多标准综合评估框架与地理信息系统（GIS）在欧盟范围内应用于核聚变发电厂选址，同时考虑了与基础设施相关的数据

《Energy Strategy Reviews》：Multi-criteria integrated assessment framework and GIS applied to fusion power plant site selection considering infrastructure-related data at a European scale

　　拉里萨·布伦宁 | 马丁·奥维耶多·帕斯科蒂尼 | 阿尔布雷希特·赫尔曼 | 弗雷德里克·博德里 | 托马斯·哈马赫
慕尼黑工业大学（TUM），TUM 工程与设计学院，能源与过程工程系，德国

**摘要**
电力对人类生活质量至关重要，应通过可持续、低碳且环保的方式生产，以满足全球需求。核聚变提供了一种清洁的能源选择，以满足未来的能源需求。最近，各国和商业公司对建设聚变发电厂表现出越来越大的兴趣。除了技术挑战外，选择合适的选址也非常重要。本研究通过应用多标准综合评估方法，从基础设施相关信息和欧洲范围内的地理参考数据集的角度，考察了建设1吉瓦聚变发电厂的潜在选址。这有助于基于充分依据做出决策，并为后续的聚变发电厂许可程序奠定基础。本文提出了一种基于地理信息系统（GIS）的多标准决策分析（MCDA）方法用于选址。确定了七个排除性标准和九个可选择性标准，并将其组织成不同的类别，在两阶段决策过程中进行应用。排除性标准包括冷却水的可用性和充足性、地震条件的适宜性、环境敏感性以及土地利用情况。可选择性标准包括电力基础设施、自然条件和社会经济基础设施。敏感性分析评估了不同标准及其权重对优选选址的影响。此外，该框架还使用了实际聚变项目和以往研究的案例进行了基准测试。在不同情况下，欧洲境内有0.04-0.15%的区域被归类为“最高优先级”，0.21-0.48%的区域被归类为“高优先级”。

**术语表**
- 替代方案集
- 加权排名层
- 标准集
- 价值函数
- 未标准化的排除性标准层
- 聚合优选候选地点层
- 多边形
- 标准化权重
- 替代方案数量
- 可选择性标准数量
- 未标准化的离散化标准层
- 聚合候选地点层
- 标准化排除性标准层
- 多边形面积
- 阈值
- 多边形集
- 标准化离散化标准层
- 下标
- 替代方案指数
- 最大值
- 最小值
- 排除性标准指数
- 可选择性标准指数
- 多边形指数

**1. 引言**
由于电力对人类生活质量的多个方面都至关重要，因此应无二氧化碳排放地生产电力以满足全球需求[1]。除了风力涡轮机[1]、光伏系统[1]、波浪能[1]、地热发电厂[1]和氢能发电厂[2]等技术外，核聚变也有助于实现未来能源系统的需求，这些系统不依赖化石燃料且二氧化碳排放量低。聚变发电对能源系统的潜在贡献是一个活跃的研究领域[3,4]。核聚变反应堆旨在将轻原子核（如氢）加热到数百万度的高温，使其发生聚变，释放出大量能量[5,6]。相比之下，核裂变则是通过分裂重原子核（如铀）来产生能量[5,6]。因此，核聚变发电厂（FPP）在负责能量产生的核反应过程上与核裂变发电厂有根本区别[5,6]。尽管从纯物理角度来看，核聚变反应堆属于核技术，但在风险特征[7]、监管框架[5,7]和技术要求[8,9]方面，聚变与核裂变发电厂存在差异。欧洲理事会最近在制定长期欧盟（EU）预算时考虑了聚变能源[10]。德国联邦政府也在加大聚变研究力度，并希望加速首个FPP的开发[11]。德国的巴伐利亚州甚至提出了促进核聚变的总体规划[12]。与此同时，私营企业也在加大努力将聚变发电商业化。除了技术挑战外，选择合适的选址也非常重要。

选择发电厂选址是一项复杂的任务，需要全面细致地评估各种标准[13]。选址调查涉及通过大面积考察来确定合适的地点并排除不合适的地点[14]。发电厂的选址通常需要平衡两个相互矛盾的要求：低成本和低环境影响[15]。已经有许多研究针对不同类型的发电厂（包括核裂变[13],[16],[17],[18],[19],[20],[21],[22]、煤炭[23]、天然气[24]、风能和太阳能[25],[26],[27],[28],[29]、氢能[2]以及风光互补系统[31]）的适宜地点进行了研究。在这些研究中，多标准决策制定（MCDM）方法被用于评估不同发电厂项目的合适选址[1,32]。MCDM方法是一种通过多个标准来辅助复杂情况下决策的工具[33]，其中标准的选择取决于发电厂类型（例如参考文献[27,31,34,35]中的内容）。Agyekum等人[22]和Baskurt等人[19]分别使用加权线性组合（WLC）方法评估了加纳[22]和土耳其埃迪尔内[19]的裂变发电厂潜在选址；Atici等人[36]则应用基于GIS的多标准决策分析（MCDA）方法选择了土耳其的风电厂选址。GIS通过将数据管理和处理工具相结合，促进了全面的空间分析，使得各种参数能够整合到特定应用的分析中[37]。基于GIS的MCDA方法能够将地理信息与标准优先级结合起来[38]。Salsabila等人[18]在西加里曼丹应用了基于GIS的MCDA方法；Peng等人[13]在一个综合框架内评估了核裂变发电厂的潜在选址，考虑了最佳-最差方法（BWM）、决策试验与评估实验室（DEMATEL）以及基于理想解相似性的排序技术（TOPSIS）。Wang等人[39]使用模糊多标准决策制定（F-MCDM）方法解决了越南一个裂变发电厂的选址问题；Wang等人[2]还利用该方法确定了越南氢能发电厂的合适选址。Shorabeh等人[25,40]在伊朗应用GIS-MCDA方法进行了风能和太阳能选址，包括基于风险的分析。其他研究还包括中国的光伏电站选址[29]、结合层次分析法（AHP）和全因子设计的全球风电场选址[41]、使用决策支持工具组合的波罗的海海上风电场选址[38]，以及沙特阿拉伯太阳能光伏电站选址的GIS-AHP应用[28]。此外，还有基于直觉模糊逻辑的太阳能和风能电站选址方法[42]、用于天然气发电设施的区域适宜性分析[30]，以及基于Choquet算子的语言学框架用于太阳能热电站选址[27]。Devanand等人[20]提出了一个混合整数非线性规划（MINLP）模型，用于模块化核裂变发电厂的优化选址。

已有研究针对西班牙的国际热核实验反应堆（ITER）[43]、北欧地区[7]和美国[44]进行了聚变电站选址研究。然而，现有文献尚未涉及在欧洲范围内使用MCDA方法选择FPP候选地点的问题。Young等人[15]在其报告中列出了FPP选址的标准，但没有将其应用于具体区域。本文提出了一种基于GIS的MCDA框架，用于评估1吉瓦聚变发电厂的选址，该方法利用了欧洲范围内的基础设施相关信息和地理参考数据集。基于GIS的MCDA方法非常适合涉及多个评估标准的空间决策问题，能够对决策问题进行结构化处理，并评估可用替代方案[45]。由于FPP选址需要考虑多种空间数据（如冷却水资源的可用性、电网基础设施和地震条件等）[43]，因此采用基于GIS的MCDA方法作为合适的方法论框架。这种方法能够将地理空间数据与决策者的偏好相结合，转化为客观的空间结果[45,46]。本研究的新颖之处在于应用了欧洲范围内的空间评估方法来选址FPP。与以往的FPP选址研究相比，所开发的框架提供了覆盖整个欧盟25+1地区的地理参考评估，整合了排除性和可选择性标准，结合了补偿性和非补偿性聚合方法，并允许在不同权重情景下进行敏感性分析。

