0 引 言

我国海上风能资源丰富，具备大规模发展海上风电的风资源条件，在节能减排、应对气候变化、能源短缺、能源供应安全形势日趋严峻的大形势下，海上风电作为重要的清洁能源越来越受到重视。与陆地风电场开发相比，海上风电具有不占用土地、风力资源更稳定、风速更高的优点，效能明显优于陆上风电场。深远海域风电与近海风电开发，风资源更好，同时有利于近海海洋环境和资源保护，海域也更宽阔，深远海风电开发正在成为未来全球风电研究开发的重要方向。

2016年4月，国家发改委、国家能源局联合发布《能源技术革命创新行动计划(2016—2030)》，明确要求风电技术发展将“深海风能”提上日程。在政策的指引下，我国众多公司和机构启动深远海域海上风电的研究。而深远海风电开发的前提就是风电场的选址研究。

国内外对海上风电场选址的研究主要包括对场址的风能分布及密度分析，社会环境等因素分析以及基于GIS的宏选址系统的研究。主要体现以下2点:①把风电场的成本效益比例、可能的安装容量、与电网连接的是否便利等作为评价指标来综合选择最佳的场址[1]；②制定了一套适合性标准，划分海洋区域等[2]。创建了GIS层，并构建了基于该标准的加权叠加GIS模型，以识别用于新的海上风力发电场的合适站点[3]。在风电场选址领域。一般是根据备选地区的风资源评估情况以及地形条件[4]，考虑地理、技术、经济、环境等因素[5-6]，协调各方利益选定备选地点[7],对每个具体的选好风电场场址，充分利用有利于加大风速的地形进行优化，确定风电机组的最佳安装位置。

计算机网络一致受到社会的高度关注，最终在工作成果上取得理想成绩并不是一件容易的事情。首先需要从外部环境入手，创建安全的网络环境，严肃处理不合格网站，保持整体网络环境的清洁化，加强网站信息的审核力度，积极处理存在漏洞的网站，做好网络榜样，为后续工作的开展提供更多的支持。作为普通民众，需要加强对网络安全知识的了解，提高网络安全认知水平，增强风险意识，不要随意透漏个人信息。在受到网络侵害时，要学会依法举报，绝不纵容网络犯罪现象。作为国家层面，要加强网络安全机制的完善，建立长效的保障体系，在保障个人及国家网络安全方面，铸就坚不可摧的安全堤坝，全力打造创新、绿色、开放的网络家园。

综上所述，根据国内外文献及海上风电场建设实例分析，大多数研究都是针对陆地上的风电场或者近海风电场选址，缺少在深远海海域海上风电项目的研究及案例。笔者开展深远海海域海上风电场选址研究，并以上海深远海域海上风电场示范项目的开发与建设为例介绍了深远海海域海上风电场选址方法。

在该决策问题中，令X={x1,x2,…,xt}为风电场选址的备选方案，G={G1,G2,…,Gs}为风电场选址决策准则，w=(w1,w2,…,ws)为选址决策准则对应的权重向量，其值越大，表示相对应的决策准则更为重要，且为决策矩阵，aij为第i个决策准则对应第j种方案下的值。由此可得第j个方案的评价值为Zj(w)，见式(1)。由式(1)可知，Zj(w)值越大，表示该方案越优。

1 基于模糊逻辑的风电场选址决策模型

1.1 建立风电场选址3层决策框架

在模糊推理过程中，首先需要对输入和输出变量进行模糊化[12-13]，考虑到三角隶属度函数较为简单且非常直观，其在实际应用中最为广泛。拟采用三角隶属度函数对各输入和输出变量进行模糊化。根据前述的各参考文献，结合工程实际，建立模糊隶属度函数见表2。此外，为便于去模糊化，各输出变量统一采用如图3所示的三角模糊隶属度。需要注意的是，在模糊化各输入变量时，由于水深条件会影响到风电场运营成本，从现有的发展经验来看，水深10 m左右对风电场的影响较小，将其作为最优的语言变量(非常浅)，但是考虑到本模型针对深远海风电场选址，因此,选定水深40 m以上作为最差的语言变量(非常深)；浪高则是根据已有的研究表明[11]，10 m以上的浪会对风电场风机造成非常大的影响；此外，离岸距离会影响到风电场的并网条件，大幅度增加运营成本。

