Rezoning 本质上是一个把「全球多源空间数据 + 经济模型」拼在一起， 用来做风光项目宏观选址和情景对比的决策支持工具。

它不是帮你画最后一排机位、调整单条电缆的“细活”， 而是站在国家或省级尺度上，回答几个更基础的问题： 哪些区域可以建？大致能建多少？大概多少钱一度电？和别的区域相比划算吗？

下面就从数据、限制性分析（siting constraints）、财务与 LCOE 模型三个角度，宏观拆解一下这个系统。

数据

Rezoning 背后的数据可以粗略分成四大类：

资源与气象：CF 和基础气候栅格

核心是容量系数（Capacity Factor, CF）栅格和相关资源数据。

  • 风资源： 来自 Global Wind Atlas（GWA）的多高度风速/风功率栅格（10m/50m/100m/150m/200m）， 再通过不同机型的功率曲线，预计算为各类机型的 CF 栅格，如 gwa-iec1、gwa-vestas-v136-mode0-150 等。

  • 光伏资源： 来自 Global Solar Atlas（GSA）的 PVOUT（光伏发电潜力）、GHI/GTI/温度等栅格， 例如 gsa-pvout、gsa-ghi、gsa-gti、gsa-temp。

这些数据都被重采样到统一的约 500 m 分辨率（TIFF），为后续所有约束和经济计算提供空间底板。

地形、环境和用地

第二层是描述这块地长什么样的自然与环境约束，例如：

  • 地形：

    • srtm90 高程
    • slope 坡度
  • 土地利用 / 覆盖：land-cover（耕地、草地、城市、湿地、冰雪等类别）
  • 水体与海洋：waterbodies、gebco（水深）、沿海潮间带 unep-tidal、湿地 wwf-glw-3
  • 环境保护：pp-whs、pp-marine-protected、Ramsar 湿地、珊瑚礁 unep-coral 等
  • 文化保护：unesco（世界文化遗产—距离栅格）

这些栅格和要素构成了生态红线+不宜开发区的空间显式表达。 Rezoning 的限制性分析就是在这些层上做布尔筛选和距离约束。

接入电网与建设条件

第三层主要是接得上电、修得进路、人够不够这类偏工程和社会条件：

  • 电网与路网：高压输电线路 grid、道路 roads（以距离栅格形式参与分析）
  • 交通设施：机场 airports、港口 ports、锚地 anchorages
  • 人口分布：worldpop（人口密度），反映负荷中心与潜在社会敏感性

这些原本是矢量（线、点），在后台被转成距最近要素的距离栅格（单位 m）， 再通过过滤器设置“不能离太远/不能太近”，形成可建区域的工程可达性约束。

技术经济参数

Rezoning 还加载了一套非空间的技术经济参数：

  • 来自 IRENA 的单位投资（CAPEX）与固定运维成本按技术类型给出，如：

    • 光伏 CAPEX ≈ 794 USD/kW，固定 O&M ≈ 9.5 USD/kW/年
    • 陆上风电 CAPEX ≈ 1222 USD/kW，固定 O&M ≈ 37 USD/kW/年

  • 用户可调的折现率、项目寿命、技术损耗率、不可利用率、可变 O&M、电网和道路单位造价、拆除成本等。

  • 每国默认范围 JSON：如 /filter/CHN/solar/layers 中给出各层的 min/max，既用来缩放权重计算，也为 UI 提供合理的默认过滤区间。

这些参数决定了每个 500 m 栅格上建一度电要花多少钱的结果，是从空间分析走向经济可行性评估的桥梁。

限制性分析

Rezoning 的第一步不是算 LCOE，而是回答一个更基础的问题： 在一个国家或海域里，哪些格网是“潜在可建”的，哪些必须一票否决？

这就是所谓的限制性分析（constraints / exclusion analysis）。

Filter 抽象

filter schema 的源代码很清晰地反映了它的抽象方式：

  • 数值型范围过滤（range_filter） 如：坡度 0–5%、海深 0 到 -50 m、距输电线路 0–100 km、风速 ≥ 7 m/s。

  • 分类过滤（categorical_filter） 如：土地覆被只保留若干类型（耕地、草地、城市、裸地、部分湿地等）。

  • 布尔开关（boolean） 如：是否排除自然保护区、湿地、水体等。

对用户来说只是在面板上拖动滑块、勾选多选框； 对后台来说，这些操作都被翻译成对对应栅格的阈值重分类（reclass）和 AND 叠加。

典型的多层逻辑

以中国陆上风电为例，可以抽象出大致三层约束：

  1. 资源与物理约束

    • Wind Speed at 100m ≥ 7 m/s → 过滤掉低风速区域
    • Elevation 0–3000 m、Slope 0–20% → 排除过高、过陡区域，兼顾工程可行性和成本

