选址条件范文

选址条件范文（精选3篇）

选址条件 第1篇

关键词：垃圾发电厂,选址,约束条件

1 垃圾发电厂选址概述

1.1 垃圾发电厂选址的总体目标

对垃圾发电厂进行选址, 就必须兼顾技术安排的合理、经济成本的控制、环境污染的最小化和社会影响的最小化, 即使无法使得这四个目标同时达到最佳也要使得四个子目标的安排尽可能的最优。好的垃圾发电厂厂址, 可以使得环境污染治理费用小, 垃圾运的经济成本小, 还可以削弱垃圾发电厂所带来的负面社会影响。

1.2 垃圾发电厂选址的原则

垃圾发电厂的选址与待选区域的经济发展情况、地理地址条件、居民生活区域等多方面相关。选址工作十分复杂, 并且是多学科的交错应用。包括了法律、社会学、数学、土木等多方面的学科。综合这些学科和需要考虑的因素, 本文认为垃圾发电厂选址应该有以下主要三点原则:

(1) 技术安排合理原则。从技术上来说, 要使得垃圾发电厂的选址使得电厂投入运行后并入电网没有太大的技术难度。另外, 从土建方面来说, 当地的地质情况和水文情况要适合建设垃圾发电厂。与此同时还要考虑, 周边的地形情况, 发电厂的建设会不会引起事故等这些都要考虑进去。 (2) 环境保护原则。这是建设垃圾发电厂的一个关键原则, 如果电厂在环保上行不通, 很有可能面临建设后期的中停情况, 带来的经济损失不可衡量。具体来说要控制电厂存储垃圾的固体和液体污染物的量, 还要使得电厂投入运行时对大气的污染情况达到当地允许的范围。 (3) 经济成本原则。垃圾发电厂是依靠焚烧垃圾来实现发电的, 焚烧产生的热能通过一定的方式转化成动能, 进而转换为电能。那么垃圾的获取就是垃圾发电的一个主要成本所在。其中垃圾的运输占有一定比率的费用, 因此选择合适的地点作为垃圾发电厂的厂址将直接关系到垃圾的运输费用。除此之外, 垃圾发电厂的选址直接关系着工程造价、土地费用等。

2 垃圾发电厂选址模型建立

2.1 建模及选址约束条件分析

在收集到垃圾发电厂选址的相关资料后, 在此基础上, 全面考虑选址的实际情况, 尽可能建立涵盖选址目标地区的技术、经济、环境以及社会等实际因素的模型。然后, 对模型进行适当合理的假设, 充分考虑垃圾发电厂选址过程中的制约条件, 这对于后文垃圾发电厂选址模型的分析和求解有着至关重要的意义。一般来说, 垃圾发电厂选址所要考虑的约束因素有以下几个方面:

(1) 法律法规及相关政策的约束; (2) 垃圾发电厂选址目标地区对于建设垃圾发电厂的社会性约束; (3) 垃圾发电厂选址目标地区对于建设垃圾发电厂的技术性约束; (4) 垃圾发电厂选址目标地区对于垃圾发电厂污染物排放的相关约束; (5) 垃圾堆垛场的垃圾量以及垃圾发电厂的垃圾需求量之间的约束性; (6) 垃圾运输条件的约束性。

2.2 基于多目标优化的垃圾发电厂选址模型的建立

垃圾发电厂选址模型是以选址整体规划成本最小、技术安排得当、环境污染处理费用最小以及社会影响最小为目标, 综合考虑垃圾发电厂选址所面临的整体情况, 结合选址过程中的多种约束条件而建立起来的数学模型。在垃圾发电厂建模的过程中, 结合行业自身的特点和社会的整体评价情况, 基于多目标模型的垃圾发电厂选址具有以下几个特点:

(1) 选址的决策目标多。垃圾发电厂选址涉及到技术、经济、环境和社会等多方面的因素, 选址模型要兼顾多方面的目标, 并且各个目标函数建立时要考虑的指标众多, 整个建模过程较为复杂。 (2) 选址的决策目标相关性小。垃圾发电厂选址所涉及的几个大方面中, 技术、社会方面的因素与经济、环境方面的因素相关性较小。技术方面的决策目标是基于垃圾发电厂选址在土木、水文、并网等多方面的可操作性上, 社会方面的决策目标在于社会负面影响最小化, 本身就很难量化衡量, 就更不用说去和其他目标函数进行兼容了。经济和环境方面的目标函数可以通过相应处理的货币价值来衡量。四个方面的目标函数度量不一致, 也就是相关性小, 直接导致了模型后期计算时的困难。 (3) 选址的约束条件多而杂。由于垃圾发电厂选址的决策目标多, 所以选址的约束条件也会相应的增多, 与此同时还要考虑约束条件如何建立才是合乎实际的, 再加上各个目标函数兼容性不强, 度量种类也不一样, 所以约束条件整体处理起来将较为繁杂。

垃圾发电厂选址模型的这些特点决定着建模过程中可能要遇到的问题, 在建模之前应该结合这些特点对后期的建模做出指导。

2.3 模型建立的基本假设

从上面的分析可以看出来垃圾发电厂选址是一个多目标、大规模、约束繁杂的规划决策问题。影响垃圾发电厂选址的因素很多, 在技术、经济、环境和社会这四个大的维度下面还有很多子因素, 在建立数学模型的时候不可能将各个方面的因素全都考虑进去, 针对实际情况, 本文的建模要有所选择和放弃。本文建立的垃圾发电厂选址模型的终极目标是得出一个确切的地理坐标, 使得垃圾发电厂在这个位置上能够使得电厂建设在技术上过关, 建成后运营的整体规划成本最小, 社会影响尽可能的小。为了既能使得所建立的选址模型可解, 也要使得模型与实际情况接近, 本文做出以下的几点假设:

(1) 垃圾发电厂的选址和建设是在完全符合国家法律法规和相关政策下的前提下进行的。 (2) 垃圾发电厂建成后入网没有任何限制, 且入网线路的建设完全由电网公司负责。 (3) 拟建垃圾发电厂的全部发电供应给相应的选址地区。 (4) 拟建垃圾发电厂与电网签订的是发电份额合同, 且该份额所占该地区的总的发电需求量的比值是确定的。 (5) 垃圾发电厂所需的垃圾汇总堆垛地点在垃圾发电厂内。 (6) 垃圾汇总堆垛地点的容量没有限制, 能够接受任何规模的垃圾量。 (7) 不考虑城市垃圾的筛选处理, 垃圾可以直接用来焚烧发电。 (8) 城市垃圾的处理方式是全部运往垃圾发电厂所在地点进行焚烧发电。 (9) 城市各个垃圾堆垛场运往垃圾发电厂的费用只和直线路程以及货运量有关, 不考虑具体的道路情况。 (10) 选址地区由于地域的区别污染处理费率的高低也不尽相同, 离市中心越近处理费用越高。 (11) 污染量的多少与垃圾存储量和发电量直接挂钩。 (12) 拟建垃圾发电厂周边的居民能够主动接受并理解与垃圾焚烧相关的环保知识。 (13) 人口密度的计算允许对区域进行划分, 分别进行计算。

3 垃圾发电厂选址多目标优化模型的建立及约束条件

3.1 技术层面的模型建立

土建调研:对调研地区是否具备建厂的技术条件做出判断, 包括周边的房屋布局, 交通情况等;地质调研:对调研地区的在建厂后是否会对地质造成大面积污染, 包括土地成分、水文等做出判断;气候调研:对调研地区的长年降雨、风向等情况做出判断, 选址合适的地区作为待选址区域。

技术安排模型如图1所示。

3.2 经济层面的模型建立

3.2.1 目标函数

根据以上的假设条件, 如果建厂面积、土地价格以及建设费用确定一致, 那么建成垃圾发电厂后运输焚烧垃圾的经济成本就可以表示成这样一个式子。

设L (x, y) 表示待选垃圾发电厂的具体地理坐标, M1 (x1, x1) , M2 (x2, y2) , …, Mn (xn, yn) 表示各个城市垃圾堆垛场的具体地理坐标。

