1. Введение
В данной статье рассматривается критически важная задача выбора оптимальных площадок для солнечных фотоэлектрических (PV) электростанций на Тайване. Актуальность обусловлена глобальной необходимостью перехода от ископаемого топлива к возобновляемым источникам энергии, что усиливается пандемией Covid-19 и требованиями по борьбе с изменением климата. Тайвань, сильно зависящий от импорта ископаемого топлива и расположенный в сейсмически активной зоне, рассматривает развитие солнечной энергетики как ключевой фактор энергетической безопасности и экономической устойчивости.
1.1 Глобальная ситуация с возобновляемой энергетикой
Статья помещает исследование в контекст глобальных усилий, таких как Парижское соглашение и Европейская зелёная сделка, направленных на достижение нулевых выбросов. Подчёркивается устойчивость возобновляемой энергетики во время кризиса Covid-19: в 2020 году выработка электроэнергии из ВИЭ увеличилась на 5%, несмотря на сбои.
1.2 Потенциал солнечной энергии
Солнечная энергия определена как наиболее подходящий возобновляемый источник для Тайваня ввиду его географических и климатических условий. Однако ограничения по земле, политические вызовы и проблемы масштабирования препятствуют развитию, делая систематический выбор площадок крайне важным.
2. Методология: Двухэтапная MCDM-структура
Основной вклад — это новый двухэтапный подход многокритериального принятия решений (MCDM), сочетающий анализ среды функционирования (DEA) и метод анализа иерархий (AHP).
2.1 Этап 1: Анализ среды функционирования (DEA)
DEA используется в качестве начального фильтра для оценки эффективности использования природных ресурсов 20 потенциальных городов/уездов. Местоположения рассматриваются как единицы принятия решений (DMU).
- Входные параметры: Температура, Скорость ветра, Влажность, Осадки, Атмосферное давление.
- Выходные параметры: Продолжительность солнечного сияния, Инсоляция.
Местоположения, достигшие идеального показателя эффективности 1.0, переходят на следующий этап.
2.2 Этап 2: Метод анализа иерархий (AHP)
AHP применяется для ранжирования эффективных местоположений с Этапа 1 на основе более широкого набора социально-технико-экономико-экологических критериев. Метод включает попарные сравнения для выведения весов критериев и итоговых оценок местоположений.
2.3 Иерархия критериев и подкритериев
Модель AHP структурирована с пятью основными критериями и 15 подкритериями:
- Характеристики площадки: Уклон местности, Тип землепользования, Расстояние до сети.
- Технические: Солнечная радиация, Продолжительность солнечного сияния, Температура.
- Экономические: Инвестиционные затраты, Эксплуатационные и ремонтные затраты, Затраты на передачу электроэнергии, Поддерживающие механизмы (например, зелёные тарифы).
- Социальные: Общественное признание, Создание рабочих мест, Спрос на потребление электроэнергии.
- Экологические: Сокращение выбросов углерода, Влияние на экологию.
3. Пример использования: Тайвань
3.1 Сбор данных и потенциальные площадки
В исследовании оценены 20 крупных городов и уездов по всему Тайваню. Метеорологические данные (входные/выходные параметры для DEA) и социально-экономические данные (для AHP) были собраны из официальных тайваньских источников, таких как Центральное метеорологическое бюро и Министерство экономики.
3.2 Результаты анализа эффективности DEA
Модель DEA отфильтровала местоположения с неоптимальной эффективностью использования природных ресурсов. Только города/уезды, эффективно преобразующие климатические входные параметры (например, умеренную температуру и низкую влажность) в выходные параметры солнечной энергии (высокую продолжительность солнечного сияния и инсоляцию), получили оценку 1.0. Этот шаг сократил пул кандидатов для более детального анализа AHP.
3.3 Взвешивание AHP и итоговый рейтинг
Попарное сравнение AHP выявило относительную важность критериев. Три наиболее влиятельных подкритерия:
Это подчёркивает, что политические и экономические факторы (поддержка, затраты) и локальный спрос являются более решающими, чем чистый потенциал солнечных ресурсов, в итоговом рейтинге.
