1. ভূমিকা
এই গবেষণাপত্রটি তাইওয়ানে সৌর ফটোভোলটাইক (PV) বিদ্যুৎকেন্দ্রের জন্য সর্বোত্তম স্থান নির্বাচনের গুরুত্বপূর্ণ চ্যালেঞ্জটি সমাধান করে। জীবাশ্ম জ্বালানি থেকে নবায়নযোগ্য শক্তিতে রূপান্তরের বৈশ্বিক প্রয়োজন, যা কোভিড-১৯ মহামারী ও জলবায়ু পরিবর্তনের অপরিহার্যতা দ্বারা আরও তীব্র হয়েছে, তা এই জরুরিতার কারণ। আমদানিকৃত জীবাশ্ম জ্বালানির উপর অত্যন্ত নির্ভরশীল এবং ভূমিকম্পপ্রবণ অঞ্চলে অবস্থিত তাইওয়ান, শক্তি নিরাপত্তা ও অর্থনৈতিক টেকসইতার জন্য সৌরশক্তি উন্নয়নকে অত্যন্ত গুরুত্বপূর্ণ হিসেবে দেখে।
1.1 বৈশ্বিক নবায়নযোগ্য শক্তি পরিস্থিতি
গবেষণাপত্রটি প্যারিস চুক্তি ও ইউরোপীয় গ্রিন ডিলের মতো বৈশ্বিক প্রচেষ্টার প্রেক্ষাপটে এই গবেষণাকে স্থাপন করে, যার লক্ষ্য নেট-শূন্য নির্গমন। এটি কোভিড-১৯ সংকটের সময় নবায়নযোগ্য শক্তির স্থিতিস্থাপকতা তুলে ধরে, যেখানে বিঘ্ন সত্ত্বেও ২০২০ সালে নবায়নযোগ্য উৎস থেকে বিদ্যুৎ উৎপাদন ৫% বৃদ্ধি পেয়েছে।
1.2 সৌরশক্তির সম্ভাবনা
ভৌগোলিক ও জলবায়ুগত অবস্থার কারণে তাইওয়ানের জন্য সৌরশক্তিকে সবচেয়ে উপযুক্ত নবায়নযোগ্য উৎস হিসেবে চিহ্নিত করা হয়েছে। তবে, জমির সীমাবদ্ধতা, নীতিগত চ্যালেঞ্জ এবং স্কেল সংক্রান্ত সমস্যা উন্নয়নে বাধা সৃষ্টি করে, যা পদ্ধতিগত স্থান নির্বাচনকে অপরিহার্য করে তোলে।
2. পদ্ধতিবিদ্যা: দ্বি-পর্যায়ের MCDM কাঠামো
মূল অবদান হল ডেটা এনভেলপমেন্ট অ্যানালাইসিস (DEA) এবং অ্যানালিটিক হায়ারার্কি প্রসেস (AHP) এর সমন্বয়ে গঠিত একটি অভিনব দ্বি-পর্যায়ের মাল্টিপল ক্রাইটেরিয়া ডিসিশন মেকিং (MCDM) পদ্ধতি।
2.1 পর্যায় ১: ডেটা এনভেলপমেন্ট অ্যানালাইসিস (DEA)
DEA কে ২০টি সম্ভাব্য শহর/জেলার প্রাকৃতিক সম্পদ দক্ষতা মূল্যায়নের জন্য প্রাথমিক ফিল্টার হিসেবে ব্যবহার করা হয়েছে। এটি অবস্থানগুলোকে ডিসিশন মেকিং ইউনিট (DMU) হিসেবে বিবেচনা করে।
- ইনপুট: তাপমাত্রা, বাতাসের গতি, আর্দ্রতা, বৃষ্টিপাত, বায়ুচাপ।
- আউটপুট: সূর্যালোকের ঘণ্টা, সৌর বিকিরণ।
যেসব অবস্থান ১.০ এর নিখুঁত দক্ষতা স্কোর অর্জন করে, তারা পরবর্তী পর্যায়ে অগ্রসর হয়।
2.2 পর্যায় ২: অ্যানালিটিক হায়ারার্কি প্রসেস (AHP)
AHP কে পর্যায় ১ থেকে দক্ষ অবস্থানগুলোকে আরও বিস্তৃত সামাজিক-প্রযুক্তিগত-অর্থনৈতিক-পরিবেশগত মানদণ্ডের ভিত্তিতে ক্রমবিন্যাস করার জন্য নিয়োগ করা হয়েছে। এতে মানদণ্ডের ওজন ও চূড়ান্ত অবস্থান স্কোর বের করতে জোড়া তুলনা জড়িত।
2.3 মানদণ্ড ও উপ-মানদণ্ডের শ্রেণিবিন্যাস
AHP মডেলটি পাঁচটি প্রধান মানদণ্ড ও ১৫টি উপ-মানদণ্ড নিয়ে গঠিত:
- স্থানের বৈশিষ্ট্য: জমির ঢাল, জমির ব্যবহারের ধরন, গ্রিড থেকে দূরত্ব।
- প্রযুক্তিগত: সৌর বিকিরণ, সূর্যালোকের ঘণ্টা, তাপমাত্রা।
- অর্থনৈতিক: বিনিয়োগ ব্যয়, পরিচালনা ও রক্ষণাবেক্ষণ ব্যয়, বিদ্যুৎ সঞ্চালন ব্যয়, সহায়তা ব্যবস্থা (যেমন, ফিড-ইন ট্যারিফ)।
- সামাজিক: জনগণের গ্রহণযোগ্যতা, কর্মসংস্থান সৃষ্টি, বিদ্যুৎ ব্যবহারের চাহিদা।
- পরিবেশগত: কার্বন নির্গমন হ্রাস, বাস্তুসংস্থানিক প্রভাব।
3. কেস স্টাডি: তাইওয়ান
3.1 তথ্য সংগ্রহ ও সম্ভাব্য স্থানসমূহ
গবেষণাটি তাইওয়ানের ২০টি প্রধান শহর ও জেলা মূল্যায়ন করেছে। তাইওয়ানের কেন্দ্রীয় আবহাওয়া দপ্তর ও অর্থনৈতিক বিষয়ক মন্ত্রণালয়ের মতো সরকারি উৎস থেকে আবহাওয়া সংক্রান্ত তথ্য (DEA-র জন্য ইনপুট/আউটপুট) এবং আর্থ-সামাজিক তথ্য (AHP-র জন্য) সংগ্রহ করা হয়েছে।
3.2 DEA দক্ষতা বিশ্লেষণের ফলাফল
DEA মডেলটি অপেক্ষাকৃত কম দক্ষ প্রাকৃতিক সম্পদসম্পন্ন অবস্থানগুলোকে বাদ দিয়েছে। কেবলমাত্র সেইসব শহর/জেলা যারা জলবায়ুগত ইনপুট (যেমন মাঝারি তাপমাত্রা ও কম আর্দ্রতা) কে দক্ষতার সাথে সৌরশক্তি আউটপুট (উচ্চ সূর্যালোক ও বিকিরণ) এ রূপান্তরিত করতে পেরেছে, তারা ১.০ স্কোর পেয়েছে। এই ধাপটি আরও বিস্তারিত AHP বিশ্লেষণের জন্য প্রার্থী পুলকে হ্রাস করেছে।
3.3 AHP ওজন নির্ধারণ ও চূড়ান্ত ক্রমবিন্যাস
AHP জোড়া তুলনা মানদণ্ডগুলোর আপেক্ষিক গুরুত্ব প্রকাশ করেছে। সবচেয়ে প্রভাবশালী শীর্ষ তিনটি উপ-মানদণ্ড ছিল:
এটি নির্দেশ করে যে চূড়ান্ত ক্রমবিন্যাসে নীতি ও অর্থনৈতিক বিষয়াদি (সহায়তা, ব্যয়) এবং স্থানীয় চাহিদা খাঁটি সৌর সম্পদের সম্ভাবনার চেয়ে বেশি নির্ধারক ভূমিকা পালন করে।
4. ফলাফল ও আলোচনা
4.1 মূল সন্ধানসমূহ
হাইব্রিড DEA-AHP পদ্ধতি সফলভাবে স্থানসমূহ চিহ্নিত ও অগ্রাধিকার নির্ধারণ করেছে। দ্বি-পর্যায়ের প্রক্রিয়ার শক্তি হল প্রথমে প্রাকৃতিক সম্পদের কার্যকারিতা নিশ্চিত করা (DEA), তারপর বিস্তৃত সম্ভাব্যতা মূল্যায়ন করা (AHP), যা সম্পদসমৃদ্ধ কিন্তু অন্যথায় অকার্যকর স্থানগুলোর উচ্চ ক্রমিক পাওয়া রোধ করে।
4.2 শীর্ষস্থানীয় অবস্থানসমূহ
চূড়ান্ত AHP ক্রমবিন্যাস তাইওয়ানে বৃহৎ আকারের সৌর PV খামার উন্নয়নের জন্য শীর্ষ তিনটি সবচেয়ে উপযুক্ত অবস্থান চিহ্নিত করেছে:
- তাইনান সিটি
- চাংহুয়া কাউন্টি
- কাওহসিউং সিটি
এই অঞ্চলগুলো শক্তিশালী সৌর সম্পদের সাথে অনুকূল অর্থনৈতিক অবস্থা (যেমন, বিদ্যমান সহায়তা ব্যবস্থা), অপেক্ষাকৃত কম সঞ্চালন ব্যয় এবং উচ্চ স্থানীয় বিদ্যুৎ চাহিদাকে একত্রিত করে।
5. প্রযুক্তিগত বিবরণ ও গাণিতিক সূত্রায়ন