除了方法论贡献外，该框架还支持未来聚变能源设施的决策制定，对政策制定者、规划者、私营企业和参与聚变能源开发的研究人员具有实际意义，因为它有助于识别合适的候选区域。它实现了对潜在试点工厂或首个商业聚变项目的欧洲范围内、透明且系统的初步识别、比较和优先排序，从而促进了利益相关者、决策者、私营企业和公众之间的沟通。

在初步评估候选地点时，我们考虑了一组排除性标准，包括与水体的最小和最大距离、最大峰值地面加速度（PGA）、与保护区的最小距离、土地覆盖类型、最小FPP面积以及与城市结构的最小距离。这些标准在聚变电站选址中非常重要，因为它们关系到冷却水的可用性和充足性、地震条件的适宜性对结构完整性的影响、环境敏感性、土地利用情况以及社会经济因素。此外，还考虑了一组可选择性标准，包括与输电线路、变电站、发电厂容量、负荷中心、水体和城市结构的距离，以及PGA水平。这些标准对于确保通过适当的电力基础设施和有利的自然条件实现可靠运行至关重要。它们还考虑了社会经济基础设施，并考虑了成本和比较优势。尽管如此，本研究仅基于选定的标准集对欧洲范围内的合适候选地点进行了初步评估；在指定具体地点时，必须考虑地区性标准并考虑当地运营商和适用的条件。

本研究旨在使用基于GIS的MCDA方法，在欧盟25个国家（不包括马耳他和塞浦路斯）内对合适区域进行初步评估，该方法结合了非补偿性和补偿性聚合方法，并评估了不同权重方案和标准变化对选址的影响。此外，还讨论了综合方法的结果，并将其与现有研究和设施选址的文献进行了比较。

**2. 方法论方法**
整个研究工作流程（见图1）包括五个阶段：问题定义、文献回顾和MCDA流程步骤的确定、MCDA流程步骤的应用（见图3A–H）、结果分析以及讨论。

**2.1 研究区域**
欧盟由27个国家组成（见图2）[47]，总面积约为400万平方公里[48]。欧盟在位于法国的ITER项目中发挥着核心作用，并参与了Euratom研究和培训计划[49]。世界上最大的恒星器型聚变装置位于德国[50]。这些地点在本文中分别进行了讨论。马耳他和塞浦路斯因与欧盟的协会协议（包括Euratom和ITER项目）被排除在分析范围之外（EU25）。瑞士因与欧盟的协会协议而被纳入研究范围[51]。

**2.2 多标准决策分析（MCDA）用于欧洲范围内的聚变发电厂选址**
由于本研究旨在考虑多个标准，因此应用了多标准决策分析（MCDA）技术，以帮助决策者构建复杂决策并评估替代方案[52]。MCDA流程包括一系列步骤，如目标设定、参与者选择、标准选择、数据收集与准备、替代方案定义、MCDA方法选择、MCDA方法应用以及敏感性分析[31,[53],[54],[55],[56]（见图3，步骤A至H）。这些步骤基于[19,31,[53],[54],[55],[56]。MCDA方法的应用包括标准权重分配[55]、备选方案评估[57]、栅格层标准化[55]、栅格层聚合[54,58]以及备选方案排序[54]（见图3，步骤G）。该框架使用GIS和地图库在Python中实现。关于框架、Python版本、库和工具箱的更多详细信息，请参见附录A中的图A.1和补充材料表M.2.2.2。

2.2.2 目标制定
MCDA过程的第一步是目标制定（见图3 - A）。研究的目的是对欧洲各地的潜在电厂选址进行初步评估，以支持政策制定者、规划者和研究人员在未来FPPs（集中式光伏发电厂）决策中的工作。

2.2.2.2. 行为主体选择
第二步是主体选择（见图3 - B）。在本研究中，第一阶段和第二阶段的决策过程由一组决策者（学术专家）执行。

2.2.3. 标准选择
标准选择（见图3 - C）基于相关文献（见第2.3节）和专家意见，参考文献[40]中也进行了类似的操作。根据[19,59]的方法，使用排除性（excl）和自主性（disc）标准来评估潜在选址。

排除性标准是“硬性”标准，如果不符合这些标准，则选址将被拒绝。这些标准类别包括冷却水的存在和充足性、地震条件的适宜性、环境敏感性、土地使用情况以及社会环境因素。自主性标准是“软性”标准，例如距离最近变电站的距离。这些标准用于进一步评估未被拒绝的选址并对它们进行排序。选定的标准及其分类顺序在第2.3节的表1中展示。

表1. 情况1下的排除性（第一阶段）和自主性（第二阶段）标准阈值
| 类别 | 第一阶段排除性标准（Cjexcl） | 第二阶段自主性标准（Ckdisc） |
|--------------|-----------------|-----------------|
| 冷却水的存在和充足性 | 无 | 无 |
| 地震条件的适宜性 | 无 | 0.2 g |
| 环境敏感性 | 无 | 0.05 km |
| 最小距离至水体 | 无 | 0.05 km |
| 最小距离至保护区 | 无 | 0.05 km |
| 土地使用情况 | 无 | 1 |
| 最小FPP土地面积 | 无 | 1 km2 |
| 社会环境因素 | 无 | 1.5 km |

2.2.4. 备选方案定义
MCDA过程的下一步是备选方案的定义（见图3 – E.1和E.2）。备选方案集合涵盖了EU25+1地区，如第2.1节所述，数据以100x100米的单元格大小呈现。

2.2.5. MCDA方法选择
下一步是选择MCDA方法（见图3 – F.1和F.2）。由于需要将空间标准（如距离）纳入决策过程，因此采用了基于GIS的MCDA方法。几乎所有MCDA方法都可用于空间问题[52]。本文应用了以下MCDA方法：
- 联合方法：用于使用排除性标准筛选候选选址（第一阶段的非补偿性聚合）。
- 加权线性组合（WLC）：用于使用自主性标准评估、比较和排序候选选址（第二阶段的补偿性聚合）。

2.2.7. 非补偿性聚合方法的应用
2.2.7.1. 备选方案评估
地理空间分析层被用来将特定标准与每个备选方案匹配[31]。备选方案的评估基于第2.2.3节介绍的标准类别和空间数据。第2.3.1节进一步描述了每个标准的空间评估方法和数据来源。

2.2.7.2. 栅格层标准化
联合方法是一种非补偿性聚合方法（见图3 – G.1），它接受满足每个标准j阈值的备选方案（见表1），并使用二进制叠加（布尔逻辑）处理空间问题。如果备选方案的栅格值dij达到相应标准的阈值qj，则层pij的值为1；否则，值为0（0–1标准）（见公式（4））。这样，不同尺度上的因素就被标准化了。阈值可以是最大值（Max.）或最小值（Min.）；这里称为阈值类型（见表1）。公式（4）和公式（5）适用于第2.3.1节中的所有标准，除了最小FPP土地面积标准（标准6）[52]。