苗圃无论在种植过程中还是种苗培育过程中能够，都是非常常用的一种技术。通常情况下，苗圃氛围临时性苗圃和固定性苗圃两个类型。临时性苗圃的面积会相对较小，通常用于单一品种的培育。而固定苗圃的建立过程中，对于面积和土壤质地都有着严格的要求，可以适应各种林木种苗培育的工作，但相对对管理人员的管理能力也有着更高的要求。

 

表1 风电场选址影响因素及其内涵

 

Tab.1 Influencing factors of wind farm selection and interpretation

  

影响因素选取原因平均风[9]平均风速是风能的一个重要指标风力功密度[9]风力功密度是风能的一个重要指标有效风时[9]有效风时是风能的一个重要指标水深[10]水深会影响营运成本浪高[11]风机设计时需要考虑海浪的影响锚地距离[1]锚地距离影响航运安全航道距离[1]航道距离影响航运安全渔区距离[1]渔区距离影响航运安全离岸距离离岸距离增加会影响并网条件从而影响成本装机容量装机容量影响风电场的费效比

在识别了风电场选址影响因素后，考虑到影响因素较多，为便于选择最优方案，建立风电场选址3层决策框架：目标层、决策准则层和影响因素层。其中决策准则层包括4个决策准则，分别是风能资源、自然环境、交通环境和风机条件，各决策准则包含的影响因素见图1。

  

图1 风电场选址三层决策框架

 

Fig.1 Three-layer decision-making framework for wind farm selection

泰顺县元宵节“百家宴”是一项独特又古老的闹元宵习俗，发展至今，“百家宴”已成为泰顺县内一年中最大的盛事之一，每年都吸引大量游客赴泰参加。2010年的“百家宴”摆下6000余桌，6万人赴宴，被载入吉尼斯纪录。泰顺县甚至因为“百家宴”被省文化部门列入非物质文化遗产“传统节日保护基地”。本文将结合乌丙安先生在《民俗学原理》中提出的关于民俗构成的理论来浅析泰顺“百家宴”的民俗构成及其现实意义。

 

(1)

为获取最优的风电场方案，需要获取各决策准则的权重。根据实际专家评价情况，专家往往希望采用模糊语言变量对各个决策准则进行评价。选取了4位专家对决策准则的权重进行评价，分别为R1，R2，R3和R4。考虑到各位专家在理论知识和工作经验方面存在差异，因此，4位专家的权重为wn=(0.3,0.3,0.2,0.2)。各个专家决策准则权重的语言变量评价结果见表7。

  

图2 风电场选址模糊逻辑推理过程

 

Fig.2 Fuzzy logic reasoning process for wind farm selection

1.2 模糊化输入和输出变量

和其他多准则决策方法类似[8]，在对风电场选址进行最优决策前需要识别其主要影响因素。根据已有的研究成果，风电场的影响因素主要包括平均风速、风功率密度、有效风时等11个因素，各影响因素选取的原因及其相应的文献依据见表1。

 

表2 模糊化各输入变量

 

Tab.2 Fuzzified input variables

  

