نقشه بالقوه برای نصب انرژی خورشیدی متمرکز در شمال شرقی برزیل با استفاده از فرآیند تحلیل سلسله مراتبی (AHP)

 

برزیل دارای یک ماتریس عمدتاً انرژی تجدیدپذیر است که مشارکت زیادی از منابع آب در تامین انرژی داخلی دارد. داده‌های تراز ملی انرژی ۲۰۱۹ نشان می‌دهد که منابع تجدیدپذیر (آب، زیست توده، باد و فتوولتائیک خورشیدی) در مجموع ۸۳ درصد از عرضه برق خانگی را در سال ۲۰۱۸ تشکیل می‌دهند، که در آن درصد باقی‌مانده (۱۶.۷ درصد) منابع تجدیدناپذیر است. تولید برق از طریق فناوری خورشیدی حرارتی نماینده نبود. با این حال، مشخص است که برزیل پتانسیل بالایی برای نصب نیروگاه های حرارتی خورشیدی دارد، به ویژه در منطقه شمال شرقی، جایی که مقادیر تابش مستقیم خورشیدی عادی بالاست. مشاهده می‌شود که هزینه‌های (بالا) پروژه‌های مرتبط با عدم وجود یک برنامه تشویقی خاص، نصب نیروگاه‌های متمرکز انرژی خورشیدی (CSP) را بیشتر و بیشتر وقت‌گیر می‌کند. به عنوان راهی برای کمک به درج انرژی حرارتی خورشیدی در برزیل، این مقاله روشی را برای مکان یابی نیروگاه های حرارتی خورشیدی سهموی 80 مگاواتی برای ایالت باهیا، واقع در منطقه شمال شرقی برزیل ارائه می کند. چنین روش‌شناسی مبتنی بر کاربرد روش تحلیل سلسله مراتبی (AHP) و فناوری‌های پردازش جغرافیایی برای تعریف سایت‌های بالقوه در دسترس برای اجرای پروژه‌ها بود. برای تجزیه و تحلیل، پارامترهای مربوط به تولید انرژی در نیروگاه خورشیدی، برق، جاده ها و زیرساخت های آبی نیروگاه و همچنین اشغال، شیب و کاربری زمین در نظر گرفته شد. با توجه به تجزیه و تحلیل های انجام شده، تأیید شد که باهیا سایت های بسیاری را با پتانسیل تولید بسیار بالا، به ویژه در منطقه غربی ایالت (در Barreiras) دفع می کند. جایی که شرایط مساعدی برای توسعه فناوری پیدا شد. محلات واقع در سایر مناطق ایالت نیز به عنوان مناسب تایید شد، اما با در دسترس بودن سایت کمتر برای قرار دادن گیاهان. اعتبارسنجی روش‌شناسی نیز انجام شد و نشان داد که مدل به هدف پیشنهادی رسیده است، و صادقانه ساده‌سازی‌های دنیای واقعی را نشان می‌دهد.

کلید واژه ها

انرژی خورشیدی ، مطالعات مکان یابی ، نیروگاه های حرارتی خورشیدی ، ژئوفرآوری

1. مقدمه

در حال حاضر، مشاهده می‌شود که فناوری حرارتی خورشیدی برای تولید برق در برزیل هنوز ابتدایی است، بدون اینکه در ماتریس انرژی ملی وجود داشته باشد. داده‌های تراز ملی انرژی 2019 نشان می‌دهد که منابع تجدیدپذیر (آب، زیست توده، باد و فتوولتائیک خورشیدی) روی هم 83 درصد از عرضه برق خانگی را در سال 2018 تشکیل می‌دهند، که در آن درصد باقی‌مانده (16.7 درصد) منابع تجدیدناپذیر است. تولید برق از طریق استفاده از فناوری حرارتی خورشیدی نماینده ای نبود. با این حال، مشخص است که برزیل پتانسیل بالایی برای نصب نیروگاه های حرارتی خورشیدی دارد، به ویژه در منطقه شمال شرقی، جایی که تحقیقات متعددی انجام شد و پتانسیل فناوری حرارتی خورشیدی را نشان داد (همانطور که در آثار [ 1 ] نشان داده شده است. 2] [ 3 ] [ 4 ] [ 5 ] ). مشاهده می شود که هزینه های (بالا) پروژه های مرتبط با عدم وجود یک برنامه تشویقی خاص، نصب نیروگاه های خورشیدی متمرکز (CSP) را بیشتر و بیشتر وقت گیر می کند. بر اساس این یافته ها و با هدف کمک به درج انرژی حرارتی خورشیدی در برزیل، این مقاله روشی را برای مکان یابی نیروگاه های حرارتی خورشیدی سهموی 80 مگاواتی برای ایالت باهیا (منطقه شمال شرقی برزیل) بر اساس ترکیبی ارائه می کند. استفاده از روش AHP و فناوری های ژئوپردازش. این ترکیب (AHP + Geoprocessing Technologies) قبلاً برای تعریف سایت های بالقوه توسط چندین نویسنده در مناطق مختلف جهان انجام شده است، همانطور که در آثار [ 6 ] نشان داده شده است.7 ] [ 8 ] [ 9 ] [ 10]. به طور کلی، روش AHP کاربرد گسترده ای در تجزیه و تحلیل مسائل تصمیم گیری پیچیده دارد، در مواردی که موقعیت های شک یا تضاد اطلاعاتی وجود دارد، مانند مورد مطالعات مکان. با استفاده از این روش، مسئله مکان یابی را می توان در سطوح سلسله مراتبی ساختار داد، همانطور که بدیهیات روش AHP فرض می کنند، به منظور تسهیل درک آن و جستجوی راه حل هایی که در مورد ما، تعریف سطوح مناسب بودن یک سایت برای درج است. از گیاهان CSP. ایجاد این سطوح از تناسب لزوماً از طریق تجزیه و تحلیل قوی سناریوهای تولید شده و استفاده از سیستم اطلاعات جغرافیایی (GIS) می گذرد. سناریوها مسئول ارزیابی سلسله مراتب مشکلات و تعریف وزن متغیرهای مهم در نظر گرفته شده برای مکان نیروگاه خورشیدی هستند. متقابلا، GIS مسئول نمایش جغرافیایی این متغیرها (که باید تا حد امکان به واقعیت نزدیک باشد)، تجمیع و ساخت سناریوهای جغرافیایی آن برای چابک سازی تصمیم گیری است. بنابراین استفاده تلفیقی از AHP و GIS برای مکان یابی نیروگاه های خورشیدی به پیشنهاد اجرای پروژه یارانه می دهد.

2. مطالعه مکان نیروگاه حرارتی خورشیدی: استفاده ترکیبی از روش AHP و فناوری‌های ژئوفرآوری برای پشتیبانی از تعریف مکان‌های بالقوه

2.1. روش AHP

فرآیند تحلیل سلسله مراتبی، یا به سادگی روش AHP، یکی از روش های اصلی تجزیه و تحلیل تصمیم گیری چند معیاره (MDA) است. این روش توسط توماس ال ساعتی در اواسط دهه 1980 به منظور دستیابی به یک نظریه اندازه گیری کلی برای استفاده در اندازه گیری رویدادها در حوزه فیزیکی و روانی توسعه یافت.

اولین قدم برای استفاده از روش AHP، تعریف هدف مسئله است. طبق [ 11 ]، هدف روش (یا مسئله ای که باید حل شود) تابعی است که باید توسعه یابد و کل ساخت مدل را ساختار می دهد. هدف در واقع می تواند قاعده تصمیم گیری مورد استفاده را تعریف کند.

پس از تعریف هدف، مرحله بعدی تعریف معیارها و زیرمعیارهای مسئله است. معیارها امکان توصیف عناصر اصلی یک فرآیند تصمیم گیری را فراهم می کنند و می توانند به زیر معیارها تجزیه شوند. معیارهای فرعی، به نوبه خود، می توانند با شاخص هایی تعیین شوند که وظیفه تعیین مقادیر آن را دارند. شاخص ها زمانی به عنوان مثبت طبقه بندی می شوند که پتانسیل یک جایگزین را محدود نکنند. و به عنوان منفی (یا محدودیت ها) زمانی که جایگزین ها را به دلیل فعالیتی که باید توسعه داده شود محدود می کنند [ 11 ].

