入广义可信度β，即 同理，从而得到T2F‑CCP模型；
其中 和 位于目标函数中，置信水平设为α； 位于约束条件内，置信水平设为β，置信水平α和β取值范围为[0,1]。
一种区域生物质电厂选址及规划方法
技术领域
[0001] 本发明涉及发电规划技术领域，尤其是涉及一种不确定环境下区域生物质电厂选址和规划方法。
背景技术
[0002] 随着我国经济的高速发展，能源需求将持续增长。但传统化石能源的大量消耗一方面面临着化石资源的枯竭，另一方面也对环境造成了严重的污染。生物质发电是一种利用生物质能源，通过能量转化实现发电的新型发电方式。我国作为农业大国，秸秆等生物质产量丰富但并没有有效的利用和科学的规划。生物质的高效利用不仅有助于减少碳排放，而且生物质电厂向农民收购农林废弃物，也在一定程度上帮助农民脱贫致富。在国家大力鼓励和支持发展可再生能源，各类生物质发电项目纷纷建设投产等的推动下，我国生物质能发电技术产业呈现出全面加速的发展态势。但是许多已投产的秸秆发电厂由于规划选址不佳，造成成本大幅增加，甚至亏损或无原料可用的局面。目前直接针对生物质发电项目规划选址的方法主要包括基于地理空间数据的适宜性选址方法和建立模型通过以成本最小、运输距离最短、收益最大等为目标进行优化求解的最优化方法，前者是往往不够具体和细化，有一定的主观性以及评价数据的可获得性存在难度，后者缺点是单纯考虑成本等目标得到的结果可能不符合现实要求。因此建立一种区域生物质电厂选址和规划方法是十分必要的。
发明内容
[0003] 本发明的目的在于克服现有方法的不足，本发明提供一种在不确定条件下区域生物质电厂选址和规划方法，应用GIS软件并结合多属性决策方法，引入运输成本、原材料需求等不确定因素的同时考虑经济目标和环境目标来进行规划选址，综合考虑诸如水资源、环境政策等关键参数对于决策的影响，使研究更贴近生物质电厂运行的实际环境。使得秸秆等生物质资源得到合理的回收和利用、保证良好稳定的原料供应的同时，降低生物质电厂的运营成本，对生物质电厂进行正确合理的选址和规划。
[0004] 为了解决上述问题，本发明提供一种区域生物质电厂选址及规划方法，所述方法包括以下步骤：
[0005] 步骤1：基于层次分析法构建生物质发电厂土地适宜性评价指标体系并确定各个指标权重；
[0006] 步骤2：基于GIS空间分析和限制因素对指标体系中可用地面积指标进行计算，比较土地适应性评价得分并增加约束得到备选厂址；
[0007] 步骤3:构建区域生物质发电规划模型；
[0008] 步骤4：运用二型模糊理论(Type‑2 Fuzzy set简记为T2Fs)表征模型中的不确定性，引入可信度机会约束规划(Credibility Chance‑constrained Programming简记为CCP)构建T2F‑CCP生物质发电规划模型。
[0009] 所述步骤1基于层次分析法构建生物质发电厂土地适宜性评价指标体系并确定各个指标权重如下：
[0010] 步骤1.1：构建生物质发电厂土地适宜性评价指标体系并对其规范化具体包括：
[0011] 基于土地适宜性评价原则，构造多属性决策矩阵(n个方案，m个指标)。设多属性决策方案为A＝{A1,A2,...,An}，每个方案相对应的属性指标为x1,x2,...,xm，即方案集A中的每个方案Ai(i＝1,...,n)可以由含有m个指标的指标向量 xi1,xi2,...,xim来表征。
[0012]
[0013] 采用极差变化法，可将逆向(成本型)指标转化为正向(效益型)指标，同时将决策初始矩阵变换为规范化矩阵。极差变化法的公式如下：
[0014]
[0015]
[0016] 式中，sxij代表规范化转化后的指标得分，xij表示规范化转换前的第i方案属性j指标得分，minxij表示规范化转化前所有方案中属性j指标得分的最小值， maxxij表示规范化转化前所有方案中属性j指标得分的最大值。
