Approche DEA-AHP en deux étapes pour la sélection de sites de centrales photovoltaïques à Taïwan

1. Introduction

Cet article traite du défi crucial de la sélection des sites optimaux pour les centrales photovoltaïques (PV) à Taïwan. L'urgence est motivée par le besoin mondial de transition des combustibles fossiles vers les énergies renouvelables, une transition amplifiée par la pandémie de Covid-19 et les impératifs du changement climatique. Taïwan, fortement dépendante des combustibles fossiles importés et située dans une zone sismiquement active, considère le développement de l'énergie solaire comme essentiel pour sa sécurité énergétique et sa durabilité économique.

1.1 Situation mondiale des énergies renouvelables

L'article contextualise l'étude dans le cadre des efforts mondiaux tels que l'Accord de Paris et le Pacte vert pour l'Europe, visant la neutralité carbone. Il souligne la résilience des énergies renouvelables pendant la crise du Covid-19, la production d'électricité à partir de sources renouvelables ayant augmenté de 5 % en 2020 malgré les perturbations.

1.2 Le potentiel de l'énergie solaire

L'énergie solaire est identifiée comme la source renouvelable la plus adaptée à Taïwan en raison de ses conditions géographiques et climatiques. Cependant, les contraintes foncières, les défis politiques et les problèmes d'échelle entravent son développement, rendant une sélection systématique des sites essentielle.

2. Méthodologie : Cadre MCDM en deux étapes

La contribution principale est une nouvelle approche de Décision Multicritère (MCDM) en deux étapes combinant l'Analyse par Enveloppement des Données (DEA) et le Processus d'Analyse Hiérarchique (AHP).

2.1 Étape 1 : Analyse par Enveloppement des Données (DEA)

La DEA est utilisée comme filtre initial pour évaluer l'efficacité des ressources naturelles de 20 villes/comtés potentiels. Elle traite les emplacements comme des Unités de Décision (DMU).

• Entrées : Température, Vitesse du vent, Humidité, Précipitations, Pression atmosphérique.
• Sorties : Heures d'ensoleillement, Insolation.

Les emplacements atteignant un score d'efficacité parfait de 1,0 passent à l'étape suivante.

2.2 Étape 2 : Processus d'Analyse Hiérarchique (AHP)

L'AHP est utilisé pour classer les emplacements efficaces de l'Étape 1 sur la base d'un ensemble plus large de critères socio-technico-économico-environnementaux. Il implique des comparaisons par paires pour dériver les poids des critères et les scores finaux des emplacements.

2.3 Hiérarchie des critères et sous-critères

Le modèle AHP est structuré avec cinq critères principaux et 15 sous-critères :

1. Caractéristiques du site : Pente du terrain, Type d'occupation des sols, Distance au réseau.
2. Technique : Rayonnement solaire, Heures d'ensoleillement, Température.
3. Économique : Coût d'investissement, Coût d'exploitation & maintenance, Coût de transport de l'électricité, Mécanismes de soutien (ex : tarifs d'achat).
4. Social : Acceptation publique, Création d'emplois, Demande de consommation d'électricité.
5. Environnemental : Réduction des émissions de carbone, Impact écologique.

3. Étude de cas : Taïwan

3.1 Collecte des données & Sites potentiels

L'étude a évalué 20 grandes villes et comtés à travers Taïwan. Les données météorologiques (entrées/sorties pour la DEA) et les données socio-économiques (pour l'AHP) ont été collectées auprès de sources officielles taïwanaises comme le Bureau central de météorologie et le Ministère des Affaires économiques.

3.2 Résultats de l'analyse d'efficacité DEA

Le modèle DEA a filtré les emplacements présentant une efficacité sous-optimale des ressources naturelles. Seuls les villes/comtés qui convertissaient efficacement les intrants climatiques (comme une température modérée et une faible humidité) en extrants d'énergie solaire (fort ensoleillement et insolation) ont obtenu un score de 1,0. Cette étape a réduit le pool de candidats pour l'analyse AHP plus détaillée.

3.3 Pondération AHP & Classement final

La comparaison par paires AHP a révélé l'importance relative des critères. Les trois sous-critères les plus influents étaient :

Cela souligne que les facteurs politiques et économiques (soutien, coût) et la demande locale sont plus décisifs que le simple potentiel de ressource solaire dans le classement final.

