ताइवान क्षेत्र के लिए सौर फोटोवोल्टिक पावर स्टेशन साइट चयन के लिए दो-चरणीय DEA-AHP ढांचा

1. प्रस्तावना

यह लेख सौर फोटोवोल्टिक पावर स्टेशनों के इष्टतम स्थान चयन की महत्वपूर्ण चुनौती को हल करने का लक्ष्य रखता है, जो ऊर्जा सुरक्षा और सतत विकास के लिए महत्वपूर्ण है, विशेष रूप से ऐसे वैश्विक संदर्भ में जहाँ जीवाश्म ईंधन से दूर जाने का प्रयास किया जा रहा है। ताइवान क्षेत्र को एक केस स्टडी के रूप में लेते हुए, यह अध्ययन उन देशों और क्षेत्रों के लिए इस मुद्दे की तात्कालिकता पर प्रकाश डालता है जो ऊर्जा आयात पर निर्भर हैं और जलवायु परिवर्तन के प्रति संवेदनशील हैं।

2. Methodology: Two-Stage Multi-Criteria Decision-Making Framework

इस पत्र का मुख्य योगदान एक नवीन दो-चरणीय बहु-मानदंड निर्णय लेने की विधि प्रस्तावित करना है, जो डेटा एन्वलपमेंट एनालिसिस और एनालिटिक हायरार्की प्रोसेस को जोड़ती है।

3. केस स्टडी: ताइवान क्षेत्र

यह विधि बड़े सौर फोटोवोल्टिक पावर प्लांटों के निर्माण के लिए ताइवान क्षेत्र के 20 संभावित काउंटी और शहरों के मूल्यांकन में लागू की गई थी।

4. परिणाम और चर्चा

5. तकनीकी विवरण एवं गणितीय सूत्र

DEA CCR मॉडल: 用于计算决策单元 $k$ 的效率得分 $\theta_k$ 的基本DEA模型表述为线性规划问题： $$ \begin{aligned} \text{Max } & \theta_k = \sum_{r=1}^{s} u_r y_{rk} \\ \text{s.t. } & \sum_{i=1}^{m} v_i x_{ik} = 1 \\ & \sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j = 1, \ldots, n \\ & u_r, v_i \geq \epsilon > 0 \end{aligned} $$ 其中：

• $x_{ij}$: निर्णय इकाई $j$ के इनपुट $i$ की मात्रा।
• $y_{rj}$: निर्णय इकाई $j$ के आउटपुट $r$ की मात्रा।
• $v_i$, $u_r$: इनपुट और आउटपुट के आभासी भार।
• $\epsilon$: एक छोटी गैर-आर्किमिडीय संख्या।
• $\theta_k = 1$ DEA प्रभावी होने का संकेत देता है।

AHP युग्मवार तुलना और सुसंगतता: मानदंडों की 1-9 पैमाने पर युग्मवार तुलना की जाती है। प्राथमिकता वेक्टर $w$ (भार) तुलना मैट्रिक्स $A$ के प्रमुख आइगेनवेक्टर से प्राप्त होता है, जहां $Aw = \lambda_{max}w$। सुसंगतता अनुपात 0.1 से कम होना चाहिए:

6. परिणाम और चार्ट स्पष्टीकरण

संकल्पना चित्र 1: दो-चरण MCDM प्रक्रिया
प्रवाह चित्र दर्शाता है: (1) 20 उम्मीदवार स्थानों का (2) DEA मॉडल (जलवायु इनपुट/सौर ऊर्जा आउटपुट) में इनपुट, जो (3) कुशल स्थानों (स्कोर=1) का चयन करता है। ये स्थान फिर (4) AHP मॉडल (5 मानदंड और उप-मानदंड) में इनपुट किए जाते हैं, जिससे अंततः (5) स्थानों की अंतिम भारित रैंकिंग प्राप्त होती है।

अवधारणा चित्र 2: AHP मानदंड भार पदानुक्रम
एक क्षैतिज बार चार्ट जो शीर्ष-स्तरीय मानदंडों (स्थल, तकनीकी, आर्थिक, सामाजिक, पर्यावरणीय) के सापेक्ष भार दिखाता है, और आर्थिक मानदंड के लिए ड्रिल-डाउन करके "सहायता तंत्र" उप-मानदंड के प्रमुख भार (0.332) को प्रदर्शित करता है।

कॉन्सेप्ट मैप 3: अंतिम स्थान रैंकिंग मानचित्र
ताइवान क्षेत्र का एक थीमैटिक मानचित्र, जिसमें 20 संभावित स्थान चिह्नित हैं। शीर्ष रैंक वाले स्थान (ताइनान, चांगहुआ, काओशियुंग) मुख्य रंग (#FF9800) में उजागर किए गए हैं, अन्य स्थान उनके अंतिम AHP स्कोर के आधार पर ग्रेडिएंट रंगों में दिखाए गए हैं।