4. Результаты и обсуждение
4.1 Ключевые выводы
Гибридный подход DEA-AHP успешно идентифицировал и расставил приоритеты для площадок. Сила двухэтапного процесса заключается в том, чтобы сначала обеспечить жизнеспособность природных ресурсов (DEA), прежде чем оценивать более широкую осуществимость (AHP), предотвращая высокий рейтинг для ресурсно-богатых, но в остальном неосуществимых местоположений.
4.2 Лучшие площадки
Итоговый рейтинг AHP определил три наиболее подходящих местоположения для развития крупных солнечных PV-ферм на Тайване:
- Город Тайнань
- Уезд Чжанхуа
- Город Гаосюн
Эти районы сочетают сильные солнечные ресурсы с благоприятными экономическими условиями (например, существующие поддерживающие механизмы), относительно низкими затратами на передачу и высоким локальным спросом на электроэнергию.
5. Технические детали и математическая формулировка
Формулировка DEA (Модель CCR): Показатель эффективности $\theta_k$ для DMU $k$ получается решением линейной программы: $$\text{Макс } \theta_k = \sum_{r=1}^{s} u_r y_{rk}$$ $$\text{при условиях: } \sum_{i=1}^{m} v_i x_{ik} = 1$$ $$\sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j=1,...,n$$ $$u_r, v_i \geq \epsilon > 0$$ где $x_{ij}$ — входные параметры, $y_{rj}$ — выходные параметры, $v_i$ и $u_r$ — веса, а $\epsilon$ — неархимедово бесконечно малое число.
Проверка согласованности AHP: Критический шаг — обеспечение согласованности матрицы попарных сравнений $A$. Рассчитываются Индекс согласованности ($CI$) и Отношение согласованности ($CR$): $$CI = \frac{\lambda_{max} - n}{n-1}$$ $$CR = \frac{CI}{RI}$$ где $\lambda_{max}$ — максимальное собственное значение, $n$ — размер матрицы, а $RI$ — Случайный индекс. Приемлемо значение $CR < 0.1$.
6. Структура анализа: Пример
Сценарий: Оценка двух кандидатных площадок, «Город A» и «Уезд B», после предварительной фильтрации DEA.
Шаг 1 — Взвешивание критериев (AHP): Эксперты проводят попарные сравнения. Например, сравнение «Экономического» и «Экологического» воздействия может дать оценку 3 (умеренное превосходство Экономического над Экологическим). Это заполняет матрицу сравнений для выведения глобальных весов (например, Экономический: 0.35, Экологический: 0.10).
Шаг 2 — Оценка площадок по критериям: Оценка каждой площадки по каждому подкритерию по шкале (например, 1-9). Для «Поддерживающих механизмов», если у Города A отличные зелёные тарифы (оценка=9), а у Уезда B плохая поддержка (оценка=3), эти значения нормализуются.
Шаг 3 — Синтез: Итоговая оценка для Города A = $\sum (\text{Вес подкритерия} \times \text{Нормализованная оценка Города A})$. Предпочтительна площадка с более высокой совокупной оценкой.
Эта структурированная количественная структура заменяет импровизированное принятие решений прозрачностью и прослеживаемостью.
7. Перспективы применения и направления будущих исследований
- Интеграция с ГИС: В будущих работах следует интегрировать этот подход MCDM с Географическими информационными системами (ГИС) для пространственной визуализации и анализа пригодности земель, создавая мощные инструменты поддержки принятия решений.
- Динамические и вероятностные модели: Включение данных временных рядов и вероятностных прогнозов для климатических переменных и цен на электроэнергию может сделать модель адаптивной к будущим изменениям.
- Гибридизация с другими методами MCDM: Комбинирование AHP с такими методами, как TOPSIS или VIKOR, может более надёжно обрабатывать неопределённость или конфликтующие критерии.