DEA সূত্রায়ন (CCR মডেল): DMU $k$ এর জন্য দক্ষতা স্কোর $\theta_k$ রৈখিক প্রোগ্রাম সমাধান করে পাওয়া যায়: $$\text{Max } \theta_k = \sum_{r=1}^{s} u_r y_{rk}$$ $$\text{subject to: } \sum_{i=1}^{m} v_i x_{ik} = 1$$ $$\sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j=1,...,n$$ $$u_r, v_i \geq \epsilon > 0$$ যেখানে $x_{ij}$ হল ইনপুট, $y_{rj}$ হল আউটপুট, $v_i$ এবং $u_r$ হল ওজন, এবং $\epsilon$ হল একটি নন-আর্কিমিডিয়ান অসীম ক্ষুদ্র মান।
AHP সামঞ্জস্যতা পরীক্ষা: একটি গুরুত্বপূর্ণ ধাপ হল নিশ্চিত করা যে জোড়া তুলনা ম্যাট্রিক্স $A$ সামঞ্জস্যপূর্ণ। সামঞ্জস্যতা সূচক ($CI$) এবং সামঞ্জস্যতা অনুপাত ($CR$) গণনা করা হয়: $$CI = \frac{\lambda_{max} - n}{n-1}$$ $$CR = \frac{CI}{RI}$$ যেখানে $\lambda_{max}$ হল প্রধান আইগেনভ্যালু, $n$ হল ম্যাট্রিক্সের আকার, এবং $RI$ হল র্যান্ডম ইনডেক্স। $CR < 0.1$ গ্রহণযোগ্য।
6. বিশ্লেষণ কাঠামো: উদাহরণ কেস
পরিস্থিতি: DEA প্রাক-ফিল্টারিংয়ের পরে দুটি প্রার্থী স্থান, "সিটি এ" এবং "কাউন্টি বি" মূল্যায়ন করা।
ধাপ ১ - মানদণ্ডের ওজন নির্ধারণ (AHP): বিশেষজ্ঞরা জোড়া তুলনা সম্পাদন করেন। উদাহরণস্বরূপ, "অর্থনৈতিক" বনাম "পরিবেশগত" প্রভাবের তুলনা ৩ স্কোর দিতে পারে (অর্থনৈতিকের উপর পরিবেশগতের মাঝারি গুরুত্ব)। এটি তুলনা ম্যাট্রিক্স পূরণ করে গ্লোবাল ওজন বের করতে সাহায্য করে (যেমন, অর্থনৈতিক: ০.৩৫, পরিবেশগত: ০.১০)।
ধাপ ২ - মানদণ্ড অনুযায়ী স্থান স্কোরিং: একটি স্কেলে (যেমন, ১-৯) প্রতিটি উপ-মানদণ্ডের বিপরীতে প্রতিটি স্থানকে রেট দিন। "সহায়তা ব্যবস্থা" এর জন্য, যদি সিটি এ-এর চমৎকার ফিড-ইন ট্যারিফ থাকে (স্কোর=৯) এবং কাউন্টি বি-এর দুর্বল সহায়তা থাকে (স্কোর=৩), তবে এগুলো স্বাভাবিক করা হয়।
ধাপ ৩ - সংশ্লেষণ: সিটি এ-এর চূড়ান্ত স্কোর = $\sum (\text{উপ-মানদণ্ডের ওজন} \times \text{সিটি এ-এর স্বাভাবিক স্কোর})$। যে স্থানের সমষ্টিগত স্কোর বেশি, সেটি পছন্দনীয়।
এই কাঠামোবদ্ধ, পরিমাণগত কাঠামো স্বচ্ছতা ও ট্রেসেবিলিটি সহ বিশেষায়িত সিদ্ধান্ত গ্রহণকে প্রতিস্থাপন করে।
7. প্রয়োগের সম্ভাবনা ও ভবিষ্যৎ দিকনির্দেশনা
- জিআইএস-এর সাথে একীকরণ: ভবিষ্যৎ কাজে এই MCDM পদ্ধতিকে জিওগ্রাফিক ইনফরমেশন সিস্টেম (GIS) এর সাথে একীভূত করা উচিত স্থানিক দৃশ্যায়ন ও জমির উপযুক্ততা বিশ্লেষণের জন্য, যা শক্তিশালী সিদ্ধান্ত-সমর্থন সরঞ্জাম তৈরি করবে।
