Pages Navigation Menu

ISSN 2227-6017 (ONLINE), ISSN 2303-9868 (PRINT), DOI: 10.18454/IRJ.2227-6017
ЭЛ № ФС 77 - 80772, 16+

DOI: https://doi.org/10.23670/IRJ.2022.116.2.017

Скачать PDF ( ) Страницы: 103-112 Выпуск: № 2 (116) Часть 1 () Искать в Google Scholar
Цитировать

Цитировать

Электронная ссылка | Печатная ссылка

Скопируйте отформатированную библиографическую ссылку через буфер обмена или перейдите по одной из ссылок для импорта в Менеджер библиографий.
Солиман Х. ОЦЕНКА ПЛОЩАДОК СОЛНЕЧНЫХ ФЕРМ МЕТОДАМИ МКА И МАИ НА ОСНОВЕ ГЕОИНФОРМАЦИОННЫХ СИСТЕМ ГИС / Х. Солиман, В. Г. Бурлов // Международный научно-исследовательский журнал. — 2022. — № 2 (116) Часть 1. — С. 103—112. — URL: https://research-journal.org/earth/ocenka-ploshhadok-solnechnyx-ferm-metodami-mka-i-mai-na-osnove-geoinformacionnyx-sistem-gis/ (дата обращения: 30.06.2022. ). doi: 10.23670/IRJ.2022.116.2.017
Солиман Х. ОЦЕНКА ПЛОЩАДОК СОЛНЕЧНЫХ ФЕРМ МЕТОДАМИ МКА И МАИ НА ОСНОВЕ ГЕОИНФОРМАЦИОННЫХ СИСТЕМ ГИС / Х. Солиман, В. Г. Бурлов // Международный научно-исследовательский журнал. — 2022. — № 2 (116) Часть 1. — С. 103—112. doi: 10.23670/IRJ.2022.116.2.017

Импортировать


ОЦЕНКА ПЛОЩАДОК СОЛНЕЧНЫХ ФЕРМ МЕТОДАМИ МКА И МАИ НА ОСНОВЕ ГЕОИНФОРМАЦИОННЫХ СИСТЕМ ГИС

ОЦЕНКА ПЛОЩАДОК СОЛНЕЧНЫХ ФЕРМ МЕТОДАМИ МКА И МАИ
НА ОСНОВЕ ГЕОИНФОРМАЦИОННЫХ СИСТЕМ ГИС

Научная статья

Солиман Х.1, *, Бурлов В.Г.2

1 ORCID:0000-0003-2595-0646;

1, 2 Российский государственный гидрометеорологический университет, Санкт-Петербург, Россия

* Корреспондирующий автор (hassansoliman2233[at]gmail.com)

Аннотация

В этом исследовании будет рассмотрено использование метода многокритериального анализа и метода иерархического анализа, чтобы узнать пространственную пригодность участков солнечных энергетических ферм в провинции Тартус (Сирия) на основе технических, экономических и экологических перспектив.Результат исследования показал, что 8% изучаемой территории подходят для ферм солнечной энергии.Предложенная модель может быть использована для разработки политики, связанной с возобновляемыми источниками энергии, и оценки пригодности уже утвержденных проектов.Таким образом, чтобы создать эффективную систему, которая улучшает управление источниками солнечной энергии, в этом исследовании будут использоваться геоинформационные системы, начиная с создания базы данных, содержащей критерии, влияющие на эффективность ферм солнечной энергии (солнечная радиация, температура, цифровая модель рельефа, электрическая сеть , основные дороги, риски, землепользование и важные ориентиры), заканчивая отображением полученных результатов на картах.

Ключевые слова: ГИС (Геоинформационная система), Солнечные фермы,Метод Анализа Иерархий (МАИ), МногоКритериальный Анализ (МКА).

