তাইওয়ানে সৌর ফটোভোলটাইক বিদ্যুৎকেন্দ্র স্থান নির্বাচনের জন্য দ্বি-পর্যায়ের DEA-AHP কাঠামো

1. ভূমিকা

এই নিবন্ধটি সৌর ফটোভোলটাইক (PV) বিদ্যুৎকেন্দ্রের জন্য সর্বোত্তম স্থান নির্বাচনের গুরুত্বপূর্ণ চ্যালেঞ্জটি সমাধান করে, যা শক্তি নিরাপত্তা ও টেকসই উন্নয়নের জন্য অত্যন্ত গুরুত্বপূর্ণ একটি কাজ, বিশেষত জীবাশ্ম জ্বালানি থেকে উত্তরণের বৈশ্বিক প্রচেষ্টার প্রেক্ষাপটে। তাইওয়ানকে একটি কেস স্টাডি হিসেবে ব্যবহার করে, এই গবেষণা আমদানিকৃত শক্তির উপর নির্ভরশীল এবং জলবায়ু পরিবর্তনের প্রতি সংবেদনশীল জাতিগুলোর জন্য এই সমস্যার জরুরিতা তুলে ধরে।

2. পদ্ধতি: দ্বি-পর্যায়ের MCDM কাঠামো

এই নিবন্ধের মূল অবদান হল একটি অভিনব দ্বি-পর্যায়ের মাল্টিপল ক্রাইটেরিয়া ডিসিশন মেকিং (MCDM) পদ্ধতি যা ডেটা এনভেলপমেন্ট অ্যানালাইসিস (DEA) এবং অ্যানালিটিক হায়ারার্কি প্রসেস (AHP) কে একত্রিত করে।

3. কেস স্টাডি: তাইওয়ান

বৃহৎ আকারের সৌর PV খামার নির্মাণের জন্য তাইওয়ানের ২০টি সম্ভাব্য শহর ও জেলা মূল্যায়নের জন্য এই পদ্ধতি প্রয়োগ করা হয়েছে।

4. ফলাফল ও আলোচনা

5. প্রযুক্তিগত বিবরণ ও গাণিতিক সূত্রায়ন

DEA CCR মডেল (চার্নেস, কুপার, রোডস): DMU $k$ এর জন্য দক্ষতা স্কোর $\theta_k$ গণনা করতে ব্যবহৃত মৌলিক DEA মডেলটি একটি রৈখিক প্রোগ্রামিং সমস্যা হিসেবে সূত্রায়িত: $$ \begin{aligned} \text{Max } & \theta_k = \sum_{r=1}^{s} u_r y_{rk} \\ \text{s.t. } & \sum_{i=1}^{m} v_i x_{ik} = 1 \\ & \sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j = 1, \ldots, n \\ & u_r, v_i \geq \epsilon > 0 \end{aligned} $$ যেখানে:

• $x_{ij}$: DMU $j$ এর জন্য ইনপুট $i$ এর পরিমাণ।
• $y_{rj}$: DMU $j$ এর জন্য আউটপুট $r$ এর পরিমাণ।
• $v_i$, $u_r$: ইনপুট ও আউটপুটের ভার্চুয়াল ওজন।
• $\epsilon$: একটি ক্ষুদ্র নন-আর্কিমিডিয়ান সংখ্যা।
• $\theta_k = 1$ DEA দক্ষতা নির্দেশ করে।

AHP জোড়া তুলনা ও সামঞ্জস্যতা: মানদণ্ডগুলো ১-৯ স্কেলে জোড়ায় তুলনা করা হয়। অগ্রাধিকার ভেক্টর $w$ (ওজন) তুলনা ম্যাট্রিক্স $A$ এর প্রধান আইজেনভেক্টর থেকে প্রাপ্ত, যেখানে $Aw = \lambda_{max}w$। সামঞ্জস্য অনুপাত ($CR$) অবশ্যই ০.১ এর কম হতে হবে: $$ CR = \frac{CI}{RI}, \quad CI = \frac{\lambda_{max} - n}{n - 1} $$ যেখানে $RI$ হল র্যান্ডম ইনডেক্স।