[0017] 步骤1.2：基于层次分析法确定各个指标的权重具体包括：
[0018] 基于不同指标因素间的重要性强度，构建判断矩阵。对判断矩阵进行一致性检验。首先计算一致性指标CI，公式如下：
[0019]
[0020] 式中m为属性指标数量，既为判断矩阵的阶数，λmax为判断矩阵的最大特征值。然后计算一致性比率CR，当 时，则判断矩阵通过一致性检验，其中RI为随机一致性指标。一致性检验通过后根据判断矩阵得到生物质电厂的土地适宜性评价体系的各个属性指标的权重结果。
[0021] 所述步骤2基于GIS空间分析和限制因素对指标体系中可用地面积指标进行计算，比较土地适应性评价得分并增加约束得到备选厂址包括：
[0022] 首先建立相应的地理空间数据库，设定相应的限制性因素和缓冲区距离，结合GIS空间分析就能得到每个格网内的可用地面积。根据步骤一所构建的生物质电厂的土地适宜性评价体系和确定的各个指标权重，将每个格网在每个指标中的得分与权重进行加权求解，得到土地适宜性评价得分。按照每个格网的土地适宜性评价得分进行排序并筛选，增加约束后得到备选厂址 j∈{1,...,J}。
[0023] 所述步骤3构建区域生物质发电规划模型包括：
[0024] 以系统年度净收益最大化为目标构建目标函数f。系统年净收益包含系统收入和系统成本两部分，系统收入包括生物质发电并网收入(BE)以及碳减排收益(BC)；系统成本包括年化投资成本(INC)、年运维成本(OMC)、采购成本(PUC)和运输成本(TPC)：
[0025] MAXf＝BE+BC‑INC‑OMC‑PUC‑TPC (公式5)
[0026] 生物质发电收益根据生物质发电量和上网电价计算：
[0027]
[0028] 式中，EQj,k表示在备选厂址j生物质电厂类型k的发电量，PEQ表示上网电价。
[0029] 碳减排收益根据系统碳减排量与碳市场碳价进行计算。系统减排量根据生物质发电量替代燃煤发电量所隐含的碳排放减去运输过程碳排放计算得到：
[0030]
[0031] 式中，UEQ表示燃煤机组单位发电碳排放系数，QBi,j表示备选厂址j从供给点i∈{1,...,I}采购的秸秆生物质数量，Li,j表示从供给点i到备选厂址j的距离， PC表示碳交易价格，UF表示运输秸秆生物质过程中的单位耗油量，UDC表示单位油耗的碳排放系数。单位油耗的碳排放系数和碳节约系数的计算可参考综合能耗计算通则和省级温室气体清单编制指南，碳节约系数可通过电力折标准煤的等价值和标准煤的碳排放系数进行计算。
[0032] 年化投资成本通过折旧系数和总投资成本进行估算：
[0033]
[0034] 式中，e表示年利率，N表示设备寿命，k∈{1,...,K}表示可以选择建设的生物质电厂类型，UICk表示生物质电厂类型k的投资成本，Yj,k为0‑1变量，表示是否在备选厂址j建设生物质电厂类型k。
[0035] 年运维成本包括固定成本与变动成本两部分，其中固定成本与生物质电厂类型相关，而变动成本与生物质电厂发电量相关，计算公式如下：
[0036]
[0037] 式中，FOCk表示生物质电厂类型k的年固定运维成本，VOCk表示生物质电厂类型k单位发电变动运维成本。
[0038] 采购成本根据生物质原料采购价格与数量计算：
[0039]
[0040] 式中，PB表示秸秆生物质的单位采购价格。
[0041] 原材料运输成本根据生物质原材料运输量与单位运输成本计算：
[0042]
[0043] 式中，PL表示秸秆生物质的单位运输成本。
[0044] 模型还包括建厂和生物质运输的约束条件：
[0045] 公式12表示一个供给点的秸秆生物质资源最多能供给Dmax个需求点：
[0046]
[0047]
[0048] 式中，Zi,j为0‑1变量，表示备选厂址j是否从供给点i采购生物质原料，若Zi,j＝0表示j地区没有从i地区采购，Zi,j＝1则与之相反。
[0049] 公式14表示备选厂址j是否建立生物质电厂：