2.2.7.3. 栅格层聚合
最后，将各层（排除层）组合起来[52]。在第一阶段，备选方案Ai的值Y是通过处理后的标准层pij的乘积计算得出的[58]（见公式（5））。因此，满足所有标准的备选方案在应用的二进制（0–1）标准下被赋予值1。

2.2.7.4. 带有FPP土地面积标准的多边形过滤
在层聚合之后，会过滤最小FPP土地面积（见第2.3.1节和表1）。首先识别连接的栅格组件，然后将其转换为多边形G，得到多边形集合Φ(f)={G1,G2,…,Ge}。最后，使用定义的最小面积阈值qmin.FPPlandarea,min（例如1 km2）过滤多边形面积Z(Ge)，这与GIS基于对象的分析实践一致[96,97]。

2.2.8. 补偿性聚合方法的应用
2.2.8.1. 标准权重分配
在补偿性聚合方法中，会对标准进行加权（见图3 – G.2）[52]。等权重方法是进行能源决策的常用方法[101]，因为它通常能产生与最优权重方法几乎相同的结果[101]。因此，本文在参考案例（案例1）中应用了等权重方法，其中等权重向量由参考文献[102]定义[103]：
(7) wk = 1/n, k=1,2,…,n, 我们为每个标准j分配一个权重wk≥0，∑wk=1（见表3）[103]。分配给每个标准的标准化权重集合定义为[95]：
(8) W = {wk | k=1,2,…,n}

2.2.8.2. 备选方案评估
备选方案的评估基于空间数据，考虑电力基础设施、自然条件和社会经济基础设施。例如，会考虑距离输电线的距离，因为较短的距离可以减少投资需求等。关于每个标准评估的更多细节见第2.3节。

2.2.8.3. 栅格层标准化
使用阈值（qk）和线性尺度转换原理[104,105]（见公式（9）将不同尺度上的因素xik标准化为可比较的值rik（模糊逻辑）。将某些类型标记为有益或无益是基于第2.2.8.2节的（也见表1和表2）。对于无益类型，较低的值更好；对于有益类型，较高的值更好。

表2. 第二阶段中用于自主性标准的选定子单元及其对应的阈值
| 标准 Ckdisc | 选定的子单元 | 阈值 qk | 类型 | 功能类型 |
|------------|-----------------|-----------------|----------------------|
| 接近负荷中心 | 从参考文献[15]采用，基于[[78], [79], [80], [81]的计算以及ITER位置的假设 | 500 GWh/a | 非有益 |
| 接近水体 | 从参考文献[7,15,43]得出，结合参考文献[82,83]的结论和河流分类的假设 | 25 km | 非有益 |
| 输电线路距离 | 从参考文献[71]采用，基于[22,71]的假设 | 10 km | 非有益 |
| 变电站距离 | 从参考文献[71]采用，基于[22,71]的假设 | 60 km | 非有益 |
| 特定PP容量距离 | 从参考文献[7,44,72]得出，基于[[73], [74], [75], [76], [77]的假设 | 10 km | 非有益 |
| 累积PP容量距离 | 从参考文献[7,8]得出，基于自己的假设 | 10 km | 非有益 |
| 接近负荷中心优先级 | 从参考文献[15]采用，基于[[78], [79], [80], [81]的计算 | 500 GWh/a | 有益 |
| 自然条件 | 从参考文献[7,15,43]得出，结合参考文献[82,83]的结论和河流分类的假设 | 河流Strahler值≥3 | 有益 |
| 地震加速度 | 从参考文献[62]得出，基于ITER研究[43]和[62,85,86]的假设 | 0.04 g | 非有益 |
| 社会经济基础设施 | 从参考文献[7,43,87]得出，基于ITER研究[43]和区域供暖距离 | 25 km | 非有益 |
| 接近负荷中心（连续） | 从参考文献[7,43,87]得出，基于ITER研究[43]和区域供暖距离 | 25 km | 非有益 |
| 接近负荷中心（不连续） | 从参考文献[7,43,87]得出，基于ITER研究[43]和区域供暖距离 | 25 km | 非有益 |

a. 仅考虑Strahler值≥3的河流，详细信息见参考文献[[89], [90], [91], [92], [93], [94]]和ITER位置[60]以及参考文献[61]。
b. 每个土地覆盖主题类别被标记为“考虑”（1）或“不考虑”（0），详见补充材料表M.1。

c. 考虑了380-400 kV的输电线路和变电站。

d. 最小阈值来自输电线路，最大阈值来自可再生能源集中式发电。

e. 考虑PP容量大于10 MW的设施。

f. 考虑累积PP容量大于1000 MW的设施。

g. 标准化基于负荷大小；另见表2；示例计算见补充材料中的图M.3。

h. 标准化基于水体分类；另见表2；示例计算见补充材料中的图M.4。

i. 表格结构改编自参考文献[38]。

因此，选址过程分为两个阶段：第一阶段使用七个排除性标准筛选候选选址（图3中的左分支），第二阶段使用九个自主性标准评估优选候选选址（图3中的右分支）。标准集合C在公式（1）和公式（2）[95]中定义：
(1) Cexcl = {Cjexcl | j=1,2,…,o}
(2) Cdisc = {Ckdisc | k=1,2,…,n}

2.2.4. 数据收集和准备
两个阶段的下一步是基于确定的标准进行数据收集和准备（见图3 – D.1和D.2）。每个标准使用的数据集描述见第2.3节。数据集和来源的总结见补充材料中的表M.1。

2.2.5. 备选方案定义
备选方案的定义是MCDA过程的进一步步骤（见图3 – E.1和E.2）。备选方案集合涵盖了EU25+1地区，如第2.1节所述，数据以100x100米的单元格大小呈现。

3. 以数学形式表示，备选方案集合A（其中m表示备选方案的数量）定义为[95]：
(3) A = {Ai | i=1,2,…,m}

2.2.6. MCDA方法选择
下一步是选择MCDA方法（见图3 – F.1和F.2）。由于需要将空间标准（如距离）纳入决策过程，因此采用了基于GIS的MCDA方法。几乎所有MCDA方法都可用于空间问题[52]。本文应用了以下MCDA方法：
- 联合方法：用于使用排除性标准筛选候选选址（第一阶段的非补偿性聚合）。
- 加权线性组合（WLC）：用于使用自主性标准评估、比较和排序候选选址（第二阶段的补偿性聚合）。

2.2.7. 非补偿性聚合方法的应用
2.2.7.1. 备选方案评估
地理空间分析层用于将特定标准与每个备选方案匹配[31]。备选方案的评估基于第2.2.3节介绍的标准类别和空间数据。第2.3.1节进一步描述了每个标准的空间评估方法和数据来源。