每个城市垃圾堆垛场的垃圾和年垃圾量有如下关系:

而从各个城市垃圾堆垛场运送到垃圾发电厂的直线距离为:

所以, 最终的经济成本就可以表示为:

3.2.2 约束条件

由以上的分析, 我们知道, 坐标 (x, y) 必须落在Dmax的范围内, 并且要保证城市垃圾总产量要大于建成后垃圾发电厂年发电所需垃圾, 因此约束条件为:

综合上面的讨论, 所以经济层面的模型可以总结如下:

3.3 环境层面的模型建立

3.3.1 目标函数

由于垃圾发电厂环境污染的治理涉及到固体污染物、液体污染物和气体污染物, 所以要分三个方面来分析, 分别建立子目标函数。

(1) 固体污染物治理费用。

存放在垃圾发电厂内的垃圾污染治理费用为:

垃圾发电厂发电所排出的固体污染物费用为:

所以总的固体污染物治理费用为:

(2) 液体污染物治理费用。

存放在垃圾发电厂内的垃圾污染治理费用为:

垃圾发电厂发电所排出的液体污染物费用为:

所以总的液体污染物治理费用为:

(3) 气体污染物治理费用。

气体污染物治理的费率由于地域的区别而不同, 所以气体污染物治理费用为:

3.3.2 约束条件

由于固体、液体污染物治理的费率是确定的变量, 所以对于这两个方面没有太大的约束性。而气体污染物治理费用与地区的不同挂钩, 越接近城区的费率越高, 所以对于污染物处理费用的约束条件为:

综上所述, 环境层面的模型建立如下:

3.4 社会层面的模型建立

3.4.1 目标函数

从社会影响上来说, 我们假设拟建厂区域的居民是可以理性接受环保知识的教育的, 那么用来衡量建设垃圾发电厂社会影响大小的指标就可以是对建设垃圾发电厂的态度, 而这个态度程度的大小就可以用反对建厂的人数比上总人数来衡量。

同样的我们对既定区域进行划分, 设:

对这k个区域进行抽样调查得到每个区域的抽样态度, 然后再进行加权平均求出最终的态度程度的大小来表示社会影响的目标函数。所以, 社会层面的目标函数为:

其中, atk表示对第k个区域居民对建垃圾发电厂的态度程度的大小, SDk表示第k个区域的面积的大小, ρk (x, y) 表示第k个区域人口密度的大小。

3.4.2 约束条件

由于整个社会影响程度的大小是从整个待选定区域整体上来考虑的, 所以没有太大的约束性, 所以它的约束条件为: (x, y) ∈Dmax。

综合考虑, 社会层面的模型建立如下:

综合上述的经济、环境和社会三方面的子目标函数, 最终的简化垃圾发电厂多目标选址模型为:

其中有些子函数会有自己的约束条件, 例如人口密度函数和气体污染物处理费率函数。

4 结论

本文主要研究了垃圾发电厂的选址方法, 建立了适合垃圾发电厂选址的模型, 分析了现今垃圾发电厂选址存在的问题。提出了垃圾发电厂选址统筹考虑了技术、经济、环境和社会多方面的影响因素。在本文所做工作的基础上, 依然可以对某些地方进行改进和提炼:影响垃圾发电厂影响因素的分类可以更加细化具体;一些假设条件和约束条件可以更加的宽泛;多目标优化问题的求解可以运用更加先进的算法来实现。

参考文献

[1]Margaret L.Brandeau, Samuel S.Chiu.An overview of representative problems in location research[J].Management Science.1989, 35 (6) :645-674.

[2]杨波, 梁梁, 唐启鹤.物流配送中心选址的随机数学模型[J].中国管理科学, 2002, 10 (5) :57-61.

[3]杨波.多品种随机数学模型的物流配送中心选址问题[J].中国管理科学, 2003, 11 (2) :45-49.

[4]Jossef Perl, Mark S.Daskin.A unified warehouse locationrouting methodology[J].Journal of Business Logistics.1993, 5 (1) :92-111.