[0050]
[0051]
[0052] 式中，Yj,k为0‑1变量表示是否在备选厂址j建设建厂规模为k的生物质电厂，当Yj,k＝0时表示在备选厂址j不规划建设生物质电厂，当Yj,k＝1时表示在备选厂址j规划建设第k种装机规模的生物质电厂。
[0053] 公式16表示生物质建厂与原材料运输之间的约束：
[0054]
[0055] 公式17表示生物质电厂原材料最大采购距离约束：
[0056]
[0057] 式中，Rmax为最大采购半径。
[0058] 公式18表示供给点i∈{1,...,I}的生物质最大可利用潜力：
[0059]
[0060] 式中，s∈{1,...,S}表示不同的农作物种类，AQSi,s表示农作物s在供给点i的种植面积，UQs表示农作物s在供给点i的单位面积产量，ρs表示不同种类农作物的草谷比，η表示农产品的可收集系数，可根据农业农村部科技教育司《关于更新农作物草谷比和可收集系数的函》公布的数据进行查询。
[0061] 公式19表示各个供给点的生物质秸秆采购量不得超过每个供给点内秸秆生物质最大可利用潜力：
[0062]
[0063]
[0064] 式中,QBi,j表示备选厂址j从供给点i采购的秸秆生物质数量，QSi表示供应点i的生物质最大可利用潜力。
[0065] 公式21表示发电量的计算：
[0066]
[0067] 式中，σ表示秸秆生物质转电力系数即每吨秸秆生物质能够转化为多少电力，可通过生物质的热值与标准煤的热值的比值将生物质转换成标准煤后计算单位发电量，参数τ表示电厂电力自用率。
[0068] 公式22和公式23表示生物质电厂发电量的约束：
[0069]
[0070]
[0071] 式中，MaxEQk为最大发电量，MinEQk为最小发电量。
[0072] 公式24表示生物质发电厂装机规模总和的约束：
[0073]
[0074] 式中，HCk表示生物质电厂的装机规模，MIND为生物质发电装机规模总和的最低约束。
[0075] 所述步骤4运用二型模糊理论(Type‑2 Fuzzy set简记为T2Fs)表征模型中输入参数的不确定性，并引入可信度机会约束规划(Credibility Chance‑ constrained Programming简记为CCP)构建T2F‑CCP生物质发电规划模型。该模型可以处理上述生物质发电规划面临的不确定信息，如采购成本、运输成本、市场需求等。
[0076] 基于二型模糊理论将采购单价 单位运输成本 以及单位面积产量 利用二型三角模糊集进行表征。
[0077] 三元组(Γ,Λ,Pos)为一个模糊的概率空间，其中Γ是论域，Λ是Γ的子集的一个类，Pos： 是定义在Λ上的集合函数，其中 为映射的值域，取值范围为闭区间[0,1]。概率空间(Γ,Λ,Pos)其中的一个映射ξ: 为二元三角模糊变量，其中 为映射的值域，则其需要满足对于任意的 集合{γ∈Γ|ξ(γ)≤r}∈Λ，其中γ为论域中的元素，且其次隶属函数μξ(x): 满足：
[0078] 当x∈[r1,r2]时：
[0079]
[0080] 当x∈[r2,r3]时：
[0081]
[0082] 式中，x由三元组[r1,r2,r3]确定，r1,r2,r3为实数且r1＜r2＜r3，θl和θr为表征ξ取值为x时的不确定性程度的参数，θl,θr∈[0,1]。则可用(r1,r2,r3；θl,θr)来表征二型三角模糊变量ξ。
[0083] 因此基于上述二型模糊理论本发明使用 来表征二型三角模糊变量 然后对二型三角模糊变量 进行CV模型降型处理，在降型后的变量UQs中，基于可信度机会约束规划，引入广义可信度β，即
同理，从而得到T2F‑CCP模型。其中 位于目标函数中，置信水平设为α；
位于约束条件内，置信水平设为β，置信水平α和β取值范围为[0,1]，取值越高表示决策者的风险态度越为保守。
附图说明
[0084] 图1为本发明实施例中的方法流程示意图
具体实施方式
