تحلیل زمین فضایی انرژی خورشیدی در ریاض با استفاده از تکنیک مبتنی بر GIS-AHP

چکیده

در سال‌های اخیر، تحلیل تصمیم‌گیری چند معیاره فضایی (MCDA) برای انواع مختلفی از مشکلات فضایی، مانند مناسب بودن سایت انرژی خورشیدی استفاده شده است. MCDA می تواند برای پشتیبانی از فرآیند شناسایی مناطق مناسب برای پروژه های انرژی خورشیدی استفاده شود. تا جایی که ما می دانیم، هیچ مطالعه ای به مشکل ارزیابی سایت برای سیستم های فتوولتائیک فتوولتائیک خورشیدی در منطقه ریاض پرداخته است. بنابراین، یک چارچوب MCDA فضایی برای انجام یک تحلیل جغرافیایی انرژی خورشیدی در منطقه ریاض، که شامل جمع‌آوری داده‌ها، تحلیل فضایی، سیستم پشتیبانی تصمیم‌گیری فضایی و تجسم است، پیشنهاد می‌شود. روشی که برای حل مشکل تناسب سایت مورد استفاده قرار گرفت شرح داده شده است. این شامل ترکیبی از یک سیستم اطلاعات جغرافیایی (GIS) و فرآیند تحلیل سلسله مراتبی (GIS-AHP) بود.² با درجه شایستگی 80 درصد. علاوه بر این ثابت شد که عفیف بزرگترین شهر مناسب است. دارای تابش خورشیدی بالا، به طور متوسط 2.631687 مگاوات ساعت بر متر مربع ^در سال، و دمای پایین، به طور متوسط 26.3 درجه سانتیگراد، و همچنین دارای مناطق مسطح با شیب کمتر از 5 درجه است. نتایج با استفاده از مدل تحلیل حساسیت و همچنین با نتایج مربوط به ایستگاه‌های زمینی مقایسه شد.

کلید واژه ها:

GIS ; تحلیل فضایی ; MCDM ; انرژی خورشیدی ؛ فتوولتائیک ؛ ارزیابی سایت ; جغرافیایی ; MCDA ; مناسب بودن سایت ; AHP ; سنجش از دور

1. مقدمه

سیاره ما به دلیل آلودگی محیطی و گرم شدن زمین با تهدیدهای حیاتی مواجه است [ 1 ]. مقدار زیادی CO ₂ در نتیجه احتراق سوخت های فسیلی برای تولید انرژی در جو منتشر شده است [ 2 ]]. راه حل های قابل اجرا برای بحران های زیست محیطی ناشی از منابع انرژی متعارف با پذیرش فزاینده منابع انرژی تجدید پذیر ارائه می شود. محیط زیست پایدار و ایمنی از ویژگی های اصلی انرژی های تجدیدپذیر است. در این راستا، انرژی خورشیدی یکی از این منابع انرژی تجدید پذیر ایمن، پاک و قابل توجه است. عربستان سعودی یک سایت جذاب برای پروژه های انرژی خورشیدی است و دارای منابع خورشیدی زیادی است، بنابراین محققان و پروژه های ساختمانی را تشویق می کند. علاوه بر این، عربستان سعودی قصد دارد تا سال 2030 حدود 40 گیگاوات تولید انرژی تجدیدپذیر از فناوری‌های PV خورشیدی را شامل شود [ 3 ]. تقاضا برای برق در عربستان سعودی در سال های اخیر افزایش یافته است [ 4]. بنابراین، انرژی خورشیدی برای حمایت از تولید انرژی ضروری است. با این حال، هزینه نصب برای پروژه های انرژی خورشیدی بسیار بالا است. بنابراین، نیاز به انجام تحقیقاتی برای تجزیه و تحلیل میزان انرژی خورشیدی قابل دستیابی در مکان های مختلف قبل از نصب پروژه انرژی خورشیدی وجود دارد. این می تواند به کاهش هزینه های مرحله عملیات کمک کند.

لازم به ذکر است که مطالعات کمی در زمینه انرژی خورشیدی در عربستان سعودی انجام شده است. علاوه بر این، هیچ تحلیل فضایی در مورد انرژی خورشیدی در منطقه ریاض انجام نشده است. بنابراین، این یک شکاف تحقیقاتی ایجاد می کند که باید پر شود.

تعدادی از مطالعات در این زمینه برای بررسی مناسب بودن سایت برای پروژه های انرژی خورشیدی انجام شده است. مطالعات، مانند مطالعات [ 5 ، 6 ، 7 ، 8 ]، در مناطق مختلف مختلف، از جمله اسوان، موریس، منطقه آمهارا و جنوب شرقی ایالات متحده، با استفاده از روش‌های مختلف از جمله سیستم اطلاعات جغرافیایی (GIS) انجام شده است. با تکنیک فرآیند تحلیل سلسله مراتبی (GIS-AHP)، تکنیک ترتیب اولویت بر اساس شباهت به راه حل ایده آل (GIS-TOPSIS) و فرآیند تحلیل سلسله مراتبی فازی (GIS-FAHP) همراه شده است. در عربستان سعودی، طبق اطلاعات ما، تنها مطالعات انجام شده در همین زمینه [ 9 ، 10 ، 11 است.]. علاوه بر این، علیرغم علاقه طبیعی به انرژی فتوولتائیک در منطقه، هیچ کس، تا جایی که می دانیم، هنوز منطقه ریاض را به عنوان منطقه مطالعاتی برای چنین کارهایی در نظر نگرفته است. بنابراین، هدف مطالعه پیشنهادی، انجام یک تحلیل جغرافیایی انرژی خورشیدی در منطقه ریاض به منظور ارزیابی مکان‌های مناسب برای استقرار پروژه‌های انرژی خورشیدی است. بنابراین، تکنیک‌های مورد استفاده در این مطالعه، روش‌های GIS و تصمیم‌گیری چند معیاره (MCDM) را برای انجام دقیق‌ترین تحلیل فضایی ممکن ترکیب می‌کنند.

به طور خلاصه، این تحقیق با هدف انجام یک تحلیل جغرافیایی انرژی خورشیدی در منطقه ریاض به منظور ارزیابی مکان‌های مناسب برای استقرار پروژه‌های انرژی خورشیدی انجام شد. مشارکت های این پژوهش را می توان به شرح زیر ارائه کرد:

–: انجام یک بررسی جامع از مطالعات مرتبط در زمینه تجزیه و تحلیل زمین فضایی انرژی خورشیدی، طبقه بندی شده در تکنیک های سنجش از دور، تکنیک های ایستگاه های زمینی و تکنیک های ترکیبی.
–: توسعه یک تکنیک مبتنی بر GIS-AHP برای انجام تحلیل فضایی منطقه ریاض به منظور یافتن مکان‌های مناسب برای پروژه‌های انرژی خورشیدی.
–: ارائه نقشه های تجسمی برای ارائه مکان های مناسب برای پروژه های انرژی خورشیدی در منطقه ریاض برای کمک به فرآیندهای تصمیم گیری.

2. کارهای مرتبط

در این بخش، مطالعات تحقیقاتی قبلی انجام شده در زمینه انرژی خورشیدی و تحلیل تناسب سایت ارائه شده است. تست تناسب سایت که به عنوان تحلیل جغرافیایی نیز شناخته می‌شود، به عنوان شناسایی و انتخاب مکان‌های مناسب برای استقرار پروژه‌های انرژی خورشیدی به منظور افزایش امکان موفقیت پروژه از نظر به حداکثر رساندن تولید برق تعریف می‌شود [ 12 ].

برای ارزیابی سایت می توان از چندین تکنیک مختلف استفاده کرد. از نظر ارزیابی سایت، تکنیک ها شامل GIS، تحلیل فضایی، تجسم و تجزیه و تحلیل تصمیم گیری چند معیاره (MCDA) می باشد. تکنیک‌های MCDA که برای حمایت از تصمیم‌گیری توسعه یافته‌اند، معیارهای مختلفی را برای حل مشکل در نظر می‌گیرند، از جمله روش‌های مختلفی مانند AHP، FAHP، TOPSIS و ترکیب خطی وزنی (WLC).

از نظر بررسی مکان ها در مقیاس بزرگتر، مطالعه ای توسط حسن و انجلی [ 9 ] انجام شد.] برای شناسایی مناسب ترین سایت ها برای پروژه های PV در عربستان سعودی با استفاده از سیستم های GIS و تکنیک های MCDM. معیارهای ارزیابی در آن مطالعه عمدتاً معیارهای فنی از جمله میزان تابش خورشید و میانگین دمای هوا بود، اگرچه عوامل اقتصادی مؤثر بر هزینه پروژه مانند مجاورت با مناطق شهری، جاده ها و خطوط برق، شیب و جنبه زمین بودند. به عنوان معیار اضافی استفاده می شود. بنابراین تجزیه و تحلیل در چهار مرحله انجام شد. برای حذف مکان‌های نامناسب، از تکنیک پوشش نقشه GIS استفاده شد. سپس معیارها با استفاده از AHP وزن داده شدند. پس از آن، هر سایت کاندید با استفاده از رویکرد همپوشانی مجموع وزنی ارزیابی شد و در مرحله نهایی، تمامی مکان‌های نامناسب حذف شدند و از شاخص تناسب زمین (LSI) برای دسته‌بندی مکان‌های منتخب بر اساس سطح مناسب‌شان استفاده شد.

در مقیاس کوچکتر، تحقیقات در اسوان [ 5 ] برای شناسایی مناطق بالقوه برای انرژی خورشیدی در اطراف دریاچه ناصر انجام شد. این کار علاوه بر رویکرد GIS از تکنیک های AHP استفاده کرد. نتایج، مناسب‌ترین مناطق برای نصب ایستگاه‌های انرژی خورشیدی را که 20 درصد از منطقه را پوشش می‌دهند، شناسایی کرد. با این حال، از آنجایی که این مطالعه از یک رتبه‌بندی AHP ویژه استفاده می‌کرد، این رتبه‌بندی به‌جای خود معیارها به محدوده‌های متفاوتی از مقادیر معیار اشاره داشت. در سال 2018، جی و همکاران. [ 6] بهترین سایت‌ها را برای نصب پنل‌های خورشیدی در موریس بر اساس عوامل متعددی که در دیدگاه‌های حقوقی، اجتماعی، فنی، اقتصادی، محیطی و فرهنگی طبقه‌بندی می‌شوند، بررسی کرد. آن مطالعه علاوه بر تکنیک های MCDM از تجزیه و تحلیل GIS استفاده کرد و از یک الگوریتم AHP برای تعیین وزن برای معیارهای مختلف استفاده شد. بر این اساس، سه سایت مناسب برای نصب نیروگاه های فتوولتاییک زمینی در جزیره شناسایی شد. بنابراین این تحقیق به کاهش زمان، هزینه و منابع مورد نیاز برای ارزیابی سایت‌های نصب PV خورشیدی در موریس کمک کرد.

