مکانیابی مناطق مستعد نیروگاه خورشیدی تحت تاثیر پارامترهای اقلیمی با استفاده از تحلیل سلسله مراتبی فازی (مطالعۀ موردی: استان فارس)
محورهای موضوعی : توسعه سیستم های مکانی
مصطفی گرجی
1
(کارشناس ارشد مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری)
سجاد خشنود
2
(دانشجوی دکتری آبخیزداری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان)
حسین عمرانی
3
(کارشناس ارشد سنجش از دور و GIS، دانشگاه تبریز)
مرتضی هاشمی
4
(کارشناس ارشد مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری)
کلید واژه: نیروگاه خورشیدی, استان فارس, مکانیابی, تحلیل سلسله مراتبی فازی, پارامترهای هواشناسی,
چکیده مقاله :
توجه به منابع تجدیدپذیر انرژی که جایگزین مناسبی برای سوخت های فسیلی تجدیدناپذیر هستند، سبب شده است که جوامع به سمت انرژی هایی نظیر انرژی خورشیدی سوق پیدا کنند. هدف از این پژوهش مکان یابی مناطق مستعد احداث نیروگاه های خورشیدی در استان فارس با توجه به پارامترهای اقلیمی می باشد. برای این پژوهش از پارامترهای بارندگی، دما، رطوبت نسبی، ساعات آفتابی، ارتفاع، گرد و خاک و جهت شیب استفاده گردید. بر اساس نقش و اهمیت این فاکتورها نقشه هر معیار در محیط GIS تهیه و در محیط IDRISI فازی گردید. نقشه مکانی مناطق مستعد با توجه به وزن های بدست آمده به روش Fuzzy-AHP تهیه و در چهار کلاس (عالی، خوب، متوسط و ضعیف) طبقه بندی گردید. نتایج مکان یابی نیروگاه های خورشیدی نشان داد که، نواحی واقع در شمال و شمال شرقی استان دارای بیشترین استعداد می باشند، که مساحتی بالغ بر 60 درصد کل مساحت استان را شامل می شود و کمترین استعداد مربوط به نواحی جنوبی استان با مساحتی حدود 026/0 درصد می باشد. بیشترین مساحت استان از لحاظ پتانسیل نیروگاه خورشیدی در کلاس عالی می باشد. همچنین نتایج نشان داد که مناطق مستعد احداث نیروگاه در مناطق دارای اقلیم خشک و نیمه خشک سرد می باشد، این نواحی شامل مناطقی است که، ایستگاه های آباده، اقلید، ایزدخواست، بوانات و صفاشهر در آن قرار دارند.
Renewable resources which are good alternatives to non-renewable fossil fuels have caused communities to take an interest in energy sources such as solar energy. The purpose of this study is site selection suitable areas for the construction of solar power plants in Fars province based on meteorological and climatic parameters. In this research precipitation, temperature, relative humidity, sunshine hours, elevation, dust, aspect slope parameters was used. According to the importance and role of these factors, the statistics of parameters were analyzed and each criterion map was prepared in GIS software. All layers the IDRISI software was fuzzy. Finally, the location map of suitable areas was produced based on obtaining weights the method Fuzzy-AHP and results in four classes (excellent, good, medium and poor) were classified. The results of site selection solar power plants showed that the north and northeast parts of the province have more potential with an area more than 60% of the total area of the province while the southern parts of the province with an area totaling almost 0.026% of the whole area of the province have the least potential. The most area of the province in terms of potentiality for solar power plant is in an excellent category. In addition, climatic results indicated that the potential regions for constructing solar power plants are those with a dry and semi-arid climate where stations like Abadeh, Izadkhast, Bavanat, and Safashahr are located.
1. احمدی، ه.، ج. مرشدی و ف. عظیمی. 1395. مکانیابی نیروگاههای خورشیدی با استفاده از دادههای اقلیمی و سامانه اطلاعات مکانی (مطالعه موردی: استان ایلام). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(1): 41-57.
2. اسدی، م. و س. جهانبخش اصل. 1394. شناسایی مکانهای مناسب احداث نیروگاه بادی در استان آذربایجان شرقی با روش فازی- سلسله مراتبی (FAHP). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(4): 95-109.
3. اسفندیاری، ع.، ک. رنگزن، ع. صابری و م. فتاحیمقدم. 1390. پتانسیلسنجی احداث نیروگاههای خورشیدی با بررسی پارامترهای اقلیمی در استان خوزستان با استفاده از GIS. همایش ملی ژئوماتیک. تهران، سازمان نقشهبرداری کشور. 25 الی 29 اردیبهشت ماه.
4. خاشعی سیوکی، ع.، ب. قهرمان و م. کوچکزاده. 1390. ارزیابی پتانسیل استحصال آب از آبخوان از روش فرآیند تحلیل سلسله مراتبی فازی (مثال موردی: دشت نیشابور). مجله پژوهش آب ایران، 5(9): 171-180.
