1. परिचय
यह पत्र ताइवान में सौर फोटोवोल्टिक (PV) पावर प्लांटों के लिए इष्टतम स्थलों के चयन की महत्वपूर्ण चुनौती को संबोधित करता है। जीवाश्म ईंधन से नवीकरणीय ऊर्जा की ओर संक्रमण की वैश्विक आवश्यकता, जिसे कोविड-19 महामारी और जलवायु परिवर्तन की अनिवार्यताओं ने और बढ़ा दिया है, इसकी तात्कालिकता का कारण है। आयातित जीवाश्म ईंधन पर अत्यधिक निर्भर और भूकंपीय रूप से सक्रिय क्षेत्र में स्थित ताइवान, ऊर्जा सुरक्षा और आर्थिक स्थिरता के लिए सौर ऊर्जा विकास को महत्वपूर्ण मानता है।
1.1 वैश्विक नवीकरणीय ऊर्जा स्थिति
यह पत्र पेरिस समझौते और यूरोपीय ग्रीन डील जैसे वैश्विक प्रयासों के संदर्भ में अध्ययन को रखता है, जिनका लक्ष्य शुद्ध-शून्य उत्सर्जन है। यह कोविड-19 संकट के दौरान नवीकरणीय ऊर्जा की लचीलापन को उजागर करता है, जहाँ व्यवधानों के बावजूद 2020 में नवीकरणीय स्रोतों से बिजली उत्पादन में 5% की वृद्धि हुई।
1.2 सौर ऊर्जा की संभावना
ताइवान के भौगोलिक और जलवायवीय परिस्थितियों के कारण सौर ऊर्जा को सबसे उपयुक्त नवीकरणीय स्रोत के रूप में पहचाना गया है। हालाँकि, भूमि की कमी, नीतिगत चुनौतियाँ और पैमाने के मुद्दे विकास में बाधा डालते हैं, जिससे व्यवस्थित स्थल चयन आवश्यक हो जाता है।
2. पद्धति: दो-चरणीय MCDM रूपरेखा
मुख्य योगदान डेटा एन्वेलपमेंट विश्लेषण (DEA) और विश्लेषणात्मक पदानुक्रम प्रक्रिया (AHP) को जोड़ने वाली एक नवीन दो-चरणीय बहु-मानदंड निर्णय लेने (MCDM) पद्धति है।
2.1 चरण 1: डेटा एन्वेलपमेंट विश्लेषण (DEA)
DEA का उपयोग 20 संभावित शहरों/काउंटियों की प्राकृतिक संसाधन दक्षता का मूल्यांकन करने के लिए एक प्रारंभिक फिल्टर के रूप में किया जाता है। यह स्थानों को निर्णय लेने वाली इकाइयों (DMUs) के रूप में मानता है।
- इनपुट: तापमान, पवन गति, आर्द्रता, वर्षा, वायुदाब।
- आउटपुट: धूप के घंटे, सूर्यातप (इनसोलेशन)।
1.0 का पूर्ण दक्षता स्कोर प्राप्त करने वाले स्थान अगले चरण में आगे बढ़ते हैं।
2.2 चरण 2: विश्लेषणात्मक पदानुक्रम प्रक्रिया (AHP)
AHP का उपयोग चरण 1 से दक्ष स्थानों को सामाजिक-तकनीकी-आर्थिक-पर्यावरणीय मानदंडों के एक व्यापक सेट के आधार पर रैंक करने के लिए किया जाता है। इसमें मानदंड भार और अंतिम स्थल स्कोर प्राप्त करने के लिए युग्मवार तुलना शामिल है।
2.3 मानदंड और उप-मानदंड पदानुक्रम
AHP मॉडल को पाँच मुख्य मानदंडों और 15 उप-मानदंडों के साथ संरचित किया गया है:
- स्थल विशेषताएँ: भूमि ढलान, भूमि उपयोग प्रकार, ग्रिड से दूरी।
- तकनीकी: सौर विकिरण, धूप के घंटे, तापमान।
- आर्थिक: निवेश लागत, संचालन और रखरखाव लागत, बिजली संचरण लागत, समर्थन तंत्र (जैसे, फीड-इन टैरिफ)।
- सामाजिक: सार्वजनिक स्वीकृति, रोजगार सृजन, बिजली खपत मांग।
- पर्यावरणीय: कार्बन उत्सर्जन में कमी, पारिस्थितिक प्रभाव।
3. केस स्टडी: ताइवान
3.1 डेटा संग्रह और संभावित स्थल