AN ASSESSMENT OF SOLAR FARM SITES VIA MULTI-CRITERIA AND HIERARCHY ANALYSIS METHODS BASED ON GEOGRAPHICINFORMATION SYSTEMS

Research article

Soliman Kh.1, *, Burlov V.G.2

1ORCID: 0000-0003-2595-0646;

1,2Russian State Hydrometeorological University, Saint Petersburg, Russia

* Corresponding author (hassansoliman2233[at]gmail.com)

Abstract

This study examines the use of the multi-criteria analysis method and the hierarchical analysis method with the aim of identifying the spatial suitability of solar energy farm sites in Tartus province (Syria) based on technical, economic and environmental perspectives. The result of the study showed that 8% of the area is suitable for solar energy farms. The proposed model can be used to develop policies related to renewable energy sources and assess the suitability of already approved projects. For example, in order to create an effective system that improves the management of solar energy sources, the study uses geoinformation systems, starting with the creation of a database containing criteria that affect the efficiency of solar energy farms (solar radiation, temperature, digital terrain model, electrical network, main roads, risks, land use and important landmarks), and ending with the display of the results on maps.

Keywords: GIS (Geoinformation System), Solar farms, Hierarchy Analysis Method (MAI), Multi-criteria Analysis (MCA).

Введение

Солнечная энергия определяется как свет от солнца, в котором используются некоторые из самых передовых и традиционных технологий, такие как механические и оптические методы, для преобразования его в электрическую энергию с помощью фотоэлектрических панелей или путем прямого нагрева, и этот процесс, в свою очередь, помогает решить множество энергетических проблем по всему миру.

Стоит отметить, что мир потребляет большое количество энергии каждый день, и, согласно статистике, в 1900 году было потреблено 10 миллионов баррелей, а в 2000 году – более 175 миллионов баррелей нефти, а мировое потребление нефти, по оценкам, увеличится до 400 миллионов баррелей в сутки в 2030 году, а это означает, что мир столкнется с большой проблемой в области энергоснабжения, особенно чистой энергии [1]. Было заключено несколько международных соглашений, в которых подчеркивается необходимость снижения рисков загрязнения земли токсинами и газами, чтобы предотвратить глобальное потепление [2].

Процесс создания и развития системы управления энергией, полученной из возобновляемых ресурсов, на основе геоинформационных систем основан на двух направлениях.Первое направление заключается в поиске наиболее подходящих математических методов для определения площадей для ферм возобновляемых источников энергии, например исследование, проведенное в Индии, где исследователи использовали анализ и функции, предоставляемые ГИС, чтобы найти подходящие земли для инвестиций в качестве ферм солнечной энергии [3]. Второе направление заключается в использовании методов, предоставляемых ГИС, для обеспечения безопасности передачи энергии от возобновляемых источников энергии потребителям [4], [5], а также в поиске математических методов моделирования человеческих решений в области управления безопасностью [6].

В текущей работе мы сосредоточимся на первом направлении и будем работать над использованием математической модели для поиска подходящих площадей для ферм солнечной энергии, и в будущей работе будут искать математические методы для обеспечения безопасности передачи электрической энергии от источников энергии.

Исходя из вышеизложенного, мы обнаруживаем, что геоинформационные системы предоставляют множество инструментов, которые способствуют процессу оптимального инвестирования в возобновляемые источники энергии, а базы данных играют важную роль в сохранении данных, и для оптимального управления фермами, работающими на возобновляемых источниках энергии, требуются два типа данных. Первый это данные критериев, влияющих на энергетические фермы. Вторая – это взаимосвязь этих критериев друг с другом, поэтому в начале исследования было необходимо создать базу данных, содержащую все данные, а затем многокритериальный анализ (МКА) и аналитическая иерархия процесс (МАИ) были использованы для получения результата.

Методы и принципы исследования

Важность исследования обусловлена использованием геоинформационных систем для решения проблемы оценки земель, подходящих для инвестиций в сферу солнечной энергии, и разработки новой формулы, которая упрощает для лиц, принимающих решения, получение пространственной информации, связанной с фермами солнечной энергии с точки зрения местоположения и площади, а также помощь государственным органам в правильном планировании.

Для реализации вышеизложенного сначала будет создана база данных, содержащая все критерии, влияющие на расположение солнечных ферм, а затем будет использован метод иерархического анализа, чтобы присвоить каждому критерию вес, соизмеримый с его важностью.

Исследование было проведено в провинции Тартус которая образует южную часть западной набережной Сирии, его площадь оценивается в 1890 км2. Тартус расположен на месте слияния долготы 35°52’30”, Широта 33°30’30” [7].