输入变量非常差差中等好非常好平均风速/(m/s)非常低(0,0,1.75)低(0,1.75,3.5)中等(1.75,3.5,5.25)高(3.5,5.25,7)非常高(5.25,7,8.75)风功率密度/(W/m2)非常低(0,0,75)低(0,75,150)中等(75,150,225)高(150,225,300)非常高(225,300,375)有效风时/(h/年)非常短(0,0,2000)短(0,2000,4000)一般(2000,4000,6000)长(4000,6000,8000)非常长(6000,8000,10000)水深/m非常深(32.5,40,47.5)深(25,32.5,40)一般(17.5,25,32.5)浅(10,17.5,25)非常浅(2.5,10,17.5)浪高/m非常大(7.5,10,12.5)大(5,7.5,10)一般(2.5,5,7.5)小(0,2.5,5)非常小(0,0,2.5)锚地距离/nmile非常近(0,0,1.5)近(0,1.5,3)中等(1.5,3,4.5)远(3,4.5,6)非常远(4.5,6,7.5)航道距离/nmile非常近(0,0,1.5)近(0,1.5,3)中等(1.5,3,4.5)远(3,4.5,6)非常远(4.5,6,7.5)渔区距离/nmile非常近(0.5,2,3.5)近(2,3.5,5)中等(3.5,5,6.5)远(5,6.5,8)非常远(6.5,8,9.5)离岸距离/nmile非常远(37.5,50,62.5)远(25,37.5,50)一般(12.5,25,37.5)近(0,12.5,25)非常近(0,0,12.5)装机容量/万kW非常小(0,0,50)小(0,50,100)一般(50,100,150)大(100,150,200)非常大(150,200,250)

  

图3 输出变量的标准三角形隶属度函数

 

Fig.3 Standard triangular membership function for output variables

1.3 建立风电场选址模糊推理规则

风电场选址影响因素模糊化后，需要建立模糊推理机，本文采用Mamdani推理方法，该方法的原理见式(2)。各个决策准则的模糊推理机见图4，其中将各决策准则作为模糊推理机的输出变量，通过将其相对应的各个影响因素进行模糊推理，获取各决策准则的则。

 

 

(2)

  

图4 风电场选址模糊推理机

 

Fig.4 Fuzzy inference engine for site selection of offshore wind farm

在建立模糊推理机的过程中，需要建立其相对应的模糊推理规则库，该规则库由模糊推理规则组成，模糊推理规则常用的格式为IF-THEN规则。见式(3)。

在参与联合国维和行动时，要有所为有所不为，在量力而行的基础上做到内外兼顾。面对新形势新挑战，中国应进行有自己特点的维和行动，在履行联合国赋予的国际义务和常任理事国的责任方面，体现出愿担当、敢担当和能担当的大国形象；同时，参与维和行动应当保持有理有节，坚定我们自己对于维和事业的客观态度和正确立场，在符合国家外交政策和国家利益的原则下，为维护国际社会的和平与稳定，做出负责任大国应有的贡献。

 

IF x1k is and L xnk is is

强化网上工会工作。当前，互联网越来越成为人们学习、工作、生活的新空间和获取公共服务的新平台，工会的工作也要做到网上去。要强化互联网思维，走好网上群众路线，加强网上工作力量，推动工会系统互联网内容和舆论阵地建设，增强传播力、引导力、影响力，坚守舆论阵地、敢于发声亮剑，弘扬主旋律、凝聚正能量，牢牢掌握意识形态工作主动权。

 

(3)

式中：和分别是风电场选址影响因素和决策准则的模糊集，xk=(x1k,x2k,…,xnk)T∈U和y∈V分别为影响因素和决策准则的语言变量。在式(3)中，l是第k个决策准则的模糊规则(l=1,2,…,L)。根据该IF-THEN推理规则，建立的风电场风能资源推理规则库见表3。

在建立上述模糊推理规则后，即可获得各决策准则的模糊输出变量，为进一步获取决策准则的精确值，需要对模糊输出变量进行解模糊化，本文采用重心法，其计算见式(4)。解模糊化后即可获得决策准则值。

 

表3 风能资源模糊推理规则库

 

Tab.3 Fuzzy rule base for wind resources

  

规则#平均风速风功率密度有效风时风能资源1非常低非常低非常短非常差︙︙︙︙︙7非常低低低低︙︙︙︙︙33低低一般一般︙︙︙︙︙52中等非常低低低︙︙︙︙︙90高中等非常高非常高︙︙︙︙︙111非常高中等非常低一般︙︙︙︙︙119非常高高高高

 

(4)

