چارچوب تصمیم گیری ترکیبی مبتنی بر یادگیری ماشین برای ارزیابی و رتبه بندی نیروگاه های خورشیدی در استان لرستان

ارزیابی عملکرد نیروگاه های خورشیدی یکی از چالش های اساسی در مدیریت انرژی پایدار است، به ویژه در مناطقی که نیروگاه ها از ظرفیت های متوسط و کوچک برخوردارند و منابع سرمایه ای محدود است. هدف این پژوهش، ارائه یک چارچوب تصمیم گیری ترکیبی مبتنی بر یادگیری ماشین و روش تصمیم گیری چندمعیاره MARCOS برای پیش بینی و رتبه بندی عملکرد نیروگاه های خورشیدی استان لرستان می باشد. داده های ورودی شامل ظرفیت نصب شده، سرمایه گذاری اولیه، هزینه نگهداری سالانه، تابش خورشیدی منطقه و عمر نیروگاه بوده و خروجی هدف، تولید واقعی برق یا سودآوری سالانه نیروگاه ها است. در بخش پیش بینی، از مدل های رگرسیون چندگانه پیشرفته و الگوریتم های جنگل تصادفی، GBM و SVR برای برآورد تولید برق استفاده شد و دقت مدل ها با شاخص های RMSE، MAE و R² ارزیابی گردید. سپس نتایج پیش بینی شده به عنوان ورودی در چارچوب MARCOS وارد شد و با لحاظ معیارهای تولید پیش بینی شده، ظرفیت، تابش خورشیدی، عمر و هزینه نگهداری، وزن دهی معیارها با استفاده از اهمیت ویژگی های ML انجام شد. رتبه بندی نهایی نیروگاه ها بر اساس امتیاز MARCOS استخراج شد. یافته ها نشان داد که نیروگاه هایی با ظرفیت بالاتر، تابش مناسب و هزینه نگهداری بهینه عملکرد برتری دارند و در صدر جدول رتبه بندی قرار گرفتند. نیروگاه های کوچک و متوسط با مدیریت بهینه هزینه ها و بهره برداری از تابش منطقه ای می توانند عملکرد خود را به طور قابل توجهی افزایش دهند. نتایج نشان می دهد که ترکیب یادگیری ماشین و تصمیم گیری چندمعیاره، یک ابزار قدرتمند برای برنامه ریزی، توسعه و بهینه سازی نیروگاه های خورشیدی فراهم می کند و می تواند تصمیم گیری استراتژیک در سطح استان را بهبود بخشد. این پژوهش پیشنهاد می کند که اولویت سرمایه گذاری به نیروگاه های با امتیاز MARCOS بالاتر داده شود و نیروگاه های کوچک با مدیریت بهینه بهره وری شوند تا تولید انرژی پایدار و اقتصادی در استان لرستان افزایش یابد.

کلیدواژه ها:

یادگیری ماشین ، MCDM ، MARCOS ، نیروگاه خورشیدی