1. 緒論
本論文旨在解決在台灣為太陽能光伏電廠選擇最佳地點的關鍵挑戰。此一急迫性源自全球從化石燃料轉向可再生能源的需求，而COVID-19疫情和氣候變遷的迫切性更加劇了此一轉型。台灣高度依賴進口化石燃料且位於地震活躍帶，因此將太陽能發展視為能源安全和經濟永續性的關鍵。
1.1 全球可再生能源現狀
本文將此研究置於《巴黎協定》和《歐洲綠色政綱》等全球追求淨零排放的努力背景下。文中強調了可再生能源在COVID-19危機期間的韌性，儘管受到干擾，2020年可再生能源發電量仍增長了5%。
1.2 太陽能的潛力
基於地理和氣候條件，太陽能被認定為最適合台灣的可再生能源。然而，土地限制、政策挑戰和規模問題阻礙了其發展，使得系統化的選址工作至關重要。
2. 方法論：兩階段多準則決策框架
本研究的核心貢獻在於提出一種新穎的兩階段多準則決策方法，結合了資料包絡分析和層級分析法。
2.1 第一階段：資料包絡分析
DEA被用作初始篩選工具，以評估20個潛在縣市的自然資源效率。它將各地點視為決策單元。
- 投入項： 溫度、風速、濕度、降水量、氣壓。
- 產出項： 日照時數、太陽輻射量。
達到完美效率分數1.0的地點將進入下一階段。
2.2 第二階段：層級分析法
AHP用於根據更廣泛的社會-技術-經濟-環境準則，對第一階段篩選出的高效率地點進行排序。此過程涉及兩兩比較，以推導出準則權重和最終地點分數。
2.3 準則與次準則層級結構
AHP模型結構包含五個主要準則和15個次準則：
- 場址特性： 土地坡度、土地使用類型、與電網距離。
- 技術性： 太陽輻射量、日照時數、溫度。
- 經濟性： 投資成本、營運與維護成本、電力傳輸成本、支援機制（如躉購費率）。
- 社會性： 公眾接受度、創造就業機會、電力消費需求。
- 環境性： 碳排減量、生態影響。
3. 案例研究：台灣
3.1 資料收集與潛在地點
本研究評估了台灣20個主要縣市。氣象資料（DEA的投入/產出項）和社會經濟資料（用於AHP）收集自中央氣象局、經濟部等台灣官方來源。
3.2 DEA效率分析結果
DEA模型篩選掉了自然資源效率欠佳的地點。只有能有效率地將氣候投入項（如適中溫度和低濕度）轉化為太陽能產出項（高日照時數和輻射量）的縣市，才能獲得1.0的分數。此步驟縮小了進入更詳細AHP分析的候選地點範圍。
3.3 AHP權重計算與最終排序
AHP的兩兩比較揭示了各準則的相對重要性。影響力最大的前三項次準則為：
這凸顯了在最終排序中，政策和經濟因素（支援、成本）以及在地需求比單純的太陽能資源潛力更具決定性。
4. 結果與討論
4.1 主要發現
混合DEA-AHP方法成功地識別並優先排序了合適的地點。此兩階段流程的優勢在於，首先確保自然資源的可行性（DEA），然後再評估更廣泛的可行性（AHP），從而防止資源豐富但其他方面不可行的地點獲得高排名。
4.2 排名最高的地點
最終的AHP排序確定了台灣最適合發展大型太陽能光伏電廠的前三名地點：
- 台南市
- 彰化縣
- 高雄市
這些地區結合了強大的太陽能資源、有利的經濟條件（例如現有的支援機制）、相對較低的傳輸成本以及高度的在地電力需求。
5. 技術細節與數學公式
DEA公式（CCR模型）： 決策單元 $k$ 的效率分數 $\theta_k$ 透過求解以下線性規劃獲得： $$\text{Max } \theta_k = \sum_{r=1}^{s} u_r y_{rk}$$ $$\text{subject to: } \sum_{i=1}^{m} v_i x_{ik} = 1$$ $$\sum_{r=1}^{s} u_r y_{rj} - \sum_{i=1}^{m} v_i x_{ij} \leq 0, \quad j=1,...,n$$ $$u_r, v_i \geq \epsilon > 0$$ 其中 $x_{ij}$ 為投入項，$y_{rj}$ 為產出項，$v_i$ 和 $u_r$ 為權重，$\epsilon$ 為非阿基米德無窮小量。
AHP一致性檢驗： 關鍵步驟是確保兩兩比較矩陣 $A$ 具有一致性。計算一致性指標和一致性比率： $$CI = \frac{\lambda_{max} - n}{n-1}$$ $$CR = \frac{CI}{RI}$$ 其中 $\lambda_{max}$ 為最大特徵值，$n$ 為矩陣大小，$RI$ 為隨機指標。$CR < 0.1$ 為可接受範圍。
6. 分析框架：範例案例
情境： 在DEA預篩選後，評估兩個候選地點「A市」與「B縣」。