پس از تعریف عینی و ساخت سلسله مراتب، مقایسه زوجی معیارها انجام می شود. برای انجام این مقایسه [ 12 ] استفاده از مقیاس اندازه گیری با هدف استانداردسازی قضاوت ها پیشنهاد شده است که در جدول 1 ارائه شده است .

با استفاده از مقیاس ساعتی، معیارها با یکدیگر مقایسه می‌شوند و ماتریسی از مقایسه معیارها را ایجاد می‌کنند ( شکل 1 )، یعنی عناصر a _ij این ماتریس قضاوت داده شده برای هر جفت معیار ارزیابی شده را نشان می‌دهد.

با تعریف ماتریس مقایسه معیارها، استانداردسازی عناصر آن برای تخمین وزن معیارها (w _j ) انجام می شود. یکی از پرکاربردترین روش ها برای این تخمین، میانگین ستون های نرمال شده است که در آن مجموع عناصر هر ستون ماتریس (S ₁ , S ₂ , … S _n ) انجام می شود تا یک ماتریس جدید ایجاد شود. که در آن هر عنصر حاصل تقسیم هر عنصر a _ij از ماتریس A بر مجموع ستون مربوطه است. به عنوان آخرین مرحله از این روش، میانگین مقادیر نرمال شده ردیف ها محاسبه می شود که با مقادیر وزن های برآورد شده مطابقت دارد.

پس از تعریف وزن معیارها (اولویت جهانی)، ارزیابی سازگاری مدل باید انجام شود تا گذرا بودن مقادیر قضاوت شده تحلیل شود. چنین ارزیابی از نسبت سازگاری (CR) که با معادلات (1) و (2) محاسبه می شود، انجام می شود:

CR =CIRICR=CIRI(1)

آ. محدودیت‌های پایین‌تر و برتر مقیاس بنیادی ساعتی به ترتیب با 1 و 9 نشان داده می‌شوند، زیرا آزمایش‌های روان‌شناختی نشان می‌دهند که انسان قادر به مقایسه همزمان بیشتر از اشیا نیست. همچنین در این مقیاس، مقادیر عددی حتی به مقادیر میانی بین عناصر مقیاس اصلی رها می‌شوند [ 13 ].

CI =λحداکثر− nn – 1CI=λحداکثر-nn-1(2)

جایی که: CI = شاخص سازگاری قضاوت ها. RI = شاخص سازگاری تصادفی. λ _max = مقدار ویژه بالاتر. و n = ترتیب ماتریس.

این شاخص سازگاری تصادفی، پارامتر معادله (1)، با در نظر گرفتن نمونه‌ای متشکل از 500 ماتریس متقابل مثبت، به‌طور تصادفی [ 11 ] به‌طور تجربی تعیین شد. مقادیر نسبت داده شده به RI توسط [ 12 ]، با توجه به ترتیب ماتریس (n)، در جدول 2 نشان داده شده است.

اگر مقدار یافت شده برای CR بزرگتر یا برابر با 0.1 باشد، مقادیر قضاوتی در ماتریس مقایسه معیارها باید تجدید نظر شود، زیرا برای تخمین وزن ها (w _j ) به اندازه کافی سازگار نیستند. در مقابل، اگر چنین مقداری کمتر از 0.1 باشد، مقادیر قضاوت شده رضایت بخش در نظر گرفته می شوند [ 12 ].

هنگامی که مقادیر قضاوت شده به عنوان سازگار (اولویت جهانی) تعریف شدند، کل فرآیند به دست آوردن اولویت ها باید برای معیارهای فرعی تکرار شود تا ترتیب اهمیت آن برای حل مشکل پیشنهادی مشخص شود. همچنین برای اینها، تجزیه و تحلیل سازگاری مقادیر قضاوت شده باید انجام شود [ 11 ].

2.2. فناوری‌های ژئوپردازش مورد استفاده در مطالعه مکان در ایالت باهیا

اصطلاح Geoprocessing برای گروه بندی چندین فناوری موجود که از اطلاعات جغرافیایی استفاده می کنند در یک نام واحد پدید آمد. از جمله این فناوری ها می توان به GIS، سیستم های موقعیت یاب جهانی (GPS)، سنجش از دور، ژئودزی،

2.2.1. GIS

طبق [ 14 ] GIS سیستم‌های محاسباتی هستند که به منظور پردازش دیجیتالی اطلاعات جغرافیایی با در نظر گرفتن جنبه‌های هندسی، توپولوژیکی و زمانی آن توسعه یافته‌اند. آنها توسط منابع نرم افزاری توسعه یافته برای بهینه سازی کسب داده های جغرافیایی، تحقیق و تجزیه و تحلیل فضایی پدیده ها و حقایق جغرافیایی، علاوه بر تولید نقشه ها، حروف، گیاهان دیجیتالی یا گزارش های مختلف، دستیابی به یکپارچگی اطلاعات جغرافیایی در سطوح موضوعی مختلف، تشکیل شده اند. از منظر اجتماعی و فناوری، GIS به طور کلی با پروژه‌های سازمانی مرتبط است و برای عملیات خود به پرسنل واجد شرایط نیاز دارد که تیم‌های کاری چند رشته‌ای را با اهداف متنوع و خاص تشکیل می‌دهند.

به طور کلی، GIS ممکن است به عنوان شبکه ای نشان داده شود که افراد را از طریق استفاده از سخت افزار، نرم افزار و روش به داده های مکانی پیوند می دهد [ 15 ]. نرم افزار مربوط به برنامه های محاسباتی مورد استفاده در GIS است. سخت افزار مربوط به پلت فرم محاسباتی مورد استفاده است. داده ها شامل اطلاعات جغرافیایی است که پایگاه داده مکانی (SD) سیستم را تشکیل می دهد. مردم نماینده متخصصان مسئول پروژه و همچنین کاربران سیستم هستند. رویه ها شامل متدولوژی ها و اقدامات عملی موجود است تا سیستم به درستی برای سازمان عمل کند. برای جزئیات بیشتر، [ 15 ] را ببینید.

2.2.2. جبر نقشه

یک تکنیک نقشه برداری که در مطالعات مکان یابی بسیار مورد استفاده قرار می گیرد، جبر نقشه است. جبر نقشه (یا جبر میدانی) توسط دانا تاملین در اواخر دهه 1970 معرفی شد و می توان آن را مجموعه ای از قراردادها، مهارت های تحلیلی و تکنیک ها برای انجام عملیات با میدان های جغرافیایی در مدل ماتریسی در محیط GIS دانست.

اپراتورهای جبر نقشه، میدان‌های جغرافیایی را به‌عنوان متغیرها، لایه‌ها و هر موقعیت جغرافیایی یک مکان مطالعه تعیین‌شده به یک مقدار کیفی یا کمی مرتبط می‌کنند، با استفاده از عباراتی با نحو کاملاً تعریف‌شده. برای جزئیات بیشتر، [ 16 ] [ 17 ] را ببینید.

2.2.3. منطق فازی

در مطالعات مکان یابی مبتنی بر GIS و MDA، یک گام مهم نرمال سازی داده های مکانی است. هدف نرمال‌سازی نمایش مقادیر داده‌های مکانی (که در اصل با یکدیگر قابل مقایسه نیستند) در مقیاس پیوسته است تا امکان تجمع بین آنها در محیط GIS فراهم شود. یکی از تکنیک های مورد استفاده برای نرمال سازی، منطق فازی است.

منطق فازی مبتنی بر تئوری مجموعه های فازی است که طبقاتی از عناصر را نشان می دهد که مرزهای مشخصی ندارند [ 18 ]. استفاده از مجموعه‌های فازی بر اساس قوانین استنتاج است و برای موقعیت‌هایی که با ابهام، انتزاع و دوسوگرایی در مدل‌های ریاضی یا مفهومی پدیده‌های تجربی سروکار دارند، نشان داده شده است [ 19 ]. توابع عضویت فازی ویژگی های معنایی مجموعه های فازی را نشان می دهند و می توانند فرمت های متمایز (مانند توابع خطی، مثلثی، ذوزنقه ای، گاوسی و سیگموئیدی) را ارائه دهند. جزئیات بیشتر را می توان در [ 19 ] [ 20 ] [ 21 ] مشاهده کرد.