7. विश्लेषण ढांचा: उदाहरण केस

दृश्य: DEA चरण के बाद, दो काल्पनिक स्थानों "शहर A" और "शहर B" का मूल्यांकन करें।

चरण 1 - AHP युग्मवार तुलना (आर्थिक मानदंड):
निर्णयकर्ता उपमानदंडों की तुलना करते हैं:
"समर्थन तंत्र" की तुलना में "निवेश लागत" को "थोड़ा महत्वपूर्ण" (मान 3) माना जाता है।
"निवेश लागत" की तुलना में "संचालन एवं रखरखाव लागत" को "समान से थोड़ा महत्वपूर्ण" (मान 2) माना जाता है।
यह आर्थिक उपमानदंडों की तुलना मैट्रिक्स बनाता है।

चरण 2 - स्थान स्कोरिंग:
"समर्थन तंत्र" उप-मानदंड के लिए, शहर A (सरकारी सब्सिडी उच्च) को शहर B (सब्सिडी कमजोर) की तुलना में "दृढ़ प्राथमिकता" (स्कोर 5) के रूप में मूल्यांकित किया गया। इन स्कोरों को सामान्यीकृत किया गया और मानदंड भारों का उपयोग करके समुच्चयित किया गया, जिससे प्रत्येक स्थान का अंतिम समग्र स्कोर प्राप्त हुआ।

परिणाम: यहां तक कि शहर B की सौर विकिरण मात्रा थोड़ी बेहतर होने के बावजूद, शहर A की श्रेष्ठ नीतिगत समर्थन (उच्च भार) ने उसे उच्च अंतिम रैंकिंग दिलाई, जो इस ढांचे की कई अक्सर परस्पर विरोधी लक्ष्यों को संतुलित करने की क्षमता को प्रमाणित करता है।

8. अनुप्रयोग संभावनाएं एवं भविष्य की दिशाएं

• GIS के साथ एकीकरण: भविष्य के कार्य में इस MCDM फ्रेमवर्क को स्थानिक विश्लेषण, बाधा मानचित्रण (जैसे संरक्षित क्षेत्र, ढलान) और विज़ुअलाइज़ेशन के लिए भौगोलिक सूचना प्रणाली के साथ मज़बूती से एकीकृत किया जाना चाहिए, ताकि एक शक्तिशाली निर्णय समर्थन प्रणाली बनाई जा सके।
• गतिशील और संभाव्यता मॉडलिंग: साइट की दीर्घकालिक व्यवहार्यता का आकलन करने के लिए जलवायु परिवर्तन पूर्वानुमानों को शामिल करें। इनपुट डेटा और विशेषज्ञ निर्णय में अनिश्चितता को संभालने के लिए स्टोकेस्टिक DEA या फ़ज़ी AHP का उपयोग करें।
• व्यापक तकनीकी मूल्यांकन: इस ढांचे को अन्य नवीकरणीय ऊर्जा प्रौद्योगिकियों (अपतटीय पवन ऊर्जा, भूतापीय) या संकर प्रणालियों के लिए अनुकूलित करें, प्रौद्योगिकी-विशिष्ट दिशानिर्देशों का उपयोग करते हुए।
• पूर्ण जीवनचक्र स्थिरता एकीकरण: पर्यावरणीय मानदंडों को विनिर्माण, तैनाती और डीकमिशनिंग को शामिल करते हुए एक पूर्ण जीवनचक्र मूल्यांकन तक विस्तारित करें, ताकि वे चक्रीय अर्थव्यवस्था सिद्धांतों के अनुरूप हों।
• मशीन लर्निंग संवर्धन: ऐतिहासिक साइट चयन सफलता/विफलता डेटा का विश्लेषण करने के लिए मशीन लर्निंग एल्गोरिदम का उपयोग करना, संभवतः AHP भार को अनुकूलित करने या नए उप-मानदंड प्रस्तावित करने के लिए।

9. संदर्भ सूची

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. मैकग्रा-हिल.
3. अंतर्राष्ट्रीय ऊर्जा एजेंसी (IEA). (2020). World Energy Outlook 2020. OECD/IEA.
4. IRENA. (2021). 2020 में नवीकरणीय ऊर्जा उत्पादन लागत. 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). (Structured two-stage framework ke udaharan ke roop mein vibhinn kshetron mein upyukt).

10. मौलिक विश्लेषण एवं विशेषज्ञ टिप्पणी