1.4 利用语言变量获取决策准则权重

在食品实验项目开展过程中，质量管理的应用可以保障食品实验室的环境符合实验要求，为食品实验营造良好的条件，保障食品实验的顺利开展和食品实验的结果更为准确，便于检验人员对食品实验进行深入研究，有助于食品实验室研究水平的提升。但是在实际的食品实验室管理工作中，检验人员缺乏对质量管理的重视，导致质量管理作用得不到有效发挥。由此可以看出，食品实验室人员需要加强质量管理，促进食品实验室的可持续发展[1]。

利用式(6)求取合成后的三角模糊数值算数平均值，然后利用式(7)对其进行归一化处理，即可获得各决策准则的权重值。

 

表4 语言变量与三角模糊数对应表[15]

 

Tab.4 Linguistic terms and associated triangular fuzzy numbers

  

语言变量三角模糊数非常低(VL)(0,0,0.25)低(L)(0,0.25,0.5)一般(M)(0.25,0.5,0.75)高(H)(0.5,0.75,1)非常高(VH)(0.75,1,1)

fi=(fix,fiy,fiz)=

 

(5)

楼建波说，2017年以来，各地房地产测绘市场逐步放开，测绘企业迫于竞争压力与开发商相互勾结的“猫腻”可能增多。

 

(6)

 

(7)

2 海上风电场选址实验验证

2.1 上海深远海风电场选址方案

由于近海风电场场址距离岸线较近，开发时经常与其他海域使用功能产生矛盾，相互影响、制约性因素较多，协调工作量大，因此，上海市拟在长江口开展深远海海域海上风电场选址，初步选定区域有5处，其位置见图5。其中，1#区域风电场规划总装机容量25万kW，2#区域风电场规划总装机容量25万kW，3#区域风电场规划总装机容量35万kW； 4#区域风电场规划总装机容量50万kW， 5#区域风电场规划总装机容量230万kW。

获取了决策准则值后，还需要获取决策准则值，并利用式(1)计算各风电场备选方案值，从而获取最优风电场选址。决策准则权重的获取一般采用专家评价方法，考虑到各决策专家由于教育背景、经验知识、专业领域的不同，往往倾向于采用语言变量来对各个决策准则进行描述，这就需要对各模糊语言变量进行整合，并获取其精确值权重。令表示第p(p=1,2,3,4,5)个专家评价语言变量的三角模糊数，则第i(i=1,2,3,4)个决策准则的三角模糊数值见式(4)，其中各语言变量对应的三角模糊数见表4[14]。利用Liu[15]提供的群模糊评价方法，求取决策准则风能资源、自然环境、交通环境和风机条件的权重。

  

图5 风电场初步选址地理位置

 

Fig.5 Initial location of the wind farm

此外,其他详细信息见表5。其中平均风速、风功率密度和有效风时来自于历史观测数据；水深来自于海图图示水深数据并取其最浅处水深；波浪来自于长江口统计数据；锚地距离分别是距离长江口1#、2#和3#锚地的距离；航道距离则是距交通运输部全国沿海航路规划中的长江口航路距离；渔区距离则是距离长江口渔场的距离；离岸距离是指场址中心点距离岸的距离。

 

表5 风电场详细影响因素

 

Tab.5 Detailed information of influencingfactors for wind farm sites

  

影响因素1#场址2#场址3#场址4#场址5#场址平均风速/(m/s)66677风功率密度/(W/m2)280280300300330有效风时/(h/年)60006500700080008000水深/m1010102530浪高/m1.51.52.52.53锚地距离/nmile001.32.14.5航道距离/nmile2.72.7015渔区距离/nmile2.52.5233离岸距离/nmile3029373950装机容量/万kW25253550230

2.2 获取风电场选址决策矩阵

根据这5个风电场选址的影响因素，利用建立的模糊推理模型，通过模糊推理和去模糊化后，可分别获得各方案下的影响因素值，从而获得决策准则矩阵，如表6所示。

 

表6 不同备选风电场决策准则矩阵

 

Tab.6 Decision matrix for different wind farm sites

  