3. مواد و روشها

3.1. مواد مورد استفاده

مواد مورد استفاده برای انجام این تحقیق عبارتند از: 1) نرم افزار Spring 5.2.6 (INPE) و QGIS 3.2.1. 2) Shapefiles. 3) داده های ماموریت SRTM و 4) تصاویر ماهواره ای لندست 8.

3.2. شناسایی منطقه مطالعه

باهیا در منطقه شمال شرقی برزیل واقع شده است و مساحتی معادل 564760.427 کیلومتر مربع ^دارد . این ایالت با اقیانوس اطلس و با ایالات اسپریتو سانتو، میناس گرایس، گویاس، توکانتینز، پیائو، پرنامبوکو، آلاگواس و سرگیپ همسایه است.

با توجه به تقسیم منطقه ای برزیل به مناطق جغرافیایی متوسط ​​(IGR)، باهیا دارای ده محیط است که در شکل 2 نقشه مناطق جغرافیایی میانی ایالت باهیا نشان داده شده است: سالوادور، سانتو آنتونیو د ژسوس، ایلهئوس-ایتابونا، ویتوریا دا کانکیستا، گوانامبی، Barreiras، Irecê، Juazeiro، Paulo Afonso و Feira de Santana.

3.3. روش شناسی

مدل مورد استفاده برای نزدیک شدن به مشکل مکان یابی نیروگاه های حرارتی خورشیدی در ایالت باهیا، روش AHP بود. این روش به این دلیل انتخاب شد که علاوه بر تجمیع معیارهای مختلف در یک تابع واحد (که بهینه خواهد شد)، اجرای آسان و ارائه الگوریتم ساده ای دارد. مراحل توسعه مدل در شکل 3 ارائه شده است.

3.3.1. تعریف معیارها

برای ارزیابی مشکل محل نیروگاه های حرارتی خورشیدی در ایالت باهیا، چهار معیار تعریف شد: آب و هوا، که تولید برق تولید شده در نیروگاه خورشیدی را تعریف می کند. توپوگرافی که جنبه های مربوط به آماده سازی زمین برای نصب نیروگاه خورشیدی را در نظر می گیرد. زیست محیطی که مناسب بودن سایت را برای درج نیروگاه های خورشیدی در نظر می گیرد. و موقعیت مکانی که راههای اصلی، خطوط آب و برق را به نیروگاههای خورشیدی متصل می کند و همچنین نزدیکی نیروگاه خورشیدی به مناطق توسعه شهری و شهری را در نظر می گیرد. این معیارها بر اساس چندین مطالعه مکان یابی نیروگاه های خورشیدی که در سراسر جهان انجام شده است، ایجاد شده است که مفاهیم MDA و GIS را برای شناسایی مکان های مناسب برای نصب جمع آوری می کند. هنوز،جدول 3 ) و محدودیت ها ( جدول 4 ).

تابش مستقیم خورشیدی معمولی در نشان دادن مکان‌های بالقوه برای تاسیسات نیروگاه‌های حرارتی خورشیدی مهم‌تر در نظر گرفته می‌شود، زمانی که به طور کمی، تولید برق نیروگاه خورشیدی را تعریف می‌کند [ 22 ]. در واقع، اگر کلکتور خورشیدی صفحه تخت روی سطح زمین را از زاویه β نسبت به افقی کج در نظر بگیریم، کل تابش خورشیدی (Ih ₎ که در یک لحظه معین به این صفحه می رسد با مجموع دو جزء: تابش مستقیم و پراکنده، مانند نشان داده شده در معادله (3) [ 5 ].

منج=منb ncos θ +مندگناه βπ Cمنج=منبncosθ+مندگناهβπسی(3)

جایی که: I _c = تابش خورشید در سطح کلکتور. I _bn = مستقیم تابش عادی خورشیدی؛ θ = زاویه تشکیل شده توسط پرتوها با صفحه افقی. I _d = تابش پراکنده خورشید در صفحه افقی. β = زاویه لبه. π = زاویه فرود. و C = غلظت هندسی.

نیروگاه های حرارتی خورشیدی که دارای نسبت غلظت هندسی بالا در نظر گرفته می شوند، تعریف شده در محدوده 50 < C < 100، به عنوان مثال، سهم انتشار در بخش کوچکی (ناچیز) از تابش خورشیدی بر روی سطح کلکتور منعکس می شود. یعنی کلکتور خورشیدی عملاً فقط بخش مستقیم تابش خورشیدی را که روی سطح خود فرو می‌آید می‌بیند. منج=منb ncos θمنج=منبncosθ). بنابراین، دانش تابش مستقیم خورشیدی نرمال در یک مکان معین یک عامل ضروری برای مطالعات مکان یابی است.

آگاهی از شیب زمین محل نصب نیروگاه خورشیدی نیز عامل مهمی برای انتخاب مکان است، زیرا تاثیر آن را بر هزینه های آماده سازی و تسطیح زمین تعیین می کند. ایده آل داشتن زمین مسطح، اما با شیب کافی برای زهکشی طبیعی زمین است.

با توجه به فاصله تا عناصر زیرساخت برق، آب و جاده، مشاهده می‌شود که ایده‌آل نزدیکی نیروگاه خورشیدی با خطوط برق، منابع آبی و جاده‌های اصلی است تا از افزایش هزینه کل پروژه جلوگیری شود. در صورت لزوم احداث خطوط لوله جدید و یا تقاضای توسعه خطوط برق و شبکه راه های موجود برای خدمات رسانی به مناطق مساعد برای اجرای پروژه ها.

برای مناطق گسترش شهری و شهری، موضوع مجاورت نیز عامل بسیار مهمی است. با این حال، برای آن‌ها ایده‌آل این است که نیروگاه خورشیدی فاصله قابل‌توجهی با این مناطق داشته باشد، زیرا مناطق توسعه شهری و شهری باید حفظ شوند تا عملکرد اجتماعی خود را انجام دهند (مسکن، کار، تفریح، گردش و غیره). .

در نهایت، با توجه به کاربری اراضی، مشاهده می‌شود که مکان‌هایی که برای اهداف تولیدی استفاده نمی‌شوند، بیشتر برای نصب نیروگاه‌های خورشیدی مشخص می‌شوند. در این تحقیق، سایت‌هایی که جنبه مثبت در مدل در نظر گرفته شده است، به‌عنوان پتانسیل کشاورزی متوسط ​​تا بالا طبقه‌بندی شده‌اند. از سوی دیگر، مناطق با پتانسیل کشاورزی بالا به عنوان جنبه منفی در مدل در نظر گرفته شد.

نقشه های موضوعی ارائه شده در شکل های 4-10 نشان دهنده توزیع مکانی شاخص های مثبت در منطقه مورد مطالعه است. توجه به این نکته مهم است که همه این نقشه‌ها به سیستم مرجع ژئودتیکی SIRGAS2000 ارجاع داده شده‌اند که نشان‌دهنده سیستم مرجع زمین‌شناسی رسمی برای سیستم ژئودتیک برزیل (BGS) و برای سیستم کارتوگرافی ملی (NCS) است. سیستم مختصات مورد استفاده سیستم مختصات ژئودتیکی (طول و عرض جغرافیایی) و طرح نقشه برداری استفاده شده مخروطی مساوی بود.

همانطور که در شکل 4 مشاهده می شود ، شاخص های تابش خورشیدی نرمال مستقیم در باهیا از 3.8 تا 6.3 کیلووات ساعت بر متر مربع در ^روز (متوسط ​​سالانه) متغیر است. مقادیر بالاتر، عمدتاً در مناطق جغرافیایی متوسط ​​Barreiras، Juazeiro، Irecê و Guanambi قرار داشتند. از سوی دیگر، مقادیر پایین تر (بین 3.8 تا 4.3 کیلووات ساعت بر مترمربع در ^روز ) عمدتاً در مناطق جغرافیایی میانی فیرا د سانتانا، سالوادور، سانتو آنتونیو د ژسوس، ایلهئوس-ایتابونا و ویتوریا دا کانکیستا بود. در محل نیروگاه خورشیدی جابورندی، تابش مستقیم خورشیدی معمولی بین 3/5 تا 8/5 کیلووات ساعت بر مترمربع در ^روز (میانگین سالانه) است که مقادیر بسیار خوبی برای نصب پروژه‌های CSP در نظر گرفته می‌شوند.