- গতিশীল ও সম্ভাব্যতা-ভিত্তিক মডেল: জলবায়ু চলক ও বিদ্যুতের মূল্যের জন্য সময়-সিরিজ ডেটা ও সম্ভাব্যতা-ভিত্তিক পূর্বাভাস অন্তর্ভুক্ত করা মডেলটিকে ভবিষ্যতের পরিবর্তনের সাথে অভিযোজিত করতে পারে।
- অন্যান্য MCDM পদ্ধতির সাথে হাইব্রিড: AHP কে TOPSIS বা VIKOR এর মতো কৌশলের সাথে যুক্ত করা অনিশ্চয়তা বা পরস্পরবিরোধী মানদণ্ড আরও দৃঢ়ভাবে পরিচালনা করতে পারে।
- বিস্তৃত প্রয়োগ: এই দ্বি-পর্যায়ের কাঠামো বিভিন্ন ভৌগোলিক প্রেক্ষাপটে অন্যান্য নবায়নযোগ্য শক্তি স্থান নির্বাচনের সমস্যায় (যেমন, বায়ু, ভূ-তাপীয়) অত্যন্ত স্থানান্তরযোগ্য।
- জীবনচক্র টেকসইতা একীকরণ: পরিবেশগত মানদণ্ডকে সম্পূর্ণ লাইফ সাইকেল অ্যাসেসমেন্ট (LCA) এ প্রসারিত করা PV প্যানেলের উৎপাদন ও বন্ধকরণের কার্বন পদচিহ্ন মূল্যায়ন করবে।
8. তথ্যসূত্র
- Intergovernmental Panel on Climate Change (IPCC). (2021). Climate Change 2021: The Physical Science Basis. Cambridge University Press.
- United Nations. (2015). Paris Agreement. United Nations Treaty Collection.
- European Commission. (2019). The European Green Deal. COM(2019) 640 final.
- International Energy Agency (IEA). (2020). World Energy Outlook 2020. OECD/IEA.
- International Renewable Energy Agency (IRENA). (2021). Renewable Energy and Jobs – Annual Review 2021.
- Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.
- Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill.
- Wang, C. N., Nguyen, N. A. T., Dang, T. T., & Bayer, J. (2021). A Two-Stage Multiple Criteria Decision Making for Site Selection of Solar Photovoltaic (PV) Power Plant: A Case Study in Taiwan. IEEE Access, 9, 75509-75522. DOI: 10.1109/ACCESS.2021.3081995.
9. বিশেষজ্ঞ বিশ্লেষণ ও সমালোচনামূলক পর্যালোচনা
মূল অন্তর্দৃষ্টি: এই গবেষণাপত্রটি কেবল আরেকটি স্থান নির্বাচন গবেষণা নয়; এটি নবায়নযোগ্য শক্তি অবকাঠামো বিনিয়োগের ঝুঁকি হ্রাস করার জন্য একটি ব্যবহারিক নকশা। প্রকৃত অন্তর্দৃষ্টি হল ক্রমিক যুক্তি: প্রথমে প্রাকৃতিক সম্পদ দক্ষতার জন্য DEA ব্যবহার করে নির্মমভাবে ফিল্টার করা—একটি অলঙ্ঘনীয়, পদার্থবিজ্ঞান-ভিত্তিক গেট—তারপর নরম, নীতি-প্রভাবিত AHP মানদণ্ড দ্বারা বিজয়ী নির্ধারণ করতে দেওয়া। এটি একটি সাধারণ ফাঁদ রোধ করে: এমন একটি স্থান বেছে নেওয়া যা রাজনৈতিকভাবে সুবিধাজনক কিন্তু জলবায়ুগতভাবে মাঝারি।