در سال 2020، تجزیه و تحلیل مناسب بودن مکان تولید برق PV خورشیدی در گوندار جنوبی، در منطقه آمهارا [ 7 ] انجام شد. این تحقیق به دنبال شناسایی یک مکان مناسب در اتیوپی برای بهره برداری از انرژی خورشیدی بود، زیرا تعداد کمی از محققان انرژی خورشیدی را در این منطقه کشف کرده اند. تکنیک مورد استفاده برای تعیین تناسب سایت، AHP مبتنی بر GIS بود که نمایه‌سازی نقشه تناسب سایت‌ها را ایجاد کرد. دما در معیارهای ارزیابی مورد استفاده برای MCDA در آن مورد در نظر گرفته نشد.

Dongrong [ 13 ] همچنین با استفاده از روش GIS-AHP تجزیه و تحلیل انتخاب مکان را برای نصب پنل خورشیدی انجام داد. با این حال، مناطق مورد مطالعه انتخاب شده در آن نمونه، پردیس اصلی دانشگاه واترلو و شهر واترلو در کانادا بودند. این مطالعه تجزیه و تحلیل‌های مقیاس خرد و کلان را با مقیاس خرد که توسط تأسیسات پشت بام و مقیاس کلان شامل تأسیسات روی زمین در سطح شهر ارائه می‌شد، ترکیب کرد. بنابراین، نقشه های تابش خورشیدی انباشته شده ماهانه و سالانه از پشت بام ساختمان ها، در کنار نقشه های سایه تولید شده از تابش خورشیدی ایجاد می شود. با این حال، هیچ ویژگی سطح زمین (توپوگرافی) در محاسبات شیب و جنبه در نظر گرفته نشد و هیچ شاخص تناسب برای نقشه تناسب نهایی تولید نشد.

در سال 2020، مطالعه ای در اندونزی [ 14 ] برای تجزیه و تحلیل تابش خورشیدی سطحی با استفاده از داده های ماهواره ای به منظور شناسایی مکان های بهینه برای نیروگاه های خورشیدی در استان کالیمانتان غربی انجام شد. آن مطالعه تابش خورشیدی سطحی را بدون در نظر گرفتن هیچ عامل دیگری با استفاده از یک مدل GIS-AHP برای تولید نقشه‌هایی برای شناسایی مناطق بالقوه برای نیروگاه‌های خورشیدی محاسبه کرد. در این روش از انواع نرم افزارهای متعددی استفاده شد که ممکن است خطاهایی ایجاد کرده باشد. استفاده از یک GIS ترکیبی از تمام فرآیندهای مورد نیاز، ممکن است گزینه بهتری باشد. در سال 2019، مطالعه مشابه [ 15]، همچنین با استفاده از GIS و AHP، برای ارزیابی مکان‌های بالقوه برای نیروگاه‌های خورشیدی PV در شهرستان کیلکنی در جنوب شرقی ایرلند انجام شد. با این حال، آن مطالعه از معیارهای کمتری مانند (تابش خورشیدی، شیب، جنبه ها، جاده ها و مناطق شهری) برای تجزیه و تحلیل نسبت به بسیاری از مطالعات مشابه استفاده کرد [ 6 ، 9 ، 10 ، 14 ].

با ادامه تمرکز بر مناسب بودن مکان، مطالعه ای در جنوب شرقی اسپانیا انجام شد [ 16]، در پاسخ به رشد اخیر در انتشار گازهای گلخانه ای (GHG) در اسپانیا. آن مطالعه قرارگیری بهینه نیروگاه های خورشیدی فتوولتائیک را با استفاده از ترکیبی از GIS و MCDM ارزیابی کرد. دو نوع معیار در نظر گرفته شد: معیارهای محدودکننده و معیارهای ارزیابی. معیارهای محدود کننده برای شناسایی مناطق نامناسب استفاده شد، در حالی که معیارهای ارزیابی برای رسیدگی به مشکل تناسب استفاده شد. این روش در دو مرحله اعمال شد: در مرحله اول، از روش AHP برای تعیین اهمیت معیارهای مختلف مورد استفاده در فرآیند استفاده شد. سپس، TOPSIS برای تعیین اینکه کدام سایت‌ها یا مناطق نتایج را تا حد امکان به راه‌حل ایده‌آل ارائه می‌دهند، استفاده شد، که در آن مطالعه، با ترجیحات متخصص تعیین شد. از نظر پیاده سازی، GIS مورد استفاده gvSIG بود. که دارای محدودیت در این است که فرمت های داده باید الزامات خاصی را برآورده کنند. وزن معیارهای مورد استفاده در این مطالعه، که بر فاصله خطوط برق بیش از تابش خورشید تأکید می‌کرد، با اکثر مطالعات در این زمینه همخوانی نداشت.

در سال 2014، یک مطالعه [ 8] برای کشف مناطق مناسب برای استقرار نیروگاه خورشیدی در جنوب شرقی ایالات متحده به منظور تشویق رشد در توسعه PV در کشور انجام شد. تکنیک مورد استفاده از روش GIS و TOPSIS بود. در ابتدا از GIS برای انجام تجزیه و تحلیل مناسب بودن سایت استفاده شد و سپس برای به دست آوردن نتایج مورد نیاز، پوششی انجام شد. پتانسیل فنی و تولید برق سیستم های PV برای هر سایت محاسبه شد، و یک رویکرد MCDA با استفاده از روش TOPSIS برای ایجاد یک مدل MCDA برای حمایت از تصمیم گیری با توجه به برنامه ریزی و استقرار انرژی خورشیدی استفاده شد. این مطالعه چندین منطقه امکان پذیر را برای نصب نیروگاه خورشیدی در مقیاس بزرگ شناسایی کرد، همراه با ارزیابی که میانگین پتانسیل فنی در چهار ایالت حدود 13 گیگاوات بود. با این حال مطالعه این بود که

ایران به دلیل موقعیت، زمین در دسترس برای جذب تشعشعات خورشیدی و تنوع آب و هوایی، پتانسیل خوبی برای تولید PV ارائه می‌کند و سرمایه‌گذاری در استقرار سایت انرژی خورشیدی در منطقه را ضروری می‌سازد. در [ 17 ]، نویسندگان مناطق مناسب برای بهره برداری از انرژی خورشیدی را با استفاده از GIS با رویکرد MCDM شناسایی کردند. در چارچوب آنها دو مرحله اصلی وجود داشت: ابتدا مناطق نامناسب استخراج و سپس مناسب ترین مناطق شناسایی شدند. نویسندگان از تکنیک FAHP برای شناسایی وزن معیارهای مناسب استفاده کردند و سپس این معیارها را برای ایجاد نقشه نهایی روی هم گذاشتند. با این حال، هیچ تحلیل حساسیتی در نظر گرفته نشد.

در [ 18 ]، محققان با هدف تعیین مناسب ترین مکان برای انرژی خورشیدی در سراسر شبه جزیره سینا در مصر به منظور حمایت از هدف این کشور برای تولید حدود 20 درصد از برق خود با استفاده از منابع تجدید پذیر. تکنیک مورد استفاده استفاده از GIS و WLC برای تهیه نقشه تناسب بود. با این حال، نویسندگان هیچ گونه مشخصات یا منبعی برای وزن های داده شده به عوامل مختلف ارائه نکرده اند. مطالعه دیگری که در عربستان سعودی انجام شد نیز از WLC [ 11 ] استفاده کرد و یک تحلیل جغرافیایی با ترکیب عوامل فنی و محیطی ارائه کرد. روش شناسی این عوامل را برای تولید یک نقشه مناسب نهایی یکپارچه کرد. با این حال، هیچ تجزیه و تحلیل حساسیت ارائه شد.

جدول 1 خلاصه ای از کارهای مرتبط ارائه شده در این بخش را نشان می دهد.

بر اساس تحقیقات قبلی بررسی شده، انرژی های تجدیدپذیر در سراسر جهان بر اساس نیاز به حفاظت از محیط زیست از طریق ترویج استفاده از منابع انرژی تجدیدپذیر (RES) به اولویت بالایی تبدیل شده است. انرژی خورشیدی یکی از ضروری ترین RES است و پروژه های زیادی برای تسهیل ارزیابی سایت و همچنین انجام ارزیابی پتانسیل انجام شده است. از آنجایی که هزینه نصب ایستگاه‌ها و پنل‌های انرژی خورشیدی بسیار بالاست، کار زیادی روی رویکردهای سنجش از دور و GIS در جامعه پژوهشی انجام می‌شود. همانطور که در [ 20 ، 21 ] ذکر شد، تکنیک های سنجش از دور نتایج دقیقی را بر اساس اعتبارسنجی از ایستگاه های زمینی ارائه می دهند. بنابراین، سنجش از دور با استفاده از تکنیک‌های GIS مناسب در مطالعه پیشنهادی به کار گرفته شده است.

همانطور که در جدول 1 نشان داده شده است ، تحقیقات قبلی در این زمینه با توجه به عوامل مختلفی از جمله روش، منطقه مورد مطالعه، منبع داده، ابزار GIS، نتایج و مدل اعتبار سنجی خلاصه شده است. مطالعات کمی در زمینه تجزیه و تحلیل انرژی خورشیدی در عربستان سعودی انجام شده است. بنابراین، تلاش های پژوهشی بیشتری باید در این زمینه متمرکز شود. از نظر تناسب مکان، سه مطالعه در مقیاس بزرگ با عربستان سعودی به عنوان منطقه مورد مطالعه انجام شده است [ 9 ، 10 ، 11]. با این حال، هیچ تحلیل فضایی برای انرژی خورشیدی در منطقه ریاض انجام نشده است. بنابراین، این شکافی ایجاد می کند که باید با تحقیق پر شود. انجام چنین تحقیقاتی به کاهش هزینه های توسعه پروژه خورشیدی (PV) کمک می کند.

