Approccio DEA-AHP a Due Fasi per la Selezione del Sito di Centrali Fotovoltaiche a Taiwan

1. Introduzione

Questo articolo affronta la sfida cruciale della selezione dei siti ottimali per centrali fotovoltaiche (PV) a Taiwan. L'urgenza è dettata dalla necessità globale di transizione dai combustibili fossili alle energie rinnovabili, un cambiamento amplificato dalla pandemia di Covid-19 e dalle imperativi climatici. Taiwan, fortemente dipendente da combustibili fossili importati e situata in una zona sismicamente attiva, considera lo sviluppo dell'energia solare come fondamentale per la sicurezza energetica e la sostenibilità economica.

1.1 Situazione Globale dell'Energia Rinnovabile

L'articolo contestualizza lo studio all'interno degli sforzi globali come l'Accordo di Parigi e il Green Deal Europeo, che mirano alle emissioni nette zero. Sottolinea la resilienza delle energie rinnovabili durante la crisi del Covid-19, con la produzione di elettricità da fonti rinnovabili aumentata del 5% nel 2020 nonostante le interruzioni.

1.2 Il Potenziale dell'Energia Solare

L'energia solare è identificata come la fonte rinnovabile più adatta a Taiwan a causa delle sue condizioni geografiche e climatiche. Tuttavia, vincoli territoriali, sfide politiche e problemi di scala ne ostacolano lo sviluppo, rendendo essenziale una selezione sistematica del sito.

2. Metodologia: Quadro MCDM a Due Fasi

Il contributo principale è un nuovo approccio a due fasi per il Processo Decisionale a Criteri Multipli (MCDM) che combina l'Analisi dell'Envelopment dei Dati (DEA) e il Processo Gerarchico Analitico (AHP).

2.1 Fase 1: Analisi dell'Envelopment dei Dati (DEA)

La DEA è utilizzata come filtro iniziale per valutare l'efficienza delle risorse naturali di 20 città/contee potenziali. Tratta le località come Unità Decisionali (DMU).

• Input: Temperatura, Velocità del Vento, Umidità, Precipitazioni, Pressione Atmosferica.
• Output: Ore di Sole, Irraggiamento Solare.

Le località che raggiungono un punteggio di efficienza perfetto di 1.0 procedono alla fase successiva.

2.2 Fase 2: Processo Gerarchico Analitico (AHP)

L'AHP è impiegato per classificare le località efficienti della Fase 1 sulla base di un insieme più ampio di criteri socio-tecnico-economico-ambientali. Implica confronti a coppie per derivare i pesi dei criteri e i punteggi finali delle località.

2.3 Gerarchia dei Criteri e dei Sottocriteri

Il modello AHP è strutturato con cinque criteri principali e 15 sottocriteri:

1. Caratteristiche del Sito: Pendenza del terreno, Tipo di uso del suolo, Distanza dalla rete.
2. Tecnici: Radiazione solare, Ore di sole, Temperatura.
3. Economici: Costo di investimento, Costo di esercizio e manutenzione, Costo di trasmissione dell'elettricità, Meccanismi di sostegno (es. tariffe feed-in).
4. Sociali: Accettazione pubblica, Creazione di posti di lavoro, Domanda di consumo di elettricità.
5. Ambientali: Riduzione delle emissioni di carbonio, Impatto ecologico.

3. Caso di Studio: Taiwan

3.1 Raccolta Dati & Siti Potenziali

Lo studio ha valutato 20 città e contee principali in tutta Taiwan. I dati meteorologici (input/output per DEA) e i dati socio-economici (per AHP) sono stati raccolti da fonti ufficiali taiwanesi come il Central Weather Bureau e il Ministero degli Affari Economici.

3.2 Risultati dell'Analisi di Efficienza DEA

Il modello DEA ha filtrato le località con efficienza sub-ottimale delle risorse naturali. Solo le città/contee che convertivano efficientemente gli input climatici (come temperatura moderata e bassa umidità) in output di energia solare (sole elevato e irraggiamento) hanno ricevuto un punteggio di 1.0. Questo passaggio ha ridotto il pool di candidati per l'analisi AHP più dettagliata.