যুক্তিসঙ্গত প্রবাহ: পদ্ধতিবিদ্যার সৌন্দর্য হল এর শ্রম বিভাজনে। DEA "এখানে কি এটি কাজ করতে পারে?" প্রশ্নটি সূর্য, বাতাস ও বৃষ্টির ভিত্তিতে পরিচালনা করে। AHP "আমাদের কি এখানে এটি নির্মাণ করা উচিত?" প্রশ্নটি ব্যয়, নীতি ও সামাজিক প্রভাবের ভিত্তিতে মোকাবেলা করে। এটি উন্নয়নকারী ও সরকারগুলোর বাস্তব-বিশ্বের সিদ্ধান্ত গ্রহণ প্রক্রিয়াকে প্রতিফলিত করে, প্রযুক্তিগত সম্ভাবনা থেকে প্রকল্পের সম্ভাব্যতার দিকে অগ্রসর হয়। "সহায়তা ব্যবস্থা" (০.৩৩২) কে দেওয়া উচ্চ ওজন বাস্তবতার একটি নির্মম সৎ প্রতিফলন: একটি ভাল ফিড-ইন ট্যারিফ উচ্চ সৌর বিকিরণের কয়েক শতাংশ পয়েন্টকে ছাড়িয়ে যেতে পারে।
শক্তি ও ত্রুটি: প্রধান শক্তি হল হাইব্রিড পদ্ধতির দৃঢ়তা এবং একটি জটিল, বাস্তব-বিশ্বের প্রেক্ষাপটে (তাইওয়ান) এর বৈধতা। প্রতিষ্ঠিত, ব্যাপকভাবে বোধগম্য সরঞ্জাম (DEA, AHP) ব্যবহার পুনরাবৃত্তি যোগ্যতা বাড়ায়। তবে, মডেলটির উল্লেখযোগ্য ফাঁক রয়েছে। প্রথমত, এটি স্থির; এটি সৌর সম্পদের সময়গত পরিবর্তনশীলতা বা ভবিষ্যত জলবায়ু পরিবর্তনের প্রভাব বিবেচনা করে না, যা IPCC-র সর্বশেষ প্রতিবেদন দ্বারা তুলে ধরা একটি গুরুত্বপূর্ণ বিবেচ্য বিষয়। দ্বিতীয়ত, AHP-র বিশেষজ্ঞ জোড়া তুলনার উপর নির্ভরতা, যদিও মানক, বিষয়ভিত্তিকতা প্রবর্তন করে। গবেষণাপত্রটি আরও শক্তিশালী হত যদি এটি সংবেদনশীলতা বিশ্লেষণের মাধ্যমে এটি পরিপূরক করত বা অনিশ্চয়তা পরিচালনার জন্য একটি ফাজি-AHP পদ্ধতি ব্যবহার করত, যেমন RAND কর্পোরেশনের পদ্ধতিবিদ্যা পৃষ্ঠাগুলোতে আলোচিত উন্নত প্রয়োগগুলিতে দেখা যায়। তৃতীয়ত, জমির প্রাপ্যতা ও ব্যয়—যা প্রায়শই চূড়ান্ত বাধা—উপ-মানদণ্ডের মধ্যে প্রোথিত বলে মনে হয়। অনেক বাজারে, এটি প্রাথমিক সীমাবদ্ধতা।
কার্যকরী অন্তর্দৃষ্টি: তাইওয়ান ও অনুরূপ অঞ্চলের নীতিনির্ধারকদের জন্য, শীর্ষস্থানীয় তালিকা (তাইনান, চাংহুয়া, কাওহসিউং) অবকাঠামো ও প্রণোদনা কেন্দ্রীভূত করার জন্য একটি তথ্য-চালিত সূচনা বিন্দু প্রদান করে। উন্নয়নকারীদের জন্য, কাঠামোটি একটি প্রস্তুত ডিউ ডিলিজেন্স চেকলিস্ট। অবিলম্বে পরবর্তী পদক্ষেপ হওয়া উচিত এই মডেলটিকে উচ্চ-রেজোলিউশন GIS ডেটার সাথে একীভূত করা শহর-স্তর থেকে প্লট-স্তরের বিশ্লেষণে যাওয়ার জন্য। তদুপরি, এই DEA-AHP ফলাফলকে মেশিন লার্নিং-ভিত্তিক স্থান উপযুক্ততা মডেলের ফলাফলের সাথে তুলনা করা—যেমন বায়ু খামার পরিকল্পনায় ক্রমবর্ধমানভাবে ব্যবহৃত—বিভিন্ন প্যারাডাইমের অভিসৃতি (বা অপসৃতি) পরীক্ষা করার জন্য একটি মূল্যবান গবেষণা দিক হবে। শেষ পর্যন্ত, এই কাজটি একটি শক্ত, কার্যকরী ভিত্তি প্রদান করে। ভবিষ্যৎ এর গতিশীল, স্থানিকভাবে স্পষ্ট এবং রিয়েল-টাইম ডেটা স্ট্রিম গ্রহণে সক্ষম হওয়ার মধ্যে নিহিত।