علاوه بر این، اکثر مطالعات ارائه شده در این بخش بر مناسب بودن سایت و تجزیه و تحلیل فضایی متمرکز بوده و از تحقیقات پیشنهادی حمایت می‌کند و از روش‌های مختلف MCDM برای حمایت از تصمیم‌گیری تحلیل فضایی استفاده می‌شود.

تصمیم گیری چند معیاره یا تجزیه و تحلیل تصمیم گیری چند معیاره تکنیک هایی هستند که می توانند برای طراحی، ارزیابی و اولویت بندی چندین معیار متضاد برای حمایت از تصمیم گیری استفاده شوند. MCDM به طور خاص به تصمیم گیری در حضور چندین معیار متضاد اشاره دارد. روش‌های مختلف MCDA در زمینه انرژی خورشیدی استفاده شده است – از جمله WLC، TOPSIS، AHP و FAHP. روش‌های دیگری مانند CRITIC، EDAS، PROMETHEE و WASPAS نیز برای حمایت از تصمیم‌گیری در بسیاری از جنبه‌های تجزیه و تحلیل مناسب بودن سایت، از جمله برای برج‌های باد، آب و مخابرات استفاده می‌شوند. با این حال، این مطالعه بر روی روش هایی متمرکز است که برای تجزیه و تحلیل انرژی خورشیدی مناسب هستند [ 22 ].

جدول 2 نقاط قوت و ضعف روش های MCDM مورد استفاده برای تجزیه و تحلیل مناسب بودن سایت برای انرژی خورشیدی را نشان می دهد [ 23 ]. WLC یک فرآیند محاسباتی بسیار ساده است که بر اساس ترکیبی از همه معیارها با استفاده از وزن های داده شده است. با این حال، فقط در یک بعد عمل می کند. TOPSIS بر این مفهوم استوار است که بهترین راه حل باید در کوتاه ترین فاصله از راه حل ایده آل مثبت (PIS) و دورترین فاصله از راه حل ایده آل منفی (NIS) قرار گیرد. رتبه بندی نهایی بر اساس شاخص نزدیکی [ 8]. با این حال، اگر هر شاخصی از راه حل ایده آل منحرف شود، نتایج نادرستی ایجاد می کند و در مقایسه با AHP مناسب تر است. AHP یک تکنیک ساختاریافته برای سازمان است که امکان مدیریت چندین عامل را بر اساس استفاده از تصمیمات متخصص برای تخمین وزن عوامل از طریق یک ماتریس مقایسه زوجی فراهم می کند. مقادیر AHP به طور کلی در مقیاس 1 تا 9 اختصاص داده می شود. FAHP نظریه فازی را با روش های AHP برای مقابله با عدم قطعیت ترکیب می کند. از اعداد فازی مثلثی (TFNs) برای ایجاد مقایسه های زوجی در ماتریس قضاوت استفاده می شود [ 24 ]. با این حال، همانطور که توسط [ 25 ] نشان داده شده است، این روش هیچ مزیت اضافی نسبت به AHP ارائه نمی دهد .

WLS توسط [ 11 ، 18 ، 19 ] استفاده شد که تنها از یک بعد از عوامل استفاده می کرد، در حالی که در حوزه ما، به بیش از یک بعد از عوامل مانند عوامل فنی و محیطی به عنوان یک ساختار سلسله مراتبی نیاز داریم. با این حال، [ 8 ، 16 ] از TOPSIS استفاده کرد که ذهنیت بالایی دارد، در حالی که AHP در [ 5 ، 6 ، 7 ، 9 ، 13 ، 14 ، 15 استفاده شد.]، با ابعاد متعدد و ساختار سلسله مراتبی. این تجزیه و تحلیل نشان می دهد که GIS-AHP رایج ترین روش مورد استفاده در ارزیابی تناسب سایت برای پروژه های PV خورشیدی است و این نتایج دقیقی را در مقایسه با سایر روش های MCDA ارائه می دهد. بنابراین، این روش برای انجام تحلیل فضایی انرژی خورشیدی در منطقه ریاض مورد استفاده قرار خواهد گرفت.

از نظر منابع داده، بر اساس مطالعات بررسی شده، تعدادی منبع باز و رایگان برای پشتیبانی از رویکردهای سنجش از دور و زمینی در دسترس هستند. تمام GIS ها با داده های مکانی سروکار دارند. با این حال، از آنجایی که برخی محدودیت‌هایی در قالب‌های داده‌ها و همچنین وضوح‌هایی دارند که ممکن است بر دقت نتیجه تأثیر بگذارد، فرآیند جمع‌آوری داده‌ها به دلیل تنوع مجموعه داده‌ها و قالب‌های مختلف داده مورد استفاده، چالش‌هایی را ایجاد می‌کند. برای ابزارهای مورد استفاده در پردازش GIS، ArcGIS و ArcGIS Pro متداول‌ترین سیستم‌های مورد استفاده هستند، زیرا انعطاف‌پذیر هستند و عملکرد بالایی ارائه می‌کنند.

اکثر مطالعات تناسب سایت شامل نقشه های مناسب بودن خورشیدی در نتایج خود هستند. برخی از این ها نتایج خود را بر اساس نمایه سازی نتایج به چهار دسته طبقه بندی می کنند (بسیار مناسب، متوسط مناسب، در حاشیه مناسب و نامناسب)، در حالی که برخی دیگر مناطق را به سادگی به عنوان مناسب یا نامناسب در نقشه های خود بدون نمایه سازی دسته بندی می کنند. نتایج مطالعات ارزیابی پتانسیل شامل محاسبات تولید برق برای ظرفیت فتوولتائیک پشت بام یا هر منطقه دیگری که بالقوه برای تولید انرژی در دسترس است می باشد. مدل‌های اعتبارسنجی مورد استفاده برای اعتبارسنجی نتایج در این زمینه، عموماً ارزیابی امکان‌سنجی فیزیکی در محل یا تجزیه و تحلیل حساسیت را شامل می‌شوند. تجزیه و تحلیل حساسیت به منظور درک تأثیر معیارهای فردی که مدل را تشکیل می دهند بر نتیجه نهایی انجام شد.

3. مواد و روشها

3.1. منطقه مطالعه

منطقه مورد مطالعه در این تحقیق منطقه ریاض است که بخش‌های مرکزی عربستان سعودی را بین درجات طول جغرافیایی 4200 و 4817 شرقی و درجات عرض جغرافیایی 1900 و 2745 شمالی را اشغال می‌کند. مساحت آن در حدود 380000 کیلومتر مربع ^است و جمعیت آن در حدود 8216284 نفر است. منطقه ریاض از 22 شهر و روستا تشکیل شده است. منطقه ریاض دارای آب و هوای بیابانی است که با گرما و خشکی در تابستان و سردی در زمستان همراه با باران متوسط و ناامن مشخص می شود. منطقه ریاض دارای اشکال مختلف زمین مانند فلات ها، بیابان ها و کوه ها است. در فلات نجد که از گروهی از پشته های صخره ای، فلات ها، دشت ها و دریاهای ماسه ای تشکیل شده است، قرار دارد. همانطور که در شکل 1 نشان داده شده استپست ترین نقطه آن در شرق صحرای دهنه قرار دارد که ارتفاع آن 283 متر است، در حالی که بلندترین نقطه آن در جنوب غربی کوه های طویق با ارتفاع 1478 متر است. ریاض از نظر جغرافیایی مناسب است زیرا در به اصطلاح کمربند آفتابی، با زمین های بیابانی گسترده و آسمان صاف در طول سال قرار دارد که آن را به منطقه ای مناسب برای پروژه های PV تبدیل می کند [ 26 ].

تابش افقی جهانی (GHI) در ریاض به طور متوسط حدود 2200 کیلووات ساعت بر متر مربع ^در سال است. از سال 1960 علاقه زیادی به توسعه پروژه های انرژی خورشیدی در عربستان سعودی وجود داشته است. همانطور که از انتشارات مرکز مطالعات و تحقیقات نفت ملک عبدالله (KAPSARC) در سال 2018 گزارش شده است، این کشور دارای یکی از بزرگترین ظرفیت های تولید تجدیدپذیر در شورای همکاری خلیج فارس (GCC) است که 18 درصد از کل تولید خورشیدی شورای همکاری خلیج فارس را تشکیل می دهد [ 27 ].]. این کشور یک برنامه بلندپروازانه برای استقرار بیشتر پروژه های انرژی تجدیدپذیر دارد. یکی از اهداف چشم انداز عربستان سعودی 2030 دستیابی به پایداری زیست محیطی است. عربستان سعودی در حال حاضر از نظر پتانسیل انرژی خورشیدی در رتبه ششم جهان قرار دارد. اخیراً استفاده از انرژی های تجدیدپذیر را با تمرکز بر انرژی خورشیدی افزایش داده است. ظرفیت نصب شده انرژی تجدیدپذیر کشور تا پایان سال 2018 142 مگاوات بود که انرژی خورشیدی 139 مگاوات بود [ 28 ، 29 ].

یکی از کاربردهای خورشیدی توسعه یافته در ریاض، سایت پروژه دهکده خورشیدی واقع در شمال غربی ریاض با مساحت 50 کیلومتر است که روزانه بین 1 تا 1.5 مگاوات ساعت انرژی الکتریکی برای سه روستا تامین می کند. این بزرگترین پروژه از نوع خود در سال 1980 بود و 18 میلیون دلار هزینه داشت [ 28 ]. علاوه بر این، اخیراً وزارت انرژی عربستان سعودی برنامه‌هایی را برای توسعه پروژه‌های خورشیدی در اطراف عربستان سعودی اعلام کرد. این پروژه ها برق 600000 واحد مسکونی را تامین می کند و حدود 7 میلیون تن از انتشار گازهای گلخانه ای را کاهش می دهد [ 29 ، 30 ].

شکل 1. منطقه مطالعه [ 31 ].