[5]李延晖, 马士华, 刘黎明.基于时间约束的配送系统模型及一种启发式算法[J].系统工程, 2003, 21 (4) :23-28.

[6]李延晖, 马士华, 刘黎明.基于时间约束的供应链配送系统随机模型[J].预测, 2004, 23 (4) :46.

[7]吕蓬, 邢棉, 康怡.火电厂选址最优规划中的层次分析法[J].华北电力学院学报, 1994, (4) :99-105.

[8]杨勇平, 刘殿海, 杨昆等.火电厂模糊优化选址[J].中国电机工程学报, 2006, 26 (24) :82-87.

[9]李金颖, 牛东晓.火电厂选址的三角模糊数综合评价方法研究[J].数量济技术经济研究, 2003, (3) :78-81.

规划设计条件(项目选址意见书) 第2篇

建设项目名称：数源软件园改扩建（一期）建设单位名称：西湖电子集团有限公司：

一、用地性质要求：科研用地、办公用地（C65、C1）。

二、地块总平面图规划设计要求：

1、按《总图制图标准》（GB/T 50103－2001）编制总平面图。总平在表示拟建情况的同时，正确反映用地内及周围50米范围的现状及规划地形地物；正确反映道路、河道、绿化带及其它相关城市公共设施的规划设计情况；正确反映相邻地块的规划设计情况；总图比例以1：500为宜。

2、编制交通分析评价报告，合理确定机动车出入口，避免对城市交通产生不利影响。按规范设置各类车辆停车泊位。确保不少于总泊位数的10%在地面解决。北侧道路按16米控制。

3、围墙形式应空透美观，其定位应后退道路红线及绿化控制线不小于1米。

4、图示建筑控制线为新建多层建筑物及构筑物后退周边用地及建筑的最小距离。建筑之间的间距和退让道路、用地等要求还应符合杭政函[2005] 27号批复的《杭州市城市规划管理技术规定（试行）》（2005版）的要求。

5、高层建筑在方案会审前，应编制日照分析报告，有关技术要求按我局《杭州市建设项目日照分析技术管理规则（试行）》（杭规

（杭规发[2005] 156号）文执行。

4、建筑单体设计形式应与规划要求相一致。

5、土地问题方案前征求土地部门意见，并符合现行土地供应政策。

6、总平一次规划、分期实施。

7、方案批复前，应组织公示。具体请与我局办证中心窗口联系。

七、报审要求：

1、本通知书自2007年3月20日起有效期一年，逾期无效。如需勘设红线延期，请准备相关材料在期满之日起一个月前向我局提出申请。

2、方案按规定报审。

供求不确定条件下配送中心选址研究 第3篇

配送中心选址是物流管理中的重要的决策问题之一。随着经济持续高速增长,社会物流需求将呈持续高速增长态势,因而确定合理的配送中心选址方案显得尤为重要。经典的选址方法有专家打分法[1]、Delphi法[2]等定性方法,以及重心法[3]、Baumol-Wolfe法[4]、 多准则决策等定量方法。随着对选址的不确定性因素的认识,近年来国内外不少学者就不确定环境下配送中心选址问题进行了研究。例如,Chen等[5]提出了一个多准则决策方法来解决模糊环境下配送中心的选址问题,他们用模糊三角数来描述每个方案的评分及每个指标的权重。Awasthi等[6]利用模糊理论的量化标准下的不确定性和模糊Topsis来评价选择,以解决城市配送中心的选址规划问题。Liu等[7]结合粗糙集理论和模糊逻辑理论,提出了一种混合启发式算法来解决分销网络中的配送中心选址问题,该算法首先采用粗糙集方法以获得目标的权重。他们主要考虑了配送中心选址评价中的不确定性,而在现实问题中需求等其他因素的不确定性也是值得考虑的因素,另外他们所采用的方法均为模糊综合评判,具有一定的主观性。