В этом исследовании мы представим методологию применения оценки пригодности земли для инвестиций в области солнечной энергетики в соответствии с набором критериев с использованием алгебры карт.И применив предложенную методологию к провинции Тартус, в процессе отбора были приняты следующие условия:

  • Низкий или ровный уклон, чтобы не увеличивается стоимость проекта в результате выравнивания земли (где коэффициент уклона более 15% вызывает увеличение затрат в результате операций, связанных с выемкой грунта и обратной засыпкой, поэтому в нашем исследовании будут исключены участки, которые имеют уклон более 15% [8]);
  • ориентация (orientation) не в сторону северо-запада [9];
  • Близость к основным дорогам и электрической сети (большие расстояния создают потребность в новых линиях электропередач и дорогах, что приводит к дополнительным затратам на проект [10]);
  • Общее годовое значение солнечной радиации на территории, на которой планируется разместить солнечную электростанцию, должно быть не менее 1300 кВт ч / м2 в год [11];
  • Места со средней температурой ниже 10° и выше 20° следует исключить (повышение средней температуры в регионе приводит к снижению эффективности фотоэлектрических систем [12]);
  • Землепользование:Установка энергетического проекта требует тщательной оценки имеющихся земель (бесплодные или редкорастущие, мозаика пахотных земель/луг, засушливые пастбища, пастбища и кустарники считаются «очень подходящими» категориями.Точно так же леса, вечнозеленые широколиственные леса, смешанные леса, снег или лед, лесистые водно-болотные угодья,сельскохозяйственные участки, городские и застроенные земли считаются неподходящими);
  • Место, где скорость ветра превышает (25-30) метров в секунду, будут исключены (Высокая скорость ветра вызывает разрушение солнечных электростанций из-за того, что они состоят из широких панелей и отражателей[11]);
  • Место далеко от воды и наводнений [11].
  • Место для проектов солнечной энергетики должно находиться вдали от важных мест, таких как археологические памятники, военные районы и аэропорты.

И для достижения этих условий первым шагом в работе является построение базы данных для исследуемой территории, эти данные содержат описательные и пространственные данные и путем объединения слоев друг с другом по требуемым условиям получаем результат. В нашем исследовании слои были разделены на три группы(см. таблицу 1).

Таблицу 1– Тип слоёв и критериев, использованные в исследовании

1

После завершения сбора данных следующим шагом является сбор слоев вместе с помощью многокритериального анализа (МКА).Процесс (МКА) зависит от присвоения веса каждому слою, участвующему в процессе пространственной алгебры, так что вес слоя отражает его важность, а принимаемые значения соответствуют определенной шкале от 0 до 100по формулам (1):

6 (1)

Где S – значение классификации на выходной карте, Wi– вес критерия, Pi– критерий оценки i-го фактора.

Но в процессы принятия решений, предубеждения будут влиять на решение без ведома лица, принимающего решения, и процесс аналитической иерархии (МАИ) помогает решить эту проблему. Где (МАИ) рассчитывает вес для каждого слои таким образом, чтобы уменьшить предвзятость при принятии решения – объективное представление принятия решений от (МАИ) является основной причиной выбора этого метода для данного исследования. Процесс аналитической иерархии (МАИ) представляет собой теорию измерения с бинарными сравнениями и основан на мнениях экспертов для получения шкал приоритетов [13]. С помощью метода аналитической иерархии обсуждаются необходимые действия для взвешивания факторов воздействия системы с n-факторами воздействия. Согласно Саати, МАИ основан на четырех аксиомах: взаимности, однородности, синтезе и ожидании. Это позволяет оценивать критерии и подкритерии в упорядоченных шаблонах и позволяет присваивать вес критериям, задействованным для достижения определенной цели [14]. Для применения МАИ в любой ситуации необходимо последовательно выполнить три важных шага. Сначала необходимо определить цель, а затем иерархию критериев и подкритериев, которые в конечном итоге будут влиять на цель. Следующим шагом в (МАИ) является проведение попарных сравнений основного критерия и подкритериев, где исходные данные для парных сравнений исходят из мнений экспертов или лиц, принимающих решения, и присвоение им баллов по фундаментальной шкале, как это определено Саати [15], как показано в таблице 2.