3.2. تعریف معیارها

در فرآیند برنامه ریزی، ما دو نوع معیار را شناسایی کردیم: معیارهای ارزیابی که در تجزیه و تحلیل مناسب بودن سایت استفاده می شود و محدودیت هایی که برای حذف مناطق نامناسب استفاده می شود. معیارها و محدودیت های ارزیابی با استفاده از اصول طراحی شده توسط آزمایشگاه ملی انرژی های تجدیدپذیر (NREL) و مطالعات قبلی [ 7 ، 9 ، 13 ، 18 ] انتخاب شدند. NREL یک موسسه تحقیقاتی انرژی خورشیدی در گلدن، کلرادو، ایالات متحده است. این دارای قدرت تحقیقاتی است، از جمله در توسعه، آزمایش و استقرار پروژه های خورشیدی [ 18 ، 32 ]]. یکی از مهمترین مراحل در تجزیه و تحلیل مناسب بودن سایت، شناسایی عوامل یا معیارهای مورد استفاده برای ارزیابی مکان های مناسب است. معیارهای ارزیابی شامل عواملی است که به طور مستقیم بر عملکرد نیروگاه های خورشیدی و هزینه پروژه های خورشیدی تأثیر می گذارد. در این زمینه تحقیقاتی از معیارهای رایجی مانند تابش افقی جهانی (GHI)، شیب و پوشش زمین استفاده می شود. با این حال، بسته به منطقه مورد مطالعه و دیدگاه محققین، معیارها از یک مطالعه به مطالعه دیگر کمی متفاوت است.

در این پژوهش، معیارها پس از بررسی کارهای مرتبط انجام شده در این زمینه، به ویژه آنهایی که عربستان را منطقه مورد مطالعه می دانند، انتخاب شدند. معیارها شامل اقلیم شناسی، کوه نگاری و معیارهای مکان بود. معیارهای اقلیم شناسی شامل (C1) تابش خورشیدی و (C2) دما، در حالی که معیارهای کوه نگاری شامل (C3) شیب و (C4) جنبه ها، و معیارهای مکان شامل (C5) فاصله از مناطق ساختمان، (C6) فاصله از جاده ها، و (C7) فاصله از خطوط برق [ 10 ]. شرح این معیارها در جدول 3 ارائه شده است .

محدودیت‌هایی برای کاهش یک منطقه مطالعه با حذف مناطقی که این محدودیت‌ها را نقض می‌کنند، تعریف می‌شوند. برای حذف مناطق نامناسب می توان محدودیت ها را در ابتدا اعمال کرد. می توان از آنها برای محدود کردن محدوده برای همه معیارهای ارزیابی استفاده کرد. برای اعمال تحلیل مناسب سایت پروژه های انرژی خورشیدی، در نظر گرفتن محدودیت های فنی و زیست محیطی برای حذف مناطق نامناسب ضروری است. محدودیت های مورد استفاده در این مطالعه در جدول 4 توضیح داده شده است.

3.3. چارچوب پیشنهادی

روش مورد استفاده برای انجام تحلیل جغرافیایی انرژی خورشیدی در منطقه ریاض ارائه شده است. از آنجایی که تناسب سایت یک مشکل پیچیده است و به معیارهای مختلفی بستگی دارد، ترکیبی از روش‌های GIS و MCDM برای انجام تحلیل تناسب سایت استفاده شد. مراحل زیر با توجه به چارچوب پیشنهادی همانطور که در شکل 2 نشان داده شده است مورد بحث قرار می گیرد . روش شناسی به شرح زیر است:

جمع آوری داده ها که شامل فرآیند جمع آوری داده ها بر اساس معیارهای مورد نیاز می باشد.
تجزیه و تحلیل فضایی، که شامل تجزیه و تحلیل فضایی شامل چندین روش مانند تجزیه و تحلیل سطح، عملیات هندسی، و عملیات فاصله است.
پشتیبانی تصمیم فضایی، به موجب آن تحلیل تصمیم چند معیاره (MCDA) با استفاده از فرآیند تحلیل سلسله مراتبی (AHP) اعمال می‌شود.
تجسم، که شامل نتایج نهایی روش، نشان داده شده توسط نقشه های مناسب، و همچنین تجزیه و تحلیل حساسیت، که برای ارزیابی نتیجه انجام می شود.

3.3.1. جمع آوری داده ها

مجموعه داده هایی که برای استفاده در این تحقیق جمع آوری شده اند به همراه منابع، قالب ها و وضوح آنها در جدول 5 نشان داده شده است.

مشاهده می شود که داده ها بر اساس معیارهای ارزیابی در نظر گرفته شده قبلی جمع آوری شده اند. یک مدل رقومی ارتفاع (DEM) از سازمان زمین شناسی عربستان سعودی درخواست شد، که از ماموریت توپوگرافی رادار شاتل (SRTM) برای کاربردهای سنجش از راه دور، با وضوح 90 متر، که در قالب شطرنجی نشان داده شده است، مشتق شده است. برای محاسبه تابش خورشیدی، که یک عامل کلیدی در تجزیه و تحلیل مناسب بودن سایت پروژه های انرژی خورشیدی است، استفاده شد. علاوه بر این، برای محاسبه شیب و جنبه ها استفاده شد. به دنبال این، دما، یکی دیگر از عوامل اصلی، نیز در قالب شطرنجی نشان داده شد. مجموعه داده دما از طریق SolarGIS قابل دسترسی بود و میانگین دمای سالانه بر اساس داده‌های ۲۴ ساعته برای دمای هر روز را شامل می‌شد.

فاصله از خطوط برق، جاده ها و مناطق ساختمانی سه عامل اصلی دیگر را ایجاد کرد. مجموعه داده‌های خطوط برق و مناطق ساختمانی از طریق گروه بانک جهانی 2020، در قالب برداری نمایش داده شده است. منبع اصلی داده های جاده نیز سازمان زمین شناسی عربستان بود که در قالب برداری ارائه شده است.

جمع آوری داده ها با تعریف منطقه مورد مطالعه با استفاده از داده های GIS برای مناطق نقشه عربستان [ 33 ] آغاز شد. ما فقط مرزهای ریاض را استخراج کردیم تا به عنوان نقاب برای همه معیارها استفاده شود. این گام به ما کمک کرد تا زمان مالکیت و تمرکز فقط روی ریاض را کاهش دهیم. سپس، داده‌ها در ArcGIS Pro بارگذاری شد، از جمله معیارهای پایه، که عبارت بودند از ارتفاع، دما، جاده‌های اصلی، شبکه برق و مناطق ساختمان. نقشه های این معیارها در شکل 3 ارائه شده است. همانطور که در جدول 5 نشان داده شده است ، وضوح ورودی متفاوت است، تنظیمات پیش فرض تحلیل شطرنجی که در ArcGIS استفاده می شود، نتیجه نهایی را با اندازه سلول برابر با (حداکثر ورودی) تولید می کند.

3.3.2. تحلیل فضایی

این بخش شامل تجزیه و تحلیل سطح، عملیات هندسی و روش های عملیات فاصله ای است که بر روی داده های مکانی اعمال می شود تا آنها را به اطلاعات مفید تبدیل کند. بخش های زیر نحوه تهیه، پردازش و تجزیه و تحلیل مجموعه داده های هر معیار ارزیابی را نشان می دهد. شکل 4 نقشه های معیار را پس از اعمال روش های تحلیل فضایی نشان می دهد.

تابش خورشیدی (C1). تابش خورشیدی با استفاده از ابزار ناحیه تحلیلگر خورشیدی که در ArcGIS Pro وجود دارد، محاسبه شد که DEM را به عنوان ورودی می‌گیرد. ابزار خورشیدی از سه لایه داخلی (نقشه دید، نقشه آسمان و نقشه خورشید) برای محاسبه تابش خورشید استفاده می کند. جدول 6 پارامترهای مورد استفاده در ابزار تحلیلگر خورشیدی [ 9 ] را نشان می دهد.
دما (C2). نواحی با دمای بالا بر تولید انرژی تأثیر منفی می گذارند [ 9 ].
شیب (C3) شیب سطحی است و می تواند بر دریافت تابش و تولید انرژی تأثیر بگذارد. مناطق مسطح تشعشع بیشتری دریافت خواهند کرد. شیب با استفاده از DEM به عنوان ورودی ابزار شیب در ArcGIS pro [ 10 ] محاسبه شد.
جنبه (C4) جهت یک سطح است. پانل های رو به جنوب برای تولید انرژی خورشیدی ترجیح داده می شوند. این جنبه نیز با استفاده از DEM به عنوان ورودی ابزار جنبه در ArcGIS محاسبه شد [ 10 ].
فاصله از مناطق ساختمانی (C5)، فاصله از جاده اصلی (C6) و فاصله از شبکه برق (C7). هزینه حمل و نقل یکی از عوامل غالب در تولید انرژی است. مناطق دور از جاده ها و شبکه های برق و همچنین محوطه های ساختمانی از نظر اقتصادی مقرون به صرفه نبوده و نامناسب هستند. فاصله اقلیدسی متداول ترین روش مورد استفاده برای ایجاد رسترهایی است که برای هر سلول مقدار فاصله دارند. مقدار نشان دهنده فاصله بین داده های سلولی و بردار (جاده ها، شبکه برق و مناطق ساختمان) است [ 9 ].

از آنجایی که همه این معیارها دارای مقادیر و دامنه های متفاوتی هستند، برای ادغام در یک لایه به یک مقیاس مشترک نیاز داشتند. در نتیجه تمامی معیارها به 10 کلاس از 1 تا 10 طبقه بندی شدند که 1 مناسب ترین و 10 کمترین مناسب بودن است. بنابراین، پس از ادغام شطرنجی ها، مقادیر کوچکتر نشان دهنده تناسب بالاتری است.

ماژول مناسب بودن سایت، ابزاری در جعبه ابزار تجزیه و تحلیل ArcGIS، برای طبقه بندی مجدد استفاده شد. ماژول از چندین توابع برای طبقه بندی مجدد استفاده می کند. بهترین توابع مناسب در این مطالعه، فاصله مساوی و فاصله دستی بود. فواصل مساوی برای تابش خورشیدی، دما، جاده، برق، و شطرنجی منطقه ساختمان اعمال شد. برای مثال، مقادیر شطرنجی دما از 23.8 تا 28.9 متغیر بود و ماژول آن را با استفاده از فواصل مساوی به 10 مقدار (1-10) طبقه‌بندی کرد. در همین حال، فواصل دستی بر روی جنبه و شیب اعمال شد، زیرا محدودیت‌هایی وجود داشت که باید در نظر گرفته شوند، همانطور که در جدول 4 ارائه شده است.. بنابراین، برای جنبه‌ها، رو به جنوب را 1 و همه جهات دیگر را 10 رتبه‌بندی کردیم. علاوه بر این، شیب بالای 5 درجه 1 و شیب کمتر از 5 درجه، 10 تعیین شد.