2.2.7.2. 栅格层标准化
联合方法是一种非补偿性聚合方法（见图3 – G.1），它接受满足每个标准j阈值的备选方案（见表1），并使用二进制叠加（布尔逻辑）处理空间问题。如果备选方案的栅格值dij达到相应标准的阈值qj，则层pij的值为1；否则，值为0（0–1标准）（见公式（4）。这样，不同尺度上的因素就被标准化了。阈值可以是最大值（Max.）或最小值（Min.）；这里称为阈值类型（见表1）。公式（4）和公式（5）适用于第2.3.1节中的所有标准，除了最小FPP土地面积标准（标准6）[52]。
pij = {
0 if dij ≤ qj,
min if qj ≤ dij ≤ qj,
max if dij > qj
} for Cjexcl ∈ Cexcl \ {C6excl
(4)
C6excl = Min.FPPlandarea

2.2.7.3. 栅格层聚合
最后，将各层（排除层）组合起来[52]。在第一阶段，备选方案Ai的值Y是处理后的标准层pij的乘积[58]（见公式（5））。因此，满足所有标准的备选方案在应用的二进制（0–1）标准下被赋予值1。
Y(Ai) = ∏j pij, for Cjexcl ∈ Cexcl \ {C6excl
(5)
C6excl = Min.FPPlandarea

2.2.7.4. 带有FPP土地面积标准的多边形过滤
在层聚合之后，过滤最小FPP土地面积（见第2.3.1节和表1）。首先识别连接的栅格组件，然后将其转换为多边形G，得到多边形集合Φ(f)={G1,G2,…,Ge}。最后，使用定义的最小面积阈值qmin.FPPlandarea,min（例如1 km2）过滤多边形面积Z(Ge)，这与GIS基于对象的分析实践一致[96,97]。
(6) ΦeFPPlandarea = {Ge ∈ Φ(f) | Z(Ge) > qMin.FPPlandarea,min}
过滤后的多边形被重新转换为候选选址栅格Y′(Ai)以进行进一步处理。补充材料中的图M.1展示了第一阶段输入和输出栅格的示例计算。

2.2.8. 补偿性聚合方法的应用
2.2.8.1. 标准权重分配
在补偿性聚合方法中，会对标准进行加权（见图3 – G.2）[52]。等权重方法是进行能源决策的常用方法[101]，因为它经常能产生与最优权重方法几乎相同的结果[101]。因此，本文在参考案例（案例1）中应用了等权重方法，其中等权重向量由参考文献[102]定义[103]：
(7) wk = 1/n, k=1,2,…,n, 我们为每个标准j分配一个权重wk≥0，∑wk=1（见表3）[103]。分配给每个标准的标准化权重集合定义为[95]：
(8) W = {wk | k=1,2,…,n}

2.2.8.2. 备选方案评估
备选方案的评估基于空间数据，考虑电力基础设施、自然条件和社会经济基础设施。例如，会考虑距离输电线的距离，因为较短的距离可以减少投资需求等。关于每个标准评估的更多细节见第2.3节。