决策准则1#场址2#场址3#场址4#场址5#场址风能资源0.77390.77390.78230.92000.9200自然环境1.00001.00000.91680.75000.6524交通环境0.24380.24380.08170.23440.4091风机条件0.25000.25000.25000.24770.2225

如表5所示，1#和2#场址由于其条件较为接近，评价结果也基本相同，在这5个场址中，5#场址由于处于深远海水域，风能资源更为丰富，决策准则风能资源评价结果最好；而1#和2#场址由于离岸较近，水深相对较浅，海浪也较小，自然环境条件最好；5#场址避开了长江口的航道、锚地、渔区等其他用海需求，故其交通环境结果最好；1#、2#和3#场址由于距离岸边较近，容易并网，其风机条件最好，而5#场址尽管装机功率大，但是离岸太远，其风机条件最差。从以上决策准则值可以看出，1#和2#场址的自然环境和风机条件最好，而5#场址的风能资源和交通环境最好，因此为选出最优的风电场选址方案，还需要考虑各个决策准则的权重，从而得出最优的风电场场址方案。

2.3 专家决策准则权重评价

为获取该决策矩阵，将各影响因素采用模糊数学进行合成见图2。

 

表7 风电场选址决策准则专家评价结果

 

Tab.7 Expert judgments on decision attributes ofoffshore wind farm site selection

  

决策准则R1R2R3R4风能资源HVHMM自然环境VHMHM交通环境MHLM风机条件LMMH

根据式(5)，可分别获得各决策准则权重的三角模糊数如下。

利用单倍体育种技术培育出来的DH系完全纯合，纯合度高达100%，在今后制种和繁殖过程中，不会出现分离现象，能够长期应用到玉米育种实践。

风能资源为f1=(0.475,0.725,0.900)

自然环境为f2=(0.450,0.700,0.857)

交通环境为f3=(0.275,0.525,0.775)

风机条件为f4=(0.225,0.475,0.725)

进一步根据式(6)和式(7)，将各决策准则进行算数平均和归一化后，可获得wj=(0.296,0.282,0.222,0.200)。从该决策准则权重可以看出，专家认为这4个决策准则均较为重要，各决策准则的权重均超过了0.2，这也可以证明本文选取的各个影响因素较为合理。但是这4个决策准则又有所差异，其中风能资源和自然环境的权重值略大于交通环境和风机条件，这是由于风能资源和自然环境在很大程度上难以对其进行修正，而风机条件权重相对较小，这是由于并网条件和装机容量可通过一定的手段进行调节，本文3.5节将对其进行介绍。

2.4 选择最优风电场方案

在获取了各方案的决策准则矩阵和权重后，利用式(1)即可获得各决策方案的评价值，见表8，同时也易得各决策方案的排序。

 

表8 风电场备选方案评价值及排序

 

Tab.8 Evaluation results and ranking of the wind farm sites

  

方案评价值排序1#0.294332#0.294333#0.286354#0.332925#0.33351

从表5可以看出，风电场5#方案为最优方案，这是由于其风能资源和交通环境较好，不与其他用海需求相冲突，对过往船舶的影响较小，而1#和2#风电场尽管其自然环境和风机条件较好，但是由于其会占用现有航道或锚地，会严重影响交通安全，因此整体来看，其方案并不可取。而从实际情况来看，该方案为长江口水域最合适的风电场选址，目前该方案已经通过多方论证，正在上报相关主管部门审批，这也能说明本文提出的模糊选址模型选出的方案具有较好的准确性。

3 结束语

深远海海域海上风电场的选址，会影响到风电场建成后的经济和环境效益。还会严重影响风电场周围的船舶通航安全及影响海上水上水下活动的实施。在风电场建设之前对风电场的场址进行论证以及优化工作可以减少这些不利影响，所以，科学合理的选址方法有非常重要的意义。本文提出的模糊推理选址模型与实际选址方案一致，具有较好的准确性，该模型也可推广到其他深远海风电场工程的选址。

参考文献

References

[1] KIM J Y, OH K Y, KANG K S, et al. Site selection of offshore wind farms around the Korean Peninsula through economic evaluation[J]. Renewable Energy,2013,54(6):189-195.