شکل 5 الف نشان می دهد که مناطق مناسب از نظر دما بیشتر در شمال ریاض است. شکل 5 ب نشان می دهد که مناسب ترین مناطق برای تابش خورشید در غرب ریاض است. برای شیب، مناطق سبز به دلیل داشتن بیش از 5 درجه نامناسب هستند، در حالی که مناطق قرمز مناسب هستند که دارای مقادیر شیب زیر 5 درجه هستند. شکل 5 d جنبه هایی را نشان می دهد که در آن فقط مناطق رو به جنوب مناسب هستند و سایر جهت گیری ها به عنوان نامناسب انتخاب شده اند. شکل 5 f نشان‌دهنده فاصله رستر برای جاده‌ها با مقادیر جدید طبقه‌بندی است. شکل 5 g نشان دهنده فاصله شطرنجی برق با مقادیر جدید طبقه بندی است. شکل 5e نشان دهنده فاصله شطرنجی یا مناطق ساختمانی با مقادیر جدید طبقه بندی است.

3.3.3. سیستم پشتیبانی تصمیم گیری فضایی

تجزیه و تحلیل فضایی را می توان به عنوان بخشی از یک زیرساخت پشتیبانی تصمیم در نظر گرفت. در نتیجه، جوامع GIS الگوریتم هایی را برای تسهیل سیستم های پشتیبانی تصمیم گیری فضایی (SDSS) مانند AHP [ 34 ] توسعه داده اند. تعدادی از رویکردهای MCDM مانند TOPSIS، FAHP و WLC وجود دارد. در انرژی های تجدیدپذیر، AHP یک رویکرد ارجح است که نتایج دقیقی را ارائه می دهد، به ویژه برای تجزیه و تحلیل مناسب بودن سایت پروژه های انرژی خورشیدی. بنابراین، در این مطالعه، الگوریتم AHP انتخاب شد، زیرا یک روش MCDM قوی و انعطاف‌پذیر است. این اجازه می دهد تا تصمیم را به صورت سلسله مراتبی ساختاردهی کنید تا پیچیدگی آن کاهش یابد و روابط بین معیارها را نشان دهد. همچنین این قابلیت را دارد که معیارهای کمی و کیفی را در چارچوب تصمیم گیری یکسان ترکیب کند.

نظریه پایه AHP را می توان به صورت زیر توصیف کرد: فرض می کنیم که n معیار متفاوت و مستقل داریم، C1. C2; … Cn، و اینکه آنها وزن های w1 را دارند. w2; … wn. تصمیم گیرنده مقادیر این وزن ها را نمی داند، اما آنها قادر به مقایسه زوجی بین معیارهای مختلف هستند [ 16 ].

AHP دارای چهار مفهوم اساسی است: اول، مسئله تصمیم گیری پیچیده به صورت سلسله مراتبی از هدف، معیارها و زیرمعیارها ساختار یافته است. دوم، مقایسه زوجی معیارها در هر سطح از سلسله مراتب با استفاده از قضاوت های مقیاس ساعتی، همانطور که در جدول 7 نشان داده شده است، انجام می شود . سوم، قضاوت ها به صورت عمودی در سطوح مختلف سلسله مراتب جمع می شوند. مرحله چهارم و نهایی بررسی سازگاری قضاوت ها است [ 9 ، 35 ].

در مرحله اول، همانطور که در شکل 6 نشان داده شده است، مدلی را برای مسئله تصمیم با تجزیه معیارها به یک سلسله مراتب توسعه دادیم . ساختار مسئله به این صورت می تواند درک بهتری از معیارهایی که مورد استفاده و ارزیابی قرار می گیرند و همچنین تصمیمی که گرفته می شود را فراهم کند.

در مرحله بعد، ماتریس مقایسه زوجی (PCM) را ساختیم. اندازه PCM به تعداد معیارهای n∗ n بستگی دارد. وزن هر معیار با استفاده از مقیاس عددی برای مقایسه، همانطور که در جدول 7 نشان داده شده است، تعیین شد . قضاوت‌های بین معیارها معمولاً از پرسشنامه‌ای جمع‌آوری می‌شود که توسط گروهی از متخصصان در همان زمینه مرتبط با مشکل، که در مثال ما انرژی خورشیدی بود، تکمیل می‌شود. این تحقیق وزن ها را بر اساس مطالعات قبلی و ویژگی های منطقه مورد مطالعه تعیین کرد [ 9 ]. ماتریس مقایسه زوجی حاصل در جدول 8 نشان داده شده است .

برای توضیح بیشتر، به عنوان مثال، اگر در نظر بگیریم که ضریب C1 (GHI) بسیار مهمتر از فاکتور C6 (فاصله از خطوط برق) است، سلول مقایسه C1-C6 حاوی مقدار 5 خواهد بود، همانطور که در جدول نشان داده شده است. 8 . از نظر ریاضی، این بدان معنی است که نسبت اهمیت C1 به اهمیت C6 5 است (X/Y = 5). با توجه به این، مقایسه مخالف، اهمیت C6 نسبت به اهمیت C1، متقابل این مقدار را به دست می‌دهد (C6/C1 = 1/5)، همانطور که در سلول C6-C1 در ماتریس مقایسه در جدول نشان داده شده است. 8 .

در مرحله سوم، وزن معیارهای نهایی با استفاده از روش تقریبی محاسبه شد که نیاز به یک ماتریس نرمال سازی دارد. برای ایجاد ماتریس نرمال سازی و محاسبه نتیجه نهایی سه مرحله لازم بود. اجازه دهید P _ij امتیاز اولویت معیار i را به معیار j با استفاده از مقیاس ارزش نه عددی که در جدول 7 ارائه شده است، نشان دهد.

مجموع تمام سلول های ستون.
هر سلول را بر مجموع ستون تقسیم کنید.

پمنj¯=پمنj∑من=1nپمنj

(1)
با محاسبه میانگین هر ردیف وزن ایجاد کنید.

دبلیومن=∑من=1nپمنj¯n

(2)

در مرحله آخر، بررسی قوام احکام لازم است; سازگاری مورد نیاز است زیرا در این روش مقداری ناسازگاری مورد انتظار وجود دارد. سازگاری به این دلیل اتفاق می‌افتد که، برای مثال، اگر معیار C1 دارای مقدار معین 2 بر روی C2 باشد، و C2 دارای مقدار 2 بر C3 باشد، در این صورت مقدار C1 نسبت به C3 باید 2 * 2 = 4 باشد، اما تصمیم‌گیرندگان یا کارشناسان ممکن است مقداری مانند 5، مانند ماتریس ما، یا 6 یا 7 اختصاص دهند. این منجر به سطحی از ناسازگاری خواهد شد. بنابراین، ما نیاز به محاسبه سطحی از ناسازگاری داشتیم که می‌توان به آن نسبت سازگاری ( CR ) اشاره کرد. مقدار CR قابل قبول برای ادامه تحلیل AHP 0.10 یا کمتر است [ 30 ]. بنابراین، اگر CR قابل قبولارزش بیش از حد است، لازم است در قضاوت ها تجدید نظر شود تا علت ناسازگاری پیدا شود و اصلاح شود.

نسبت سازگاری ( CR ) با مقایسه مقدار شاخص سازگاری ( CI ) با شاخص ثبات یک ماتریس تصادفی مانند ( RI ) محاسبه شد، همانطور که در رابطه (3) نشان داده شده است.

سیآر=سیمن/آرمن

(3)

ماتریس تصادفی ماتریس است که در آن قضاوت ها به صورت تصادفی وارد شده اند. بنابراین، بسیار ناسازگار است. Saaty به طور کلی مقادیر RI محاسبه شده را بر اساس اندازه معیارهای مختلف ارائه می دهد، همانطور که در جدول 9 نشان داده شده است.

محاسبه CR همانطور که در مراحل زیر خلاصه می شود انجام شد.

محاسبه λمترآایکسبه شرح زیر است:

هر مقدار را در هر ستون در ماتریس مقایسه همانطور که در جدول 8 نشان داده شده است با وزن نهایی معیارهای متناظر حاصل از مرحله 3 ضرب کنید. این مرحله یک ماتریس با محاسبه ستون های وزنی ایجاد می کند.
مقادیر هر سطر را جمع کنید تا ستون دیگری با مقداری به نام مجموع وزنی ایجاد شود.
مجموع وزنی معیارها (به دست آمده در مرحله قبل) را بر اولویت مربوط به هر معیار تقسیم کنید و ستون دیگری ایجاد کنید. مجموع این ستون یک مقدار واحد را نشان می دهد λمترآایکس

شاخص سازگاری ( CI ) را به صورت زیر محاسبه کنید که n تعداد معیارها است

سیمن=λمترآایکس-n /n-1

(4)

نسبت سازگاری را محاسبه کنید که به صورت تعریف شده است

سیآر=سیمن/آرمن

(5)

برای پیاده سازی الگوریتم AHP از زبان برنامه نویسی پایتون استفاده کردیم و شبه کد در زیر ارائه شده است [ 36 ].

مرحله 1:: مجموع هر ستون امتیاز اولویت را به صورت CS ₁ , CS ₂ … CS _n محاسبه کنید که در آن n تعدادی معیار است.
مرحله ۲:: هر امتیاز اولویت در یک ستون را بر CS آن تقسیم کنید و مقدار آن را ذخیره کنید پمنj¯
مرحله 3:: وزن نهایی را با مجموع همه محاسبه کنید پمنj¯برای یک ردیف و سپس آن را بر n تقسیم کنید سپس در CW ₁ , CW ₂ , … CW _n ذخیره کنید.
مرحله 4:: محاسبه شاخص ثبات (C1)
مرحله 5:: شاخص سازگاری تصادفی n = 6، سپس RI = 1.24
مرحله 6:: نسبت قوام را محاسبه کنید

3.3.4. تجسم

در مرحله تجسم، ما نتایج نهایی روش را که با نقشه تناسب و همچنین نمایه سازی تناسب نشان داده می شود، گنجانده ایم.

3.3.5. نقشه تناسب خورشیدی

پس از انجام تجزیه و تحلیل، هر معیار دارای یک شطرنجی با محدوده طبقه‌بندی یکسان و همچنین وزنی برای هر یک از آنها حاصل از AHP بود. نقشه تناسب خورشیدی ( SSM ) با دادن وزن هر شطرنجی و سپس ترکیب آنها با محدودیت با استفاده از روش همپوشانی اتحادیه، همانطور که در معادله (6) نشان داده شده است، ایجاد شد، جایی که r یک محدودیت (0 یا 1) است، w برابر است. وزن و x مقدار معیار است.