[0085] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0086] 具体包括如下步骤：
[0087] 步骤1：基于层次分析法构建生物质发电土地适宜性评价指标体系并确定各个指标权重主要包括；
[0088] 步骤1.1：构建生物质发电厂土地适宜性评价指标体系并对其规范化：
[0089] 生物质电厂的选址关系到当地经济发展、交通状况，还涉及地理地形条件、自然条件及水资源等很多影响因素。本实施例充分考虑与城市规划及工业布局相符合、节约用地、原材料资源充足、良好的交通条件、考虑周围的环境保护、发电上网便利等生物质电厂选址规划的土地适宜性评价原则，构建了生物质电厂评价指标体系，其中包含3个准则层指标和8个方案层指标如表1所示：
[0090] 表1生物质电厂土地适宜性评价指标体系
[0091]
[0092] 然后对属性指标进行规范化，构造多属性决策初始矩阵，设多属性决策方案为A＝{A1,A2,...,An}(n为方案数量)，每个方案相对应的属性指标为x1,x2,...,x8，即方案集A中的每个方案Ai(i＝1,...,n)可以由含有8个指标的指标向量 xi1,xi2,...,xi8来表征。
[0093]
[0094] 本发明采用极差变化法，将指标体系中的逆向(成本型)指标统一转化为正向(效益型)指标，可以将决策初始矩阵变换为规范化矩阵，即 公式如下：
[0095]
[0096]
[0097] sxij代表规范化转化后的指标得分，xij表示规范化转换前的第i方案属性j 指标得分，minxij表示规范化转化前所有方案中属性j指标得分的最小值， maxxij表示规范化转化前所有方案中属性j指标得分的最大值。
[0098] 步骤1.2：基于层次分析法确定各个指标的权重：
[0099] 属性指标权重的确定首先要根据不同指标因素间的重要性强度，构建判断矩阵，并对判断矩阵进行检验。设m个属性指标，对于生物建厂选址存在相对重要性，根据9度分类方法，通过专家判断法，使第i(i＝1,2,,,m)个元素与其他元素两两进行比较判断，得到其相对重要性程度为aij(j＝1,2,,,m)，这样构造的m阶矩阵为判断矩阵。表2为层次分析法9度分类表。
[0100] 表2层次分析法法9度分类表
[0101]
[0102]
[0103] 对判断矩阵进行一致性检验首先计算一致性指标CI，公式如下：
[0104]
[0105] 其中m为属性指标数量，既判断矩阵的阶数，其中λmax为判断矩阵的最大特征值。然后计算一致性比率CR，当 时，则判断矩阵通过一致性检验，其中RI为随机一致性指标，RI的值见表3。
[0106] 表3RI分布值
[0107]
[0108] 本实施例通过以上步骤分别对生物质电厂的土地适宜性评价体系的准则层和方案层进行了权重的计算和一致性检验，并最终得到了生物质电厂的土地适宜性评价体系的权重结果如表5所示，准则层的权重结果如表4所示：
[0109] 表4准则层基本单元系统的权重计算
[0110]
[0111] 表5生物质电厂土地适宜性评价指标体系和相关权重
[0112]
[0113]
[0114] 步骤2：基于GIS空间分析和限制因素对指标体系中可用地面积指标进行计算，比较土地适应性评分并增加约束得到备选厂址具体包括；
[0115] 首先建立相应的地理空间数据库，根据步骤一所述生物质电厂选址规划的土地适宜性评价原则和评价指标体系，本实施例设定4类10项限制性因素和缓冲区距离如表6，结合GIS空间分析就能得到每个格网内的可用地面积。
[0116] 表6可用地限制性因素和缓冲区
[0117]
[0118] 应用层次分析法构建的生物质电厂的土地适宜性评价体系和确定的各个指标权重，将每个网格在每个指标中的得分与权重进行加权求解，得到各个格网的土地适宜性评价得分。增加约束后得到候选厂址。
[0119] 步骤3：构建区域生物质发电规划模型具体包括；