[2] 王晴勤.广东省海上风电场选址制约因素探讨[J].武汉大学学报(工学版),2011,44(增刊1):6-10.

WANG Qingqin. Restricting factors of offshore wind power farm′s location in Guangdong province[J]. Engineering Journal of Wuhan university,2011,44(Sup.1):6-10. (in Chinese)

[3] LATINOPOULOS D, KECHAGIA K. A GIS-based multi-criteria evaluation for wind farm site selection. A regional scale application in Greece[J]. Renewable Energy,2015,78:550-560.

[4] 曾昭强.基于模糊层次分析法的分散式风电场宏观选址研究[D].沈阳:东北大学,2014.

ZENG Zaoqiang. Research on dispersed wind farm macro-sitting based fuzzy analytic hierarchy process[D]. Shenyang: Northeastern University,2014. (in Chinese)

[5] 娜仁花.基于模糊综合评价模型的风电场选址研究[D].北京:华北电力大学,2015.

NA Renhua. Research on location of wind power farm based on fuzzy comprehensive evaluation method[D]. Beijing: North China Electric Power University,2015. (in Chinese)

[6] 王照亮.基于模糊层次分析法的风电场选址优化研究[D].北京:华北电力大学,2013.

WANG Zhaoliang. The research of wind farm optimal location based on fuzzy analytic hierarchy process[D]. Beijing: North China Electric Power University,2013. (in Chinese)

[7] 何 杰,赵 鑫,杨家胜.海上风电场规划的主要影响因素分析[J].中国工程科学,2010,12(11):16-18.

HE Jie, ZHAO Xin, YANG Jiangshen. Analysis of the main influencing factors on the offshore wind farm plan[J]. Engineering Sciences,2010,12(11):16-18. (in Chinese)

[8] 吴 兵,严新平,汪 洋,等.不确定性信息下的内河失控船应急决策方法[J].哈尔滨工程大学学报,2016, 37(7):908-914.

WU Bing, YAN Xinping, WANG Yang, et al. Emergency decision-making method for handling an out-of-control ship in inland water in case of uncertain information. Journal of Harbin Engineering University,2016,37(7):908-914. (in Chinese)

[9] FETANAT A, KHORASANINEJAD E. A novel hybrid MCDM approach for offshore wind farm site selection: A case study of Iran[J]. Ocean & Coastal Management,2015(109):17-28.

[10] SULAIMAN O O, MAGEE A, BAHRAIN Z, et al. Mooring analysis for very large offshore aquaculture ocean plantation floating structure[J]. Ocean & Coastal Management,2013(80):80-88.

[11] DICORATO M, FORTE G, PISANI M, et al. Guidelines for assessment of investment cost for offshore wind generation[J]. Renewable energy,2011,36(8):2043-2051.

[12] 王燕青,刘媛媛.X光机操作员视觉搜索作业疲劳模糊综合评价[J].交通信息与安全,2016,34(4):78-84.

WANG Yanqing, LIU Yuanyuan. A Fuzzy Synthetic Evaluation Method to Visual Fatigue for X-Ray Machine Operators[J]. Journal of Transport Information and Safety,2016,34(4):78-84.(in Chinese)

[13] 杜红兵,高大磊.民用机场安全文化水平模糊综合评估[J].交通信息与安全,2016,34(4):121-126.

DU Hongbing, GAO Dalei. An integrated fuzzy evaluation of level of safety culture at civil airports[J]. Journal of Transport Information and Safety,2016,34(4):121-126.(in Chinese)

[14] LIU H C, LIU L, LIN Q L. Fuzzy failure mode and effects analysis using fuzzy evidential reasoning and belief rule-based methodology[J]. IEEE Transactions on Reliability,2013,62(1):23-36.

[15] LIU H C, LIU L, BIAN Q H, et al. Failure mode and effects analysis using fuzzy evidential reasoning approach and grey theory[J]. Expert Systems with Applications,2011,38(4):4403-4415.