مکان‌یابی و طراحی همزمان نیروگاه‌های خورشیدی و بادی در استان فارس به¬منظور کاهش گاز‌های گلخانه‌ای

الموضوعات :

مهدی  متوسل ¹ (استادیار، گروه انرژی تجدید پذیر،واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران)
saman tashakor ² (استادیار گروه مهندسی انرژی تجدید پذیر،دانشگاه آزاد اسلامی ، واحد شیراز ، ایران)
محمد ارغوان ³ (کارشناسی ارشد مهندسی انرژی های تجدیدپذیر، دانشگاه آزاد اسلامی، شیراز )

تاريخ الإرسال : 21 الأربعاء , رمضان, 1444 تاريخ التأكيد : 21 السبت , ذو القعدة, 1444 تاريخ الإصدار : 02 الثلاثاء , ذو الحجة, 1444

الکلمات المفتاحية: استان فارس, خورشیدی-بادی, مکان یابی و طراحی,

ملخص المقالة :

مقدمه: امروزه استفاده از انرژی‌های تجدیدپذیر نه تنها باعث بالارفتن کارایی و راندمان نیروگاه‌ها شده است بلکه سبب کاهش قابل توجه گاز‌های گلخانه‌ای تولیدی توسط نیروگاه‌های فسیلی گردیده است که این امر مزایای زیست محیطی فراوانی می‌تواند برای جوامع بشری داشته باشد. این پژوهش بر استفاده ترکیبی از انرژی خورشیدی و باد برای دستیابی به کارایی هزینه بهتر و بهره‌برداری راحت‌تر از هر دو منبع متمرکز شده است. در این تحقیق، هشت شهر با اقلیم‌های گوناگون در استان فارس مورد بررسی قرار گرفته‌اند. مواد و روش‌ها: برای انتخاب مکان مناسب از بین هر شهر‌های انتخاب شده، از روش فرایند تحلیل سلسله‌مراتبی فازی استفاده شده است. در این راستا چهار معیار چگالی باد، شدت تابش خورشید ، جمعیت و بلایای طبیعی برای انتخاب بهترین محل ساخت نیروگاه انتخاب شدند. سه معیار اول توسط روابط ریاضی و اندازه‌گیری‌های محیطی محاسبه شدند که شامل چگالی باد، شدت تابش خورشید و جمعیت هستند معیار چهارم، بلایای طبیعی هستند که شامل سه حادثه زلزله، سیل و طوفان خاک هستند. همچنین از منطق فازی برای وزن دهی پارامتر‌ها و استخراج یک مقدار واحد برای این سه معیار استفاده خواهد شد که در نرم‌افزار متلب محاسبه شده است. نتایج و بحث: در این تحقیق، با چهار معیار مختلف، شهر‌های استان فارس با هم مقایسه شدند. با توجه به بررسی انجام گرفته، بهترین شهر‌ها با استفاده از روش فرایند تحلیل سلسله‌مراتبی فازی فازی مشخص شدند و نتایج نشان می‌دهد که بهترین شهر، اقلید بوده است و پس از آن شهر‌های صفاشهر و بوانات قرار دارند. بررسی انجام گرفته نشان داد که شهر‌های کازرون و فیروزآباد کمترین امتیاز را براساس ساخت نیروگاه بادی-خورشیدی دارند. برای تحلیل نتیجه به دست آمده، باید معیار‌های مختلف را بررسی کرد. مشاهده شد که در رتبه‌بندی معیار‌ها، امتیاز معیار انرژی خورشیدی و بادی بیش از دو معیار دیگر از اهمیت بیشتری برخوردار است. نتیجه‌گیری: بررسی انجام گرفته نشان داد مناسبترین شهر، اقلید بوده است و پس از آن شهر‌های صفاشهر، بوانات و ایزدخواست قرار دارند. و شهر‌های کازرون و فیروزآباد کمترین امتیاز را برای ساخت نیروگاه بادی-خورشیدی دارند. در آخر نیز به طراحی نیروگاه در شهر بهینه بدست آورده شده، پرداخته شده است. در این راستا سه حالت 50% خورشیدی و 50% بادی، 70% خورشیدی و 30% بادی و 30% خورشیدی و 70% بادی برای طراحی نیروگاه هیبریدی درنظر گرفته شده است. نتایج نشان می‌دهد که توان تزریقی در نیروگاه هیبریدی که در آن از 70 درصد توان تولیدی توربین‌های بادی و 30درصد نیروگاه خورشیدی استفاده شد، بهینه‌تر و بیشتر می‌باشد.

