وحیدرضا عتباتی

مقدمه انرژی نقشی حیاتی در توسعه پایدار و بهبود کیفیت زندگی انسان ایفا می کند. با افزایش تقاضای جهانی برای انرژی، به ویژه در کشورهای در حال توسعه، نیاز به گذار به سمت منابع انرژی تجدیدپذیر بیش از پیش احساس می شود. در میان این منابع، انرژی خورشیدی و به ویژه فناوری فتوولتائیک (PV) به دلیل پایداری زیست محیطی، نبود کربن و ظرفیت قابل توجه در کاهش تغییرات اقلیمی جایگاه ویژه ای دارد. ایران، به دلیل قرار گرفتن در منطقه ای با پتانسیل بالای تابش خورشیدی، موقعیت مناسبی برای بهره برداری از انرژی خورشیدی دارد. این کشور با میانگین سالانه 1800 کیلووات ساعت بر مترمربع تابش خورشیدی و بیش از 280 تا 300 روز آفتابی در سال، فرصت ایده آلی برای توسعه نیروگاه های خورشیدی فراهم آورده است. با این حال، علی رغم این ظرفیت چشمگیر، ایران هنوز به طور کامل از انرژی خورشیدی بهره برداری نکرده است که یکی از دلایل اصلی آن، چالش های مربوط به انتخاب مکان های بهینه برای احداث نیروگاه هاست. اثربخشی پروژه های نیروگاه خورشیدی به شدت به انتخاب مناسب ترین مکان ها برای احداث نیروگاه وابسته است. انتخاب بهینه مکان نه تنها بازدهی تولید انرژی را به حداکثر می رساند، بلکه اثرات زیست محیطی و هزینه های اقتصادی را نیز کاهش می دهد. در مقابل، انتخاب نامناسب مکان می تواند به کاهش راندمان، اتلاف منابع مالی و تشدید تخریب محیط زیست منجر شود. بنابراین، نخستین گام در توسعه نیروگاه های خورشیدی، شناسایی مناطقی با پتانسیل بالای تابش خورشیدی و سایر عوامل کلیدی مانند دسترسی به شبکه برق، منابع آب و زیرساخت هاست. روش های تصمیم گیری چندمعیاره (MCDM) ابزارهای مؤثری برای ارزیابی عوامل مختلف در مکان یابی هستند. همچنین، سیستم های اطلاعات مکانی (GIS) در تحلیل داده های مکانی ارزشمند بوده و امکان ارزیابی دقیق و تصمیم گیری آگاهانه را فراهم می کنند. در سال های اخیر، تکنیک های یادگیری ماشین نیز به عنوان رویکردی نوین برای بهینه سازی فرایند مکان یابی نیروگاه های خورشیدی مطرح شده اند. مواد و روش ها این پژوهش با ترکیب روش های تصمیم گیری چندمعیاره (MCDM)، سیستم اطلاعات مکانی (GIS) و تکنیک های یادگیری ماشین به انتخاب بهینه مکان نیروگاه های خورشیدی در استان فارس می پردازد. در گام نخست، نه معیار کلیدی شامل تابش خورشیدی، دما، شیب، بارش، ارتفاع و نزدیکی به زیرساخت ها شناسایی شد. با استفاده از GIS لایه های مکانی مربوط به این معیارها تولید شد. سپس، دو روش تصمیم گیری چندمعیاره، شامل روش بهترین بدترین (BWM) و روش SWARA، برای وزن دهی به معیارها به کار گرفته شدند و نظریه تلفیق اطلاعات دمپستر شفر برای افزایش قابلیت اعتماد وزن ها از طریق ادغام نتایج دو روش استفاده شد. نقشه تناسب اراضی برای مکان یابی نیروگاه های خورشیدی با استفاده از روش مارکوس تهیه شد.  