5. خوشاخلاق، ف.، غ. ر. روشن و ر. برنا. 1387 . مکانیابی نیروگاه خورشیدی با توجه به پارامترهای اقلیمی. فصلنامه اطلاعات جغرافیایی (سپهر)، 17(67): 75-80..
6. طباطبایی، ط. و ف. امیری. 1394. مکانیابی نیروگاههای بادی بر اساس ارزیابی چندمعیاره مکانی و فرآیند تحلیل سلسله مراتبی (مطالعه موردی: استان بوشهر). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(1): 1-16.
7. علیجانی، ب. و م. ر. کاویانی. 1383. مبانی آب و هواشناسی. انتشارات سمت، 282 صفحه.
8. علیزاده، ا. 1386. اصول هیدرولوژی کاربردی. انتشارات دانشگاه امام رضا (ع). 620 صفحه.
9. علیزاده، ا.، غ. ع. کمالی، ف. موسوی و م. موسویبایگی. ١٣٧٩. هوا و اقلیمشناسی. انتشارات دانشگاه فردوسی مشهد. 289 صفحه.
10. فرجیسبکبار، ح. ع.، ه. پاکطینت مهدیآبادی، ا. رحیمیکیان و غ. عشورنژاد. 1392. تناسبسنجی اراضی به منظور احداث مزارع فتوولتائیک به کمک تلفیق سیستمهای جمع سادة وزنی و استنتاج فازی در ایران. پژوهشهای جغرافیای طبیعی، 45(4): 45-60.
11. کشاورز، ا.، ع. خاشعی سیوکی و م. ح. نجفی. 1393. مکانیابی مناسب استحصال آب شرب با استفاده از تحلیل سلسله مراتبی فازی (مطالعه موردی: آبخوان بیرجند). نشریه آب و فاضلاب، 25(3): 135-142.
12. Bennui A, Rattanamanee P, Puetpaiboon U, Phukpattaranont P, Chetpattananondh K. 2007. Site selection for large wind turbine using GIS. In: PSU-UNS International Conference on Engineering and Environment - ICEE-2007, Phuket May 10-11, 2007 Prince of Songkla University, Faculty of Engineering Hat Yai, Songkhla, Thailand 90112.
13. Buckley JJ. 1985. Fuzzy hierarchical analysis. Fuzzy Sets and Systems, 17(3): 233-247.
14. Büyüközkan G, Kahraman C, Ruan D. 2004. A fuzzy multi-criteria decision approach for software development strategy selection. International Journal of General Systems, 33(2-3): 259-280.
15. Chang N-B, Parvathinathan G, Breeden JB. 2008. Combining GIS with fuzzy multicriteria decision-making for landfill siting in a fast-growing urban region. Journal of Environmental Management, 87(1): 139-153.
16. Chen SJ, Hwang CL. 1992. Fuzzy Multiple Attributes Decision Making Methods and Applications. Springer, Berlin. 540 pp.
17. Dey PK, Ramcharan EK. 2008. Analytic hierarchy process helps select site for limestone quarry expansion in Barbados. Journal of Environmental Management, 88(4): 1384-1395.
18. Eastman JR. 2003. IDRISI for Windows Users Guide Version Kilimanjaro. Clark Labs for Cartographic Technology and Geographic Analysis, Clark University, 328 pp.
19. Gilbert M. 2004. Renewable and Efficient Electric PowerSystems. Stanford University, A John Wiley & Sons, Interscience, 676 pp.
20. Kahraman C. 2008. Fuzzy multi-criteria decision making: theory and applications with recent developments, Springer US. 590 pp.
21. Saaty TL. 1980. The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation (Decision Making Series), Mcgraw-Hill. 287 pp.
22. Saaty TL. 1994. Highlights and critical points in the theory and application of the analytic hierarchy process. European Journal of Operational Research, 74(3): 426-447.
23. Sánchez-Lozano JM, Teruel-Solano J, Soto-Elvira PL, García-Cascales MS. 2013. Geographical Information Systems (GIS) and Multi-Criteria Decision Making (MCDM) methods for the evaluation of solar farms locations: Case study in south-eastern Spain. Renewable and Sustainable Energy Reviews, 24(1): 544-556.
24. Solangi K, Islam M, Saidur R, Rahim N, Fayaz H. 2011. A review on global solar energy policy. Renewable and Sustainable Energy Reviews, 15(4): 2149-2163.
25. Yue C-D, Wang S-S. 2006. GIS-based evaluation of multifarious local renewable energy sources: a case study of the Chigu area of southwestern Taiwan. Energy Policy, 34(6): 730-742.
26. Yun-na W, Yi-sheng Y, Tian-tian F, Li-na K, Wei L, Luo-jie F. 2013. Macro-site selection of wind/solar hybrid power station based on Ideal Matter-Element Model. International Journal of Electrical Power & Energy Systems, 50(1): 76-84.
27. Zohoori M. 2012. Exploiting Renewable Energy Sources in Iran. Interdisciplinary Journal of Contemporary Research in Business, 4(1): 849-862.
_||_