1. 引言
本文旨在解决在台湾选择太阳能光伏电站最优选址这一关键挑战。这一紧迫性源于全球从化石燃料向可再生能源转型的需求，这一转变因新冠疫情和气候变化的迫切要求而加速。台湾严重依赖进口化石燃料且位于地震活跃带，因此将太阳能发展视为能源安全和经济可持续发展的关键。
1.1 全球可再生能源现状
本文将研究置于《巴黎协定》和《欧洲绿色协议》等全球净零排放努力的背景下。报告强调了可再生能源在新冠危机期间的韧性，尽管受到干扰，2020年可再生能源发电量仍增长了5%。
1.2 太阳能的潜力
鉴于台湾的地理和气候条件，太阳能被确定为最适合的可再生能源。然而，土地限制、政策挑战和规模问题阻碍了其发展，这使得系统性的选址至关重要。
2. 方法论：两阶段多准则决策框架
本研究的核心贡献是提出了一种新颖的两阶段多准则决策方法，该方法结合了数据包络分析和层次分析法。
2.1 第一阶段：数据包络分析
DEA被用作初始过滤器，用于评估20个潜在城市/县的自然资源效率。它将各个地点视为决策单元。
- 输入指标： 温度、风速、湿度、降水量、气压。
- 输出指标： 日照时数、太阳辐射量。
获得完美效率得分1.0的地点将进入下一阶段。
2.2 第二阶段：层次分析法
AHP用于基于更广泛的社会-技术-经济-环境准则，对第一阶段筛选出的高效地点进行排序。它涉及两两比较以推导准则权重和最终地点得分。
2.3 准则与子准则层次结构
AHP模型构建了五个主要准则和15个子准则：
- 场地特征： 土地坡度、土地利用类型、距电网距离。
- 技术： 太阳辐射、日照时数、温度。
- 经济： 投资成本、运营与维护成本、电力传输成本、支持机制（如上网电价）。
- 社会： 公众接受度、创造就业机会、电力消费需求。
- 环境： 碳减排、生态影响。
3. 案例研究：台湾
3.1 数据收集与潜在地点
本研究评估了台湾全境20个主要城市和县。气象数据（用于DEA的输入/输出）和社会经济数据（用于AHP）均来自台湾官方来源，如中央气象局和经济部。
3.2 DEA效率分析结果
DEA模型过滤掉了自然资源效率欠佳的地点。只有那些能够高效地将气候输入（如适宜的温度和低湿度）转化为太阳能输出（高日照时数和辐射量）的城市/县才能获得1.0的得分。此步骤为更详细的AHP分析缩小了候选范围。
3.3 AHP权重计算与最终排序
AHP的两两比较揭示了各准则的相对重要性。影响力最大的三个子准则如下：
这强调了在最终排序中，政策和经济因素（支持、成本）以及本地需求比纯粹的太阳能资源潜力更具决定性。
4. 结果与讨论
4.1 主要发现
混合DEA-AHP方法成功地识别并优先排序了选址。两阶段过程的优势在于，首先确保自然资源可行性（DEA），然后再评估更广泛的可行性（AHP），从而防止了资源丰富但其他方面不可行的地点获得高排名。
4.2 排名最高的地点
最终的AHP排序确定了台湾最适合发展大型太阳能光伏电站的前三个地点：
- 台南市
- 彰化县
- 高雄市
这些地区结合了强大的太阳能资源、有利的经济条件（例如现有的支持机制）、相对较低的传输成本以及较高的本地电力需求。
5. 技术细节与数学公式
DEA公式（CCR模型）： 决策单元$k$的效率得分$\theta_k$通过求解以下线性规划获得： $$\text{Max } \theta_k = \sum_{r=1}^{s} u_r y_{rk}$$ $$\text{subject to: } \sum_{i=1}^{m} v_i x_{ik} = 1$$ $$\sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j=1,...,n$$ $$u_r, v_i \geq \epsilon > 0$$ 其中$x_{ij}$为输入，$y_{rj}$为输出，$v_i$和$u_r$为权重，$\epsilon$为非阿基米德无穷小量。
AHP一致性检验： 关键步骤是确保两两比较矩阵$A$具有一致性。计算一致性指数和一致性比率： $$CI = \frac{\lambda_{max} - n}{n-1}$$ $$CR = \frac{CI}{RI}$$ 其中$\lambda_{max}$为主特征值，$n$为矩阵大小，$RI$为随机指数。$CR < 0.1$是可接受的。
6. 分析框架：示例案例
场景： 在DEA预筛选后，评估两个候选地点“A市”和“B县”。
步骤1 - 准则权重计算（AHP）： 专家进行两两比较。例如，比较“经济”与“环境”影响可能得到分数3（经济相对于环境具有中等重要性）。这将填充比较矩阵以推导全局权重（例如，经济：0.35，环境：0.10）。