6. ফলাফল ও চার্ট বর্ণনা

ধারণাগত চার্ট ১: দ্বি-পর্যায়ের MCDM প্রক্রিয়া প্রবাহ
একটি ফ্লোচার্ট চিত্রিত করে: (১) ২০টি প্রার্থী অবস্থান ইনপুট (২) DEA মডেলে (জলবায়ুগত ইনপুট/সৌর আউটপুট) যা ফিল্টার করে (৩) দক্ষ অবস্থানে (স্কোর=১)। এগুলো তারপর ইনপুট হয় (৪) AHP মডেলে (৫টি মানদণ্ড ও উপ-মানদণ্ড) যা নিয়ে যায় (৫) অবস্থানগুলোর চূড়ান্ত ওজনযুক্ত ক্রমায়নে।

ধারণাগত চার্ট ২: AHP মানদণ্ড ওজন শ্রেণিবিন্যাস
একটি অনুভূমিক বার চার্ট যা শীর্ষ-স্তরের মানদণ্ডগুলোর (স্থান, প্রযুক্তিগত, অর্থনৈতিক, সামাজিক, পরিবেশগত) আপেক্ষিক ওজন এবং অর্থনৈতিক মানদণ্ডের জন্য একটি ড্রিল-ডাউন দেখায় যা "সহায়ক ব্যবস্থা" উপ-মানদণ্ডের (০.৩৩২) প্রভাবশালী ওজন প্রদর্শন করে।

ধারণাগত চার্ট ৩: চূড়ান্ত স্থান ক্রমায়ন মানচিত্র
তাইওয়ানের একটি বিষয়ভিত্তিক মানচিত্র যেখানে ২০টি প্রার্থী অবস্থান চিহ্নিত করা হয়েছে। শীর্ষ ক্রমায়িত অবস্থানগুলো (তাইনান, চাংহুয়া, কাওসিউং) প্রাথমিক রঙে (#FF9800) হাইলাইট করা হয়েছে, অন্যান্য অবস্থানগুলো তাদের চূড়ান্ত AHP স্কোরের ভিত্তিতে গ্রেডিয়েন্টে ছায়াযুক্ত।

7. বিশ্লেষণাত্মক কাঠামো: উদাহরণ কেস

পরিস্থিতি: DEA পর্যায়ের পরে দুটি প্রকল্পিত অবস্থান, "সিটি এ" এবং "সিটি বি" মূল্যায়ন করা।

ধাপ ১ - AHP জোড়া তুলনা (অর্থনৈতিক মানদণ্ড):
সিদ্ধান্ত গ্রহণকারী উপ-মানদণ্ডগুলোর তুলনা করেন:
"সহায়ক ব্যবস্থা" কে 'বিনিয়োগ খরচ' এর চেয়ে 'মাঝারিভাবে বেশি গুরুত্বপূর্ণ' (মান ৩) বলে বিচার করা হয়।
"বিনিয়োগ খরচ" কে 'পরিচালনা ও রক্ষণাবেক্ষণ খরচ' এর চেয়ে 'সমান থেকে মাঝারিভাবে বেশি গুরুত্বপূর্ণ' (মান ২) বলে বিচার করা হয়।
এটি অর্থনৈতিক উপ-মানদণ্ডগুলোর জন্য একটি তুলনা ম্যাট্রিক্স গঠন করে।

ধাপ ২ - অবস্থান স্কোরিং:
"সহায়ক ব্যবস্থা" উপ-মানদণ্ডের জন্য, সিটি এ (শক্তিশালী সরকারি ভর্তুকি) কে সিটি বি (দুর্বল ভর্তুকি) এর চেয়ে 'প্রবলভাবে পছন্দনীয়' (স্কোর ৫) বলে রেট দেওয়া হয়। এই স্কোরগুলো মানদণ্ডের ওজন ব্যবহার করে স্বাভাবিকীকরণ ও সমষ্টিবদ্ধ করা হয় প্রতিটি অবস্থানের জন্য একটি চূড়ান্ত যৌগিক স্কোর উৎপাদনের জন্য।