در مرحله بعد، یادگیری ماشین و به طور مشخص رگرسیون بردار پشتیبان (SVR) به کار گرفته شد تا مناسب ترین مناطق برای احداث نیروگاه های خورشیدی پیش بینی شود. فراپارامترهای مدل SVR با استفاده از الگوریتم تکاملی گرگ خاکستری (GWO) بهینه سازی شدند. مدل SVR با داده های مرجع حاصل از نقشه تناسب اراضی تولیدشده توسط روش مارکوس آموزش داده شد. این رویکرد ترکیبی امکان تهیه نقشه ای با قابلیت اعتماد بالا برای مکان یابی نیروگاه های خورشیدی را فراهم کرد و دیدگاه های ارزشمندی درباره ظرفیت توسعه انرژی های تجدیدپذیر در استان فارس ارائه داد. یافته ها نتایج نشان داد بر اساس روش مارکوس، 14 درصد از منطقه مورد مطالعه در استان فارس برای احداث نیروگاه های خورشیدی بسیار مناسب بوده است؛ در حالی که رویکرد مبتنی بر یادگیری ماشین این مقدار را 34 درصد برآورد کرده است. در مجموع، 48 درصد از مساحت استان به عنوان مناطق دارای تناسب خیلی زیاد برای تولید انرژی خورشیدی شناسایی شد. مناطق شمالی، شمال شرقی و مرکزی استان، شامل شهرستان های آباده، سرچهان، پاسارگاد و بوانات به عنوان مکان های اولویت دار برای توسعه نیروگاه های خورشیدی پیشنهاد شدند. علاوه بر این، تحلیل ها نشان داد رویکرد مبتنی بر یادگیری ماشین نسبت به روش مارکوس پیش بینی دقیق تری ارائه می دهد. مدل SVR بهینه شده با الگوریتم GWO به دقت پیش بینی بالایی دست یافت، به طوری که ضریب تعیین (R²) برای داده های آموزشی برابر با 0/9975 و برای داده های آزمون برابر با 0/9923 بود. همچنین، این مدل 48 درصد از منطقه را به عنوان بسیار مناسب برای احداث نیروگاه های خورشیدی طبقه بندی کرد، در حالی که روش مارکوس تنها 39 درصد از منطقه را در این دسته قرار داده بود. ترکیب روش های MCDM، GIS و یادگیری ماشین که در این پژوهش ارائه شد، چارچوبی قدرتمند برای مکان یابی نیروگاه های خورشیدی فراهم می آورد. ادغام MCDM با GIS رویکردی جامع برای ارزیابی عوامل متعدد ارائه می کند، در حالی که افزودن یادگیری ماشین دقت و کارایی انتخاب مکان را افزایش می دهد. نتایج نشان می دهد یادگیری ماشین می تواند به طور چشمگیری قابلیت اعتماد پیش بینی ها را به ویژه در مواجهه با داده های پیچیده مکانی و محیطی بهبود بخشد. یافته های این تحقیق با مطالعات پیشین در حوزه مکان یابی نیروگاه های خورشیدی همخوانی دارد و اهمیت در نظر گرفتن عواملی همچون تابش خورشیدی، نزدیکی به زیرساخت ها و شرایط محیطی را برجسته می سازد. همچنین، استفاده از یادگیری ماشین، نقش فزاینده هوش مصنوعی در بهینه سازی فرایندهای تصمیم گیری در پروژه های انرژی های تجدیدپذیر را تأیید می کند. نتیجه گیری با توجه به ضرورت توسعه انرژی های تجدیدپذیر، مکان یابی بهینه نیروگاه های خورشیدی از اهمیت ویژه ای برخوردار است. در این پژوهش، ۹ معیار اقلیمی، توپوگرافی و زیرساختی شامل پتانسیل فتوولتائیک، تابش نرمال مستقیم، دما، بارندگی، شیب، فاصله از راه ها، فاصله از گسل ها، ارتفاع و فاصله از مراکز شهری بر اساس مطالعات پیشین انتخاب و با استفاده از رویکرد تصمیم گیری چندمعیاره و روش های وزن دهی BWM و SWARA مورد تحلیل قرار گرفت. نتایج