अध्ययन ने पूरे ताइवान के 20 प्रमुख शहरों और काउंटियों का मूल्यांकन किया। मौसम संबंधी डेटा (DEA के लिए इनपुट/आउटपुट) और सामाजिक-आर्थिक डेटा (AHP के लिए) ताइवान के सेंट्रल वेदर ब्यूरो और आर्थिक मामलों के मंत्रालय जैसे आधिकारिक स्रोतों से एकत्र किए गए।
3.2 DEA दक्षता विश्लेषण परिणाम
DEA मॉडल ने उप-इष्टतम प्राकृतिक संसाधन दक्षता वाले स्थानों को छाँट दिया। केवल वे शहर/काउंटियाँ जिन्होंने जलवायवीय इनपुट (जैसे मध्यम तापमान और कम आर्द्रता) को सौर ऊर्जा आउटपुट (उच्च धूप और सूर्यातप) में कुशलता से परिवर्तित किया, उन्हें 1.0 का स्कोर प्राप्त हुआ। इस चरण ने अधिक विस्तृत AHP विश्लेषण के लिए उम्मीदवारों की संख्या को कम कर दिया।
3.3 AHP भारांकन और अंतिम रैंकिंग
AHP युग्मवार तुलना से मानदंडों के सापेक्ष महत्व का पता चला। सबसे प्रभावशाली शीर्ष तीन उप-मानदंड थे:
यह इस बात को रेखांकित करता है कि अंतिम रैंकिंग में नीति और आर्थिक कारक (समर्थन, लागत) और स्थानीय मांग शुद्ध सौर संसाधन क्षमता से अधिक निर्णायक हैं।
4. परिणाम और चर्चा
4.1 प्रमुख निष्कर्ष
संकर DEA-AHP दृष्टिकोण ने सफलतापूर्वक स्थलों की पहचान की और प्राथमिकता दी। दो-चरणीय प्रक्रिया की ताकत व्यापक व्यवहार्यता (AHP) का मूल्यांकन करने से पहले प्राकृतिक संसाधन व्यवहार्यता (DEA) सुनिश्चित करने में निहित है, जो संसाधन-संपन्न लेकिन अन्यथा अव्यवहार्य स्थानों को उच्च रैंकिंग प्राप्त करने से रोकता है।
4.2 शीर्ष रैंक वाले स्थान
अंतिम AHP रैंकिंग ने ताइवान में बड़े पैमाने पर सौर PV फार्म विकास के लिए शीर्ष तीन सबसे उपयुक्त स्थानों की पहचान की:
- ताइनान शहर
- चांगहुआ काउंटी
- काओशियुंग शहर
ये क्षेत्र मजबूत सौर संसाधनों को अनुकूल आर्थिक परिस्थितियों (जैसे, मौजूदा समर्थन तंत्र), अपेक्षाकृत कम संचरण लागत और उच्च स्थानीय बिजली मांग के साथ जोड़ते हैं।
5. तकनीकी विवरण और गणितीय सूत्रीकरण
DEA सूत्रीकरण (CCR मॉडल): DMU $k$ के लिए दक्षता स्कोर $\theta_k$ रैखिक प्रोग्राम को हल करके प्राप्त किया जाता है: $$\text{Max } \theta_k = \sum_{r=1}^{s} u_r y_{rk}$$ $$\text{subject to: } \sum_{i=1}^{m} v_i x_{ik} = 1$$ $$\sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j=1,...,n$$ $$u_r, v_i \geq \epsilon > 0$$ जहाँ $x_{ij}$ इनपुट हैं, $y_{rj}$ आउटपुट हैं, $v_i$ और $u_r$ भार हैं, और $\epsilon$ एक गैर-आर्किमिडीय अतिसूक्ष्म है।
AHP सुसंगतता जाँच: एक महत्वपूर्ण चरण यह सुनिश्चित करना है कि युग्मवार तुलना मैट्रिक्स $A$ सुसंगत है। सुसंगतता सूचकांक ($CI$) और सुसंगतता अनुपात ($CR$) की गणना की जाती है: $$CI = \frac{\lambda_{max} - n}{n-1}$$ $$CR = \frac{CI}{RI}$$ जहाँ $\lambda_{max}$ प्रमुख आइगेनवैल्यू है, $n$ मैट्रिक्स आकार है, और $RI$ यादृच्छिक सूचकांक है। $CR < 0.1$ स्वीकार्य है।