[0120] 以系统年度净收益最大化为目标构建目标函数f。系统年净收益包含系统收入和系统成本两部分，系统收入包括生物质发电并网收入(BE)以及碳减排收益(BC)；系统成本包括年化投资成本(INC)、年运维成本(OMC)、采购成本(PUC)和运输成本(TPC)：
[0121] MAXf＝BE+BC‑INC‑OMC‑PUC‑TPC (公式5)
[0122] 生物质发电收益根据生物质发电量和上网电价计算：
[0123]
[0124] 式中，EQj,k表示在备选厂址j生物质电厂类型k的发电量，PEQ表示上网电价。
[0125] 碳减排收益根据系统碳减排量与碳市场碳价进行计算。系统减排量根据生物质发电量替代燃煤发电量所隐含的碳排放减去运输过程碳排放计算得到：
[0126]
[0127] 式中，UEQ表示燃煤机组单位发电碳排放系数，本实施例参考于综合能耗计算通则和省级温室气体清单编制指南取值0.997吨CO2，QBi,j表示备选厂址 j从供给点i∈{1,...,I}采购的秸秆生物质数量，Li,j表示从供给点i到备选厂址j 的距离，PC表示碳交易价格，实施例采集数据为40元/吨CO2，UF表示运输秸秆生物质过程中的单位耗油量，UDC表示单位油耗的碳排放系数，本实施例参考于综合能耗计算通则和省级温室气体清单编制指南取值3.18吨CO2/吨。
[0128] 年化投资成本通过折旧系数和总投资成本进行估算：
[0129]
[0130] 式中，e表示年利率，实施例采集数据为4.35％，N表示设备寿命，实施例采集数据为20年，k∈{1,...,K}表示可以选择建设的生物质电厂类型，UICk表示生物质电厂类型k的投资成本，Yj,k为0‑1变量，表示是否在备选厂址j建设生物质电厂类型k。
[0131] 年运维成本包括固定成本与变动成本两部分，其中固定成本与生物质电厂类型相关，而变动成本与生物质电厂发电量相关，计算公式如下：
[0132]
[0133] 式中，FOCk表示生物质电厂类型k的年固定运维成本，实施例采集数据为18万元/MW，VOCk表示生物质电厂类型k单位发电变动运维成本，实施例采集数据为250元/MWh。
[0134] 采购成本根据生物质原料采购价格与数量计算：
[0135]
[0136] 式中，PB表示秸秆生物质的单位采购价格。
[0137] 原材料运输成本根据生物质原材料运输量与单位运输成本计算：
[0138]
[0139] 式中，PL表示秸秆生物质的单位运输成本。
[0140] 模型还包括建厂和生物质运输的约束条件：
[0141] 公式12表示一个供给点的秸秆生物质资源最多能供给Dmax个需求点：
[0142]
[0143]
[0144] 式中，Zi,j为0‑1变量，表示备选厂址j是否从供给点i采购生物质原料，若Zi,j＝0表max示j地区没有从i地区采购，Zi,j＝1则与之相反，本实施例取值D ＝1。
[0145] 公式14表示备选厂址j是否建立生物质电厂：
[0146]
[0147]
[0148] 式中，Yj,k为0‑1变量表示是否在备选厂址j建设建厂规模为k的生物质电厂，当Yj,k＝0时表示在备选厂址j不规划建设生物质电厂，当Yj,k＝1时表示在备选厂址j规划建设第k种装机规模的生物质电厂。
[0149] 公式16表示生物质建厂与原材料运输之间的约束：
[0150]
[0151] 公式17表示生物质电厂原材料最大采购距离约束：
[0152]
[0153] 式中，Rmax为最大采购半径，通常取值范围为30千米至50千米。
[0154] 公式18表示供给点i∈{1,...,I}的生物质最大可利用潜力：
[0155]
[0156] 式中，s∈{1,...,S}表示不同的农作物种类，AQSi,s表示农作物s在供给点i的种植面积，UQs表示农作物s在供给点i的单位面积产量，ρs表示不同种类农作物的草谷比，η表示农产品的可收集系数。
[0157] 公式19表示各个供给点的生物质秸秆采购量不得超过每个供给点内秸秆生物质最大可利用潜力：