2.2.8.3. 栅格层标准化
使用阈值（qk）和线性尺度转换原理[104,105]（见公式（9）将不同尺度上的因素xik标准化为可比较的值rik（模糊逻辑）。将某些类型标记为有益或无益是基于第2.2.8.2节的（也见表1和表2）。对于无益类型，较低的值更好；对于有益类型，较高的值更好。
(9) rik = {
qkmin if k 是无益标准且 xik ≤ qk,
min if k 是无益标准且 xik ≤ qk,
max if k 是有益标准且 xik ≤ qk,
0 if k 是有益标准且 xik > qk,
max if k 是有益标准且 xik ≤ qk,
1 if k 是有益标准且 xik ≥ qk
}因此，这些标准需要对子单元进行额外的归一化处理。关于标准归一化、包含子单元的标准以及计算示例的更多信息，请参见“第二阶段栅格层归一化的更多信息”部分以及补充材料中的图M.2–M.4。2.2.8.4. 栅格层聚合和备选方案排序WLC方法将归一化的标准分数乘以每个备选方案的相对权重[52]，这是MCDM[19,105]中最常用的方法，同时也应用于GIS-MCDM[28]。考虑到前面提到的步骤，加权排序层[107] Rik″的计算公式如下：(10) Rik″= wkrik归一化的地图层rik根据加性权重函数[108]进行聚合，该函数计算出备选方案的总排名分数（偏好分数）[107]（见公式(11)）。值V(Ai)使用归一化权重wk和每个属性k的价值函数vk(Ai)计算[108]，并通过与第一阶段的候选站点层Y′(Ai)叠加（组合）得到。计算示例见补充材料中的图M.2。V(Ai)=(∑kwkvk(Ai))·Y′(Ai)=(∑kwkrik)·Y′(Ai),(11)对于Ckdisc∈Cdisc在本研究中，栅格的矢量化按照附录A中的描述进行。表现最好的备选方案具有最高的性能值[105]，并被赋予排名1。表现最差的备选方案被赋予排名5。2.3. 综合非补偿性和补偿性决策过程中的应用标准、阈值和数据来源本节介绍并阐述了所应用的标准、阈值和数据来源。标准类别以斜体表示，而标准本身则以粗体强调。用于创建标准层的数据来源、访问方式和处理信息的总结见补充材料中的表M.1。2.3.1. 非补偿性聚合（第一阶段）的排除性标准排除性标准分为五类。2.3.1.1. 冷却水的存在和充足性与水体的最大距离。水资源的可用性对于FPPs来说是一个重要因素，因为需要它来散发废热[7,15,43]（参见参考文献[87]中的Sankey图）。使用FAO数据集[89,90,109]中的地理空间数据（包括Strahler流级）来评估冷却用水的适宜性。Strahler流级用于量化网络内河流的规模和层次重要性[110]。通常，1-2 GWel的历史电厂位于Strahler流级≥3的河流附近或靠近海岸和河口（数据来源于[89],[90],[91],[92],[93],[94]）。报告的与水体的距离范围从3到8公里[19]，到5或6公里[111]，以及2公里[111,112]。ITER[60]和Wendelstein 7-X[50]位于距离Strahler流级≥3的适宜河流约3公里或海岸地区[61]。基于此，假设河流的最低Strahler流级为3，与河流、海岸和河口的最大距离为3公里。FAO数据集[89,90,109]用于河流，CORINE土地覆盖（CLC）数据[113]用于海岸地区和河口。2.3.1.2. 地震条件的适宜性最大峰值地面加速度（PGA）。FPP选址时应评估地震特性[15,43]。虽然FPPs的潜在危险性低于核裂变电厂[7,114]，但这一标准不仅作为安全措施，还旨在保护敏感部件，从而保护整个建筑[62]。PGA表示地震期间某地点的最大地面加速度[115]。对于FPPs，PGA不应超过0.2 g（重现期为10,000年）[43]。为此，使用了EFEHR的ESHM20数据集[[116],[117],[118],[119],[120]]。2.3.1.3. 环境敏感性与水体的最小距离。欧盟法规为水资源保护、沿水体的特定栖息地和物种保护以及通过《水框架指令》[63]、《栖息地指令/鸟类指令》[64,65]和《欧盟生物多样性战略》[66]制定了目标。欧盟指令本身没有规定具体的距离要求，但必须在国家法律中实施。因此，根据BNatSchG[67]的规定，假设建筑设施的建设不应距离一级水体小于0.05公里，距离海岸水体小于0.15公里，以保持水域和岸区的清洁。这一标准适用于FAO[89,90,109]和CLC[113]数据集。与保护区的最小距离。为了评估场地的适宜性，必须考虑保护区[19]。Natura 2000[68]是一个用于稀有物种和栖息地核心繁殖和休息区的网络。在欧盟层面，保护区受《栖息地指令》[64]和《鸟类指令》[65]的管理，这些指令设定了目标，但没有指定具体的缓冲区。尽管如此，在本研究中，假设与保护区的安全距离为50米[60]，这是基于ITER[60]与相邻的Natura 2000场地La Durance[68]的距离。使用参考文献[122,123]中的Natura 2000栅格化数据。2.3.1.4. 土地利用土地覆盖提供了有关一个地区土地使用情况的信息，例如港口区域等[7,42]。因此，CLC[113]提供了一个包含44个主题类别的泛欧土地覆盖和土地利用清单。研究中考虑和未考虑的区域由这些类别在框架内指定（更多信息见补充材料表M.1）。FPP的最小用地面积。电厂的建设和运营需要一定的土地面积[15,43]。历史上的核电站占地面积分别为0.4平方公里（Unterweser）和0.6平方公里（Philippsburg）（根据[61]计算）。Medrano等人[43]在ITER选址研究中考虑了一个0.4平方公里的封闭区域。ITER聚变设施的建设需要超过1平方公里的土地（根据[61]计算）。因此，本研究在参考案例中考虑了至少1平方公里的最小用地面积。2.3.1.5. 社会环境因素与城市结构的最小距离。出于安全[15,19]、环境[15,19,69]或美观[69]考虑，电厂通常远离城市区域。研究表明，核裂变电厂的指导原则并不总是适用于FPPs[5,15,124,125]，并且可能过于严格[15]。Young等人[15]得出结论，由于分类过于严格，第一个商业FPP可能会建在距离城市8到16公里的地方。测试设施Wendelstein 7-X（距离市镇约300米）和ITER（距离市镇约1.5到2公里）可以作为连续和不连续城市结构的距离参考点（根据[61]计算）。此外，4. BimSchV[70]中的距离分类提供了指导。根据ITER和功率大于900 MWth的电厂的距离列表[70]，假设与城市结构的最小距离为1.5公里。距离分别应用于连续和不连续的城市区域，从而使用CLC[113]数据集在城市周围创建环形区域。第一阶段应用的参数总结见表1。2.3.2. 补偿性聚合（第二阶段）的自主性标准自主性标准分为三类。2.3.2.1. 电力基础设施（EPIS）与输电线的距离。为了降低核电站的建设成本，设施应位于现有输电线附近[15,22]。对于核裂变电厂，建议输电线与场地之间的距离最大为40公里[22]。为了考虑最大经济可行范围，距离从高适宜性到低适宜性的距离已被归一化。对于1 GWel的FPP单元，分析限于380-400 kV的高压线路（参见参考文献[87]）。所使用的输电网基于PyPSA-Eur电力网格模型[[126],[127],[128],[129],[130]]。与变电站的距离。电厂的开发成本也受到与变电站距离的影响[71]。因此，考虑了380-400 kV电压级别的变电站分布[71]。评估的距离最长为60公里[71]，使用PyPSA-Eur[[126],[127],[128],[129],[130]]数据集。与特定考虑的电厂（PP）容量的距离。根据参考文献[7]中的“成本和比较优势”标准，优先选择靠近现有核电站或燃煤电厂的位置，因为这可以降低建设成本，利用现有投资，并利用先前的专业知识，从而带来比较优势。因此，Abdussami等人[44]讨论了在旧燃煤电厂位置选址FPPs的可能性。