3、选址模型构建：基于GIS的选址方法、多准则决策分析（MCDA）、层次分析法（AHP）在选址中的应用
好，咱们进入正题。选址这件事，说白了就是「在哪儿建站最赚钱」。我见过太多项目，前期测算收益率漂亮得很，结果一落地，并网难、土地纠纷、运维成本高，最后全白干。所以，选址不是拍脑袋，得靠模型说话。
这一节，我带你走一遍完整的选址模型构建流程。我会结合我自己做过的几个储能项目，把GIS、MCDA、AHP这三板斧怎么用，讲清楚。
3.1 选址的核心逻辑：从「凭感觉」到「靠数据」
你想想看，一个储能站选址，要考虑多少因素？
- 电网条件：接入距离、变电站容量、负荷需求
- 土地条件：用地性质、地形坡度、地质稳定性
- 环境约束：生态红线、水源保护区、居民区距离
- 经济因素：地价、电价、补贴政策
- 风险因素：自然灾害、政策变动、市场波动
这么多因素，光靠人脑根本算不过来。所以我们需要一个系统化的方法——多准则决策分析（MCDA）。而GIS，就是MCDA的「数据底座」。
核心观点：GIS负责「在哪里」，MCDA负责「选哪个」，AHP负责「怎么比」。三者缺一不可。
3.2 基于GIS的选址方法：把地图变成决策工具
我个人习惯，第一步永远是拉GIS数据。不是随便找个地图看看，而是要把所有约束条件叠加上去。
3.2.1 数据准备：你得先有「料」
GIS选址，数据是命根子。我一般会准备以下几类数据：
| 数据类型 | 具体内容 | 来源 |
|---|---|---|
| 基础地理 | DEM数字高程、行政区划、道路网络 | 地理信息中心、OpenStreetMap |
| 电网数据 | 变电站位置、输电线路、负荷中心 | 电网公司（部分公开） |
| 环境约束 | 生态红线、水源地、基本农田 | 自然资源部、环保部门 |
| 社会经济 | 人口密度、工业用地、电价分区 | 统计局、发改委 |
嗯，这里要注意：数据精度直接影响结果。我建议至少用1:10000比例尺的数据，乡镇级别的就别用了，误差太大。
3.2.2 空间分析：图层叠加与缓冲区
数据到手后，就是GIS的核心操作——空间分析。我常用的几个工具：
- 缓冲区分析：比如变电站周围500米内优先，居民区200米外禁止
- 叠加分析：把所有约束图层叠在一起，找出「交集区域」
- 坡度分析：储能站要求坡度小于15°，否则土方量太大
- 成本距离分析：计算每个点到电网接入点的综合成本
举个例子，我在广西做过一个项目。先用缓冲区把生态红线、基本农田排除掉，再用坡度分析筛掉山地，最后用成本距离分析找出离变电站最近的可利用地块。整个过程，GIS跑了大概3个小时，但结果非常清晰。
小技巧：GIS分析时，记得把「并网距离」的权重设高一点。我曾经有个项目，选址离变电站只有1.2公里，结果因为中间有条河，实际接入成本翻了三倍。所以，别只看直线距离，要看实际路径。
3.3 多准则决策分析（MCDA）：把定性问题定量化
GIS筛选出几个候选地块后，问题来了：A地块离电网近但地价高，B地块地价低但离负荷中心远，C地块各方面都中等。怎么选？
这时候，MCDA就派上用场了。MCDA的核心思想是：把多个互相冲突的准则，统一到一个框架下比较。
3.3.1 准则体系的建立
我一般把准则分为三层：
- 目标层：选择最优储能站址
- 准则层：技术、经济、环境、社会
- 指标层：并网距离、地价、生态影响、公众接受度等
你想想看，每个指标的量纲都不一样。并网距离是「公里」，地价是「万元/亩」，生态影响是「等级」。怎么比？
所以，MCDA的第一步就是标准化。把所有指标统一到0-1之间。我常用的方法是：
- 效益型指标（越大越好）：x' = (x - x_min) / (x_max - x_min)
- 成本型指标（越小越好）：x' = (x_max - x) / (x_max - x_min)
3.3.2 权重确定：AHP登场
标准化之后，最关键的一步来了——确定每个指标的权重。权重怎么定？凭经验拍脑袋？不行。我建议用层次分析法（AHP）。
AHP的原理其实不复杂：通过两两比较，构建判断矩阵，然后算特征向量。我举个例子：
假设有三个准则：技术（T）、经济（E）、环境（Env）。我问自己：技术比经济重要多少？