ফলাফল: এমনকি যদি সিটি বি এর সৌর বিকিরণ কিছুটা ভালোও হয়, তবুও সিটি এ এর উচ্চতর নীতি সমর্থন (উচ্চ ওজন) একটি উচ্চতর চূড়ান্ত ক্রমের দিকে নিয়ে যায়, যা কাঠামোর একাধিক, প্রায়শই পরস্পরবিরোধী, উদ্দেশ্যের ভারসাম্য বজায় রাখার ক্ষমতা প্রদর্শন করে।

8. প্রয়োগের সম্ভাবনা ও ভবিষ্যৎ দিকনির্দেশনা

• জিআইএস এর সাথে একীকরণ: ভবিষ্যৎ কাজে এই MCDM কাঠামোকে জিওগ্রাফিক ইনফরমেশন সিস্টেম (GIS) এর সাথে স্থানিক বিশ্লেষণ, সীমাবদ্ধতা ম্যাপিং (যেমন, সুরক্ষিত এলাকা, ঢাল) এবং ভিজ্যুয়ালাইজেশনের জন্য দৃঢ়ভাবে একীভূত করা উচিত, একটি শক্তিশালী সিদ্ধান্ত সমর্থন ব্যবস্থা (DSS) তৈরি করার জন্য।
• গতিশীল ও সম্ভাব্যতামূলক মডেলিং: দীর্ঘমেয়াদী স্থানের বাস্তবায়নযোগ্যতা মূল্যায়নের জন্য জলবায়ু পরিবর্তনের পূর্বাভাস অন্তর্ভুক্ত করা। ইনপুট ডেটা ও বিশেষজ্ঞের বিচারে অনিশ্চয়তা মোকাবেলার জন্য স্টোকাস্টিক DEA বা ফাজি AHP ব্যবহার করা।
• ব্যাপক প্রযুক্তি মূল্যায়ন: প্রযুক্তি-নির্দিষ্ট মানদণ্ড ব্যবহার করে অন্যান্য নবায়নযোগ্য প্রযুক্তি (অফশোর বায়ু, ভূ-তাপীয়) বা সংকর ব্যবস্থার জন্য কাঠামোটি অভিযোজিত করা।
• জীবনচক্র টেকসইতা একীকরণ: পরিবেশগত মানদণ্ডটিকে একটি পূর্ণাঙ্গ লাইফ সাইকেল অ্যাসেসমেন্ট (LCA) এ সম্প্রসারিত করা যা উৎপাদন, স্থাপনা এবং অবসর গ্রহণকে আচ্ছাদিত করে, বৃত্তাকার অর্থনীতির নীতির সাথে সামঞ্জস্য রেখে।
• মেশিন লার্নিং উন্নয়ন: ঐতিহাসিক স্থান নির্বাচন সাফল্য/ব্যর্থতার ডেটা বিশ্লেষণের জন্য ML অ্যালগরিদম ব্যবহার করা, সম্ভাব্যভাবে AHP ওজন পরিমার্জন বা নতুন উপ-মানদণ্ড প্রস্তাব করার জন্য।

9. তথ্যসূত্র

1. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.
2. Saaty, T. L. (1980). The analytic hierarchy process. McGraw-Hill.
3. International Energy Agency (IEA). (2020). World Energy Outlook 2020. OECD/IEA.
4. IRENA. (2021). Renewable Power Generation Costs in 2020. International Renewable Energy Agency.
5. Zhu, J., et al. (2020). A comprehensive review of hybrid DEA methods. Omega, 102, 102308.
6. Isola, P., Zhu, J., Zhou, T., & Efros, A. A. (2017). Image-to-image translation with conditional adversarial networks. Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 1125-1134). (একটি ভিন্ন ডোমেনে একটি কাঠামোবদ্ধ, দ্বি-পর্যায়ের কাঠামোর উদাহরণ হিসেবে উদ্ধৃত)।

10. মূল বিশ্লেষণ ও বিশেষজ্ঞ মন্তব্য