اساسم=∑من=1nایکسمن×wمن×r

(6)

4. نتایج و بحث

هدف از این مطالعه مکان یابی مکان های مناسب برای پنل های انرژی خورشیدی در منطقه ریاض بود که شامل 22 شهر است. پنج معیار اساسی (DEM، جاده اصلی، خطوط برق، مناطق ساختمان و دما) برای استخراج سه معیار دیگر (شیب، جنبه‌ها و تابش خورشیدی) با استفاده از تکنیک‌های پردازش فضایی متعدد همانطور که در شکل 7 نشان داده شده است، استفاده شد . همه این معیارها به یک محدوده مشترک از 1 تا 10 طبقه بندی شدند که در آن 1 مناسب ترین مقدار است. علاوه بر این، همه معیارها با در نظر گرفتن مقادیر وزنی آنها همپوشانی شدند. این مقادیر وزنی با استفاده از تکنیک MCDM-AHP محاسبه شد. ArcGIS نرم افزار GIS است که برای پردازش استفاده می شود. نتایج نشان می دهد که منطقه ریاض حدود 16738 کیلومتر مربع مساحت ^داردکه مناسب است، با درجه مناسب بودن بالای 80%.

هفت عامل به عنوان معیار تصمیم گیری برای تهیه نقشه مناسب انتخاب شدند. بر این اساس RI = 1.32 و CR = 0.02 که در محدوده قابل قبولی قرار دارند. شکل 8 وزن هر معیار را نشان می دهد. همانطور که ارائه شد، تابش خورشیدی دارای وزن 35 درصد است که بیشترین تأثیر را در نتیجه نهایی دارد و پس از آن دما با 23 درصد و شیب با 15 درصد قرار دارند.

جدول 10 گزینه های انتخاب شده و معیارهای انتخاب شده را نشان می دهد. در مجموع، 21 گزینه (شهر) دارای داده های در دسترس بودند و هدف این مطالعه را برآورده کردند. در جدول 10 ، مقادیر ورودی نشان دهنده میانگین داده های جمع آوری شده از معیارهای مربوطه است. ستون C1 نشان دهنده میانگین تابش خورشیدی برای هر شهر است. C2 نشان دهنده مقدار متوسط دما است. C3 نشان دهنده درجه شیب کمتر از 5 درجه است که نشان دهنده منطقه انتخاب شده در شهرها است. و برای C4 فقط مناطق رو به جنوب در داخل هر شهر انتخاب می شوند. C5 نشان دهنده منطقه پوششی در فاصله 50 کیلومتری از مرکز هر شهر است. C6 نشان دهنده یک بافر برای خطوط جاده است. C7 نشان دهنده یک بافر 1000 متری برای خطوط برق است.

شکل 9 الف نتایج مدل تناسب نهایی را نشان می دهد که محدوده تناسب را نشان می دهد که در آن قرمز تیره و مقادیر کم مناسب ترین مناطق را نشان می دهد. محدوده تناسب حاصل از 198 است که بالاترین تناسب را نشان می دهد تا 849، همانطور که در شکل 9 الف نشان داده شده است. این محدوده ترکیبی از همه معیارهای طبقه بندی شده در 10 کلاس از 1 تا 10 است که در آن 1 مناسب ترین کلاس است، همانطور که در شکل 9 ارائه شده است.

برای بحث در مورد نتایج، شاخص تناسب زمین (LSI) همانطور که در جدول 11 نشان داده شده است، تعریف شد . این شاخص می تواند به تعیین میزان مناسب بودن هر سایت برای پروژه های PV با توجه به معیارهای مرتبط و بدون در نظر گرفتن تمام محدودیت ها کمک کند. بر این اساس، نتایج نهایی بر اساس LSI، همانطور که در جدول 11 ارائه شده است، مجدداً طبقه بندی شدند و نتایج در شکل 9 ب نشان داده شده است. مناسب ترین محدوده با درجه مناسب بودن > 80% نشان داده می شود. یک منطقه بسیار مناسب دارای دامنه ای بین 70 تا 80 درصد است. یک منطقه نسبتا مناسب دارای دامنه ای بین 70 تا 60 درصد است. محدوده مناسب حاشیه ای بین 60 تا 50 درصد است و در نهایت کمترین مساحت کمتر از 50 درصد است.

همانطور که در شکل 9 ب نشان داده شده است، مناسب ترین و همچنین بسیار مناسب ترین مناطق در شمال و شمال غربی قرار دارند که با کلاس های 1 و 2 نشان داده شده اند. این به دلیل دمای کمتر و تابش خورشیدی بیشتر و همچنین چگالی زیاد است. جاده های اصلی و خطوط برق، همانطور که در شکل 5 ارائه شده است. همچنین نشان داده شده است که مناطق غربی ریاض عمدتاً دارای تابش خورشیدی بالاتری نسبت به شمال هستند، همانطور که در شکل 5 نشان داده شده است. از سوی دیگر، در مناطق جنوبی، طبقات 4 و 5 غالب است. این ممکن است به دلیل دمای بالاتر و تراکم کم جاده های اصلی و خطوط برق باشد که عمدتاً به دلیل تراکم کم جمعیت است.

با تجزیه و تحلیل این مکان‌های فضایی و درجه تناسب آنها، مشخص شد که مناطقی با نرخ مناسب بیش از 80 درصد در شمال و شمال غربی منطقه ریاض پراکنده شده‌اند، همانطور که در شکل 10 ارائه شده است ، با مساحت 16748 کیلومتر ^مربع . شکل 11 و جدول 12 امتیاز منطقه را به همراه درصد مساحت هر شهر نشان می دهد. عفیف بیشترین منطقه مناسب را دارد و پس از آن دوادمی و المجمعه قرار دارند. در تجزیه و تحلیل بیشتر، عفیف امتیاز بالایی به دست آورد زیرا میانگین تابش خورشیدی بالای 2.631687 مگاوات ساعت بر متر مربع را ترکیب می کند ^./سال و دمای پایین با میانگین 26.3 درجه سانتیگراد و همچنین دارای مناطق مسطح با شیب کمتر از 5 و پس از آن داودمی و المجمعه با مناسب ترین مساحت که 11 درصد از مناطق آنها را تشکیل می دهد. در وسط ریاض، دیریه و مورات دارای میانگین تابش خورشیدی یکسان هستند که حدود 2.58 مگاوات است. با این حال، دیریه امتیاز بسیار پایینی دارد، زیرا دارای مناطق غیر جنوبی و شیب بیش از 5 درجه است. همچنین شامل مناطق کوهستانی است که بر امتیاز آن تأثیر منفی می گذارد. از سوی دیگر، وادی الدواسیر و عس سلیمان علیرغم داشتن تابش خورشیدی بالا از داشتن ضریب مناسب بودن بالای 80 درصد مستثنی هستند، زیرا در مقادیر 27.9 درجه سانتیگراد و 27.3 درجه سانتیگراد بالاترین دما را دارند.

تجزیه و تحلیل مناسب بودن سایت خورشیدی انجام شده در این تحقیق می تواند گامی پیشگیرانه برای حمایت از تصمیم گیرندگان در یافتن و انتخاب مناسب ترین مکان ها برای توسعه سیستم های PV در منطقه ریاض باشد – چه سیستم های PV در مقیاس کوچک یا سیستم های PV در مقیاس بزرگ. سیستم های PV در مقیاس بزرگ در زمین های خالی خاص که به درجه بالایی از تناسب دست می یابند، مانند مناطقی با نرخ مناسب 80% همانطور که در شکل 10 نشان داده شده است ، می توانند به یک یا چند محله با برق و یک شبکه برق پشتیبان خدمات رسانی کنند، در حالی که در مقیاس کوچک هستند. سیستم های PV را می توان بر روی سقف ساختمان ها توسعه داد.

برای اعتبارسنجی مدل، نتایج با دو مطالعه مختلف که در عربستان سعودی انجام شد و از رویکرد ایستگاه زمینی استفاده شد [ 37 ، 38 ] مقایسه شد. اولین مطالعه [ 37 ] تجزیه و تحلیل دقیق داده های تابش خورشیدی یک ساله و سیستم های PV انرژی را در 44 مکان مختلف در عربستان سعودی ارائه می دهد. نویسندگان با بهترین سایت‌های منتخب نتیجه‌گیری کردند و عفیف چهارمین سایت برتر بود که از نتایج مطالعه ما پشتیبانی می‌کرد. مطالعه دوم [ 38] همچنین از سنسورهای نظارتی که در 32 مکان مختلف در عربستان سعودی نصب شده اند استفاده کرد. این حسگرها تابش خورشیدی و دمای هوا را در زمان واقعی اندازه گیری می کنند. نتایج آنها با نتایج مدل پیشنهادی که از GIS-AHP استفاده می‌کند، همخوانی دارد. به عنوان مثال، عفیف و دوادمی هم در نتایج خود و هم در مدل ارائه شده دارای دمای هوای پایین تری (با میانگین دمای سالانه ≈26 درجه سانتی گراد) و تابش خورشیدی بالا (میانگین سالانه GHI ≈6.5 کیلووات ساعت بر متر مربع ⁾ برای نتایج خود هستند. و برای مدل پیشنهادی (7.2 کیلووات ساعت بر متر مربع ⁾ ، نشان دادن آنها به عنوان مکان هایی با تناسب خوب [ 38 ]، که با نتایج پیشنهادی سازگار است. علاوه بر این، سایت الافلج به دلیل تابش خورشیدی بالا در مقایسه با همه مکان‌ها (≈ 7 کیلووات ساعت بر متر مربع) انرژی تولیدی بالایی می‌دهد ^.) [ 38 ]. با این حال، در مطالعه پیشنهادی به دلیل توزیع کم خطوط برق، جاده‌های اصلی و مناطق شهری، شاخص مناسبی پایینی داشت.

تجزیه و تحلیل حساسیت یک مرحله مهم در AHP برای بررسی قابلیت اطمینان یک مدل مناسب است. داده ها در مسائل MCDM اغلب قابل تغییر هستند و قضاوت ها ذهنی هستند. بنابراین، انجام یک تحلیل حساسیت برای آزمایش پایداری رتبه‌بندی‌ها در وزن‌های مختلف مهم است. تغییرات در اولویت ها را می توان با افزایش یا کاهش وزن معیارهای فردی مشاهده کرد.