Таблица 2 –Значения оценок предпочтений по определению Саати

1

Основываясь на правилах (МАИ), семь экспертов с соответствующим опытом были запрошены высказать свое мнение, чтобы построить матрицу (10*10) для парных сравнений в 𝑴𝒙 выборах солнечных ферм в соответствии с дискретной 9-балльной шкалой Саати (Таблица 2), как показано ниже (Таблица 3).

Таблица 3 – Матрица двойного сравнения по этим критериям

1

Вовлечение оценок экспертов может привести к несоответствиям из-за человеческой ошибки, и поэтому Саати также разработал метод проверки уровня несогласованности, известный как коэффициент согласованности (CR), и сначала требует вычисления индекса согласованности (CI), как показано ниже (2):

1 (2)

Где CI – это отклонение согласованности, где 𝝀𝒎𝒂𝒙 – максимальное собственное значение, а n – размер матрицы (nxn) при попарном сравнении.Это позволяет определять CR, который вычисляется путем деления CI на индекс случайной согласованности (RI).Значения RI для разного размера матрицы приведены в таблице 4.

Таблица 4 – Случайные значения индексов для разных размеров матриц при попарных сравнениях

1

Значения CR ниже 0,10 или менее 10% являются приемлемыми, однако CR выше 0,10 указывает на серьезное несоответствие в суждениях экспертов, которое требует немедленной переоценки.

Результаты исследования

Система координат, используемая в работе: WGS_1984_UTM_Zone_37N (UniversalTraverseMercatorandaProjectionofZone 37N).

Набор новых слоев, необходимых для анализа, был получен из исходных данных с помощью набора инструментов, предоставленных ArcMap:

1.Расстояние от слоя водотоки: сеть водотоков была выведена из цифровой высотной модели земли, затем был получен слой расстояний, где важность участка возрастает с увеличением расстояния от этих водотоков.

2.Слои уклона и ориентации были получены на основе цифровой модели рельефа местности с использованием алгоритмов геообработки, включенных в программу.

  1. Слой расстояний и удалений от дорожной сети, электрической сети и важных участков, полученный с помощью инструмент «Евклидово расстояние», (Работа этого инструмента основана на теории Евклида, согласно которой кратчайшее расстояние между двумя точками – это отрезок прямой, и по этому правилу инструмент измеряет расстояние до всех ячеек от исходной ячейки, а затем выбирает ячейки, которые соответствуют условиям, заданным пользователем [16]).

Результаты, полученные с использованием слоев данных, используемых в качестве входных данных для исследования, были разделены на три группы (Техническая группа (Рисунок 1), Экологическая группа (Рисунок 2), Экономическая группа (Рисунок 3)).

1

Рис. 1 – Техническая группа

1

Рис. 2.1 – Экологическая группа

2Рис. 2.2 – Экологическая группа

1

Рис. 2.3 – Экологическая группа

1

Рис. 3 – Экономическая группа

В результате аналитической иерархии процесса (МАИ) получаем весы для каждого слоя (Таблица 5).

Следует отметить, чтобы рассчитанные веса считались согласованными и пригодными для использования, коэффициент согласованности (ConsistencyRatio) должен обеспечивать неравенство CR<0,1 ( В нашем исследовании у нас было CR=8.7%).

Вкратце, выбор подходящего места для солнечных электростанций требует объединения всех предыдущих слоев и весов в единую карту, называемую составной картой.Составная карта подходящих мест для солнечных электростанций создается с использованием десяти взвешенных критериев в виде слоев.Участки в этих слояхделятся на четыре соответствующие категории (очень подходящие, средние подходящие, наименее подходящие и неподходящие) (таблица 5).

Таблица 5 – Реклассификация взвешенных критериев

1

После проведения аналитической иерархии процесса и применения многокритериального анализа (МКА), были получены наиболее подходящие участки, которые можно использовать для создания ферм солнечной энергии, при этом было отмечено, что наиболее подходящие участки для полей солнечной энергии сосредоточены в районе, расположенном на юго-западе исследования.Эти участки высокой пригодности имеют общую площадь 157.29 квадратных километров, что является отличным показателем потенциала сбора солнечной энергии в регионе (см.рисунок 4).