  2. 环境与用地约束

    • Land Cover 仅允许一部分类型（耕地、草地、稀疏植被、部分城市等）
    • Protected Areas / Ramsar / Wetlands / 水体：通常作为布尔排除

  3. 工程与人类活动约束

    • Distance to Grid 0–20 km：太远会推高接网成本
    • Distance to Roads 0–10 km：保证施工和运维可达
    • Distance to Airports ≥ 55 km：通过安全净空限制风机离机场一定距离

光伏和海上风电的逻辑类似，只是换成 PVOUT 或水深等不同的关键指标。 海上风电则使用 EEZ（专属经济区）边界 + 水深范围 + 距港口/锚地的距离阈值来刻画“靠海又不太深、靠近港口”的区域。

空间计算流程（宏观视角）

可以用一句话概括后台流程：

把所有相关的栅格按国家边界裁剪 → 按 Filter 变成 0/1 掩膜 → 对每个 500 m 像元做逻辑 AND → 得到“适宜开发”掩膜。

这里的“0/1 掩膜”就是这块格子在当前场景下是否符合所有硬约束的答案。之后所有经济计算和评分，都是仅在这些掩膜内的像元上进行。

财务与 LCOE 模型

在得到“可建 vs 不可建”的空间格局之后，Rezoning 下一步要做的是把每一个可建格子的经济性算出来。核心指标就是平准化度电成本（LCOE）。

用到哪些经济数据？

结合源代码分析，主要有三类输入：

  1. 与位置无关（全局或全国统一）的参数

    • 单位装机投资成本 cg（USD/kW）
    • 固定 O&M omfg（USD/kW/年）
    • 可变 O&M omvg（USD/MWh）
    • 折现率 i、项目寿命 n、技术损耗 tlf、不可利用率 af 这些大多来自 IRENA 的技术成本数据库，或由用户做情景假设。

  2. 与位置强相关的空间变量

    • 容量系数 CF 栅格：由资源数据 + 机组/组件类型决定
    • 距电网距离 DS：由 grid 线数据生成
    • 距道路距离 DR：由 roads 生成
    • 海上风电还会用到水深等，用来间接反映基础形式和成本差异。

  3. 技术/布局参数

    • landuse：单位面积装机密度（MW/km²）
    • decom：退役成本系数
    • cs：变电站成本、ct：每 MW 每 km 的电缆成本、cr：道路造价等。

LCOE 模型结构：拆成三块账来算

从公式和 NREL 的标准 LCOE 定义来看，Rezoning 的思路是典型的年化成本 / 年发电量，只不过把成本拆解得更细：

  1. 先用资本回收因子（CRF）把 CAPEX 年化

    根据折现率 i 和寿命 n 计算一个 CRF，把一次性投资摊到每一年；

    年化后的“年投资成本 + 固定 O&M”再除以年发电量，得到发电侧 LCOE_GENERATION。

  2. 电网接入成本 LCOE_INTERCONNECTION

    假设每个格网的接网距离根据 Distance to Grid（DS）估算线路长度和造价；

    将“线路 CAPEX + 固定 O&M + 变电站 CAPEX”按同样方法年化，再除以年发电量；

    这样距离电网更远的格子，LCOE_INTERCONNECTION 自然更高。

  3. 道路与场内交通成本 LCOE_ROAD

    使用 Distance to Roads（DR）估算需要新修道路的长度；

    道路 CAPEX + O&M 同样年化，再按假定的“每 50 MW 配一条路”分摊到单位电量。

最后三块加总得到单元格的 LCOE_TOTAL = LCOE_GENERATION + LCOE_INTERCONNECTION + LCOE_ROAD，并做上限截断（避免极端值影响可视化）。

关键点在于：CF、DS、DR 都是栅格化的，因此 LCOE 本身也是一个 500 m 分辨率的空间栅格。 这就把“局部风好/光好、离网近不近”这些差异，直接投射到 LCOE 数值上。