تجزیه و تحلیل حساسیت برای بررسی اینکه چگونه تغییرات در پارامترها نتایج را تغییر می دهد انجام شد. سناریوهای مختلفی با ایجاد تغییرات جزئی در داده های ورودی (مقادیر وزن) همانطور که در شکل 12 نشان داده شده است، ایجاد شد تا بتوان آنها را با نقشه تناسب تولید شده قبلی مقایسه کرد. سناریوی اول شامل وزن دهی برابر برای هر هفت عامل بود. شکل 13 و جدول 13پایداری مدل را نشان می دهد. با توجه به تجزیه و تحلیل حساسیت وزن برابر، پایداری مدل را می توان تأیید کرد، زیرا روندهای اصلی مشاهده شده توسط بازرسی بصری با مدل اصلی مطابقت دارند. اگرچه مقادیر بسیار کمتری از کلاس 4 ظاهر شد، اما این مقادیر هنوز در همان منطقه ترجیحی وجود دارند. در هر صورت، بالاترین مقادیر تناسب بیشتر در نواحی شمال و شمال غرب منطقه مورد مطالعه پراکنده است.

ثانیاً، مدل بدون تأثیر عامل آب و هوایی همانطور که در شکل 14 و جدول 14 نشان داده شده است آزمایش شد.. تابش خورشیدی و دما که دارای دو وزن بزرگ هستند، نادیده گرفته شدند، در حالی که عوامل باقیمانده همان نسبت های تولید شده در وزن معیار AHP را با یکدیگر حفظ کردند (عوامل شیب و جنبه به ترتیب با وزن های 27.66% و 22.26% باقی ماندند؛ شهری مناطق، راه های اصلی و ضریب برق به ترتیب با وزن 96/14 درصد، 36/16 درصد و 76/18 درصد). این سناریو مکان های مناسب را بدون در نظر گرفتن عامل اقلیمی موثر بر عملکرد سایت های خورشیدی ارزیابی کرد. سناریوی دوم تابش خورشیدی و داده های دما را در نظر نگرفت. در نتیجه، مکان‌های مناسب شناسایی‌شده از الگوهای مشابه در مدل اصلی پیروی نمی‌کنند. مقادیر بالاتر عمدتاً توسط عامل شیب و همچنین جنبه‌ها تعیین شد.

هر دو نتایج تحلیل حساسیت مقادیر کمتری را برای بالاترین شاخص تناسب نشان می‌دهند که در شکل 15 و شکل 16 ارائه شده است.. مناسب‌ترین ناحیه LSI برای سناریوی اول 7 درصد در کل منطقه مورد مطالعه و برای سناریوی دوم 0.01 درصد کاهش یافت. منطقه بسیار مناسب LSI برای سناریوی اول 10 درصد در کل منطقه مورد مطالعه و برای سناریوی دوم 11 درصد کاهش یافت. ناحیه نسبتاً مناسب LSI برای سناریوی اول 10 درصد در کل منطقه مورد مطالعه و برای سناریوی دوم 9 درصد کاهش یافت. سطح مناسب LSI برای سناریوی اول 8 درصد در کل منطقه مطالعه و برای سناریوی دوم 6 درصد افزایش یافت. کمترین سطح مناسب LSI در کل منطقه مورد مطالعه برای سناریوی اول 19٪ و برای سناریوی دوم 14٪ افزایش یافته است همانطور که در جدول 15 نشان داده شده است.

به طور کلی، در هر دو مورد، بالاترین مقادیر طبقه بندی منطقه کمتری را پوشش می دهد. نتیجه، حساسیت لایه تناسب را نسبت به تأثیرات وزن معیارها تجسم می‌کند و مشخص شد که هم حساس و هم قوی است تا معیارهای مختلفی را که از گروه‌های ذینفع احتمالی مختلف نشأت می‌گیرد، در خود جای دهد.

5. نتیجه گیری ها

در این مطالعه، یک چارچوب فضایی GIS-MCDA برای انجام یک تحلیل جغرافیایی انرژی خورشیدی در منطقه ریاض بسته به هفت معیار، یعنی تابش خورشیدی، دما، شیب، جنبه‌ها، فاصله تا خطوط برق، فاصله تا جاده‌های اصلی و فاصله تا مناطق شهری چارچوب شامل چهار لایه است: لایه اول جمع آوری داده ها است که شامل شناسایی منطقه مورد مطالعه و تعیین معیارها است. لایه دوم شامل فرآیند تحلیل فضایی مانند تحلیل سطح، عملیات هندسی و عملیات فاصله است و بعد از آن لایه سوم که لایه پشتیبان تصمیم گیری فضایی است که در آن از فرآیند تحلیل سلسله مراتبی (AHP) استفاده می شود. در نهایت، لایه چهارم که لایه تجسم است،

نتایج نشان می‌دهد که مناسب‌ترین مکان‌ها در شمال و شمال غرب منطقه ریاض با مساحت 16748 کیلومتر مربع و درجه مناسب‌بودن ⁸⁰ درصد است. همچنین شهرستان عفیف بیشترین امتیاز مناسب را داشته است. دارای تابش خورشیدی بالا با میانگین 2.631687 مگاوات ساعت بر متر مربع ^در سال و دمای پایین با میانگین 26.3 درجه سانتیگراد و همچنین دارای مناطق مسطح با شیب کمتر از 5 است. نتیجه با مقایسه آن با دو مطالعه انجام شده تأیید شد. در عربستان سعودی با استفاده از رویکرد ایستگاه های زمینی، که نشان داد نتایج سازگار و معتبر هستند. علاوه بر این، از تحلیل حساسیت برای ارزیابی استفاده شد.

در کارهای آتی می توان معیارهای ارزیابی مختلفی مانند رطوبت، جمعیت و طوفان های گرد و غبار را برای به دست آوردن نقشه مناسب در نظر گرفت. علاوه بر این می توان از الگوریتم فازی AHP برای به دست آوردن نقشه مناسب استفاده و ارزیابی کرد. همچنین توصیه می شود مناطق مختلف عربستان سعودی را مطالعه کرده و نتایج آنها را ارائه کنید. علاوه بر این، مناسب بودن سایت برای انرژی باد نیز قابل بررسی است.

همچنین برای کارهای آتی پیشنهاد می‌شود که در مورد پایداری چارچوب پیشنهادی بحث شود و از پارامترهای مختلف برای ارزیابی میزان ارائه راه‌حل‌های پایدار استفاده شود. جنبه های مختلفی از پایداری وجود دارد، از جمله جنبه های اقتصادی، اجتماعی و زیست محیطی [ 39]. بر این اساس، تحت هر جنبه می توان از پارامترهای زیادی برای اندازه گیری پایداری استفاده کرد. برای جنبه اقتصادی، هزینه پنل های خورشیدی مورد نیاز را می توان محاسبه کرد. علاوه بر این، منفعت نصب پنل های خورشیدی بسته به مساحت سایت های مناسب پیشنهادی قابل محاسبه است. با توجه به جنبه زیست محیطی، کاهش آلودگی و کاربری اراضی قابل توجه است. برای جنبه اجتماعی، پذیرش عمومی یک عامل کلیدی در نصب پنل های خورشیدی در سایت های خاص است. همه این اندازه‌گیری‌ها را می‌توان برای ارزیابی پایداری سایت‌های پیشنهادی برای نصب پنل‌های خورشیدی استفاده کرد [ 40 ].

