Выбор оптимального места для установки солнечных электростанций в Нахичеванской АР

Поскольку выходная мощность электрической энергии, производимой преобразованием солнечного излучения с помощью фотоэлементов невелика, для более эффективного производства энергии необходимо определить области с высоким солнечным излучением. Однако, из-за низкого КПД фотоэлектрических панелей (14–18%) и малой интенсивности суммарного солнечного излучения на горизонтальную поверхность для достижения определенного уровня мощности требуются большие площади установки. Из-за первоначальной высокой стоимости установки солнечных электростанций для выбора наиболее подходящего места требуется всесторонняя систематическая оценка географических факторов региона. Поэтому в качестве района исследования была выбрана Нахичеванская АР, где уровень радиации выше, чем в других регионах Азербайджана (1220–1699 кВтч/м2 год), а годовая продолжительность солнечного сияния составляет более 2500 часов. Поскольку создание солнечных электростанций в регионах с высокими значениями солнечной радиации в основном зависит от технических, экономических и экологических факторов, районы, соответствующие высоким критериям в модели, были тщательно исследованы в результате сбалансированного сравнения для определения подходящих мест установки солнечных электростанций. Для этого была использована модель аналитической иерархии процессов (АИП), основанная на методах многокритериального принятия решений (МПР). На первом этапе исследования были проанализированы семь критериев определения подходящих мест: значение суммарной солнечной радиации на горизонтальную поверхность, место уклона, землепользование, буферное расстояние от районов с высоким годовым потенциалом солнечной энергии до жилых районов, близость к подстанциям, автомагистралям и линиям электропередачи. На втором этапе уровень доступности пригодности областей в рамках определенных критериев в географических информационных системах (ГИС) определялся с помощью инструмента «Взвешенное наложение» (Weighted Overlay). В результате исследования был сделан вывод, что 9,5% (510 км2) земель Нахичеванской АР имеют высокую пригодность для размещения солнечных электростанций, 12% (645 км2) земель – среднюю и 24% (1290 км2) – низкую. Остальные области (54,5%, или 2930 км2) относятся к территориям, которые не подходят для использования из-за низкой радиации, высокого уклона, наличия охраняемой территории, населенных пунктов, сельскохозяйственных территорий и слабо развитой инфраструктуры. Оптимальные места охватывают в основном южную и восточную части региона.

1. Al Garni H.Z., Awasthi A. Solar PV power plant site selection using a GIS-AHP based approach with application in Saudi Arabia, Applied energy, 2017, vol. 206, p. 1225–1240, DOI: 10.1016/j.apenergy.2017.10.024.

2. Asakereh A., Soleymani M., Sheikhdavoodi M.J. A GIS-based Fuzzy-AHP method for the evaluation of solar farms locations: Case study in Khuzestan province, Iran. Solar Energy, 2017, vol. 155, p. 342–353, DOI: 10.1016/j.solener.2017.05.075.

3. Babayev S. Geography Nakhchivan Autonomous Republic. Elm, Baku, 1999, 227 p.

4. Beccali M., Cellura M., Mistretta M. Decision-making in energy planning. Application of the Electre method at regional level for the diffusion of renewable energy technology, Renewable energy, 2003, vol. 28(13), p. 2063–2087, DOI: 10.1016/S0960-1481 (03)00102-2.

5. Devi K., Yadav S.P. A multicriteria intuitionistic fuzzy group decision making for plant location selection with ELECTRE method, The International Journal of Advanced Manufacturing Technology, 2013, vol. 66(9-12), p. 1219–1229, DOI: 10.1007/s00170-012-4400-0.

6. Doorga J.R., Rughooputh S.D., Boojhawon R. Multi-criteria GIS-based modelling technique for identifying potential solar farm sites: A case study in Mauritius, Renewable energy, 2019, vol. 133, p. 1201–1219, DOI: 10.1016/j.renene.2018.08.105.

7. Effat H.A. Selection of potential sites for solar energy farms in Ismailia Governorate, Egypt using SRTM and multicriteria analysis, International Journal of Advanced Remote Sensing and GIS, 2013, vol. 2(1), p. 205–220.

8. Gardashov R., Eminov M., Kara G., Kara E.G.E., Mammadov T., Huseynova X. The optimum daily direction of solar panels in the highlands, derived by an analytical method, Renewable and Sustainable Energy Reviews, 2020, vol. 120, 109668, DOI: 10.1016/j.rser.2019.109668.

