光伏选址算法是一种集成了多种数据分析与空间分析技术的综合方法，旨在通过量化评估不同地点的自然条件、社会经济条件以及技术可行性等因素，为光伏电站的选址提供科学依据。该算法不仅考虑了太阳能资源的丰富程度，还兼顾了地形地貌、气候条件、土地利用规划、电网接入条件等多个方面的因素。

光伏选址算法的核心目标，是在海量潜在地块中筛选出“太阳辐射充足、建设条件适宜、经济收益最优”的区域，其原理可拆解为数据采集、核心计算、约束筛选、综合评估四大环节，形成环环相扣的决策链。

1、基础数据：构建选址的“数字地基”

算法的第一步是收集多源数据，这些数据如同选址的“原材料”，直接决定结果的准确性。核心数据包括三类：

太阳辐射数据：这是光伏选址的“核心指标”，包括地块的年总辐射量、月辐射分布、日照时数等。算法通常通过卫星遥感数据（如FY-3 卫星）获取大范围辐射数据，再结合地面气象站的实测数据校准。

地理空间数据：涵盖地形（坡度、坡向、海拔）、土地利用类型（耕地、林地、荒地、建筑用地）、交通（距离输电线路、公路的距离）等。算法通过 GIS（地理信息系统）将这些数据转化为“数字地图图层”。

环境与经济数据：包括风速（避免强风损坏光伏板）、降水量（防止积水侵蚀基础）、土地租金、输电成本、政策补贴等。

2、核心计算：从“数据”到“潜力”的转化

拿到基础数据后，算法会通过一系列模型计算，将地块的“自然条件”转化为 “发电潜力”，核心模型包括：

太阳辐射模拟模型：考虑地球自转、公转带来的太阳高度角变化，以及地形遮挡（如山脉、树木、建筑）对辐射的影响。例如，同一地块在冬季（太阳高度角低）的辐射量会低于夏季，算法会通过“逐时辐射模拟”计算全年总发电量，而非简单使用年均辐射数据。

发电量预测模型：结合光伏板的转换效率（通常为 18%-25%）、逆变器效率（约 95%）、温度损耗（温度每升高 1℃，效率下降0.3%-0.5%）等参数，将辐射量转化为实际发电量。

成本收益模型：计算地块的建设成本（土地、设备、施工）、运营成本（维护、人工）与收益（售电收入、补贴），通过“投资回收期”“内部收益率（IRR）” 等指标评估经济可行性。例如，投资回收期低于8年、IRR高 8%的地块，会被判定为经济可行。

3、约束筛选与综合评估：排除风险，选出最优解

并非所有“发电潜力高”的地块都适合建设光伏电站，算法还需通过“约束筛选” 排除风险因素，再进行综合评分：

硬性约束排除：包括生态保护红线（如自然保护区、湿地公园）、基本农田、军事禁区、地质灾害高发区（如地震带、滑坡区）等，这些区域无论发电潜力如何，都会被直接剔除，确保选址符合国家政策与生态保护要求。

多维度综合评分：对通过约束筛选的地块，算法会建立“评分体系”，从辐射潜力（40%）、建设难度（20%）、经济收益（30%）、环境风险（10%）等维度打分，最终选出得分最高的地块。

利用深度学习语义分割方法对高分辨率卫星影像中的建筑物屋顶进行提取，辅助光伏选址决策。