منابع

Crabtree، GW; لوئیس، NS تبدیل انرژی خورشیدی. فیزیک امروز 2007 ، 60 ، 37–42. [ Google Scholar ] [ CrossRef ]
بروگینک، جی. Van Der Zwaan, B. نقش انرژی هسته ای در ایجاد مسیرهای انرژی پایدار. بین المللی جی. گلوب. مسائل انرژی 2002 ، 18 ، 151. [ Google Scholar ] [ CrossRef ]
الشرافه، ع.م. محسن، AR حد بالایی ظرفیت PV خورشیدی توزیع شده در ریاض: یک مطالعه به کمک GIS. پایداری 2019 ، 11 ، 4301. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
آصف، م. حسنین، م. ناهیدزمان، ک.م. Sawalha, H. ارزیابی فنی و اقتصادی کاربرد PV خورشیدی در بخش ساختمان. پایداری هوشمند. محیط ساخته شده 2019 ، 8 ، 34–52. [ Google Scholar ] [ CrossRef ]
عفت، نقشه برداری HA مناطق بالقوه انرژی خورشیدی، با استفاده از SRTM و تحلیل فضایی، کاربرد در منطقه دریاچه ناصر، مصر. بین المللی J. Sustain. طرح شهری کاربری اراضی. 2016 ، 3 . [ Google Scholar ] [ CrossRef ]
Doorga, JR; Rughoopoth، SD; Boojhawon، R. تکنیک مدل‌سازی مبتنی بر GIS چند معیاره برای شناسایی سایت‌های مزرعه خورشیدی بالقوه: مطالعه موردی در موریس. تمدید کنید. انرژی 2019 ، 133 ، 1201-1219. [ Google Scholar ] [ CrossRef ]
نبی، ق. Taye، BZ; Workineh، TG Site Site Analysis of Solar PV Generation در جنوب گندار، منطقه آمهارا. J. Energy 2020 ، 2020 ، 1-15. [ Google Scholar ] [ CrossRef ]
Tisza، K. مدل سازی مناسب بودن مبتنی بر GIS و تجزیه و تحلیل تصمیم گیری چند معیاره برای نیروگاه های خورشیدی مقیاس کاربردی در چهار ایالت در جنوب شرقی ایالات متحده. پایان نامه کارشناسی ارشد، دانشگاه کلمسون، کلمسون، SC، ایالات متحده آمریکا، 2014. [ Google Scholar ]
الگارنی، HZ; Awasthi، A. انتخاب مکان نیروگاه PV خورشیدی با استفاده از رویکرد مبتنی بر GIS-AHP با کاربرد در عربستان سعودی. Appl. انرژی 2017 ، 206 ، 1225-1240. [ Google Scholar ] [ CrossRef ]
الشمری، س. کو، دبلیو. العمار، EA; آلوتایبی، م. چوی، اچ.-جی. تصمیم گیری بهینه در انتخاب سیستم فتوولتائیک در عربستان سعودی. Energies 2021 , 14 , 357. [ Google Scholar ] [ CrossRef ]
ایبارا، م. قربودج، ط. الریش، ا. Ghedira, H. ارزیابی جغرافیایی پتانسیل انرژی خورشیدی برای نیروگاه کلکتور سهموی در مقیاس کاربردی در عربستان سعودی. در SOLARPACES 2016: کنفرانس بین المللی متمرکز کردن انرژی خورشیدی و سیستم های انرژی شیمیایی ؛ AIP Publishing LLC.: Melville, NY, USA, 2017; جلد 1850، ص. 160015. [ Google Scholar ] [ CrossRef ]
چوی، ی. سو، جی. کیم، اس.-ام. نقشه برداری تابش خورشیدی مبتنی بر GIS، ارزیابی سایت و ارزیابی پتانسیل: یک بررسی. Appl. علمی 2019 ، 9 ، 1960. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
لی، دی. استفاده از تکنیک های GIS و سنجش از دور برای انتخاب محل نصب پنل خورشیدی. پایان نامه کارشناسی ارشد، دانشگاه واترلو، واترلو، ON، کانادا، 2013. [ Google Scholar ]
رویز، اچ اس. سونارسو، ا. ابراهیم بثیث، ک. مورتی، SA; Budiarto، I. GIS-AHP چند تصمیم گیری-معیار-تحلیل برای مکان بهینه نیروگاه های انرژی خورشیدی در اندونزی. آماده سازی ArXiv 2020 ، arXiv:200715351. [ Google Scholar ]
Piirisaar، I. تجزیه و تحلیل GIS چند معیاره برای مکان یابی نیروگاه های خورشیدی فتوولتائیک در مقیاس کاربردی در شهرستان کیلکنی، ایرلند. پایان نامه کارشناسی ارشد، علوم اطلاعات جغرافیایی، دانشگاه لوند، لوند، سوئد، 2019. [ Google Scholar ]
دیاز-کوواس، پی. دومینگوئز-براوو، جی. Prieto-Campos، A. ادغام MCDM و GIS برای مدل‌های فضایی انرژی تجدیدپذیر: ارزیابی پتانسیل فردی و ترکیبی برای انرژی باد، خورشید و زیست توده در جنوب اسپانیا. تکنولوژی پاک محیط زیست سیاست 2019 ، 21 ، 1855-1869. [ Google Scholar ] [ CrossRef ]
نوراللهی، ا. فدایی، د. شیرازی، م. قدسی پور، تحلیل تناسب اراضی SH برای بهره برداری از مزارع خورشیدی با استفاده از GIS و فرآیند تحلیل سلسله مراتبی فازی (FAHP) – مطالعه موردی ایران. Energies 2016 , 9 , 643. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Abdelrazek، M. GIS رویکرد برای یافتن مکان‌های مناسب برای نصب واحدهای تولید انرژی‌های تجدیدپذیر در شبه جزیره سینا. مصر. پایان نامه کارشناسی ارشد، دانشگاه سالزبورگ، سالزبورگ، اتریش، 2017; صص 1-84. [ Google Scholar ]
Senteles، A. رویکرد تجزیه و تحلیل تصمیم چند معیاره مبتنی بر GIS در توسعه نیروی باد: مطالعه موردی نوا اسکوشیا، کانادا. پایان نامه کارشناسی ارشد، دانشگاه اوپسالا، اوپسالا، سوئد، 2018. [ Google Scholar ]
علیاحیا، س. عرفان، تحلیل کارشناسی ارشد از اطلس تابش خورشیدی جدید برای عربستان سعودی. سول انرژی 2016 ، 130 ، 116-127. [ Google Scholar ] [ CrossRef ]
گاشپاروویچ، آی. Gašparović، M. تعیین مکان های بهینه نیروگاه خورشیدی بر اساس روش های سنجش از دور و GIS: مطالعه موردی از کرواسی. از راه دور. Sens. 2019 ، 11 ، 1481. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
Zeleny, M. تصمیم گیری با معیارهای چندگانه کیوتو 1975 ; Springer Science & Business Media: برلین/هایدلبرگ، آلمان، 2012; جلد 123. [ Google Scholar ]
Siksnelyte-Butkiene، E. زاوادسکاس، ک. Streimikiene، D. تصمیم گیری چند معیاره (MCDM) برای ارزیابی فن آوری های انرژی تجدید پذیر در یک خانواده: یک بررسی. Energies 2020 , 13 , 1164. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
مهد، NF; یوسف، ن. اسماعیل، NF کاربرد رویکرد فرآیند تحلیل سلسله مراتبی فازی (FAHP) برای حل مسائل تصمیم گیری چند معیاره (MCDM). J. Phys. Conf. سر. 2019 , 1358 , 012081. [ Google Scholar ] [ CrossRef ][ Green Version ]
چان، هنگ کنگ؛ سان، ایکس. چانگ، اس.-اچ. چه زمانی باید به جای فرآیند تحلیل سلسله مراتبی از فرآیند تحلیل سلسله مراتبی فازی استفاده شود؟ تصمیم می گیرد. سیستم پشتیبانی 2019 ، 125 ، 113114. [ Google Scholar ] [ CrossRef ]
«الهية العامة للإحصاء»، الهية العامة للإحصاء. در دسترس آنلاین: https://www.stats.gov.sa/ar (در 27 نوامبر 2020 قابل دسترسی است).
KAPSARC | مرکز مطالعات و تحقیقات نفت ملک عبدالله | صفحه اصلی. KAPSARC. در دسترس آنلاین: https://www.kapsarc.org/ (در 21 آوریل 2021 قابل دسترسی است).
الماسعود، ع. Gandayh, HM آینده انرژی خورشیدی در عربستان سعودی. J. King Saud Univ. مهندس علمی 2015 ، 27 ، 153-157. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
‘وزارة الطاقة’. در دسترس آنلاین: https://www.moenergy.gov.sa/arabic/Pages/default.aspx (در 9 آوریل 2021 قابل دسترسی است).
Al-Saleh, AM گنبد کیرش گنیس: مجموعه هسته دگرگونی کششی از سپر عربی جنوب شرقی. عرب جی. ژئوشی. 2010 ، 5 ، 335-344. [ Google Scholar ] [ CrossRef ]
«البوابة الجيومكانية». در دسترس آنلاین: https://geoportal.sa/ (دسترسی در 6 آوریل 2021).
صفحه اصلی آزمایشگاه ملی انرژی های تجدیدپذیر (NREL). در دسترس آنلاین: https://www.nrel.gov/index.html (در 27 نوامبر 2020 قابل دسترسی است).
ArcGIS Hub. در دسترس آنلاین: https://hub.arcgis.com/datasets/c87aee58fb0940dc8539c60b179dee42 (دسترسی در 3 آوریل 2021).
دی اسمیت، ام جی; Goodchild، MF; Longley, P. Geospatial Analysis A Comprehensive Guide to Principles Techniques and Software Tools , 6th ed.; Troubador Publishing Ltd.: Kibworth Harcourt، UK، 2018. [ Google Scholar ]
Kulakowski، K. درک فرآیند تحلیل سلسله مراتبی . CRC Press: Boca Raton، FL، ایالات متحده، 2020. [ Google Scholar ]
میشرا، ب.ک. کومار، آر. مدیریت کلان داده و اینترنت اشیاء برای بهبود سیستم های سلامت ؛ IGI Global: Raipur، هند، 2018. [ Google Scholar ]
اعوان، AB; زبیر، م. Abokhalil، AG تجزیه و تحلیل منابع انرژی خورشیدی و ارزیابی عملکرد سیستم فتوولتائیک در مناطق مختلف عربستان سعودی. Sustainability 2018 , 10 , 1129. [ Google Scholar ] [ CrossRef ][ Green Version ]
المرشود، الف. عملکرد منابع خورشیدی در عربستان سعودی. تمدید کنید. حفظ کنید. Energy Rev. 2016 , 66 , 694-701. [ Google Scholar ] [ CrossRef ]
ساییو، وی. سه دام شهر پایدار: چارچوبی مفهومی برای ارزیابی شکاف نظریه-عمل. Sustainability 2017 , 9 , 2311. [ Google Scholar ] [ CrossRef ][ Green Version ]
نیش، اچ. لی، جی. Song, W. انتخاب مکان پایدار برای نیروگاه فتوولتائیک: یک رویکرد یکپارچه بر اساس تئوری چشم انداز. مبدل انرژی مدیریت 2018 ، 174 ، 755-768. [ Google Scholar ] [ CrossRef ]

شکل 2. چارچوب پیشنهادی.

شکل 3. نقشه های معیارهای مورد استفاده در GIS-MCDM پیشنهادی: ( الف ) دما. ( ب ) DEM; ( ج ) خطوط برق؛ ( د ) شهرها؛ ( ه ) جاده.

شکل 4. ( الف ) تابش خورشیدی حاصل از یک ابزار خورشیدی که از DEM مشتق شده است. واحد ارزش WH/m ² /سال است. نتایج شیب ( b ) و جنبه ( c ). نتایج الگوریتم فاصله اقلیدسی با مقدار برد 0 تا 50 کیلومتر برای ( d ) جاده، ( e ) شبکه برق و ( f ) مناطق ساختمانی.

شکل 5. محدوده معیار مناسب بودن: ( الف ) دما، ( ب ) تابش خورشیدی، ( ج ) شیب، ( د ) جنبه ها، ( ه ) شهرها، ( f ) جاده ها و ( گرم ) خطوط برق.

شکل 6. ماتریس مقایسه معیارهای تصمیم اتخاذ شده.

شکل 7. فرآیند شناسایی مکان های ترجیحی پروژه های انرژی خورشیدی در ریاض.

شکل 8. وزن معیارهای نهایی GIS.

شکل 9. ( الف ) نقشه تناسب خورشیدی منطقه ریاض. ( ب ) شاخص تناسب زمین.

شکل 10. توزیع سایت های با ضریب مناسب بیش از 80 درصد در شهرها.

شکل 11. توزیع سایت های با ضریب مناسب بیش از 80 درصد در شهرها.

شکل 12. وزن معیارهای تصمیم گیری با در نظر گرفتن سناریوهای مختلف.

شکل 13. تجزیه و تحلیل حساسیت با وزن های مساوی ( a ); اصلی ( ب ).

شکل 14. تجزیه و تحلیل حساسیت بدون عوامل اقلیمی ( a ); اصلی ( ب ).

شکل 15. مساحت بر حسب کیلومتر بر تناسب (مقایسه نتایج تحلیل مناسب و حساسیت).

شکل 16. درصد منطقه مطالعه برای هر کلاس و برای هر سناریو.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

چکیده

کلید واژه ها:

1. مقدمه

2. کارهای مرتبط