با توجه به نقشه در شکل 5 ، مشاهده می شود که بیشترین درصد شیب (بیشتر از 4٪) بیشتر در مناطق جغرافیایی میانی فیرا د سانتانا، سالوادور، سانتو آنتونیو د ژسوس، ویتوریا دا کانکیستا و ایلهئوس-ایتابونا واقع شده است. درصدهای بالاتری را نیز می توان در بخش هایی از مناطق جغرافیایی متوسط ​​Guanambi، Irecê و Juazeiro یافت. از سوی دیگر، شیب های ملایم تر (0٪ – 2٪، 2٪ – 4٪) در مناطق جغرافیایی متوسط ​​Barreiras، Juazeiro، Irecê، Guanambi و Paulo Afonso قرار دارند. شیب زمینی که نیروگاه خورشیدی جابورندی در محدوده 0٪ – 2٪ است که شرایط عالی برای نصب پروژه را برآورده می کند، زمانی که چندین نویسنده [ 22 ] [ 23 ]]، نشان می دهد که حداکثر شیب زمین برای نصب پروژه نباید بیشتر از 5 درصد باشد.

از نقشه در شکل 6 ، تأیید می شود که فواصل بیشتر تا خطوط برق در غرب ایالت، به ویژه در مناطق جغرافیایی میانی Barreiras، Juazeiro و Irecê واقع شده است. در منطقه همسایه مناطق جغرافیایی میانی Juazeiro و Feira de Santana نیز فواصل زیادی (بیش از 60 کیلومتر) بین خطوط برق یافت می شود. منطقه نیروگاه خورشیدی جبورندی در نقشه در نظر گرفته نشده است، اما اگر الگویی برای منطقه آن ایجاد شود، می توان گفت که نیروگاه خورشیدی جبورندی در فاصله کمی با خطوط برق قرار دارد. 138 کیلو ولت (0 – 15 کیلومتر)، چیزی که معیار عالی برای نصب پروژه های CSP را نیز برجسته می کند.

در نقشه شکل 7 ، مشاهده می شود که فواصل بیشتر تا منابع آب در ایالت باهیا عمدتاً در نواحی مرکزی منطقه جغرافیایی میانی پائولو آفونسو و در مرز بین مناطق جغرافیایی میانی سالوادور و فیرا د سانتانا واقع شده است. . در این نقشه می توان تایید کرد که نیروگاه خورشیدی جابورندی در منطقه ای با فاصله کم تا منابع آب دائمی (0 تا 15 کیلومتر) واقع شده است که معیار بسیار خوبی برای نصب پروژه های CSP را نیز نشان می دهد.

با توجه به نقشه نشان داده شده در شکل 8 ، مشاهده می شود که فواصل بیشتری تا جاده های اصلی در منطقه جغرافیایی میانی Barreiras، در منتهی الیه غرب ایالت، و در مرز بین مناطق جغرافیایی میانی Juazeiro و Irecê قرار دارد. در آن همچنین مشاهده می شود که نیروگاه خورشیدی جابورندی در منطقه ای به فاصله 60 تا 75 کیلومتر از راه های اصلی (ایالتی و فدرال) واقع شده است که نشان می دهد دسترسی به نیروگاه باید از طریق جاده های شهری یا خصوصی باشد. جاده های منطقه

با توجه به نقشه در شکل 9 ، تأیید شده است که تمرکز بیشتر مناطق شهری در بخش شرقی ایالت، بیشتر در منطقه جغرافیایی متوسط ​​سالوادور واقع شده است، و فواصل بیشتر تا مناطق شهری (بیش از 60 کیلومتر) واقع شده است. در منتهی الیه غرب ایالت، در منطقه جغرافیایی میانی Barreiras. از این نظر مشاهده می شود که نیروگاه خورشیدی جابورندی در منطقه ای با فواصل بسیار زیاد تا مراکز اصلی شهری کشور واقع شده است که معیاری عالی برای نصب پروژه های CSP نیز محسوب می شود.

در نهایت، با توجه به نقشه در شکل 10 ، تأیید می شود که ایالت دارای سایت های زیادی با پتانسیل کشاورزی کم یا بسیار کم است. از سوی دیگر، مناطق با پتانسیل بالا را می توان در مناطق جغرافیایی میانی Irecê، Guanambi، Paulo Afonso، Feira de Santana و Vitória da Conquista یافت. در این راستا، تأیید می شود که نیروگاه خورشیدی جابورندی در منطقه ای کم پتانسیل کشاورزی واقع شده است که در صورت عدم استفاده از سایت برای اهداف تولیدی، آن را برای نصب پروژه های CSP مناسب می کند.

محدودیت ها

محدودیت ها مربوط به سایت هایی است که فعالیت یا شغل باید حفظ و کنترل شود. در این مطالعه، محیط های گنجانده شده به عنوان محدودیت عبارتند از: واحدهای حفاظت فدرال برای استفاده پایدار و حفاظت جامع، بقایای جنگل های اقیانوس اطلس. مناطق بومی؛ سرزمین های کویلومبولا؛ مناطق با پتانسیل کشاورزی بالا; مناطق شهری؛ و بدنه های آبی، همانطور که در شکل 11 نشان داده شده است.

از نقشه ارائه شده در شکل 11 ، مشاهده می شود که تمرکز بیشتری از مناطق محدودیت در بخش های جنوب شرقی و مرکزی ایالت باهیا وجود دارد.

با در نظر گرفتن مکان های اشغال شده توسط واحدهای حفاظت فدرال (FCU)، تأیید می شود که ایالت در مجموع 24 FCU دارد. با توجه به بقایای جنگل های اقیانوس اطلس ، طبق داده های بنیاد SOSMA (بنیاد SOS Mata Atlântica) مساحتی معادل 75481.57 کیلومتر مربع را اشغال می کنند ^. چنین بقایایی در مناطق جغرافیایی متوسط ​​سالوادور، سانتو آنتونیو د ژسوس، ویتوریا دا کانکیستا و ایلهئوس-ایتابونا قرار دارند.

در باهیا، بر اساس FUNAI (بنیاد ملی هند)، در حال حاضر 15 منطقه بومی وجود دارد که در مناطق جغرافیایی میانی ایرسی، گوانامبی، پائولو آفونسو، سانتو آنتونیو د ژسوس و ایلهئوس-ایتابونا قرار دارند. قلمروهای Quilombola (حدود 36 جامعه) در تمام مناطق جغرافیایی متوسط ​​ایالت یافت می شوند.

مناطق با پتانسیل کشاورزی بالا در مناطق جغرافیایی میانی Irecê، Guanambi، Paulo Afonso، Feira de Santana و Vitória da Conquista یافت می شوند. در نهایت، مکان‌هایی با غلظت بیشتری از آب در قلمرو، عمدتاً در معجون‌های شرقی و غربی ایالت، جایی که مناطق جغرافیایی میانی Barreiras، Juazeiro، Irecê (بخش غربی) و سالوادور، Santo Antônio de Jesus واقع شده‌اند. ، Ilhéus-Itabuna و Vitória da Conquista (بخش شرقی) واقع شده اند.

نیروگاه خورشیدی جابورندی در منطقه ای واقع شده است که هیچ گونه محدودیتی در کاربری اراضی در آن رعایت نمی شود. این باعث می شود که برای نصب پروژه های CSP مناسب باشد.

3.3.2. تعریف قانون تصمیم گیری

برای ارزیابی مشکل مکان نیروگاه حرارتی خورشیدی در ایالت باهیا، یک قانون تصمیم گیری برای هر یک از سه سناریوی توسعه یافته برای این مطالعه ایجاد شد. برای مثال، در سناریوی اول، معیارهای اقلیمی برای قاعده تصمیم گیری مهم ترین در نظر گرفته شد. به ترتیب اهمیت، معیارهای توپوگرافی، محیطی و موقعیت مکانی تعریف شدند، همانطور که در شکل 12 نشان داده شده است.