容量系数的修正

Rezoning 使用公式 $SEL_{CF} = CF \times (1 - lf) \times (1 - af)$ 进行容量系数修正：

  • 原始 CF 来自风/光资源模型与机组性能；
  • 再按技术损耗（变流器、线路、电气损失等）和设备不可用率（检修、故障）做一次统筹下调；
  • 光伏还对日度 PVOUT 做“日 → 小时”的转换，并反推内置损耗，以保证和用户输入的损耗假设一致。

这样得到的 CF 更接近项目生命周期内的有效利用小时，可直接用于年发电量和 LCOE 计算。

适宜性评分与分区

把“多指标”压成一个可以排序的分数，在有了：

  • 可开发掩膜（0/1 栅格）
  • LCOE 栅格
  • 其它一系列空间指标（距电网、距道路、人口密度等）

之后，Rezoning 还构建了一个综合评分模型（Score），用来做多目标排序和分区对比。

加权评分

通过这些公式，本质上就是一个标准化 + 加权平均的多指标适宜性分析：

  1. 对每个指标（比如 LCOE、距电网、人口密度、坡度等）做归一化/缩放，得到 SCALED_ARRAY；
  2. 用户在前端设置或接受默认的权重（如 LCOE Generation 50%，距电网 50%）；

  3. 对每个格子做

    \[\text{Score} = \dfrac{\sum (\text{weight} \times \text{scaled_value})}{\sum \text{weight}}\]

这样在掩膜内的每个 500 m 格子就都有一个 0–1 或 0–100 的综合得分，数值越高代表在当前情景下越“值得优先开发”。

从 Rezoning 用户指南看，这套多指标加权框架是应用在 solar / onshore wind / offshore wind 三类技术上的通用方法， 只是默认权重和可选指标略有不同。

Zone 接口

Score 解决的是“每个像元好不好”；但真正决策时更关心的是： 某一个规划区块（Zone）整体表现怎样？能建多少？大约多少钱一度电？

/zone 接口就是把像元级信息汇总到多边形区块上，输出比如：

  • lcoe：区域内 LCOE 栅格的平均值；
  • zone_score：区域内综合得分的平均值；
  • suitable_area：在当前 Filter 下，该区块的可开发面积；
  • icp：按单位面积装机系数折算的潜在装机容量（MW）；
  • generation_potential：乘以区域平均 CF 和 8760 小时，得到年发电量（GWh）；
  • cf：区域内 CF 的平均值。

这一整套输出与工具对帮助政府和规划者评估不同区域的可再生能源潜力和经济性的定位高度吻合。

五、宏观视角下 Rezoning 的意义

站在宏观的角度看，Rezoning 做的事情可以概括为一条连续的链条：

  1. 数据标准化与集成 把全球风光资源（GWA/GSA）、地形、土地利用、保护地、电网、公路、人口以及 IRENA 成本曲线等，统一到同一套坐标系、分辨率和接口之下。

  2. 限制性分析（Can we build?） 用 Filter 系统，把法规红线、物理约束、工程约束数值化，得到“可建掩膜”。

  3. 技术经济分析（How much does it cost?） 用 LCOE 模型把 CAPEX、O&M、折现率和空间上的 CF/距网/距路等因素叠加起来，得到每个格子的“度电成本地图”。

  4. 多指标综合与分区评价（Where is best?） 通过加权评分和区域汇总，在国家、流域或自定义 AOI（感兴趣区域）尺度上，对不同候选区块做可比性很强的排序与对比。

对政策制定者、开发商、咨询机构来说，Rezoning 的价值不在于替代详勘和可研，而在于：

  1. 快速做全国/区域级的技术路线与区域布局比较（比如光伏 vs 风电、陆上 vs 海上）；
  2. 在统一的数据和方法框架下，对不同情景（成本下降、折现率变化、环境约束收紧等）进行高效的敏感性分析；
  3. 为后续更细致的选址、测风/测光和电网规划提供一个先筛一遍的候选区清单，大幅降低前期摸黑搜地的成本。

最后用一句话总结：

Rezoning 把原本散落在不同平台上的全球风光资源、环境约束和技术经济参数， 整合成了一套 数据 → 限制性 → 经济性 → 评分与分区 的流水线， 帮你在地图上直观看到：在哪儿能建、能建多少、值不值得建。