- Более широкое применение: Эта двухэтапная структура легко переносима на другие задачи выбора площадок для возобновляемой энергетики (например, ветровой, геотермальной) в различных географических контекстах.
- Интеграция оценки жизненного цикла: Расширение экологического критерия до полной оценки жизненного цикла (LCA) позволило бы оценить углеродный след от производства и утилизации PV-панелей.
8. Список литературы
- Межправительственная группа экспертов по изменению климата (МГЭИК). (2021). Изменение климата 2021: Физическая научная основа. Издательство Кембриджского университета.
- Организация Объединённых Наций. (2015). Парижское соглашение. Собрание договоров ООН.
- Европейская комиссия. (2019). Европейская зелёная сделка. COM(2019) 640 final.
- Международное энергетическое агентство (МЭА). (2020). Перспективы развития мировой энергетики 2020. ОЭСР/МЭА.
- Международное агентство по возобновляемым источникам энергии (IRENA). (2021). Возобновляемая энергетика и рабочие места – Ежегодный обзор 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. Экспертный анализ и критический обзор
Ключевая идея: Эта статья — не просто очередное исследование по выбору площадок; это прагматичная схема для снижения рисков инвестиций в инфраструктуру возобновляемой энергетики. Реальная ценность заключается в последовательной логике: сначала использовать DEA для безжалостной фильтрации по эффективности природных ресурсов — это непересекаемый, основанный на физике барьер — прежде чем позволить более мягким, политически нагруженным критериям AHP определить победителя. Это предотвращает распространённую ошибку выбора площадки, удобной политически, но посредственной климатически.
Логический поток: Изящество методологии — в разделении труда. DEA отвечает на вопрос «Сможет ли это здесь работать?» на основе солнца, ветра и дождя. AHP решает вопрос «Стоит ли нам строить это здесь?» на основе затрат, политики и социального воздействия. Это отражает реальный процесс принятия решений разработчиками и правительствами: переход от технического потенциала к осуществимости проекта. Высокий вес, присвоенный «Поддерживающим механизмам» (0.332), — это безжалостно честное отражение реальности: хороший зелёный тариф может перевесить несколько процентных пунктов более высокой солнечной радиации.
Сильные стороны и недостатки: Основная сила — это надёжность гибридного подхода и его валидация в сложном, реальном контексте (Тайвань). Использование устоявшихся, широко понятных инструментов (DEA, AHP) повышает воспроизводимость. Однако у модели есть заметные пробелы. Во-первых, она статична; не учитывает временную изменчивость солнечных ресурсов или будущие последствия изменения климата, что является критическим соображением, подчёркнутым в последних отчётах МГЭИК. Во-вторых, зависимость AHP от экспертных попарных сравнений, хотя и стандартная, вносит субъективность. Статья была бы сильнее, если бы дополнила это анализом чувствительности или использовала подход нечёткого AHP для обработки неопределённости, как в продвинутых приложениях, обсуждаемых на страницах методологии корпорации RAND. В-третьих, доступность и стоимость земли — часто главное узкое место — кажутся погребёнными среди подкритериев. Во многих рынках это основное ограничение.
Практические выводы: Для политиков на Тайване и в аналогичных регионах список лучших площадок (Тайнань, Чжанхуа, Гаосюн) предоставляет основанный на данных отправной пункт для концентрации инфраструктуры и стимулов. Для разработчиков эта структура — готовый контрольный список для комплексной проверки. Следующим немедленным шагом должна стать интеграция этой модели с данными ГИС высокого разрешения для перехода от анализа на уровне города к анализу на уровне земельного участка. Более того, сравнение этого результата DEA-AHP с результатами моделей пригодности площадок на основе машинного обучения — таких, которые всё чаще используются в планировании ветропарков — стало бы ценным направлением исследований для проверки сходимости (или расхождения) различных парадигм. В конечном счёте, эта работа предоставляет прочную, операционную основу. Будущее — в том, чтобы сделать её динамичной, пространственно определённой и способной обрабатывать потоки данных в реальном времени.