یک سناریوی بدون وزن – سناریوی نقطه شروع – نیز برای تعریف مکان‌های مناسب برای نصب با استفاده از تمام شاخص‌های مطالعه (مثبت و محدودیت)، بدون در نظر گرفتن وزن‌ها ایجاد شد. همچنین برای این سناریو رقابت شد تا به عنوان مرجعی برای تجزیه و تحلیل تأثیر وزن‌دهی در نتیجه نهایی هر سناریو ایجاد شده باشد.

3.3.3. تخمین وزن و محاسبه سازگاری مدل

پس از استقرار قاعده تصمیم گیری، تخمین وزن برای معیارهای مسئله انجام شد. بنابراین، یک مقایسه زوجی بین جفت معیارها با استفاده از مقیاس بنیادی ساعتی انجام شد که باعث ایجاد ماتریس مقایسه زوجی (ماتریس A) شد. سپس این ماتریس با استفاده از روش میانگین ستون های نرمال شده برای تخمین بردارهای اولویت (w _j ) نرمال شد. مرحله به مرحله این تعیین، برای سناریوی 1، در زیر نشان داده شده است:

در سناریوی 1، قاعده تصمیم اتخاذ شده به ترتیب اهمیت، توالی آب و هوا è توپوگرافی è محیطی è مکان بود و سپس ماتریس مقایسه زوجی فرمت خود را در جدول 5 ارائه کرد . نرمال سازی این ماتریس در جدول 6 ارائه شده است .

در جدول 6 مشاهده می شود که معیارهای اقلیمی وزن بیشتری (46%) نسبت به توپوگرافی (29%)، محیطی (16%) و موقعیت مکانی (9%) نشان می دهند.

پس از به دست آوردن بردارهای اولویت برای معیارها، ارزیابی سازگاری مدل برای تأیید گذر بودن مقادیر قضاوت شده انجام شد. محاسبه نسبت سازگاری با استفاده از معادلات (1) و (2) و همچنین مقدار تجربی شاخص سازگاری تصادفی معادل n = 4 (ترتیب ماتریس)، نشان داده شده در جدول 2 انجام شد. مقادیر یافت شده برای مقدار ویژه بیشتر، شاخص ثبات قضاوت ها و جیره سازگاری به ترتیب λ _max = 4.045870784، CI = 0.015290261 و CR = 0.016989179 بودند. از آنجایی که مقدار CR کمتر از 0.10 (درخواست مدل) بود، مقادیر تخمین زده شده برای معیارها مطابقت دارند.

با تمام معیارهای سناریو 1 که به صورت سلسله مراتبی سازماندهی شده اند، کل فرآیند برای به دست آوردن بردار اولویت ها و ارزیابی گذر از مقادیر قضاوت شده برای زیر معیارهای تعیین وزن نهایی بازتولید شد. چنین وزن‌های نهایی، و همچنین مقادیر λmax _، CI و CR محاسبه‌شده برای معیارهای فرعی در سناریوی 1، در جدول 7 ارائه شده‌اند .

از آنجایی که مقدار CR کمتر از 0.10 بود ( جدول 7 )، مقادیر ارزیابی شده برای معیارهای فرعی نیز به عنوان یکسان بیان شد.

به همین ترتیب، برآورد وزن معیارها و زیرمعیارها برای سناریو 2 و 3 و همچنین محاسبه سازگاری مدل انجام شد. تخمین وزن و مقادیر یافت شده λmax _، CI و CR برای زیر معیارهای سناریوهای 2 و 3 به ترتیب در جدول 8 و جدول 9 ارائه شده است.

از آنجایی که مقدار CR در جدول 8 و جدول 9 کمتر از 0.10 بود ، مقادیر تخمین زده شده برای زیر معیارها نیز مطابقت دارند.

4. نتایج و بحث

4.1. ارائه سناریوها

برای شناسایی مکان‌های مناسب برای نصب نیروگاه‌های خورشیدی در ایالت باهیا، از تکنیک WLC (ترکیب خطی وزنی) استفاده شد. تکنیک WLC لایه‌های مختلف را با وزن‌های مربوطه ترکیب می‌کند تا نقشه‌های تناسب نهایی را تولید کند. در مورد مطالعات مکان یابی نیروگاه های خورشیدی می توان گفت که تمام شاخص های مطالعه (منفی و مثبت) را با وزن مربوطه ترکیب می کند تا یک طبقه بندی مناسب مستمر مناطق در منطقه مورد نظر ایجاد شود. در معادله (4) نشان داده شده است:

من=∑ni = 1wمنایکسمن⋅∏کj = 1جjمن=∑من=1nwمنایکسمن⋅∏j=1کجj(4)

جایی که: I = ارزش نهایی امتیاز. n = تعداد شاخص های مثبت. w _i = وزن شاخص مثبت i; x _i = مقدار نرمال شده شاخص مثبت i; k = تعداد معیارهای خروج. و _cj = نمره (0 یا 1) معیارهای خروج.

برای عادی سازی شاخص های مثبت، از تابع عضویت فازی سیگموئیدی استفاده شد، زیرا، طبق [ 21 ]، استفاده از این تابع مرتبط با مجموعه ای از نقاط کنترل اجازه می دهد تا دوره ای را که در آن اثر مقدار نرمال شده برای نتیجه نهایی موثرتر است. فرمت تابع عضویت فازی سیگموئیدی در شکل 13 نشان داده شده است .

برخلاف شاخص‌های مثبتی که سطوح پیوسته را برای مکان‌های مناسب تعیین می‌کنند، محدودیت‌ها (یا شاخص‌های منفی) محدودیت‌های مشخصی را ارائه می‌کنند و طبقه‌بندی سایت‌ها را به‌عنوان مناسب و نامناسب برای یک هدف مطلوب تقسیم می‌کنند. به این ترتیب، محدودیت ها یک قالب بولی (ماهیت دودویی) با تجزیه و تحلیل مناسب ارائه می دهند: مقدار یک (1) زمانی که مناسب بودن سایت وجود دارد. و در غیر این صورت مقدار صفر (0).

نتایج یافت شده برای سناریوی نقطه شروع در شکل 14 نشان داده شده است .

از نقشه در شکل 14 ، مشاهده می شود که در دسترس بودن بیشتر مکان های مناسب برای نصب نیروگاه های خورشیدی در سناریوی نقطه شروع (کلاس 7) در مناطق غربی و شمالی ایالت، به ویژه در مناطق متوسط ​​یافت می شود. مناطق جغرافیایی (IGR) Barreiras، Juazeiro، Irecê و Guanambi. از سوی دیگر، سایت‌های در دسترس کمتر (کلاس‌های 1، 2 و 3) در تمام IGR، به‌ویژه در مناطقی که در بخش‌های مرکزی و شرقی ایالت قرار دارند، یافت می‌شوند.

سایت‌های واقع در منطقه جنوبی ایالت، در این سناریوی نقطه شروع، در دسترس بودن زیادی برای نصب پروژه‌ها نداشتند، زیرا مناسب بودن سایت‌های یافت شده در آنجا کم در نظر گرفته می‌شوند (کلاس‌های 1، 2 و 3). توجه به این نکته مهم است که، صرف نظر از مقادیر مرتبط با کلاس های مناسب، این منطقه خود را برای نصب پروژه ها ناکافی نشان می دهد زیرا بسیاری از سایت های آن توسط مناطق محدودیت اشغال شده است. چنین ویژگی در سایر مناطق تحت اشغال مناطق محدود نیز وجود خواهد داشت.

همانطور که در نقشه شکل 15 مشاهده می شود ، منطقه نیروگاه خورشیدی جابورندی تحت پوشش مدل نیست. این امر به دلیل عدم وجود اطلاعات مکانی (و درون یابی) برخی از لایه ها در منطقه رخ می دهد. با این حال، با توجه به گسترش مدل برای منطقه، به جرات می توان گفت که نیروگاه خورشیدی جابورندی در سایت مناسبی میانی قرار دارد که مقادیر طبقات بین 3 تا 4 متغیر است.