المصادر:


[1] Abdul DA, Wenq J, Tanveer AR. Prioritization of renewable energy source for electricity generation through AHP-VIKOR integrated methodology. Renewable Energy. 2022; 184: 1018-1032. doi:10.1016/j.renene. 2021.10.082. #
[2] Aghaloo K, Ali TA, Chiu Y, Sharifi A. Optimal site selection for the solar-wind hybrid renewable energy systems in Bangladesh using an integrated GIS-based BWM-fuzzy logic method. Energy Conversion and Management. 2023; 283: 116899. doi:10.1016/j.enconman.2023.116899. #
[3] Badi IB, Pamučar DR, Stević Že, Muhammad LJ. Wind farm site selection using BWM-AHP-MARCOS method: A case study of Libya. Scientific African. 2023; 19: e01511. doi: 10.1016/j.sciaf.2022.e01511. #
[4] Balo FI, Şağbanşua Lü. The Selection of the Best Solar Panel for the Photovoltaic System Design by Using AHP. Energy Procedia. 2016; 100: 50-53. doi:10.1016/j.egypro.2016.10.151. #
[5] Basu SO, Ogawa TA, Keiichi N. Assessing the geospatial nature of location-dependent costs in installation of solar photovoltaic plants, Energy Reports, 2021; 7(1): 4882-4894. doi:10.1016/j.egyr.2021.07.068.#
[6] Devrim Y, Bilir L. Performance investigation of a wind turbineesolar photovoltaic panelsefuel cell hybrid system installed at Incek region e Ankara, Turkey. Energy Convers Management. 2016; 126: 759-766. doi:10.1016/j.enconman.2016.08.062 #
[7] Hassan Z. AG, Awasthi AN. Solar PV power plant site selection using a GIS-AHP based approach with application in Saudi Arabia. Applied Energy. 2017; 206: 1225-1240. doi:10.1016/j.apenergy.2017.10.024. #
[8] Hasti FA, Mamkhezri JA, McFerrin RA, Pezhooli N, Optimal solar photovoltaic site selection using geographic information system–based modeling techniques and assessing environmental and economic impacts: The case of Kurdistan. Solar Energy. 2023; 262: 111807. doi: 10.1016/j.solener.2023.111807. #
[9] Noorollahi YO, Ghenaatpisheh A, Fadaeia A, Simaee MO, Moltames R, A framework for GIS-based site selection and technical potential evaluation of PV solar farm using Fuzzy-Boolean logic and AHP multi-criteria decision-making approach. 2022; 186(1):89-104. doi:10.1016/j.renene.2021.12.124. #
[10] Ozdemir S, Sahin G. Multi-criteriadecision-making in the location selection for a solar PV power plant using AHP. Measurement . 2018; 129(1): 218-226. doi:10.1016/j.measurement.2018.07.020. #
[11] Rios R, Duarte S. Selection of ideal sites for the development of large-scale solar photovoltaic projects through Analytical Hierarchical Process – Geographic information systems (AHP-GIS) in Peru.
Renewable and Sustainable Energy Reviews. 2021; 149: 111310. doi:10.1016/j.rser.2021.111310. #
[12] Rogna MA, A first-phase screening method for site selection of large-scale solar plants with an application to Italy, Land Use Policy. 2020; 99(1): 104839. doi:10.1016/j.landusepol.2020.104839. #
[13] Ruiz H.S, Unarsob S,.Ibrahim-Bathisa K, Budiarto SM, GIS-AHP Multi Criteria Decision Analysis for the optimal location of solar energy plants at Indonesia. Energy Reports, 2020; 6(1): 3249-3263. doi:/10.1016/j.egyr.2020.11.198 #
[14] Sadat SA, Vakilalroaya Fini MR, Hashemi-Dezaki H, Nazififard M. Barrier analysis of solar PV energy development in the context of Iran using fuzzy AHP-TOPSIS method.
Sustainable Energy Technologies and Assessments. 2021; 47: 101549. doi:10.1016/j.seta.2021.101549.
[15] Sindhu SO, Nehra Y, Luthra SU. Solar energy deployment for sustainable future of India: Hybrid SWOC-AHP analysis. Renewable and Sustainable Energy Reviews. 2017; 72: 1138-1151. doi:10.1016/j.rser.2016.10.033. #
[16] Spyridonidou S, Vagiona DG. A systematic review of site-selection procedures of PV and CSP technologies. Energy Reports. 2023; 9(1): 2947-2979. doi:10.1016/j.egyr.2023.01.132. #
[17] Sun YA, Zhu DA, Li YU, Wang RU, Ma RE. Spatial modelling the location choice of large-scale solar photovoltaic power plants: Application of interpretable machine learning techniques and the national inventory.Energy Conversion and Management. 2023; 289: 117198. doi:10.1016/j.enconman.2023.117198. #
[18] Wang HW, Dodd AD, Ko YE. Resolving the conflict of greens: A GIS-based and participatory least-conflict siting framework for solar energy development in southwest Taiwan. Renewable Energy. 2022; 197: 879-892. doi:10.1016/j.renene.2022.07.094. #
[19] Yum SG, Adhikari MD. Suitable site selection for the development of solar based smart hydrogen energy plant in the Gangwon-do region, South Korea using big data: A geospatial approach. International Journal of Hydrogen Energy. 2023; Available online 21 June 2023. doi: 10.1016/j.ijhydene.2023.06.024. #
[20] Zoghi M, Amir, Ehsani H, Sadat MA, Amiri MJ, Karimi S, Optimization solar site selection by fuzzy logic model and weighted linear combination method in arid and semi-arid region: A case study Isfahan-IRAN. Renewable and Sustainable Energy Reviews, 2017; 68(2): 986-996. doi:10.1016/j.rser.2015.07.014 #