在现实的配送中心选址问题中,并不能确切地知道各供应地的供应量与各需求地的需求,往往只知道大概是多少这样的模糊量。在很多现实问题中,往往已经确定了候选配送中心的地址,需要通过规划从这些候选的配送中心中确定几个来建设,以达到用最小的成本来满足各需求地的需求的目的。这里的费用主要包括经过配送中心的总运输费用和总配送费用、因保管而产生的可变费用等。本文就是基于这样的思想而展开研究的。

1 问题分析

在配送中心的候选地址已经确定的情况下, 主要考虑产品经过配送中心的总运输费用和总配送费用、因保管而产生的可变费用。首先要在分析影响这些费用主要因素的基础上得出各项费用的表达式。

为了简化所研究的问题,作如下假设:

(1)货源点到配送中心的运输成本,及配送中心到需求点的运输成本都与运输量成线性关系。

(2)配送中心的容量可满足需求点的要求。

(3)不考虑配送平均固定管理费用、因送达延误而支付的损失费以及建设配送中心的基建投资费用等。

(4)假设存储成本Si与配送中心配送量di之间的关系为$S{}_i=\mu {}_i\sqrt{d{}_i}‚\mu {}_k$为常数。

(5)各供应地的供应量及各需求地的需求是随机的,为模糊三角数。

2 带有模糊变量的模型的建立

首先不对需求的模糊性进行处理,建立带有模糊变量的选址模型。模型以总费用最小为目标。结合产销不平衡运输问题的思想,各供应地的运出量不大于该供应地的模糊供应量,各需求地的运入量不小于该需求地的需求量。而对于各配送中心,必须满足运入量等于运出量。具体可建立如下带有模糊变量的数学模型:

$\min {\displaystyle \sum _{i,j,k}(}c{}_{ki}+h{}_i{}_j)X{}_{ijk}+{\displaystyle \sum _{i}u}{}_i\sqrt{d{}_i}(1)$

$\text{s}.\text{t}.{\displaystyle \sum _{i,j}X}{}_{ijk}\le \overline{a{}_k},\forall k(2)$

${\displaystyle \sum _{k,i}X}{}_{ijk}\ge \overline{b{}_j},\forall j(3)$

${\displaystyle \sum _{k}X}{}_{ijk}={\displaystyle \sum _{j}X}{}_{ijk},\forall i(4)$

Xijk≥0 (5)

式中,cki为从工厂k到配送中心i每单位运量的运费;hij为从配送中心i向用户j发送单位运量的发送费;Xijk为从工厂k通过配送中心i向用户j发送的运量;di为通过配送中心i的运量,即$d{}_i={\displaystyle \sum _{k}X}{}_i{}_{jk}={\displaystyle \sum _{j}X}{}_i{}_{jk}$;ui为配送中i的单位运量的存储费用;$\overline{a{}_k}$为工厂k的可供货物量,为模糊变量;$\overline{b{}_j}$为需求点j的需求量,为模糊变量。

在该模型其中,式(1)为目标函数,为使配送中心的总费用最小,该费用包括运输费用和存储费用。式(2)为约束工厂k的运出量不大于工厂k的可供货物量。式(3)为约束需求点j的运入量不小于需求点j的需求量。式(4)为约束配送中心i的运入量等于运出量。式(5)为非负约束,约束运输量Xijk非负。

3 机会约束的建立及模糊约束的清晰化

在本文中,用三角模糊数(ak1,ak2,ak3)来表示货源点k的可供货物量$\overline{a{}_k}$,用三角模糊数(bj1,bj2,bj3)来表示用户j的需求量$\overline{b{}_j}$。因为$\overline{a{}_k}$、$\overline{b{}_j}$是模糊变量,约束条件中式(2)和式(3)均含有模糊变量,模糊变量的存在使得约束条件的意义并不明确,这个数学规划模型是没有定义的。因此,将上述带有参数的随机规划模型转变机会约束规划模型[8](FCCP)。转化方法为,保持目标函数和约束条件式(4)、式(5)不变,将约束条件式(2)、式(3)转化为机会约束。

将约束条件式(2)转化为机会约束:${\rm P}os\{{\displaystyle \sum _{i,j}X}{}_{ijk}\le \overline{a{}_k}\}\ge \alpha ,\forall k(6)$