4. Résultats & Discussion

4.1 Principales conclusions

L'approche hybride DEA-AHP a permis d'identifier et de hiérarchiser les sites avec succès. La force du processus en deux étapes réside dans le fait de garantir d'abord la viabilité des ressources naturelles (DEA) avant d'évaluer la faisabilité plus large (AHP), empêchant ainsi les emplacements riches en ressources mais autrement irréalisables d'être bien classés.

4.2 Emplacements les mieux classés

Le classement AHP final a identifié les trois emplacements les plus adaptés au développement de fermes solaires photovoltaïques à grande échelle à Taïwan :

1. Ville de Tainan
2. Comté de Changhua
3. Ville de Kaohsiung

Ces zones combinent de fortes ressources solaires avec des conditions économiques favorables (ex : mécanismes de soutien existants), des coûts de transport relatifs plus faibles et une forte demande locale en électricité.

5. Détails techniques & Formulation mathématique

Formulation DEA (Modèle CCR) : Le score d'efficacité $\theta_k$ pour la DMU $k$ est obtenu en résolvant le programme linéaire : $$\text{Max } \theta_k = \sum_{r=1}^{s} u_r y_{rk}$$ $$\text{sous contraintes : } \sum_{i=1}^{m} v_i x_{ik} = 1$$ $$\sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j=1,...,n$$ $$u_r, v_i \geq \epsilon > 0$$ où $x_{ij}$ sont les entrées, $y_{rj}$ sont les sorties, $v_i$ et $u_r$ sont les poids, et $\epsilon$ est un infinitésimal non-Archimédien.

Vérification de la cohérence AHP : Une étape critique consiste à s'assurer que la matrice de comparaison par paires $A$ est cohérente. L'Indice de Cohérence ($CI$) et le Ratio de Cohérence ($CR$) sont calculés : $$CI = \frac{\lambda_{max} - n}{n-1}$$ $$CR = \frac{CI}{RI}$$ où $\lambda_{max}$ est la valeur propre principale, $n$ est la taille de la matrice, et $RI$ est l'Indice Aléatoire. Un $CR < 0,1$ est acceptable.

6. Cadre d'analyse : Exemple de cas

Scénario : Évaluation de deux sites candidats, "Ville A" et "Comté B", après le pré-filtrage DEA.

Étape 1 - Pondération des critères (AHP) : Les experts effectuent des comparaisons par paires. Par exemple, comparer l'impact "Économique" vs "Environnemental" pourrait donner un score de 3 (importance modérée de l'Économique sur l'Environnemental). Cela remplit la matrice de comparaison pour dériver les poids globaux (ex : Économique : 0,35, Environnemental : 0,10).

Étape 2 - Notation des sites par critère : Évaluer chaque site pour chaque sous-critère sur une échelle (ex : 1-9). Pour "Mécanismes de soutien", si la Ville A a d'excellents tarifs d'achat (score=9) et le Comté B un soutien médiocre (score=3), ceux-ci sont normalisés.

Étape 3 - Synthèse : Score final pour la Ville A = $\sum (\text{Poids du sous-critère} \times \text{Score normalisé de la Ville A})$. Le site avec le score agrégé le plus élevé est préféré.

Ce cadre structuré et quantitatif remplace la prise de décision ad hoc par de la transparence et de la traçabilité.

7. Perspectives d'application & Orientations futures

• Intégration avec les SIG : Les travaux futurs devraient intégrer cette approche MCDM avec les Systèmes d'Information Géographique (SIG) pour la visualisation spatiale et l'analyse de l'adéquation des terrains, créant ainsi des outils d'aide à la décision puissants.
• Modèles dynamiques & probabilistes : L'incorporation de données chronologiques et de prévisions probabilistes pour les variables climatiques et les prix de l'électricité peut rendre le modèle adaptatif aux changements futurs.
• Hybridation avec d'autres méthodes MCDM : Combiner l'AHP avec des techniques comme TOPSIS ou VIKOR pourrait gérer plus robustement l'incertitude ou les critères conflictuels.
• Application plus large : Ce cadre en deux étapes est très transférable à d'autres problèmes de sélection de sites d'énergie renouvelable (ex : éolien, géothermie) dans différents contextes géographiques.
• Intégration de la durabilité du cycle de vie : Étendre le critère environnemental à une Analyse du Cycle de Vie (ACV) complète permettrait d'évaluer l'empreinte carbone de la fabrication et du démantèlement des panneaux PV.