6. विश्लेषण रूपरेखा: उदाहरण केस
परिदृश्य: DEA पूर्व-फ़िल्टरिंग के बाद दो उम्मीदवार स्थलों, "शहर A" और "काउंटी B" का मूल्यांकन करना।
चरण 1 - मानदंड भारांकन (AHP): विशेषज्ञ युग्मवार तुलना करते हैं। उदाहरण के लिए, "आर्थिक" बनाम "पर्यावरणीय" प्रभाव की तुलना से 3 का स्कोर प्राप्त हो सकता है (पर्यावरणीय पर आर्थिक का मध्यम महत्व)। यह वैश्विक भार प्राप्त करने के लिए तुलना मैट्रिक्स को भरता है (जैसे, आर्थिक: 0.35, पर्यावरणीय: 0.10)।
चरण 2 - प्रति मानदंड स्थल स्कोरिंग: प्रत्येक उप-मानदंड के विरुद्ध प्रत्येक स्थल को एक पैमाने (जैसे, 1-9) पर रेट करें। "समर्थन तंत्र" के लिए, यदि शहर A में उत्कृष्ट फीड-इन टैरिफ हैं (स्कोर=9) और काउंटी B में खराब समर्थन है (स्कोर=3), तो इन्हें सामान्यीकृत किया जाता है।
चरण 3 - संश्लेषण: शहर A के लिए अंतिम स्कोर = $\sum (\text{उप-मानदंड भार} \times \text{शहर A का सामान्यीकृत स्कोर})$। उच्च समग्र स्कोर वाला स्थल वरीयता प्राप्त करता है।
यह संरचित, मात्रात्मक रूपरेखा पारदर्शिता और अनुरेखणीयता के साथ तदर्थ निर्णय लेने की प्रक्रिया को प्रतिस्थापित करती है।
7. अनुप्रयोग संभावना और भविष्य की दिशाएँ
- GIS के साथ एकीकरण: भविष्य के कार्य में इस MCDM दृष्टिकोण को भौगोलिक सूचना प्रणाली (GIS) के साथ एकीकृत करना चाहिए ताकि भूमि उपयुक्तता के स्थानिक विज़ुअलाइज़ेशन और विश्लेषण के लिए शक्तिशाली निर्णय-समर्थन उपकरण बनाए जा सकें।
- गतिशील और संभाव्य मॉडल: जलवायु चर और बिजली की कीमतों के लिए समय-श्रृंखला डेटा और संभाव्य पूर्वानुमानों को शामिल करने से मॉडल भविष्य के परिवर्तनों के प्रति अनुकूलनीय बन सकता है।
- अन्य MCDM विधियों के साथ संकरण: AHP को TOPSIS या VIKOR जैसी तकनीकों के साथ जोड़ने से अनिश्चितता या परस्पर विरोधी मानदंडों को अधिक मजबूती से संभाला जा सकता है।
- व्यापक अनुप्रयोग: यह दो-चरणीय रूपरेखा विभिन्न भौगोलिक संदर्भों में अन्य नवीकरणीय ऊर्जा स्थल चयन समस्याओं (जैसे, पवन, भूतापीय) के लिए अत्यंत हस्तांतरणीय है।
- जीवनचक्र स्थिरता एकीकरण: पर्यावरणीय मानदंड को पूर्ण जीवनचक्र मूल्यांकन (LCA) तक विस्तारित करने से PV पैनलों के निर्माण और सेवामुक्ति के कार्बन पदचिह्न का मूल्यांकन किया जाएगा।
8. संदर्भ
- 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. विशेषज्ञ विश्लेषण और आलोचनात्मक समीक्षा
मूल अंतर्दृष्टि: यह पत्र केवल एक और स्थल चयन अध्ययन नहीं है; यह नवीकरणीय ऊर्जा बुनियादी ढांचे के निवेश के जोखिम को कम करने के लिए एक व्यावहारिक खाका है। वास्तविक अंतर्दृष्टि क्रमिक तर्क में है: विजेता का निर्धारण करने के लिए नरम, नीति-प्रधान AHP मानदंडों को लागू करने से पहले, प्राकृतिक संसाधन दक्षता के लिए DEA का उपयोग एक निर्मम फिल्टर के रूप में करें—यह एक गैर-परक्राम्य, भौतिकी-आधारित द्वार है। यह उस सामान्य गलती को रोकता है जहाँ एक राजनीतिक रूप से सुविधाजनक लेकिन जलवायवीय रूप से औसत स्थल का चयन किया जाता है।