对于详细的聚变场地规划，可以利用现有电厂的预评估，范围从10公里[74],[75],[76],[77]到50公里[74]，包括地质预评估。由于大型能源设施需要高容量的电网连接，因此也优先考虑旧电厂的位置[72]。对于这一标准，使用了PPmatching[92,93,131]和Global PP Database[91,94,132]数据集。在假设的10到50公里范围内，较短的距离更优。与累计电厂容量的距离。FPPs是高能量需求的电力生成器[8,9]，需要大量的可靠电力供应[7]。与电厂容量的距离考虑了电厂可能的供需行为，因为FPP的启动可能需要高达410 MWel的功率[8]。需要注意的是，这个负荷包括冷态、温态、热态、启动和生产状态。在实际运行中，系统预计将保持热态。然而，热态和生产状态之间需要负荷变化。因此，我们考虑的累计电厂容量大于1000 MW。在假设的10到50公里范围内，较短的距离更优。对于这一标准，也使用了PPmatching[92,93,131]和Global PP Database[91,94,132]数据集。与负荷中心的接近程度。FPPs靠近负荷中心（例如大城市或工业综合体）是理想的，因为这可以降低传输成本并改善供应[15]。在本研究中，大型负荷中心定义为居民人数为10万的城市[78]，以及欧盟国家的年平均电力消耗量，范围为4.5到13.8 MWh/人[79,80]，相当于最低消耗量为500 GWhel/年。特别大的负荷中心定义为≥4000 GWhel/年，包括居民人数为100万的城市或主要工业园区（例如BASF Ludwigshafen[81]）。更高的消耗量更受青睐（见表1），而在25[43]到50[43]公里范围内的更近距离更优（见表2）。总负荷中心使用PyPSA-Eur5[[126],[127],[128],[129],[130]]计算。PyPSA-Eur提供了每个变电站的负荷，其中60%的负荷分配给国内生产总值（GDP）作为工业需求的代理，40%分配给人口作为居民需求的代理。60-40%的分配基于ELMODE[133]的分析。有关数据处理的更多信息，请参阅补充材料表M.1。为了优先考虑工业负荷中心，合并并扩展了地理参考的工业数据集，如第2.4节案例9中所做的那样。使用Hotmaps[[134],[135],[136],[137]]和sEEnergies[[138],[139],[140],[141]]数据集提供钢铁、有色金属、非金属矿物、纸张和化学品的负荷。通过使用以下数据进一步扩展了数据集：Eurochlor[142]、Eurofer[143]、European Aluminium[144]以及其他来源[145],[146],[147],[148],[149],[150],[151],[152],[153],[154],[155],[156],[157],[158],[159],[160],[161],[162],[163],[164],[165],[166]]。结果与各国Eurostat[167],[168],[169]进行了对比。2.3.2.2. 自然条件（NC）与水体的接近程度。参考文献[7]中的“成本和比较优势”标准也涉及建设成本。基于此，偏好与水体距离较短的距离以降低成本。在本研究中，与一级水体和海岸水体的距离在1.5公里以内被认为是有利的（详见参考文献[89],[90],[91],[92],[93],[94]）。在1.5到3公里范围内（见2.3.1节的排除性标准），更短的距离更优（见表2）。Strahler流级≥4的河流代表较大的河流系统[84]，具有更广阔的集水区[82,84]，而流级为3的河流被归类为较小的河流[84]。集水区与河流的流量条件相关[82,83]，因此可以推断冷却水条件的可靠性和可预测性。因此，基于参考文献[[89], [90], [91], [93], [113]中的数据和收集的信息，本研究中的水体分类包括沿海地区、河口和河流，其Strahler值大于4，以及Strahler值为4到3的区域（见表1和补充材料图M.4）。该标准适用于FAO [89,90,109]和CLC [113]。为了最小化经济损失或运营中断的概率[62]，PGA被标准化到一个范围内，即0.04克（根据参考文献[62,85,86]假设）到0.2克[7,43]，使用的是ESHM20 [[116], [117], [118], [119], [120]]数据来自EFEHR.2.3.2。社会经济基础设施（S-eI）与城市结构的距离（连续和间断的）。靠近社区是一个重要因素[7,43,87]，因此考虑了与连续和间断城市结构的距离。“城市结构”指的是城市区域的空间特征，包括建筑物覆盖的土地和交通网络[170]。缺乏交通基础设施可能会增加核设施的开发成本[19]。Medrano等人[43]认为，在西班牙选择聚变地点时，应考虑距离社会经济基础设施25-50公里的范围。城市邻近性对于利用剩余热量也非常重要[8,9,171]。热传输的距离范围从10公里到40公里[172]、45公里[173]和75公里[174]。Andrews等人[88]建议将50公里作为向消费者传输热量的合理最大距离。Nussbaumer和Thalmann[175]表明，在区域供热网络中，随着管道长度的增加，分配成本也会增加。基于这些观察，假设最大距离为50公里[88]，其中1.5公里（见第2.3.1节）到25公里[43]的距离被认为是最佳的。始终考虑安全距离；因此，1.5公里以下的距离被认为是最不理想的。对于这一标准，使用了CLC [113]数据库。这些标准在表1.2.4中概述。敏感性分析敏感性分析（见图3 – H）评估了决策过程中结果的可靠性，并显示了变化如何影响所评估替代方案的吸引力[31]。在本研究中，敏感性分析涉及改变（var.）排除性和自由裁量标准，以及自由裁量类别标准的权重（见表3），以评估这些变化如何影响首选候选地点的评估。2.4.1. 权重变化的案例首先使用不同的权重研究了前四个敏感性案例，而不改变标准。在案例1中，所有标准都被赋予相同的权重（见第2.2.8节，应用方程（7），每个标准的权重为11.1%。在案例2中，电力基础设施（EPIS）类别的标准被赋予比案例1更高的权重。在案例3中，自然条件（NC）类别的标准被赋予比EPIS和社会经济基础设施（S-EI）类别更高的权重。在案例4中，优先考虑S-eI类别的标准。鉴于EPIS类别包含五个标准，案例3（NC）或案例4（S-EI）中优先考虑的标准被加权，使得总和超过了EPIS标准的权重。表3显示了案例1至4中每个类别内每个标准的权重。2.4.2. 标准变化的案例为了研究特定考虑的PP对结果的影响，案例5中没有包括这些因素。为了研究NC的影响，在案例6中没有考虑水体的权重，在案例7中没有考虑根据PGA的权重。案例8结合了案例5到案例7的所有变化，因此重点放在电力和社会经济基础设施上。案例9研究了提高工业负荷中心优先级的影响。将FPPs位于工业负荷中心附近可能在传输损失、电网扩展需求和废热利用方面具有优势。此外，工业负荷中心通常具有更平坦的负荷曲线[176]，这可能对FPP的计划运营有利[8]。热传输的距离范围从10公里到40公里[172]、45公里[173]和75公里[174]。Andrews等人[88]建议将50公里作为向消费者传输热量的合理最大距离。Nussbaumer和Thalmann[175]表明，在区域供热网络中，随着管道长度的增加，分配成本也会增加。基于这些观察，假设最大距离为50公里[88]，其中1.5公里（见第2.3.1节）到25公里[43]的距离被认为是最佳的。始终考虑安全距离；因此，1.5公里以下的距离被认为是最不理想的。对于这一标准，采用了CLC [113]数据库。这些标准在表1.2.4中概述。敏感性分析敏感性分析（见图3 – H）评估了决策过程中结果的可靠性，并显示了变化如何影响所评估替代方案的吸引力[31]。在本研究中，敏感性分析涉及改变（var.）排除性和自由裁量标准，以及自由裁量类别标准的权重（见表3），以评估这些变化如何影响首选候选地点的评估。2.4.1. 权重变化的案例首先使用不同的权重研究了前四个敏感性案例，而不改变标准。