3.3 Ponderazione AHP & Classifica Finale

Il confronto a coppie AHP ha rivelato l'importanza relativa dei criteri. I tre sottocriteri più influenti sono stati:

Ciò sottolinea che fattori politici ed economici (sostegno, costo) e la domanda locale sono più decisivi del puro potenziale di risorsa solare nella classifica finale.

4. Risultati & Discussione

4.1 Risultati Chiave

L'approccio ibrido DEA-AHP ha identificato e prioritizzato con successo i siti. Il punto di forza del processo a due fasi risiede nel garantire prima la fattibilità delle risorse naturali (DEA) prima di valutare la fattibilità più ampia (AHP), impedendo che località ricche di risorse ma altrimenti non fattibili si classificassero in alto.

4.2 Località in Testa alla Classifica

La classifica AHP finale ha identificato le tre località più adatte per lo sviluppo di grandi centrali fotovoltaiche a Taiwan:

1. Città di Tainan
2. Contea di Changhua
3. Città di Kaohsiung

Queste aree combinano forti risorse solari con condizioni economiche favorevoli (es. meccanismi di sostegno esistenti), costi di trasmissione relativamente inferiori e un'elevata domanda locale di elettricità.

5. Dettagli Tecnici & Formulazione Matematica

Formulazione DEA (Modello CCR): Il punteggio di efficienza $\theta_k$ per la DMU $k$ si ottiene risolvendo il programma lineare: $$\text{Max } \theta_k = \sum_{r=1}^{s} u_r y_{rk}$$ $$\text{soggetto a: } \sum_{i=1}^{m} v_i x_{ik} = 1$$ $$\sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j=1,...,n$$ $$u_r, v_i \geq \epsilon > 0$$ dove $x_{ij}$ sono gli input, $y_{rj}$ sono gli output, $v_i$ e $u_r$ sono i pesi, e $\epsilon$ è un infinitesimo non-Archimedeo.

Controllo di Coerenza AHP: Un passaggio critico è garantire che la matrice di confronto a coppie $A$ sia coerente. L'Indice di Coerenza ($CI$) e il Rapporto di Coerenza ($CR$) sono calcolati: $$CI = \frac{\lambda_{max} - n}{n-1}$$ $$CR = \frac{CI}{RI}$$ dove $\lambda_{max}$ è l'autovalore principale, $n$ è la dimensione della matrice, e $RI$ è l'Indice Casuale. Un $CR < 0.1$ è accettabile.

6. Quadro di Analisi: Caso Esempio

Scenario: Valutazione di due siti candidati, "Città A" e "Contea B", dopo il pre-filtraggio DEA.

Passo 1 - Ponderazione dei Criteri (AHP): Gli esperti eseguono confronti a coppie. Ad esempio, confrontare l'impatto "Economico" vs. "Ambientale" potrebbe produrre un punteggio di 3 (importanza moderata dell'Economico sull'Ambientale). Questo popola la matrice di confronto per derivare i pesi globali (es. Economico: 0.35, Ambientale: 0.10).

Passo 2 - Punteggio del Sito per Criterio: Valutare ogni sito rispetto a ciascun sottocriterio su una scala (es. 1-9). Per "Meccanismi di Sostegno", se la Città A ha eccellenti tariffe feed-in (punteggio=9) e la Contea B ha un sostegno scarso (punteggio=3), questi vengono normalizzati.

Passo 3 - Sintesi: Punteggio finale per la Città A = $\sum (\text{Peso del Sottocriterio} \times \text{Punteggio Normalizzato della Città A})$. Il sito con il punteggio aggregato più alto è preferito.

Questo quadro strutturato e quantitativo sostituisce il processo decisionale ad-hoc con trasparenza e tracciabilità.

7. Prospettive di Applicazione & Direzioni Future

• Integrazione con GIS: Il lavoro futuro dovrebbe integrare questo approccio MCDM con i Sistemi Informativi Geografici (GIS) per la visualizzazione spaziale e l'analisi dell'idoneità del territorio, creando potenti strumenti di supporto alle decisioni.
• Modelli Dinamici & Probabilistici: Incorporare dati di serie temporali e previsioni probabilistiche per le variabili climatiche e i prezzi dell'elettricità può rendere il modello adattivo ai cambiamenti futuri.
• Ibridazione con altri metodi MCDM: Combinare l'AHP con tecniche come TOPSIS o VIKOR potrebbe gestire l'incertezza o criteri conflittuali in modo più robusto.
• Applicazione Più Ampia: Questo quadro a due fasi è altamente trasferibile ad altri problemi di selezione del sito per energie rinnovabili (es. eolico, geotermico) in diversi contesti geografici.
• Integrazione della Sostenibilità del Ciclo di Vita: Espandere il criterio ambientale a una completa Valutazione del Ciclo di Vita (LCA) valuterebbe l'impronta di carbonio della produzione e dello smantellamento dei pannelli fotovoltaici.