तार्किक प्रवाह: पद्धति की सुंदरता इसके श्रम विभाजन में है। DEA सूर्य, हवा और बारिश के आधार पर "क्या यह यहाँ काम कर सकता है?" प्रश्न को संभालता है। AHP लागत, नीति और सामाजिक प्रभाव के आधार पर "क्या हमें इसे यहाँ बनाना चाहिए?" प्रश्न से निपटता है। यह तकनीकी क्षमता से परियोजना व्यवहार्यता की ओर बढ़ते हुए, डेवलपर्स और सरकारों की वास्तविक दुनिया की निर्णय प्रक्रिया को दर्शाता है। "समर्थन तंत्र" (0.332) को दिया गया उच्च भार वास्तविकता का एक क्रूरतापूर्ण ईमानदार प्रतिबिंब है: एक अच्छा फीड-इन टैरिफ सौर विकिरण में कई प्रतिशत अंकों की वृद्धि से अधिक महत्वपूर्ण हो सकता है।
शक्तियाँ और कमियाँ: प्रमुख शक्ति संकर दृष्टिकोण की मजबूती और एक जटिल, वास्तविक दुनिया के संदर्भ (ताइवान) में इसका सत्यापन है। स्थापित, व्यापक रूप से समझे जाने वाले उपकरणों (DEA, AHP) का उपयोग पुनरुत्पादनशीलता को बढ़ाता है। हालाँकि, मॉडल में उल्लेखनीय अंतराल हैं। पहला, यह स्थैतिक है; यह सौर संसाधनों की समयिक परिवर्तनशीलता या भविष्य के जलवायु परिवर्तन प्रभावों को ध्यान में नहीं रखता, जो IPCC की नवीनतम रिपोर्टों द्वारा उजागर एक महत्वपूर्ण विचार है। दूसरा, AHP की विशेषज्ञ युग्मवार तुलना पर निर्भरता, हालाँकि मानक है, व्यक्तिपरकता लाती है। यदि पत्र इसे संवेदनशीलता विश्लेषण के साथ पूरक करता या अनिश्चितता को संभालने के लिए फ़ज़ी-AHP दृष्टिकोण का उपयोग करता, जैसा कि RAND Corporation की पद्धति पृष्ठों पर चर्चा किए गए उन्नत अनुप्रयोगों में देखा गया है, तो यह और मजबूत होता। तीसरा, भूमि की उपलब्धता और लागत—जो अक्सर अंतिम बाधा होती है—उप-मानदंडों के भीतर दबी हुई प्रतीत होती है। कई बाजारों में, यह प्राथमिक बाधा है।
कार्रवाई योग्य अंतर्दृष्टियाँ: ताइवान और समान क्षेत्रों में नीति निर्माताओं के लिए, शीर्ष रैंक वाली सूची (ताइनान, चांगहुआ, काओशियुंग) बुनियादी ढांचे और प्रोत्साहनों को केंद्रित करने के लिए एक डेटा-संचालित प्रारंभिक बिंदु प्रदान करती है। डेवलपर्स के लिए, यह रूपरेखा एक तैयार-निर्मित ड्यू डिलिजेंस चेकलिस्ट है। तत्काल अगला कदम इस मॉडल को उच्च-रिज़ॉल्यूशन GIS डेटा के साथ एकीकृत करना होना चाहिए ताकि शहर-स्तर से पार्सल-स्तर के विश्लेषण की ओर बढ़ा जा सके। इसके अलावा, इस DEA-AHP परिणाम की तुलना मशीन लर्निंग-आधारित स्थल उपयुक्तता मॉडलों के परिणामों से करना—जैसे कि पवन फार्म नियोजन में तेजी से उपयोग किए जा रहे हैं—विभिन्न प्रतिमानों के अभिसरण (या विचलन) का परीक्षण करने के लिए एक मूल्यवान शोध दिशा होगी। अंततः, यह कार्य एक ठोस, परिचालनात्मक आधार प्रदान करता है। भविष्य इसे गतिशील, स्थानिक रूप से स्पष्ट और वास्तविक समय डेटा स्ट्रीम को आत्मसात करने में सक्षम बनाने में निहित है।