在案例1中，所有标准都被赋予相同的权重（见第2.2.8节，应用方程（7），每个标准的权重为11.1%。在案例2中，电力基础设施（EPIS）类别的标准被赋予比案例1更高的权重。在案例3中，自然条件（NC）类别的标准被赋予比EPIS和社会经济基础设施（S-EI）类别更高的权重。在案例4中，优先考虑S-eI类别的标准。鉴于EPIS类别包含五个标准，案例3（NC）或案例4（S-EI）中优先考虑的标准被加权，使得总和超过了EPIS标准的权重。表3显示了案例1至4中每个类别内每个标准的权重。2.4.2. 标准变化的案例为了研究特定考虑的PP对结果的影响，案例5中没有包括这些因素。为了研究NC的影响，在案例6中没有考虑水体的权重，在案例7中没有考虑根据PGA的权重。案例8结合了案例5到案例7的所有变化，因此重点放在电力和社会经济基础设施上。案例9研究了提高工业负荷中心优先级的影响。将FPPs位于工业负荷中心附近可能在传输损失、电网扩展需求和废热利用方面具有优势。此外，工业负荷中心通常具有更平坦的负荷曲线[176]，这可能对FPP的计划运营有利[8]。由于FPPs可能需要更大的专门区域，因此在案例10中增加了所需的FPP土地面积。此外，将这种综合方法与完全非补偿方法（FnCAMA）进行比较，以增强结果的解释。对于FnCAMA，应用了表4中报告的阈值。如果无法从第一阶段获得距离，则使用第二阶段（见第2.3节）中确定的最佳距离。表4. FnCAMA的标准阈值。标准Cj阈值qj类型：阈值类型最小值最大值最大距离到水体a无3公里最大峰值地面加速度无0.2克最大最小距离到水体a0.05/0.15公里无最小最小距离到保护区0.05公里无最小最小FPP土地面积1公里2无最小距离到城市结构1.5公里无最小距离到输电线路无10公里最大距离到变电站无10公里最大距离到特定考虑的PP容量无10公里最大距离到累积PP容量c无10公里最大距离到负荷中心d无25公里最大距离到城市结构（连续/间断）无25公里最大aStrahler值≥3的沿海地区、河口和河流；见第2.3.1节。b每个土地覆盖主题类别被标记为考虑（1）或不考虑（0），见补充材料图M.1。c累积PP容量>1000 MW；见第2.3.2节。d负荷中心>500 GWh/a；见第2.3.2节。3.1. 参考案例中的标准地图和综合分析3.1.1. 排除性和自由裁量标准地图图4和图5展示了根据本研究假设的标准设置得出的排除性和自由裁量标准地图（见第2.3节）。在图4中，第一阶段（非补偿方法）中接受的区域被标记为1（红色），被拒绝的区域被标记为0（绿色）。冷却水的存在和充足性是第一阶段的主要限制因素（见图4，图6a），其次是社会环境因素。在图5中，显示了每个标准的较高和较低吸引力的区域，值从0（绿色）到1（红色）。对于“距离负荷中心”的标准，展示了子单元处理的示例。更多细节见补充材料图M.3。补偿方法的标准地图（图5）展示了选址中的权衡，其中一个标准的高吸引力可以抵消另一个标准的低吸引力。下载：下载高分辨率图像（2MB）下载：下载全尺寸图像图4. – 计算出的EU25+1国家的排除性标准地图2。下载：下载高分辨率图像（3MB）下载：下载全尺寸图像图5. – 计算出的EU25+1国家的自由裁量标准地图2。下载：下载高分辨率图像（3MB）下载：下载全尺寸图像图6. – EU25+1国家2的案例1结果，a）单阶段和b）综合分析（根据[43,50,60]的聚变项目和文献提出的地点）。3.1.2. 综合决策过程的结果在第一阶段和第二阶段处理应用的标准地图的结果显示在图6a（左）和图6a（中）。应用排除标准后，EU25+1总面积的2.01%留作进一步分析（见图7a，案例1）。结合第一阶段和第二阶段的结果如图6b（右）所示，使用方程（11）和栅格的矢量化（见附录A）。使用结果偏好分数对区域进行评估，并从“最高偏好”到“最低偏好”进行排名（见附录A，表A.1）。根据本研究的假设，在参考案例（案例1）中，大约15%的剩余区域被分类为“最高偏好”或“高偏好”（见图7a和补充材料表M.4）。大约36%的区域被归类为“中等偏好”，而剩余的48%被评定为“低偏好”或“最低偏好”。应单独检查“低偏好”或“最低偏好”类别的区域，以确定导致这种评估的标准。下载：下载高分辨率图像（742KB）下载：下载全尺寸图像图7. – ITER地点的案例比较和示例图8，案例1显示了每个国家被分类为“最高偏好”或“高偏好”的区域比例。在参考案例中，被分类为“最高偏好”的区域数量较多的国家包括芬兰、瑞士、丹麦、德国、波兰、西班牙、葡萄牙、意大利、法国、荷兰、奥地利、匈牙利和捷克（见图8，案例1）。此外，在参考案例中，被分类为“高偏好”的区域数量较多的国家还包括瑞典、瑞士、丹麦、德国、波兰、西班牙、葡萄牙、意大利、法国、荷兰、奥地利、匈牙利和捷克（见图8，案例1）。下载：下载高分辨率图像（739KB）下载：下载全尺寸图像图8. – 各国家“最高偏好”和“高偏好”的案例比较。3.2. 敏感性分析结果3.2.1. 权重变化FPP项目对电力基础设施（案例2）在“高偏好”类别中表现出敏感性（见图7a）。如果这个标准的权重更大，那么被分类为“高偏好”的区域将会减少，因为与其他标准定义的有利条件的重叠减少了。自然条件的更高权重（见图7a，案例3）略微减少了被分类为“最高偏好”的地点数量，这是由于地震条件、水体分类区别和距离水体的重要性增加，但由于欧洲广泛的水体网络（见第2.3节），这也导致了一些地点从“中等偏好”重新分类为“高偏好”。地震影响因地区而异（见图8）。社会经济基础设施的更高权重（见图7a，案例4）导致更多区域落入“高偏好”类别，与其他案例相比。在案例1到3中被指定为“中等偏好”的区域，在案例4中重新分类。然而，必须承认，在案例4中，某些位置可能相对于输电线路或水体处于不利位置。3.2.2. 标准变化移除“距离特定考虑的PP容量”的标准（见图7a，案例5）导致被分类为“最高偏好”和“高偏好”的地点数量增加。使用现有基础设施可以最小化FPP的成本；尽管如此，不满足这一标准的地点仍然可能是合适的。忽略水体分类和距离水体的权重（见图7a，案例6）同样增加了被分类为“最高偏好”和“高偏好”的地点数量。忽略这一标准应根据连接成本和可靠的、可预测的冷却水条件逐个案例进行评估。在第二阶段忽略地震条件的额外权重（见图7a，案例7）对总体结果的影响较小，因为根据本研究的假设，EU25+1区域的大部分地区都具有有利的地震条件（见图5）。关注电力和社会经济基础设施（见图7a，案例8）与案例5相比，导致被分类为“最高偏好”的地点数量显著增加。这种效应在人口密集的地区如德国以及较小的国家如斯洛文尼亚中观察到（见图8）。对于斯洛文尼亚，忽略地震条件以及水体分类和距离水体的权重导致被分类为有利的标准特征增加（见图8，案例8）。优先考虑工业负荷中心（见图7a，案例9）增加了地点满足更广泛标准的可能性，从而增加了“最高偏好”和“高偏好”地点的数量。增加所需的FPP土地面积（见图7a，案例10）将第一阶段的剩余面积减少到1.95%。由于标准和它们的权重与案例1相对应，因此分类份额没有显著变化。4. 讨论4.1. 参考案例结果的解释标准地图（图5）和未经第一阶段处理的第二阶段结果（图6a）的分析表明，总体上，EU25+1地区的潜在地点排名受有利自然条件和基础设施可用性的共同影响，包括电力和社会经济基础设施。其中，某些标准的影响比其他标准更大。在自然条件中，PGA标准在意大利和葡萄牙等地区的排名中具有更强的影响（也见图9），导致地区间的偏好位置差异，而靠近水体的因素影响整个欧洲的排名。对于电力基础设施，基于点位置周围的圆形区域的标准——如靠近负荷中心、距离特定考虑的PP容量和距离累积PP容量的标准（见图5，图6a）——往往比空间分布更广的标准（如输电线路）具有更强的影响。关于社会经济基础设施，与连续城市结构的距离对排名影响更大（见图5、图6a）；然而，这种影响在空间上分布更广，主要影响那些几乎没有连续城市结构的地区。下载：下载高分辨率图像（784KB）下载：下载全尺寸图像图9. – FnCAMA与组合方法的比较：a）西班牙的示例，b）选定的EU25+1国家7.