نتایج یافت شده برای سناریوی 1 در شکل 15 نشان داده شده است.

با نگاهی به نقشه در شکل 15 و مقایسه آن با نقشه در شکل 14 ، می توان دریافت که با در نظر گرفتن وزن ها تفاوت های آشکاری وجود دارد. کلاس های مناسبت بالا (کلاس 7 و 6) در مناطق غربی و شمالی ایالت متمرکز هستند، با این حال در مقایسه با سناریوی نقطه شروع، تعداد بیشتری از مکان ها را پوشش می دهند. IGR که این مکان ها در آن قرار دارند IGR Barreiras، Juazeiro، Irecê و Guanambi است.

طبقات مناسبی که کم در نظر گرفته می شوند (کلاس های 1، 2 و 3) عمدتاً در مناطق مرکزی و شرقی ایالت هستند و عمدتاً مکان های IGR پائولو آفونسو، فیرا د سانتانا، سالوادور، سانتو آنتونیو د ژسوس، ایلهئوس-ایتابونا و ویتوریا دا کانکیستا

مجدداً با توجه به توسعه مدل برای منطقه نیروگاه خورشیدی جابورندی، می توان گفت که نیروگاه در جایگاه مناسبی متوسط ​​قرار دارد که مقادیر طبقات بین 3 تا 4 متغیر است.

نتایج یافت شده برای سناریو 2 در شکل 16 نشان داده شده است.

با نگاهی به نقشه در شکل 16 و مقایسه آن با نقشه در شکل 14 ، می توان مشاهده کرد که مکان های مناسب (کلاس 7) بزرگ شده اند و اکنون در بخش شرقی ایالت متمرکز شده اند و بار دیگر IGR Barreiras را پوشش می دهند. Juazeiro، Irecê و Guanambi. در مقابل، کلاس‌های تناسب پایین‌تر (کلاس‌های 1، 2 و 3) در مناطق مرکزی و شرقی ایالت باقی ماندند و عمدتاً مکان‌های IGR پائولو آفونسو، فیرا د سانتانا، سالوادور، سانتو آنتونیو د ژسوس را پوشش می‌دادند. ، Ilhéus-Itabuna و Vitória da Conquista.

مجدداً با توجه به گسترش مدل برای منطقه نیروگاه خورشیدی جابورندی می توان گفت که نیروگاه در یک مکان مناسب بینابین قرار دارد که مقادیر طبقات بین 3 تا 4 متغیر است.

نتایج یافت شده برای سناریو 3 در شکل 17 نشان داده شده است.

با نگاهی به نقشه در شکل 17 و مقایسه آن با نقشه در شکل 14 ، تأیید می شود که سایت های با تناسب بالا (کلاس های 7 و 6) کاهش یافته اند در حالی که سایت های با تناسب متوسط ​​(کلاس های 4 و 5) رواج بیشتری یافته اند. در ایالت همچنین، می‌توان متوجه شد که بسیاری از سایت‌هایی که کلاس‌های تناسب پایین (کلاس‌های 1، 2 و 3) را ارائه می‌کنند، اکنون مقادیر مناسبی را ارائه می‌کنند که متوسط ​​در نظر گرفته می‌شوند.

با این حال، با توجه به گسترش مدل برای منطقه نیروگاه خورشیدی جابورندی، می توان گفت که نیروگاه در سایتی با مناسبت متوسط ​​(کلاس 4 و 5) قرار دارد که مقادیر طبقات بین 3 تا 4 متغیر است.

4.2. ارزیابی نهایی سناریوها

با توجه به تجزیه و تحلیل انجام شده، امکان ایجاد محیط های مناسب برای نصب نیروگاه های حرارتی خورشیدی در ایالت باهیا وجود داشت: IGR Barreiras، Juazeiro، Irecê و Guanambi. همه آنها، بدون استثنا، پتانسیل بالایی برای نصب در تمام سناریوهای مطالعه (سناریو نقطه شروع، سناریو 1، سناریو 2 و سناریو 3) ارائه کردند.

از سناریوی نقطه شروع، که در آن وزن‌ها در شناسایی مکان‌های مناسب در نظر گرفته نشد، در دسترس بودن بیشتر سایت‌های مناسبت بالا (کلاس 7) در ایالت باهیا در این چهار IGR یافت شد. این تصویر در سناریوهای دیگر تکرار شد، اما ویژگی‌های متمایزی را نشان داد.

برای مثال، در سناریوی 1، کلاس‌های مناسبت بالا (کلاس‌های 7 و 6) همچنان در مناطق غربی و شمالی ایالت، به ویژه در IGR Barreiras، Juazeiro، Irecê و Guanambi متمرکز هستند، اما در مقایسه با تعداد بیشتری از مکان‌ها را پوشش می‌دهند. به سناریوی نقطه شروع این به این دلیل است که در سناریوی 1، تابش خورشیدی نرمال مستقیم (معیارهای اقلیمی) وزن بالاتری را در مقایسه با سایر لایه‌های مطالعه نشان می‌دهد که منجر به گنجاندن مکان‌هایی با سطوح بالای تابش خورشیدی نرمال مستقیم در شرایط بسیار بالا می‌شود. گروه ها.

در سناریوی 2، وضعیت خود را بسیار شبیه به سناریو 1 نشان داد. در سناریوی 2، تابش مستقیم خورشیدی نرمال (معیارهای آب و هوایی) بار دیگر، وزن بالاتری را در برابر لایه های دیگر در مطالعه نشان داد. دومین وزن بالاتر به عناصر زیرساخت (معیارهای مکان) داده شد. در این پیکربندی، سایت‌های مناسبت بالا (کلاس‌های 7) بزرگ‌تر و در بخش شرقی ایالت متمرکز شده‌اند که IGR Barreiras، Juazeiro، Irecê و Guanambi را پوشش می‌دهد. سایت‌های بخش شمالی ایالت، در همین IGR، که در سناریوهای قبلی تناسب بالایی داشتند، اکنون تناسب متوسطی را ارائه می‌کنند (کلاس‌های 4 و 5). این به این دلیل اتفاق افتاد که وقتی مجموعه اطلاعات فاصله کمتری را تا خطوط برق، جاده اصلی و لایه های منابع آب در نظر می گیریم،

در آخرین سناریوی مطالعه، سناریوی 3، معیارهای زیست محیطی وزن بیشتری را نسبت به سایر معیارهای مطالعه نشان می‌دهند. در این پیکربندی، سایت‌های مناسبت بالا (کلاس‌های 7 و 6) نیز در IGR Barreiras، Juazeiro، Irecê و Guanambi متمرکز شده‌اند، اما از نظر تعداد مکان‌ها دچار کاهش شدند. در این واقعیت، این سایت ها شروع به ارائه یک مناسبت متوسط ​​(کلاس 4 و 5) کردند. این به این دلیل رخ داد که، در این پیکربندی، مدل تمایل داشت که سایت‌های طبقه‌بندی شده به‌عنوان تناسب کشاورزی «کم» و «بسیار کم» را به گروهی با تناسب بالا (کلاس‌های 7 و 6) «کشش» کند، و سایت‌های «متوسط» را رها کرد. تناسب کشاورزی بالا در گروه تناسب کم (کلاس های 1، 2 و 3).

سایت‌های واقع در جنوب ایالت، در هیچ یک از سناریوهای مطالعه، در دسترس بودن زیادی برای نصب پروژه‌ها نداشتند، زیرا تناسب سایت یافت شده در آنجا در همه سناریوها پایین بود (کلاس‌های 1، 2 و 3). علاوه بر این، مهم است که برجسته شود، صرف نظر از مقادیر مرتبط با کلاس های مناسب، این منطقه برای نصب پروژه ها ناکافی است زیرا بسیاری از سایت های آن توسط مناطق محدودیت اشغال شده است.

در تمامی سناریوهای این تحقیق نیز مشاهده شد که منطقه نیروگاه خورشیدی جبورندی تحت پوشش مدل نیست. این امر به دلیل عدم وجود اطلاعات مکانی (و درونیابی) برخی از لایه ها در منطقه رخ داده است. با این حال، هنگام در نظر گرفتن گسترش مدل برای منطقه، در تمام سناریوها می توان گفت که نیروگاه خورشیدی جابورندی در منطقه ای با تناسب متوسط ​​قرار می گیرد که مقادیر طبقات بین 3 تا 4 متغیر است.