步骤2 - 各准则下的地点评分： 按一定尺度（例如1-9）对每个地点针对每个子准则进行评分。对于“支持机制”，如果A市有优异的上网电价（得分=9）而B县支持力度差（得分=3），则对这些分数进行归一化处理。
步骤3 - 综合计算： A市的最终得分 = $\sum (\text{子准则权重} \times \text{A市的归一化得分})$。总分较高的地点更优。
这种结构化的定量框架以透明和可追溯的方式取代了临时决策。
7. 应用前景与未来方向
- 与GIS集成： 未来的工作应将此MCDM方法与地理信息系统集成，用于土地适宜性的空间可视化和分析，从而创建强大的决策支持工具。
- 动态与概率模型： 纳入气候变量和电价的时间序列数据及概率预测，可以使模型适应未来的变化。
- 与其他MCDM方法结合： 将AHP与TOPSIS或VIKOR等技术结合，可以更稳健地处理不确定性或冲突准则。
- 更广泛的应用： 此两阶段框架高度适用于不同地理背景下的其他可再生能源选址问题（例如风能、地热能）。
- 全生命周期可持续性整合： 将环境准则扩展为完整的生命周期评估，以评估光伏板制造和退役的碳足迹。
8. 参考文献
- 政府间气候变化专门委员会. (2021). 气候变化2021：自然科学基础. 剑桥大学出版社.
- 联合国. (2015). 巴黎协定. 联合国条约汇编.
- 欧盟委员会. (2019). 欧洲绿色协议. COM(2019) 640 final.
- 国际能源署. (2020). 2020年世界能源展望. 经合组织/国际能源署.
- 国际可再生能源机构. (2021). 可再生能源与就业——2021年度回顾.
- Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.
- Saaty, T. L. (1980). 层次分析法. 麦格劳-希尔出版社.
- Wang, C. N., Nguyen, N. A. T., Dang, T. T., & Bayer, J. (2021). A Two-Stage Multiple Criteria Decision Making for Site Selection of Solar Photovoltaic (PV) Power Plant: A Case Study in Taiwan. IEEE Access, 9, 75509-75522. DOI: 10.1109/ACCESS.2021.3081995.
9. 专家分析与批判性评论
核心见解： 本文不仅仅是另一项选址研究；它是一份降低可再生能源基础设施投资风险的实用蓝图。真正的洞见在于其顺序逻辑：首先使用DEA严格筛选自然资源效率——这是一个基于物理学的、不容商榷的门槛——然后再让更软性的、政策权重高的AHP准则决定最终胜出者。这避免了选择政治上便利但气候条件平庸的地点的常见陷阱。
逻辑流程： 该方法论的优雅之处在于其分工。DEA基于阳光、风和降雨处理“这里能行吗？”的问题。AHP则基于成本、政策和社会影响处理“我们应该在这里建吗？”的问题。这反映了开发商和政府在现实世界中的决策过程，即从技术潜力转向项目可行性。“支持机制”被赋予高权重（0.332）是对现实的坦诚反映：一个好的上网电价可以抵消几个百分点的更高太阳辐照度。
优势与不足： 主要优势在于混合方法的稳健性及其在复杂现实环境（台湾）中的验证。使用已确立且广为人知的工具增强了可复制性。然而，该模型存在显著缺陷。首先，它是静态的；没有考虑太阳能资源的时间变异性或未来气候变化的影响，这是IPCC最新报告强调的关键考量。其次，AHP依赖专家两两比较，虽然是标准做法，但引入了主观性。如果辅以敏感性分析或使用模糊AHP方法来处理不确定性（如兰德公司方法论页面讨论的高级应用），论文会更有说服力。第三，土地可用性和成本——通常是最终的瓶颈——似乎被埋没在子准则中。在许多市场，这是主要制约因素。
可操作的见解： 对于台湾及类似地区的政策制定者，排名前列的列表（台南、彰化、高雄）为集中基础设施和激励措施提供了数据驱动的起点。对于开发商，该框架是一个现成的尽职调查清单。下一步应立即将此模型与高分辨率GIS数据集成，以从城市级分析转向地块级分析。此外，将此DEA-AHP结果与基于机器学习的选址适宜性模型（如风电场规划中日益使用的模型）的结果进行比较，将是检验不同范式趋同（或分歧）的有价值的研究方向。最终，这项工作提供了一个坚实、可操作的基础。未来的方向在于使其动态化、空间明确化，并能够处理实时数据流。