此外，负荷中心密度较高的国家，如德国、法国、西班牙、意大利等，倾向于有更大比例的区域被归类为“最高偏好”或“高偏好”，因为较高的密度可能增加满足更广泛标准的可能性，例如累积的聚变反应堆（PP）容量或电网基础设施（见图5、图6、图8案例1）。虽然瑞典和芬兰南部集中了几个有利条件，但罗马尼亚、保加利亚和希腊等国家的自然条件（如地震条件）导致可选择的地点较少（见图5、图8案例1），这突显了基础设施优势与自然场地条件之间的必要平衡。4.2. 敏感性分析讨论权重变化表明，场地适宜性评估取决于各个标准类别的优先级。例如，增加电力基础设施的权重会减少被归类为“高偏好”的区域数量，而更加强调自然条件则可能导致某些区域从“中等偏好”重新分类为“高偏好”（见第3.1.2节和图7）。相反，更加重视社会经济基础设施会增加高度适宜区域的数量（见图7），尽管这可能会在自然条件和电力基础设施适宜性方面带来不利影响。这强调了在空间综合评估中同时考虑电力基础设施和自然条件的重要性。此外，对标准变化的敏感性分析结果表明，适宜地点的识别对个别标准的包含或排除非常敏感。移除与电力基础设施相关的标准（如“与特定考虑的PP容量的距离”）会大幅扩大高度适宜的区域范围，表明以成本为导向的标准可能会限制场地选择。相比之下，移除地震条件的权重对整体评估的影响较小，反映了研究区域内总体上较为有利的地质条件（见图7），尽管应考虑地区差异。这突显了各个标准的相关性差异。4.3. 与文献和现有研究设施地点的比较为了对该框架进行基准测试，将研究结果与聚变研究项目的地点和文献进行了比较。与现有聚变研究项目和文献的比较（在图6b右侧标记为“紫色”）显示，结果与ITER地点以及西班牙潜在ITER地点的选择分析结果有重叠[43]。图6b（左侧）显示了更高分辨率排名层中的ITER地点。在本研究的框架内，ITER地点获得了0.72的偏好分数，对应于“高偏好”。以ITER项目地点为例，在案例1中，距离特定考虑的PP容量和地震条件等标准的影响下，该地点被归类为“高偏好”。图7b中的敏感性分析显示，在所有情况下，ITER地点平均被归类为“高偏好”（另见补充材料表M.5）。该分析还表明，地点对不同的权重方案和标准具有鲁棒性，尽管在显著不同的假设下其排名可能会发生变化，如案例8所示。比较研究[43]中西班牙的结果在本研究的框架内进行了评估，偏好分数在0.67到0.96之间，分别对应于“最高偏好”到“高偏好”。Wendelstein 7-X地区的偏好值为0.58，对应于“中等偏好”。该地点在框架中被归类为“中等偏好”的依据是距离重要需求中心和累积发电厂容量的距离。需要注意的是，实际实验地点（ITER、W7-X）与本研究中考虑的候选地点之间的评估可能存在差异，因为可能应用了不同的选址标准，例如，1 GWel FPP对水冷的需求比W7-X更为严格。这些差异也可能源于文献中得出的标准及其数值（例如距离）。本研究建立的标准存在潜在的局限性，这一点在第3.2节敏感性分析结果和第4.2节敏感性分析讨论中进行了说明和讨论。4.4. 与完全非补偿性聚合方法的比较最后，讨论了使用非补偿性和补偿性聚合方法的组合方法与完全非补偿性聚合方法（FnCAMA）的比较。仅使用表4中选定的阈值进行非补偿性聚合时，总EU25+1面积的0.02%被接受为候选地点。图9a显示，这样也会排除一些可能更受青睐（排名较高）的地点。两种方法的结合使得可以对个别区域进行加权评估。图9b显示了FnCAMA的结果与参考案例中归类为“最高偏好”和“高偏好”的地点比例的对比。非补偿性和补偿性聚合方法的结合使用首先通过“硬性”标准筛选地点，然后使用“软性”标准评估剩余地点，从而允许一个标准中的不足被另一个标准中的优势所抵消[178]，如图9b所示。这种对“硬性”标准的考虑和“软性”标准的权衡反映了现实世界的决策过程；因此，组合方法具有优势。FnCAMA不允许标准之间的权衡[178]。然而，组合方法也受到MCDA一般应用所固有的限制。这些限制包括标准权重与实际决策优先级的对齐[179]或数据的完整性[180]。研究的局限性在第4.6节中进行了讨论。4.5. 实际意义与文献和聚变研究项目地点的比较（见第4.3节）表明，该框架得出了连贯的结果，尽管结果可能因假设和标准的不同而有所差异。然而，本文描述的是FPP选址的初步评估。它提供了一种稳健的方法论和全面的地理空间数据库，用于系统地评估EU25+1地区的潜在聚变电厂位置。该框架使得政府或规划者提出的任何新地点都能得到一致、透明和基于证据的评估。这项场地调查可以作为专门的场地资格认证过程的基础，在此过程中会考虑当地的技术和社会经济参数以及法规规则。排名较高的地区可以在专门的场地资格认证过程中优先考虑，用于试点项目或首批商业聚变项目，从而将资源集中在有限的潜在区域，从而促进战略决策。如果在排名较高的区域内找不到合适的选址地点[7]，也可以考虑其他地区，因为排名较低的地点可能涉及更高的风险，例如成本增加、连接性差或地质物理限制。最后，对潜在地点的初步评估使能源规划者能够将它们系统地整合到长期能源系统模型中，支持对其部署和未来能源系统影响的评估。4.6. 研究的局限性本研究提供了FPP潜在地点的初步评估，作为进一步深入调查（例如，详细的所有权和土地利用评估[7]）的辅助工具。排除和自由裁量标准的应用源自文献、现有的聚变研究反应堆和核裂变设施。所应用的标准考虑了地震活动和冷却水可用性等风险，但不能替代对电厂本身的安全分析，后者必须针对从初步评估数据中选出的个别地点进行深入进行。结果的有效性还取决于基础数据及其在100米空间网格上的表示。为了说明标准、标准权重和参数对分类的影响，计算了10种不同的情况。此外，目前分析中尚未包括不确定性量化。最后，研究假设环境条件是静态的，因为分析基于当前因素（例如水可用性），因为未来的气候、工业或人口变化可能会影响地点的适宜性，而这些因素在本研究的范围难以考虑。5. 结论与展望建造首个商业聚变能源设施首先必须获得选址批准。因此，本研究旨在提供一个多标准综合评估框架，用于在欧洲范围内评估FPP单元的地点，使用多种与基础设施相关的信息和地理参考数据集。本文的目的是在欧洲范围内对适合FPP的地区进行初步评估。该研究采用了多标准决策分析方法，结合了非补偿性聚合和补偿性聚合方法。列出了排除性标准，包括冷却水的存在和充足性、地震条件的适宜性、环境敏感性以及土地利用。此外，还确定了自由裁量标准，包括电力基础设施、自然条件和社会经济基础设施。敏感性分析用于评估不同标准和标准权重对首选候选地点的影响。此外，组合方法的结果与完全非补偿性聚合方法的结果进行了比较，表明组合方法得出了更多的潜在地点。该框架使用真实的聚变项目地点和以往研究的结果进行了基准测试。在参考案例中，被归类为“最高偏好”或“高偏好”的地区包括芬兰、瑞典、瑞士、丹麦、德国、波兰、西班牙、葡萄牙、意大利、法国、荷兰、奥地利、匈牙利和捷克。在本研究中，0.04%到0.15%的欧洲面积被归类为“最高偏好”，0.21%到0.48%被归类为“高偏好”。敏感性分析表明，地点对不同的权重方案和标准具有鲁棒性，尽管在显著不同的假设下其排名可能会发生变化。本文描述的方法允许对FPP候选地点进行初步评估。选择基于当前有效的参数。对于进一步的选择，必须考虑气候发展（例如冷却水的持续可用性）、标准和政治及社会经济因素的细化、以及土地利用的详细评估，同时还要考虑新兴的高能耗消费者，如AI数据中心或电解厂。除了这些更技术性的问题外，公众接受度也是一个选择标准。cRediT作者贡献声明Larissa Breuning：概念化、方法论、数据管理、软件、调查、形式分析、验证、可视化、初稿撰写、审阅与编辑。Martín Oviedo Pascottini：方法论、数据管理、软件、验证、审阅与编辑。Albrecht Herrmann：验证、审阅与编辑。Frédérick Bordry：验证、审阅与编辑。Thomas Hamacher：监督、审阅与编辑。关于写作过程中生成式AI和AI辅助技术的声明：在准备这项工作时，作者使用了“DeepL”、“ChatGPT”和“Grammarly”来提高写作质量。使用这些工具/服务后，作者根据需要审查和编辑了内容，并对发表文章的内容负全责。