Рис. 4 – Расположение подходящих мест для ферм солнечной энергии
1

Для очень подходящих областей Земли вычисляются теоретические электрические потенциалы. Где теоретический энергетический потенциал зависит в основном от доступных фотоэлектрических технологий, доступных земельных площадей и требований завода в целом. Теоретический солнечный потенциал очень подходящих земельных участков может быть рассчитан на основе средней солнечной радиации на единицу площади в год, очень подходящей земельной площади и эффективности солнечных элементов (Таблица 6).Уравнение (3) можно использовать для расчета теоретического потенциала электрической энергии [3],[17], [18], [20].

TSPP = SR×CA×AF×η

(3)

Где TSPP – теоретический потенциал энергии, SR – средняя интенсивность солнечного излучения (кВтч / м2 / год), CA – общая выбранная высоко подходящая площадь земли (км2), AF – коэффициент площади (%), а η – эффективность система преобразования солнечной энергии (%). Здесь коэффициент площади указывает максимальную площадь земли, покрытую фотоэлектрическими панелями с минимальным эффектом затенения. Фактор площади взят равным 70% из предыдущих исследований [12,14]. В исследовании рассматривалась интенсивность солнечного излучения как 1800 (кВт ч / м2 / год), что является минимальным значением для категории очень подходящих земель.

Таблица 6 – Теоретический энергетический потенциал

1

Вывод

Целью исследовательской работы является оценка подходящих участков в провинции Тартус для солнечных ферм. Оценка подходящих участков для солнечных ферм является важным и необходимым шагом для правильного использования потенциала солнечной энергии. Комбинация подходов GIS и МКА использовалась для определения подходящих участков для солнечной энергии с учетом технических, экологических и экономических аспектов, и исследование показало, что 8% (157.29км²) общей площади «очень подходят».

Текущая исследовательская работа помогает правильно использовать существующие энергетические ресурсы и инфраструктуру для удовлетворения энергетических потребностей страны при одновременном сохранении окружающей среды.

Конфликт интересов

Не указан.

Conflict of Interest

None declared.

 