با تجزیه و تحلیل تناسب فردی در لایه های تعریف شده در این مطالعه، مشاهده می شود که منطقه ای که نیروگاه خورشیدی جبورندی در آن قرار دارد، ویژگی خوبی برای نصب نیروگاه های خورشیدی دارد. مقادیر تابش عادی مستقیم از 5.3 تا 5.8 کیلووات ساعت بر متر مربع است ^.· روز (میانگین سالانه). شیب زمین در محدوده 0٪ – 2٪ یافت می شود که شرایط عالی برای نصب پروژه ها را برآورده می کند. فواصل تا منابع آب دائمی در حد (0 تا 15 کیلومتر) می باشد. همین فاصله فاصله برای ویژگی خط برق دیده می شود. فاصله تا مراکز شهری اصلی ایالت باهیا نیز زیاد در نظر گرفته شده است و این منطقه در منطقه ای کم پتانسیل کشاورزی قرار دارد و هیچ محدودیتی در مورد استفاده از زمین مشاهده نمی شود. از طرفی نیروگاه خورشیدی جابورندی در منطقه ای با فواصل 60 تا 75 کیلومتری جاده های اصلی (ایالتی و فدرال) واقع شده است. چنین مشخصه ای ممکن است در تمام سناریوهای مطالعه، حتی در سناریوی نقطه شروع، جایی که وزن ها در نظر گرفته نشده اند، منطقه را به یک طبقه بندی میانی “کشیده” کرده باشد.

4.3. اعتبارسنجی مدل

فرآیند اعتبارسنجی مدل برای این مطالعه از تکنیک‌های اعتبارسنجی پیکسل به پیکسل و مقایسه و تحلیل بصری انجام شد. در اعتبارسنجی پیکسل به پیکسل، لایه‌های موضوعی مدل در نقشه نهایی مناسب بودن و همچنین در سایر اسناد نقشه‌کشی برای ارزیابی اینکه آیا موقعیت‌های آنها مطابقت دارند، مشاهده شد. در فرآیند مقایسه و تحلیل بصری، رابطه بین وزن‌های تخصیص یافته به لایه‌ها و تناسب نهایی سایت‌ها برای تأیید سازگاری وزن‌ها در نقشه نهایی تناسب مورد تجزیه و تحلیل قرار گرفت. چنین تکنیک هایی برای IGR Barreiras استفاده شد که با توجه به تحلیل های انجام شده پتانسیل بالایی را برای نصب نیروگاه های خورشیدی ارائه کرد. تصویری از فرآیند اعتبار سنجی در شکل 18 ارائه شده است .

با مشاهده تصویر ماهواره‌ای موجود و نقشه منطقه جغرافیایی میانی و مناطق جغرافیایی فوری از IBGE، می‌توان همزمانی بین موقعیت لایه موضوعی جاده‌های اصلی و محدودیت‌های بین IGR همسایه را تأیید کرد. با نقشه IBGE، همچنین امکان مشاهده نام و سایر عناصر همسایگی (جویبارها، محلات و غیره) در منطقه وجود داشت. برای مناطق شهری و مناطق گسترش شهری، به دلیل وضوح تصویر ماهواره ای، امکان بررسی همزمانی موقعیت آنها وجود نداشت.

برای ارزیابی تأثیر وزن‌ها بر لایه‌های موضوعی در تعریف نقشه نهایی تناسب در Barreiras، مقایسه نتایج به‌دست‌آمده در سناریوی 1 با ویژگی‌های این IGR انجام شد: لایه موضوعی تابش خورشیدی برای Barreiras نشان می‌دهد که این منطقه مقادیری بالاتر از 5.0 کیلووات ساعت بر متر مربع در ^روز (میانگین سالانه) در تمام قلمرو خود دارد. در قسمت شرقی، مقدار تابش در محدوده 5.9 تا 6.3 کیلووات ساعت بر متر مربع تعریف شده است ^.· روز (متوسط ​​سالانه)، که همچنین به نفع نصب نیروگاه های خورشیدی است. در سناریوی 1، تابش خورشید پارامتر با اهمیت بیشتری بود، وزن آن 42 درصد بود. لایه شیب زمین در Barreiras نشان می دهد که این IGR زمینی را با شیب های کمتر از 5٪ در مناطق مختلف قلمرو خود فراهم می کند. شیب های پایین تر به نصب نیروگاه های خورشیدی کمک می کند. لایه شیب دوم به ترتیب اهمیت با ارائه درصد 26٪ بود.

با توجه به کاربری زمین، تأیید شده است که بخش بزرگ‌تری از قلمرو Barreiras از زمین‌هایی با تناسب کم و بسیار کم تشکیل شده است، که این طبقه بالقوه کشاورزی است که بیشتر از نصب نیروگاه‌های خورشیدی در ایالت حمایت می‌کند. این پارامتر دارای وزن 18 درصد بود و به ترتیب اهمیت سوم شد. و در نهایت، با توجه به جنبه های زیرساختی برای اتصال نیروگاه خورشیدی، تأیید می شود که IGR اتصال برق، اتصال آب و زیرساخت جاده را در قسمت مرکزی خود فراهم می کند. با توجه به اینکه تمامی لایه‌های موضوعی مطلوب‌ترین شرایط را برای مکان‌یابی نیروگاه‌های خورشیدی ارائه می‌کردند، بررسی شد که تجمع آنها به همراه وزن مربوطه (پیکسل حاصل از نقشه نهایی)

5. نتیجه گیری ها

این مقاله نتایج کاربرد روش های AHP را برای مکان یابی نیروگاه حرارتی خورشیدی سهموی 80 مگاواتی در ایالت باهیا ارائه می کند. بر اساس تحلیل‌های انجام‌شده، تأیید شد که مکان‌یابی بر اساس روش AHP در ارائه یارانه‌ها با هدف شناسایی مکان‌های بالقوه بسیار مناسب است. همچنین، تأیید شد که دولت پتانسیل بالایی برای توسعه فناوری حرارتی خورشیدی، به ویژه در کشور ارائه می‌کند

مناطق جغرافیایی میانی (IGR) Barreiras، Juazeiro، Irecê و Guanambi، جایی که مناسب‌ترین محیط‌ها برای نصب در سناریوهای ارزیابی شده در مطالعه یافت شدند.

از آنجایی که ارزیابی سناریوی نقطه شروع، که در آن وزن‌ها در شناسایی مکان‌های مناسب در نظر گرفته نشد، مشاهده شد که در دسترس بودن بیشتر مکان‌های مناسب (کلاس 7) در ایالت باهیا در این چهار IGR یافت شد. این تصویر برای سناریوهای دیگر تکرار شد، اما ویژگی های متمایزی را ارائه داد. در مقابل، سایت‌های واقع در منطقه جنوبی ایالت، در هیچ یک از سناریوهای مورد مطالعه، مناسب بودن زیادی برای نصب پروژه‌ها نشان ندادند، زیرا تناسب سایت یافت شده در آنجا در همه سناریوها پایین بود ( کلاس های 1، 2 و 3). علاوه بر این، مهم است که برجسته شود، صرف نظر از مقادیر مرتبط با کلاس های مناسب،

اعتبارسنجی‌های انجام‌شده در مدل با هدف بررسی اینکه آیا سیستم توسعه‌یافته با کمک GIS، در واقع با یک نمایش مرتبط از دنیای واقعی که برای IGR Barreiras انجام می‌شود مطابقت دارد یا خیر، انجام شده است. فرآیندهای اعمال شده شامل تکنیک های اعتبارسنجی پیکسل به پیکسل و مقایسه و تجزیه و تحلیل بصری است. چنین فرآیندهایی نشان داد که مدل مورد استفاده با هدف پیشنهادی، زمانی که موقعیت مکانی و سایر اطلاعات مرتبط برای برخی از لایه‌های موضوعی، بر اساس اسناد نقشه‌کشی موجود برای منطقه، تأیید شد، به هدف پیشنهادی رسید. فرآیندهای اعتبار سنجی همچنین سازگاری بین وزن های اختصاص داده شده به لایه های موضوعی به صورت جداگانه و مناسب بودن نقشه نهایی سایت ها را نشان می دهد، جایی که لایه های موضوعی با وزن مربوطه خود اضافه می شوند.