نشان داد پتانسیل فتوولتائیک و تابش نرمال مستقیم مهم ترین معیارها در فرایند مکان یابی هستند. برای افزایش دقت، وزن ها با تئوری دمپستر شفر ترکیب شدند و نقشه تناسب اراضی با روش مارکوس تهیه شد. سپس، با استفاده از الگوریتم بهینه سازی گرگ خاکستری، مدل SVR تنظیم و نقشه تناسب پیش بینی شد که نشان داد حدود 48 درصد از استان فارس از تناسب زیاد و خیلی زیاد برای احداث نیروگاه برخوردار است. در نهایت، شهرستان های آباده، سرچهان، پاسارگاد، بوانات و خرم بید به عنوان اولویت های اصلی شناسایی شدند. نتایج این تحقیق می تواند راهنمای ارزشمندی برای سیاست گذاران و سرمایه گذاران در توسعه پایدار انرژی خورشیدی باشد. این پژوهش اثربخشی ترکیب روش های تصمیم گیری چندمعیاره، سیستم اطلاعات مکانی و یادگیری ماشین را در بهینه سازی فرایند مکان یابی نیروگاه های خورشیدی نشان داد. به کارگیری یک چارچوب تصمیم گیری ترکیبی به توسعه انرژی خورشیدی در ایران و مناطق مشابه با پتانسیل بالای تابش خورشیدی کمک می کند. نتایج این مطالعه دیدگاه های ارزشمندی برای برنامه ریزان انرژی، سیاست گذاران و سرمایه گذاران در انتخاب مکان های مناسب برای زیرساخت های خورشیدی فراهم می آورد. این رویکرد علاوه بر بهینه سازی تولید انرژی، به پایداری محیط زیستی کمک کرده و گذار جهانی به سمت منابع انرژی تجدیدپذیر را تسهیل می کند.

بهره برداری از انرژی خورشیدی و احداث نیروگاه خورشیدی برای تولید برق به یکی از حوزه های مهم انرژی جهان تبدیل شده است. کشور ایران به دلیل شرایط جغرافیایی و آب هوایی ویژه پتانسیل بالایی در زمینه احداث نیروگاه های خورشیدی و تولید برق دارد. محققان در پژوهش حاضر با توجه به اهمیت مکان احداث نیروگاه خورشیدی در عملکرد و میزان برق تولیدی آن و با هدف مکان یابی بهینه نیروگاه خورشیدی در استان فارس از یک رویکرد ترکیبی تصمیم گیری چند معیاره مبتنی بر سیستم اطلاعات مکانی استفاده کرده اند. در این مطالعه براساس پژوهش های پیشین تعداد 9 معیار مؤثر بر مکان یابی نیروگاه خورشیدی انتخاب و لایه فضایی هر معیار با استفاده از سیستم اطلاعات مکانی تهیه و سپس وزن معیارها با استفاده از روش وزن دهی سوارا محاسبه شده است. براساس نتایج روش وزن دهی ترتیب اهمیت معیارها به صورت پتانسیل فتوولتائیک (172/0)، دما (137/0)، بارش (119/0)، فاصله از مراکز شهری (116/0)، شیب (111/0)، فاصله از راه ها (092/0)، فاصله از گسل ها (088/0)، فاصله از مناطق حفاظت شده (086/0) و ارتفاع (077/0) بوده است. در این مطالعه برای تهیه نقشه تناسب اراضی از دو روش تاپسیس و ایداس استفاده شده است. براساس نتایج روش تاپسیس و ایداس به ترتیب 21 درصد و 9 درصد از استان فارس تناسب بسیار بالایی برای احداث نیروگاه خورشیدی دارند. محققان در پژوهش حاضر شهرستان های استان فارس را ازنظر تناسب برای احداث نیروگاه خورشیدی اولویت بندی کرده اند. براساس نتایج دو روش تاپسیس و ایداس شهرستان های آباده، خرمبید و بوانات در اولویت اول تا سوم بوده است.