9. Khan G., Rathi S. Optimal site selection for solar PV power plant in an Indian state using geographical information system (GIS), International Journal of Emerging Engineering Research and Technology, 2014, vol. 2(7), p. 260–266.

10. Linkov I., Moberg E. Multi-criteria decision analysis: environmental applications and case studies, CRC Press, 2011, 179 p.

11. Mammadov F. Yearly average maps of solar radiation in Azerbaijan, Energy Power, 2013, vol. 3, p. 44–50, DOI: 10.5923/j.ep.20130304.02.

12. Merrouni A.A., Elalaoui F.E., Mezrhab A., Mezrhab A., Ghennioui A. Large scale PV sites selection by combining GIS and Analytical Hierarchy Process. Case study: Eastern Morocco, Renewable energy, 2018, vol. 119, p. 863–873, DOI: 10.1016/j.renene.2017.10.044.

13. Noorollahi E., Fadai D., Akbarpour Shirazi M., Ghodsipour S.H. Land suitability analysis for solar farms exploitation using GIS and fuzzy analytic hierarchy process (FAHP) – a case study of Iran, Energies, 2016, vol. 9(8), 643, DOI: 10.3390/en9080643.

14. Polatidis H., Haralambidou K., Haralambopoulos D. Multi-criteria decision analysis for geothermal energy: A comparison between the ELECTRE III and the PROMETHEE II methods, Energy Sources, р. B, Economics, Planning and Policy, 2015, vol. 10(3), p. 241–249, DOI: 10.1080/15567249.2011.565297.

15. Quijano R., Domínguez J., Botero S. Sustainable energy planning model (MODERGIS) application to integrate renewable energy in the Colombia case, 2010, 17 p.

16. Saaty T.L. The Analytic Hierarchy Process: Planning, Priority Setting, Resources Allocation, McGraw, New York, 1980, 214 p.

17. Uyan M. GIS-based solar farms site selection using analytic hierarchy process (AHP) in Karapinar region, Konya/Turkey, Renewable and Sustainable Energy Reviews, 2013, vol. 28, p. 11–17, DOI: 10.1016/j.rser.2013.07.042.

18. Watson J.J., Hudson M.D. Regional scale wind farm and solar farm suitability assessment using GIS-assisted multi-criteria evaluation, Landscape and Urban Planning, 2015, vol. 138, p. 20–31, DOI: 10.1016/j.landurbplan. 2015.02.001.

19. Vulkan A., Kloog I., Dorman M., Erell E. Modeling the potential for PV installation in residential buildings in dense urban areas, Energy and Buildings, 2018, vol. 169, p. 97–109, DOI: 10.1016/j.enbuild.2018.03.052.

20. Wang C.-N., Nguyen V.T., Thai H.T.N., Duong D.H. Multicriteria decision making (MCDM) approaches for solar power plant location selection in Viet Nam, Energies, 2018, vol. 11(6), p. 1504, DOI: 10.3390/en11061504.

21. Электронные источники

22. Alaska Satellite Facility, Making remote-sensing data accessible, URL: https://search.earthdata.nasa.gov/search?q=nakhchivan&m=35.399139134002!42.7060546875!6!1!0!0%2C2 (аccess data 16.10.2020).

23. Earth Data Search, ASTER Global Digital Elevation Model V003, URL: https://search.earthdata.nasa.gov/search/?hdr=1%20to%2030%20meters&fi=ASTER&fst0=Land%20Surface (access data 12.09.2020).

24. Global Solar Atlas 3.0, Azerbaijan, Nakhchivan Autonomy Republic, Solar energy resource, 2020. https://globalsolaratlas.info/map?r=AZE:AZE.7_1&c=39.30579,45.4625,9 (access data 09.08.2020).

25. Global Monitoring Laboratory, Earth System Research Laboratories, 2020, URL: https://www.esrl.noaa.gov/gmd/grad/solcalc/table.php?lat=40.417&lon=49.825&year=2020 (access data 05.10.2020).

26. Solar energy output, Simulation and design of solar systems, URL: https://photovoltaicsoftware.com/principle-ressources/how-calculate-solar-energy-power-pv-systems (access data 19.10.2020).

27. Sun power, URL: https://us.sunpower.com/blog/2019/05/09/how-solar-panels-work-cloudy-days (access data 14.11.2020).

28. Solargis, Solar resource maps of Azerbaijan, URL: https://solargis.com/maps-and-gis-data/download/azerbaijan (access data 17.08.2020).