步驟 1 - 準則權重計算（AHP）： 專家進行兩兩比較。例如，比較「經濟性」與「環境性」影響，可能得到分數3（經濟性對環境性具有中等重要性）。這將填入比較矩陣以推導出全域權重（例如，經濟性：0.35，環境性：0.10）。
步驟 2 - 各準則下之地點評分： 在一個尺度上（例如1-9）針對每個次準則對每個地點進行評分。對於「支援機制」，若A市有優良的躉購費率（分數=9）而B縣支援不佳（分數=3），則將這些分數進行正規化。
步驟 3 - 綜合計算： A市的最終分數 = $\sum (\text{次準則權重} \times \text{A市的正規化分數})$。總分較高的地點為首選。
此結構化、量化的框架以透明且可追溯的方式取代了臨時性的決策過程。
7. 應用展望與未來方向
- 與地理資訊系統整合： 未來工作應將此MCDM方法與地理資訊系統整合，以進行土地適宜性的空間視覺化與分析，創造強大的決策支援工具。
- 動態與機率模型： 納入氣候變數和電價的時間序列資料與機率預測，可使模型適應未來的變化。
- 與其他MCDM方法混合： 將AHP與TOPSIS或VIKOR等技術結合，可以更穩健地處理不確定性或衝突的準則。
- 更廣泛的應用： 此兩階段框架高度可轉移至不同地理環境下的其他可再生能源選址問題（例如風能、地熱能）。
- 生命週期永續性整合： 將環境準則擴展為完整的生命週期評估，將能評估製造和除役光伏板的碳足跡。
8. 參考文獻
- 政府間氣候變化專門委員會. (2021). Climate Change 2021: The Physical Science Basis. 劍橋大學出版社.
- 聯合國. (2015). 巴黎協定. 聯合國條約集.
- 歐洲聯盟執委會. (2019). 歐洲綠色政綱. COM(2019) 640 final.
- 國際能源署. (2020). 2020年世界能源展望. 經濟合作暨發展組織/國際能源署.
- 國際可再生能源機構. (2021). 可再生能源與就業 – 2021年度回顧.
- 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). 層級分析法. 麥格羅-希爾.
- 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. 專家分析與批判性回顧
核心洞見： 本文不僅僅是另一項選址研究；它是一份為可再生能源基礎設施投資降低風險的務實藍圖。真正的洞見在於其順序邏輯：首先使用DEA無情地篩選自然資源效率——這是一個基於物理學、不容妥協的門檻——然後才讓較軟性、政策比重高的AHP準則來決定勝出者。這避免了選擇一個政治上方便但氣候條件平庸的地點的常見陷阱。
邏輯流程： 此方法論的優雅之處在於其分工。DEA基於陽光、風和雨來處理「這裡能運作嗎？」的問題。AHP則基於成本、政策和社會影響來處理「我們應該在這裡建造嗎？」的問題。這反映了開發商和政府從技術潛力到專案可行性的真實世界決策過程。賦予「支援機制」的高權重（0.332）是對現實的殘酷誠實反映：一個好的躉購費率可以抵銷太陽輻射量高出幾個百分點的優勢。
優點與缺陷： 主要優點在於混合方法的穩健性及其在複雜現實環境（台灣）中的驗證。使用已確立且廣為人知的工具（DEA、AHP）增強了可複製性。然而，該模型存在明顯的不足。首先，它是靜態的；未考慮太陽能資源的時間變異性或未來氣候變遷的影響，這是IPCC最新報告強調的關鍵考量。其次，AHP依賴專家進行兩兩比較，雖然是標準做法，但引入了主觀性。若能輔以敏感性分析或使用模糊AHP方法來處理不確定性（如蘭德公司方法論頁面所討論的高階應用），本文將更具說服力。第三，土地可用性和成本——這通常是最終瓶頸——似乎被埋沒在次準則中。在許多市場，這才是主要限制因素。
可執行的見解： 對於台灣及類似地區的政策制定者而言，排名最高的清單（台南、彰化、高雄）提供了一個數據驅動的起點，以集中基礎設施和激勵措施。對於開發商而言，此框架是一個現成的盡職調查清單。下一步應立即將此模型與高解析度GIS資料整合，以從縣市層級的分析推進到地塊層級的分析。此外，將此DEA-AHP結果與基於機器學習的場址適宜性模型（如越來越多用於風電場規劃的模型）的結果進行比較，將是一個有價值的研究方向，以測試不同範式的趨同（或分歧）。最終，這項工作提供了一個堅實、可操作的基礎。未來在於使其動態化、空間明確化，並能夠攝取即時數據流。