8. Références

1. Groupe d'experts intergouvernemental sur l'évolution du climat (GIEC). (2021). Changement climatique 2021 : les bases scientifiques physiques. Cambridge University Press.
2. Nations Unies. (2015). Accord de Paris. Collection des traités des Nations Unies.
3. Commission européenne. (2019). Le Pacte vert pour l'Europe. COM(2019) 640 final.
4. Agence internationale de l'énergie (AIE). (2020). World Energy Outlook 2020. OCDE/AIE.
5. Agence internationale pour les énergies renouvelables (IRENA). (2021). Renewable Energy and Jobs – Annual Review 2021.
6. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.
7. Saaty, T. L. (1980). The Analytic Hierarchy Process. McGraw-Hill.
8. 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. Analyse d'expert & Revue critique

Idée centrale : Cet article n'est pas seulement une autre étude de sélection de sites ; c'est un plan pragmatique pour dérisquer l'investissement dans les infrastructures d'énergie renouvelable. La véritable perspicacité réside dans la logique séquentielle : utiliser la DEA pour filtrer impitoyablement d'abord l'efficacité des ressources naturelles — une porte d'entrée non négociable, basée sur la physique — avant de laisser les critères AHP plus souples et fortement politiques déterminer le gagnant. Cela évite l'écueil courant de choisir un site politiquement pratique mais climatiquement médiocre.

Flux logique : L'élégance de la méthodologie réside dans sa division du travail. La DEA traite la question "cela peut-il fonctionner ici ?" sur la base du soleil, du vent et de la pluie. L'AHP aborde la question "devrions-nous le construire ici ?" sur la base du coût, de la politique et de l'impact social. Cela reflète le processus décisionnel réel des développeurs et des gouvernements, passant du potentiel technique à la faisabilité du projet. Le poids élevé accordé aux "Mécanismes de soutien" (0,332) est un reflet brutalement honnête de la réalité : un bon tarif d'achat peut compenser plusieurs points de pourcentage d'irradiance solaire plus élevée.

Points forts & Faiblesses : Le principal atout est la robustesse de l'approche hybride et sa validation dans un contexte réel complexe (Taïwan). L'utilisation d'outils établis et largement compris (DEA, AHP) améliore la reproductibilité. Cependant, le modèle présente des lacunes notables. Premièrement, il est statique ; il ne tient pas compte de la variabilité temporelle des ressources solaires ou des impacts futurs du changement climatique, une considération critique soulignée par les derniers rapports du GIEC. Deuxièmement, la dépendance de l'AHP aux comparaisons par paires d'experts, bien que standard, introduit une subjectivité. L'article serait plus solide s'il complétait cela par une analyse de sensibilité ou utilisait une approche AHP floue pour gérer l'incertitude, comme on le voit dans les applications avancées discutées sur les pages méthodologiques de la RAND Corporation. Troisièmement, la disponibilité et le coût des terrains — souvent le goulot d'étranglement ultime — semblent enfouis dans les sous-critères. Dans de nombreux marchés, c'est la contrainte principale.

Perspectives actionnables : Pour les décideurs politiques à Taïwan et dans des régions similaires, la liste des mieux classés (Tainan, Changhua, Kaohsiung) fournit un point de départ fondé sur des données pour concentrer les infrastructures et les incitations. Pour les développeurs, le cadre est une liste de contrôle de due diligence prête à l'emploi. La prochaine étape immédiate devrait être d'intégrer ce modèle avec des données SIG haute résolution pour passer d'une analyse au niveau de la ville à une analyse au niveau de la parcelle. De plus, comparer ce résultat DEA-AHP avec les résultats des modèles d'adéquation des sites basés sur l'apprentissage automatique — comme ceux de plus en plus utilisés dans la planification des parcs éoliens — serait une direction de recherche précieuse pour tester la convergence (ou la divergence) des différents paradigmes. En fin de compte, ce travail fournit une base solide et opérationnelle. L'avenir réside dans le fait de le rendre dynamique, spatialement explicite et capable d'ingérer des flux de données en temps réel.