Список литературы / References

  1. Tadros M. T. Y. Estimation of the Global Horizontal Solar Radiation in Iraq /M. T. Y. Tadros, M. A. M. Mustafa, Abdel-Wahab // International Journal of Emerging Technology and Advanced Engineering, Volume 4, Issue 8, 2014 – Pages 587 –605.
  2. The Arab Republic of Egypt: Initial National Communication on Climate Change // UNFCCC Sites and platforms, 2018. – [Electronic resource].URL: https://unfccc.int/sites/default/files/resource/BUR%20Egypt%20EN.pdf (accessed: 21.10.2021).
  3. Saraswat, S. K. MCDM and GIS based modelling technique for assessment of solar and wind farm locations in India/ K.Saraswat, A. K. Digalwar, S. S. Yadav //Renewable Energy, 169, 2021– Pages 865-884.
  4. Бурлов В.Г. Основы теории синтеза облика системы обеспечения безопасности и способов ее функционирования на потенциально опасных объектах /В.Г.Бурлов, А.В. Матвеев // Проблемы управления рисками в техносфере. 2012. № 3 (23). С. 1-13.
  5. Жуков А.О. К вопросу стратегического планирования развития наукоемких предприятий / А.О.Жуков, В.Г.Бурлов, У.А. Пестун // Стратегическое планирование и развитие предприятий. Материалы Восемнадцатого всероссийского симпозиума / Под редакцией Г.Б. Клейнера. 2017. С. 935-939.
  6. Burlov V. Mathematical model of human decision – a methodological basis for the realization of the human factor in safety management. /V.Burlov, A.Andreev, F. Gomazov // Procedia Computer Science. Postproceedings of the 9th Annual International Conference on Biologically Inspired Cognitive Architectures, BICA 2018. 2018. С. 112-117.
  7. Tartous province [Electronic resource]. – URL: https://clck.ru/b2tGP (accessed: 4-11-2021).
  8. Guaita-Pradas, I. Analyzing territory for the sustainable development of solar photovoltaic power using GIS databases /I.Guaita-Pradas, I. Marques-Perez, A. Gallego, et al. // Environmental monitoring and assessment, 191(12),2019 – Pages 1-17.
  9. Tunc, A. Gis Based Solar Power Plants Site Selection Using Analytic Hierarchy Process (Ahp) In Istanbul, Turkey / Tunc, G. Tuncay, Z. Alacakanat, et al. // International Archives of The Photogrammetry, Remote Sensing & Spatial Information Sciences, 2019 – Pages 1353-1360.
  10. Dawod, G. Optimum sites for solar energy harvesting in Egypt based on multi-criteria GIS /G.Dawod, M. S. Mandoer// In the first Future University international conference on new energy and environmental engineering, 2016 – Pages 450 – 456.
  11. Uyan, M. GIS-Supported mapping of solar power plant sites using AHP method /M. Uyan, // Pamukkale University Journal of Engineering Sciences, 2017, 23(4), – Pages 343-351.
  12. Skoplaki, E. A simple correlation for the operating temperature of photovoltaic modules of arbitrary mounting / Skoplaki, A. G.Boudouvis, J. A. Palyvos // Solar energy materials and solar cells,2008, 92(11), – Pages 1393-1402.
  13. Saaty, T. L. Decision making with the analytic hierarchy process /T. L. Saaty, // International journal of services sciences,2008, 1(1), – Pages83-98.
  14. Jangid, J. Potential zones identification for harvesting wind energy resources in desert region of India–A multi criteria evaluation approach using remote sensing and GIS /J. Jangid, A. K Bera,. M. Joseph, et al. // Renewable and Sustainable Energy Reviews, 2016, 65,– Page 1-10.
  15. Saaty, T. L. How to make a decision: the analytic hierarchy process /T. L. Saaty// Interfaces, 1994, 24(6) – P.19-43.
  16. Euclidean Distance //Environmental Systems Research Institute,2016.– [Electronic resource] URL: https://desktop.arcgis.com/ru/arcmap/10.3/tools/spatial-analyst-toolbox/euclidean-distance.htm (accessed: 15-10-2021).
  17. Dhunny, A. Z. Identification of optimal wind, solar and hybrid wind-solar farming sites using fuzzy logic modelling /A. Z. Dhunny, J. R. S. Doorga, Z. Allam, // Energy, 2019, 188, – P.
  18. Charabi, Y. PV site suitability analysis using GIS-based spatial fuzzy multi-criteria evaluation /Y.Charabi, A. Gastli, // Renewable Energy, 2011, 36(9), – P.2554-2561.
  19. Asakereh, A. A GIS-based Fuzzy-AHP method for the evaluation of solar farms locations: Case study in Khuzestan province, Iran /A. Asakereh, M.Soleymani, M. J. Sheikhdavoodi, // Solar Energy, 2017, 155, – P. 342-353.
  20. Doorga, J. R. S. High resolution spatio-temporal modelling of solar photovoltaic potential for tropical islands: Case of Mauritius /J. R. S. Doorga, S. D. Rughooputh, R. Boojhawon, // Energy, 2019, 169, – P. 972-987.