8. Riferimenti

1. Intergovernmental Panel on Climate Change (IPCC). (2021). Climate Change 2021: The Physical Science Basis. Cambridge University Press.
2. United Nations. (2015). Paris Agreement. United Nations Treaty Collection.
3. European Commission. (2019). The European Green Deal. COM(2019) 640 final.
4. International Energy Agency (IEA). (2020). World Energy Outlook 2020. OECD/IEA.
5. International Renewable Energy Agency (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. Analisi Esperta & Revisione Critica

Intuizione Principale: Questo articolo non è solo un altro studio sulla selezione del sito; è una guida pragmatica per la derisking degli investimenti in infrastrutture di energia rinnovabile. La vera intuizione è la logica sequenziale: usare la DEA per filtrare spietatamente l'efficienza delle risorse naturali prima—un gate non negoziabile, basato sulla fisica—prima di lasciare che i criteri AHP più "soft" e pesantemente politici determinino il vincitore. Ciò previene la trappola comune di scegliere un sito politicamente conveniente ma climaticamente mediocre.

Flusso Logico: L'eleganza della metodologia sta nella sua divisione del lavoro. La DEA gestisce la domanda "può funzionare qui?" basandosi su sole, vento e pioggia. L'AHP affronta la domanda "dovremmo costruirlo qui?" basandosi su costo, politica e impatto sociale. Questo rispecchia il processo decisionale reale di sviluppatori e governi, passando dal potenziale tecnico alla fattibilità del progetto. L'alto peso dato ai "Meccanismi di Sostegno" (0.332) è un riflesso brutalmente onesto della realtà: una buona tariffa feed-in può superare diversi punti percentuali di irraggiamento solare più elevato.

Punti di Forza & Debolezze: Il punto di forza principale è la robustezza dell'approccio ibrido e la sua validazione in un contesto reale complesso (Taiwan). L'uso di strumenti consolidati e ampiamente compresi (DEA, AHP) ne migliora la replicabilità. Tuttavia, il modello presenta lacune notevoli. Primo, è statico; non tiene conto della variabilità temporale delle risorse solari o degli impatti futuri del cambiamento climatico, una considerazione critica evidenziata dagli ultimi rapporti dell'IPCC. Secondo, la dipendenza dell'AHP dai confronti a coppie degli esperti, sebbene standard, introduce soggettività. L'articolo sarebbe più forte se integrasse questo con un'analisi di sensibilità o utilizzasse un approccio fuzzy-AHP per gestire l'incertezza, come visto nelle applicazioni avanzate discusse nelle pagine metodologiche della RAND Corporation. Terzo, la disponibilità e il costo del terreno—spesso il collo di bottiglia definitivo—sembrano sepolti nei sottocriteri. In molti mercati, questo è il vincolo primario.

Intuizioni Attuabili: Per i policymaker a Taiwan e in regioni simili, la lista in testa alla classifica (Tainan, Changhua, Kaohsiung) fornisce un punto di partenza basato sui dati per concentrare infrastrutture e incentivi. Per gli sviluppatori, il quadro è una checklist pronta per la due diligence. Il passo successivo immediato dovrebbe essere integrare questo modello con dati GIS ad alta risoluzione per passare dall'analisi a livello di città a quella a livello di parcella. Inoltre, confrontare questo risultato DEA-AHP con gli esiti di modelli di idoneità del sito basati sul machine learning—come quelli sempre più usati nella pianificazione di parchi eolici—sarebbe una direzione di ricerca preziosa per testare la convergenza (o divergenza) di paradigmi diversi. In definitiva, questo lavoro fornisce una solida base operativa. Il futuro sta nel renderlo dinamico, spazialmente esplicito e capace di assimilare flussi di dati in tempo reale.