رویکرد نوینGIS-MCDA و هوش مصنوعی در مکان یابی بهینه نیروگاه های CSP با تاکید بر تحلیل های جامع اقتصادی (مطالعه موردی: استان بوشهر)

این پژوهش با هدف ارائه رویکردی نوین و جامع در مکان یابی بهینه نیروگاه های حرارتی خورشیدی (CSP) در استان بوشهر، ترکیبی از سیستم اطلاعات جغرافیایی (GIS)، تحلیل چند معیاره فازی (Fuzzy MCDA) و تکنیک های هوش مصنوعی را به کار گرفته است. روش شناسی پژوهش شامل پردازش تصاویر ماهواره ای Landsat ۸ با استفاده از الگوریتم FLAASH برای تصحیحات اتمسفری، محاسبه شاخص های NDVI و LST، و طبقه بندی کاربری اراضی با دقت کلی ۸۷% (ضریب کاپا ۰.۸۳) بود. وزن دهی معیارها با استفاده از فرآیند تحلیل سلسله مراتبی انجام شد، با ضریب سازگاری ۰.۰۹۳. الگوریتم های یادگیری ماشین شامل Random Forest و CNN برای بهبود دقت پیش بینی ها به کار گرفته شدند، که منجر به افزایش ۱۲.۷% در دقت مدل شد (RMSE: ۰.۰۸۹ در مقابل ۰.۱۰۲ در روش های سنتی MCDA). طبق تحلیل های Zonal روی خروجی مدل تلفیقی هوش مصنوعی و ارزیابی چند معیاره فازی، پهنه های ایده آل (تقریبا ٪۵.۳۷)، به عنوان مناطق بسیار مناسب یا بهینه شناسایی و استخراج گردیدند. تحلیل هزینه-فایده (CBA) با استفاده از شبیه سازی مونت کارلو برای ارزیابی اقتصادی پروژه های CSP انجام شد. تحلیل حساسیت Sobol نشان داد که NPV پروژه بیشترین حساسیت را نسبت به هزینه سرمایه گذاری اولیه و قیمت فروش برق دارد. ارزیابی ریسک با استفاده از VaR و CVaR در سطح اطمینان ۹۵% انجام شد. این پژوهش با ارائه چارچوبی جامع و نوآورانه، گامی مهم در بهینه سازی فرآیند مکان یابی نیروگاه های CSP برداشته و می تواند به عنوان الگویی برای مطالعات مشابه در سایر مناطق مورد استفاده قرار گیرد.

کلیدواژه ها:

مکان یابی بهینه ، هوش مصنوعی ، فازی ، نیروگاه حرارتی خورشیدی ، GIS ، تحلیل اقتصادی ، بوشهر.