[0158]
[0159]
[0160] 式中,QBi,j表示备选厂址j从供给点i采购的秸秆生物质数量，QSi表示供应点i的生物质最大可利用潜力。
[0161] 公式21表示发电量的计算：
[0162]
[0163] 式中，σ表示秸秆生物质转电力系数，即每吨秸秆生物质能够转化为多少电力，本实施例采集0.645MWh/吨；参数γ表示电厂电力自用率，本实施例采集参数电厂电力自用率γ为10％。
[0164] 公式22和公式23表示生物质电厂发电量的约束：
[0165]
[0166]
[0167] 式中，MaxEQk为最大发电量，MinEQk为最小发电量。
[0168] 公式24表示生物质发电厂装机规模总和的约束：
[0169]
[0170] 式中，HCk表示生物质电厂的装机规模，MIND为生物质发电装机规模总和的最低约束，根据所研究地区的可再生能源发展规划的相关文件，本实施例设定生物质发电装机的最低约束MIND为800MW。
[0171] 步骤4运用二型模糊理论(Type‑2 Fuzzy set简记为T2Fs)表征模型中输入参数的不确定性，并引入可信度机会约束规划(Credibility Chance‑ constrained Programming简记为CCP)构建T2F‑CCP生物质发电规划模型。该模型可以处理上述生物质发电规划面临的不确定信息，如采购成本、运输成本、市场需求等。
[0172] 基于二型模糊理论将采购单价 单位运输成本 以及单位面积产量 利用二型三角模糊集进行表征。
[0173] 三元组(Γ,Λ,Pos)为一个模糊的概率空间，其中Γ是论域，Λ是Γ的子集的一个类，Pos： 是定义在Λ上的集合函数。其中的一个映射ξ: 为二元三角模糊变量，如果其满足对于任意的 集合{γ∈Γ|ξ(γ)≤r}∈Λ，且其次隶属函数μξ(x):
满足：
[0174] 当x∈[r1,r2]时：
[0175]
[0176] 当x∈[r2,r3]时：
[0177]
[0178] 式中，θl和θr为表征ξ取值为x的不确定性程度参数，θl,θr∈[0,1]。基于上述分布，用(r1,r2,r3；θl,θr)来表征二型三角模糊变量ξ。
[0179] 因此基于上述二型模糊理论本发明使用 来表征二型三角模糊变量 然后对二型三角模糊变量 进行CV模型降型处理，在降型后的变量UQs中，基于可信度机会约束规划，引入广义可信度β，即
同理，得到T2F‑CCP模型。其中 位于目标函数中，置信水平设为α； 位
于约束条件内，置信水平设为β。本实施例采集得到α＝0.9，β＝0.9。
[0180] 本实施例主要结果参数如表7所示：
[0181] 表7 T2F‑CCP模型规划结果
[0182]
[0183]
[0184] 本实施例系统规划结果中选择建设生物质电厂共计74座，包括37座 12MW的生物质发电厂、16座30MW的生物质发电厂和21座60MW的生物质发电厂，总装机规模可达2184MW。规划结果中系统每年的最大净收益可达5.91亿元，共计可减少二氧化碳排放量0.17亿吨，以每吨标煤产生2.7吨二氧化碳来折算，共计折合标煤约618万吨。
[0185] 综上所述，本发明实施例的技术方案构建了包含环境、社会、地理因素在内的土地适宜性评价体系的前提下，在以系统净收益最大化为目标构建基于二型模糊和可信度机会约束规划的T2F‑CCP模型以开展不确定条件下秸秆生物质发电规划研究。采用本发明的技术方案能够有效确保生物质发电厂的选址规划的合理性和经济，保证生物质能得到高效利用，减少温室气体排放，缓解环境问题。
[0186] 另外，以上对本发明实施例进行了详细介绍，本文中应采用了具体个例对本发明的原理及实施方式进行了阐述，尤其是参数的选取和设定根据实施例的情况和相关文献参考得到，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