- 如果技术比经济稍微重要，打3分（1-9标度）
- 如果技术比经济明显重要，打5分
- 如果技术比经济绝对重要，打9分
构建一个3x3的判断矩阵：
T E Env
T 1 3 5
E 1/3 1 2
Env 1/5 1/2 1然后计算这个矩阵的最大特征值对应的特征向量，归一化后就是权重。我一般用Python的numpy.linalg.eig来算，几行代码搞定。
避坑指南：我曾经犯过一个错——判断矩阵的一致性比率（CR）没算。结果权重算出来是负的，完全不合理。记住，CR必须小于0.1，否则你的判断逻辑是矛盾的，得重新打分。
3.4 完整流程：从数据到决策
好了，我把整个流程串起来，画一张图你就明白了。
这张图把整个流程串起来了。你看，从数据到GIS，再到MCDA和AHP，最后输出结果。而且，如果结果不合理，还可以反馈回去调整权重或数据。
3.5 实战案例：一个完整的选址计算
光说不练假把式。我拿一个真实项目的数据，给你演示一下完整计算。
假设有三个候选地块（A、B、C），三个准则：并网距离（公里）、地价（万元/亩）、生态影响（1-5分，越低越好）。
| 地块 | 并网距离 | 地价 | 生态影响 |
|---|---|---|---|
| A | 1.2 | 15 | 2 |
| B | 2.5 | 8 | 4 |
| C | 1.8 | 12 | 3 |
第一步：标准化（成本型指标，越小越好）
并网距离：A=(2.5-1.2)/(2.5-1.2)=1.0, B=(2.5-2.5)/(2.5-1.2)=0.0, C=(2.5-1.8)/(2.5-1.2)=0.54
地价：A=(15-15)/(15-8)=0.0, B=(15-8)/(15-8)=1.0, C=(15-12)/(15-8)=0.43
生态影响：A=(4-2)/(4-2)=1.0, B=(4-4)/(4-2)=0.0, C=(4-3)/(4-2)=0.5第二步：AHP确定权重
假设判断矩阵如下（我根据经验打的）：
并网距离 地价 生态影响
并网距离 1 3 2
地价 1/3 1 1/2
生态影响 1/2 2 1计算特征向量，得到权重：并网距离=0.54, 地价=0.16, 生态影响=0.30。CR=0.008，小于0.1，一致性通过。
第三步：综合评分
A = 1.0*0.54 + 0.0*0.16 + 1.0*0.30 = 0.84
B = 0.0*0.54 + 1.0*0.16 + 0.0*0.30 = 0.16
C = 0.54*0.54 + 0.43*0.16 + 0.5*0.30 = 0.51结果很明显：A地块最优，C地块次之，B地块最差。
我的经验：这个结果其实符合直觉——A地块离电网近、生态影响小，虽然地价贵，但综合下来还是最优。所以，别只看单一指标，要综合看。
3.6 避坑指南：我踩过的几个坑
做选址模型这么多年，我踩过的坑不少。分享几个给你：
- 数据精度不够：我曾经用30米分辨率的DEM数据做坡度分析，结果把一块平地误判成坡地。后来换成5米分辨率的激光雷达数据，才准了。
- 权重主观性太强：AHP虽然科学，但打分还是靠人。我建议至少找3个专家独立打分，取平均值，减少偏差。
- 忽略动态因素：选址模型往往是静态的，但市场是动态的。比如，你现在选的地块离电网近，但两年后电网扩容了，可能就不近了。所以，我建议做灵敏度分析，看看权重变化对结果的影响。
- 忘记实地验证：模型再漂亮，也得去现场看。我有个项目，GIS分析出来一块地完美，结果去了一看，是个垃圾填埋场。所以，GIS是工具，不是上帝。
3.7 小结
选址模型构建，说白了就是三步：GIS筛地、MCDA定标、AHP加权。这三步走下来，你就能从一堆候选地块中，科学地选出最优的那个。
我个人觉得，选址模型最大的价值不是给出一个「正确答案」，而是让决策过程变得透明、可追溯。你想想看，当你的老板问「为什么选这个地块」时，你能拿出一整套数据、模型和计算过程，这就是专业。
好，这一节就到这儿。记住，模型是死的，人是活的。多去现场看看，多跟当地的人聊聊，你的选址模型才会越来越准。
公众号:蓝海资料掘金营，微信deep3321