مهم است که به یاد داشته باشید که نتیجه یک تجزیه و تحلیل مبتنی بر GIS به طور اساسی به لایه های موضوعی مورد استفاده بستگی دارد. اگر از داده‌های مکانی با کیفیت پایین استفاده شود، ممکن است ساده‌سازی‌های اشتباهی از واقعیت ایجاد شود که باعث تردید و یا عدم قطعیت در تفسیر نتایج نهایی می‌شود. بنابراین، استفاده از داده‌های مکانی با کیفیت بالا تمایل به ارائه بازنمایی وفادارتر و دقیق‌تر از واقعیت دارد.

به عنوان پیشنهادی برای کارهای آتی، به منظور بهبود کاربرد این روش، انجام تجزیه و تحلیل های جدید با تابش مستقیم خورشیدی عادی که حداقل برای پنج سال اندازه گیری می شود، پیشنهاد می شود. ارزیابی مناسب بودن سایت ها بدون در نظر گرفتن جنبه دسترسی به آب برای نیروگاه، در صورت امکان استفاده از سیستم های خنک کننده خشک در نیروگاه های خورشیدی. و بازدید در محل برای اطمینان از پاسخ های یافت شده توسط برنامه GIS.

منابع

[ 1 ]	کاوالکانتی، ESC و پتی، ACG (2008) ارزیابی نیروگاه های مشابه SEGS برای منطقه شمال شرق برزیل. مجله مهندسی انرژی خورشیدی، 130، شناسه مقاله: 014501. https://doi.org/10.1115/1.2807208
[ 2 ]	Tiba، C.، Fraidenhaich، N. and Barbosa، EMS (2010) SIGA SOL 1.0 Sistema de Informacao Geográfica Aplicada à Energia Solar. Revista Brasileira de Energia Solar، 1، 149-160.
[ 3 ]	لودی سی. دانشگاه فدرال ریو ژانیرو، ریو ژانیرو.
[ 4 ]	Azevêdo، VWB و Tiba، C. (2013) مکان نیروگاه های خورشیدی متمرکز در مقیاس بزرگ در شمال شرقی برزیل. مجله نظام اطلاعات جغرافیایی، 5، 452-470. https://doi.org/10.4236/jgis.2013.55043
[ 5 ]	Azevêdo، VWB (2016) Estudo de Localizacao de Usina Solar Termoelétrica no Estado de Pernambuco. Ph.D. پایان نامه، دانشگاه فدرال پرنامبوکو، رسیف.
[ 6 ]	Zambon, KL, Carneiro, AAFM and Negri, JC (2005) Análise decisao Multicritério na Localizacao de Usinas Termoelétricas Utilizando SIG. Revista Pesquisa Operacional, 25, 183-199. https://doi.org/10.1590/S0101-74382005000200002
[ 7 ]	معیارهای تصمیم گیری برای مکان بهینه نیروگاه های خورشیدی: فتوولتائیک و ترموالکتریک. در: Cavallaro, F., Eds., Assessment and Simulation Tools for Sustainable Energy Systems. انرژی و فناوری سبز، اسپرینگر، لندن، 79-91. https://doi.org/10.1007/978-1-4471-5143-2_4
[ 8 ]	Sánchez-Lozano، JM، Teruel-Solano، J. و Soto-Elvira، PL (2013) سیستم های اطلاعات جغرافیایی (GIS) و روش های تصمیم گیری چند معیاره (MCDM) برای ارزیابی مکان های مزارع خورشیدی: مطالعه موردی در جنوب شرق اسپانیا بررسی های انرژی های تجدید پذیر و پایدار، 24، 544-556. https://doi.org/10.1016/j.rser.2013.03.019
[ 9 ]	Sanchez-Lozano، JM، Henggeler Antunes، C. و Garcia-Cascales، MS (2014) انتخاب مکان مزارع خورشیدی فتوولتائیک مبتنی بر GIS با استفاده از ELECTRE-TRI: ارزیابی مورد برای Torre Pacheco، مورسیا، جنوب شرقی اسپانیا. انرژی های تجدیدپذیر، 66، 478-494. https://doi.org/10.1016/j.renene.2013.12.038
[ 10 ]	Sánchez-Lozano، JM، García-Cascales، MS and Lamata، MT (2016) انتخاب مکان مزرعه بادی خشکی مبتنی بر GIS با استفاده از روش‌های تصمیم‌گیری چند معیاره فازی. ارزیابی مورد جنوب شرقی اسپانیا. انرژی کاربردی، 171، 86-102. https://doi.org/10.1016/j.apenergy.2016.03.030
[ 11 ]	Arán Carrión, J., Espín Estrella, AF and Aznar Dols, F. (2008) سیستم های تصمیم گیری-پشتیبانی زیست محیطی برای ارزیابی ظرفیت حمل مناطق زمین: انتخاب مکان های بهینه برای نیروگاه های فتوولتائیک متصل به شبکه. بررسی های انرژی های تجدید پذیر و پایدار، 12، 2358-2380. https://doi.org/10.1016/j.rser.2007.06.011
[ 12 ]	Saaty، TL (1980) فرآیند تحلیل سلسله مراتبی: برنامه ریزی، تنظیم اولویت، تخصیص منابع. McGraw-Hill, New York, 437. https://doi.org/10.21236/ADA214804
[ 13 ]	Saaty، TL (1991) Método de Análise Hierárquica. کتاب های مکرون، سائوپائولو، 367.
[ 14 ]	Ribeiro، GP (2005) Tecnologias Digitais de Geoprocessamento No Suporte à Análise Espaco-Temporal em Ambiente Costeiro. Ph.D. پایان نامه، دانشگاه فدرال فلومیننس، ریودوژانیرو.
[ 15 ]	Medeiros, JS (1997) Bancos de Dados Geográficos e Redes Neurais Artificiais: Tecnologias de Apoio à Gestao do Território. Ph.D. پایان نامه، دانشگاه فدرال سائوپائولو، سائوپائولو.
[ 16 ]	Mennis, J., Viger, R. and Tomlin, CD (2005) توابع جبر نقشه مکعبی برای تحلیل مکانی-زمانی. نقشه کشی و علم اطلاعات جغرافیایی، 32، 17-32. https://doi.org/10.1559/1523040053270765
[ 17 ]	باربوسا، CCF (1999) álgebra de Mapas e suas Aplicacoes em Sensoriamento Remoto and Geoprocessamento. کارشناسی ارشد، موسسه ملی تحقیقات فضایی.
[ 18 ]	Junges, LCD (2006) یک Lógica Fuzzy را معرفی کرد. Departamento de Automacao de Sistemas Industriais Inteligentes.
[ 19 ]	Burrough, PA and Mcdonnel, RA (1998) اصول سیستم های اطلاعات جغرافیایی. مطبوعات کلرندون، آکسفورد، 311.
[ 20 ]	زاده، ع. (1965) مجموعه های فازی. اطلاعات و کنترل ها، 8، 338-353. https://doi.org/10.1016/S0019-9958(65)90241-X
[ 21 ]	Eastman, JR and Jiang, H. (1996) معیارهای فازی در ارزیابی چند معیاره. دومین سمپوزیوم بین المللی ارزیابی دقت فضایی در مطالعات منابع طبیعی و محیط زیست. GIS World, 527-534.
[ 22 ]	Broesamle, H., Mannstein, H. and Schillings, C. (2001) ارزیابی پتانسیل های برق خورشیدی در شمال آفریقا بر اساس داده های ماهواره ای و سیستم اطلاعات جغرافیایی. انرژی خورشیدی، 70، 1-12. https://doi.org/10.1016/S0038-092X(00)00126-2
[ 23 ]	Dahle, D., Elliott, D. and Heimiller, D. (2008) ارزیابی پتانسیل توسعه انرژی تجدیدپذیر در اراضی مدیریت میراث DOE. آزمایشگاه ملی انرژی های تجدیدپذیر (NREL)، طلایی.