Список литературы на английском языке / References in English

  1. Tadros M. T. Y. Estimation of the Global Horizontal Solar Radiation in Iraq /M. T. Y. Tadros, M. A. M. Mustafa, Abdel-Wahab // International Journal of Emerging Technology and Advanced Engineering, Volume 4, Issue 8, 2014 – P. 587 –605.
  2. The Arab Republic of Egypt: Initial National Communication on Climate Change // UNFCCC Sites and platforms, 2018. – [Electronic resource]. URL: https://unfccc.int/sites/default/files/resource/BUR%20Egypt%20EN.pdf (accessed: 21.10.2021).
  3. Saraswat, S. K. MCDM and GIS based modelling technique for assessment of solar and wind farm locations in India/ K.Saraswat, A. K. Digalwar, S. S. Yadav //Renewable Energy, 169, 2021– Pages 865-884.
  4. Burlov V.G. Osnovy teorii sinteza oblika sistemy obespechenija bezopasnosti i sposobov ee funkcionirovanija na potencial’no opasnyh ob’ektah [Fundamentals of the theory of synthesis of the appearance of the security system and ways of its functioning at potentially dangerous objects] / V.G. Burlov, A.V. Matveev // Problemy upravlenija riskami v tehnosfere [Problems of risk management in the technosphere]. 2012. No. 3 (23). pp. 1-13. [in Russian]
  5. Zhukov A.O. K voprosu strategicheskogo planirovanija razvitija naukoemkih predprijatij [On the issue of strategic planning for the development of high-tech enterprises] / A.O. Zhukov,V.G. Burlov, U.A. Pestun // Strategicheskoe planirovanie i razvitie predprijatij. Materialy Vosemnadcatogo vserossijskogo simpoziuma [Strategic planning and development of enterprises. Materials of the Eighteenth All-Russian Symposium] / Edited by G.B. Kleiner. 2017. pp. 935-939. [in Russian]
  6. Burlov V. Mathematical model of human decision – a methodological basis for the realization of the human factor in safety management. /V.Burlov, A.Andreev, F. Gomazov // Procedia Computer Science. Postproceedings of the 9th Annual International Conference on Biologically Inspired Cognitive Architectures, BICA 2018. 2018. С. 112-117.
  7. Tartous province [Electronic resource]. – URL: https://clck.ru/b2tGP (accessed: 4-11-2021).
  8. Guaita-Pradas, I. Analyzing territory for the sustainable development of solar photovoltaic power using GIS databases /I.Guaita-Pradas, I. Marques-Perez, A. Gallego, et al. // Environmental monitoring and assessment, 191(12),2019 – Pages 1-17.
  9. Tunc, A. Gis Based Solar Power Plants Site Selection Using Analytic Hierarchy Process (Ahp) In Istanbul, Turkey / Tunc, G. Tuncay, Z. Alacakanat, et al. // International Archives of The Photogrammetry, Remote Sensing & Spatial Information Sciences, 2019 – Pages 1353-1360.
  10. Dawod, G. Optimum sites for solar energy harvesting in Egypt based on multi-criteria GIS /G.Dawod, M. S. Mandoer // In the first Future University international conference on new energy and environmental engineering, 2016 – Pages 450 – 456.
  11. Uyan, M. GIS-Supported mapping of solar power plant sites using AHP method /M. Uyan, // Pamukkale University Journal of Engineering Sciences, 2017, 23(4), – Pages 343-351.
  12. Skoplaki, E. A simple correlation for the operating temperature of photovoltaic modules of arbitrary mounting / Skoplaki, A. G.Boudouvis, J. A. Palyvos // Solar energy materials and solar cells,2008, 92(11), – Pages 1393-1402.
  13. Saaty, T. L. Decision making with the analytic hierarchy process /T. L. Saaty, // International journal of services sciences,2008, 1(1), – Pages83-98.
  14. Jangid, J. Potential zones identification for harvesting wind energy resources in desert region of India–A multi criteria evaluation approach using remote sensing and GIS /J. Jangid, A. K Bera,. M. Joseph, et al. // Renewable and Sustainable Energy Reviews, 2016, 65,– Page 1-10.
  15. Saaty, T. L. How to make a decision: the analytic hierarchy process /T. L. Saaty // Interfaces, 1994, 24(6) – P.19-43.
  16. Euclidean Distance //Environmental Systems Research Institute,2016.– [Electronic resource] URL: https://desktop.arcgis.com/ru/arcmap/10.3/tools/spatial-analyst-toolbox/euclidean-distance.htm (accessed: 15-10-2021).
  17. Dhunny, A. Z. Identification of optimal wind, solar and hybrid wind-solar farming sites using fuzzy logic modelling /A. Z. Dhunny, J. R. S. Doorga, Z. Allam, // Energy, 2019, 188, – P.
  18. Charabi, Y. PV site suitability analysis using GIS-based spatial fuzzy multi-criteria evaluation /Y.Charabi, A. Gastli, // Renewable Energy, 2011, 36(9), – P.2554-2561.
  19. Asakereh, A. A GIS-based Fuzzy-AHP method for the evaluation of solar farms locations: Case study in Khuzestan province, Iran /A. Asakereh, M.Soleymani, M. J. Sheikhdavoodi, // Solar Energy, 2017, 155, – P. 342-353.
  20. Doorga, J. R. S. High resolution spatio-temporal modelling of solar photovoltaic potential for tropical islands: Case of Mauritius /J. R. S. Doorga, S. D. Rughooputh, R. Boojhawon, // Energy, 2019, 169, – P. 972-987.

Оставить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Лимит времени истёк. Пожалуйста, перезагрузите CAPTCHA.