将约束条件式(3)转化为机会约束:

${\rm P}os\{{\displaystyle \sum _{k,i}X}{}_{ij}\ge \overline{b{}_j}\}\ge \beta ,\forall j(7)$

其中Pos{·}表示{·}中的事件成立的可能性,α和β分别是事先给定的置信水平,本文取α=0.92,β=0.96。

求解模糊约束规划的一种方法是把各机会约束转化为相应的清晰等价类。根据模糊规划的相关理论[8]有:

约束条件式(6)可以转化为如下的清晰等价类:

${\displaystyle \sum _{i,j}X}{}_{ijk}\le (1-\alpha )a{}_{k3}+\alpha a{}_{k2},\forall k(8)$

约束条件式(7)可以转化为如下的清晰等价类:

${\displaystyle \sum _{k,i}X}{}_{ijk}\ge (1-\beta )b{}_{j1}+\beta b{}_{j2},\forall j(9)$

4 算例

在某公司的配送中心的选址问题中,已知工厂有2个(F1、F2),产品主要向8个客户(C1,C2,…,C8)提供。初步规划有5处配送中心候选地分别为:W1、W2、W3、W4、W5 。2个生产商的的生产能力(单位t)的模糊三角数分别为:工厂F1为(40,42,44);工厂F2为(45,50,54)。8个客户的需求量(单位t)的模糊三角数分别为:客户C1为(9,10,11);客户C2为(8,10,11);客户C3为(10,11,12);客户C4为(13,15,16);客户C5为(4,5,6);客户C6为(14,15,16);客户C7为(9,10,12);客户C8为(13,15,17)。

各候选地的单位存储费用分别为:候选地W1为70元/t;候选地W2为80元/t;候选地W3为75元/t;候选地W4为80元/t;候选地W5为70元/t。各生产基地到物流中心及候选物流中心到用户的单位运费分别如表1和表2所示。

根据所建立的模型,通过采用Lingo编程计算得到选址的结果为:选择W1、W4 ,它们的配送量分别为:d1=40.42,d4=50.32,总费用为2 065元,调运方案如表3所示。

注:字母Wj为所使用的配送中心,括号内为运输量。

5 总结

本文针对配送中心的选址问题,考虑了各供应地的供应量与各需求地的需求的模糊性,建立了相应的带有模糊变量的数学规划模型。通过用模糊三角数来表示模糊变量,建立了机会约束并将模糊约束的清晰化,从而有效地解决了供求不确定条件下配送中心选址的数学规划问题。通过具体的算例可以看出,所建立的规划模型能有效地解决供求不确定条件下配送中心选址问题。

摘要：主要研究工厂的供应量与客户的需求量为模糊变量的情况下,配送中心的选址问题。首先建立了带有模糊变量的配送中心选址模型。接着将模型中带有模糊变量的约束条件转化为机会约束,然后再将模糊机会约束清晰化。最后,给出了具体的算例,并进行了简单地总结。

关键词：配送中心选址,模糊变量,机会约束

参考文献

[1]魏光兴.物流配送中心选址方法综述.物流与交通,2005;9:32—33

[2]高更君,王震宇,黄卫.基于多目标模糊决策的公共物流中心选址研究.公路交通科技,2004;21(9):140—144

[3]苗兴东,李映红.费率非线性重心法选址探讨.物流技术,2004;8:32—33

[4] Baumol W J,Wolfe P.A warehouse-location problem.Operations Re-search,1958;6(2):252—263

[5] Chen C T.A fuzzy approach to select the location of the distributioncenter.Fuzzy Sets and Systems,2001;118(1):65—73

[6] Awasthi A,Chauhan S S,Goyal S K.A multi-criteria decision mak-ing approach for location planning for urban distribution centers underuncertainty.Mathematical and Computer Modelling,2011;53:98—109

[7] Liu S,Chan F T S,Chung S H.A study of distribution center loca-tion based on the rough sets and interactive multi-objective fuzzy deci-sion theory.Robotics and Computer Integrated Manufacturing,2011;27(2):426—433