能量曲线增强博客3：我的位置作为与网格连接的预测指标

在以前的博客文章中，我们显示了不同国家/地区以及同一国家/地区的不同矿山（占国家平均水平的20％至140％）的平均电价变异性。

为了开发一个模型，以获得采矿中粉碎能源价格分布的现实表示，矿山靠近当地的发电机，并测量了最接近的人口中心。使用采矿 - ATLA发现了矿井位置，并使用全球能量天文台发现了电站的位置（大于25MW）。拥有超过100,000人的城市被认为是“主要”，并用作衡量人口中心距离的参考。使用相应的国民政府的人口普查数据用于估计每个城市的人口。Google地图内置的测量功能用于估计站点，电站和城市之间的距离。

下图显示了能量曲线数据库中所有矿山距离的频率分布及其与电站和主要城市的距离。数据大约遵循衰减功能，距主要城市或电力站不到300公里的地雷比例很大。但是，距电站和主要城市近600公里的大量矿山。这是由于数据库中对澳大利亚的黄金和铜矿的偏见，因此在距离最近的主要城市和电站珀斯约600公里的Kalgoorlie腰带中的地雷。删除此特殊情况后，矿山的接近度遵循对数正态分布的分布，与用于绘制电价变异性的相同。

除了我的距离与电站的距离之外，确定电力场地电力成本和环境影响的关键因素是电力的来源。矿山可以在网格上归类为连接到电网的电网，也可以用电力网格接通电网。由于大多数站点没有透露它们是否是否连接，因此使用卫星图像的视觉分析来识别是否将站点连接到网格。电代电站和高压电源连接用作现场与网格连接的视觉确认。如果不存在这些，则研究现场天然气和柴油电站的迹象。在现场发电设施上没有明确的网格连接或可见的网站被记录为不清楚。在站点距电站的距离之间以及它们是否连接到电网之间，都确定了关系。显然，电站连接到电网的300公里以内的站点，而距离超过600公里的电网取决于现场发电。