ارزیابی اهمیت معیار برای تعیین پتانسیل سایت پنل خورشیدی از طریق الگوریتم های یادگیری ماشین، مطالعه موردی منطقه آناتولی مرکزی، ترکیه

بررسی مقاله علمی با عنوان 

ارزیابی اهمیت معیار برای تعیین پتانسیل سایت پنل خورشیدی از طریق الگوریتم های یادگیری ماشین، مطالعه موردی منطقه آناتولی مرکزی، ترکیه

Doi: https://doi.org/10.1016/j.renene.2024.122145

 چکیده

در این مطالعه، 16 معیار موثر بر پتانسیل انرژی خورشیدی شناسایی و تعاملات آن ها با 1311 نیروگاه خورشیدی موجود با استفاده از روش های MaxEnt و Logistic Regression بررسی شدند. برخلاف مطالعات سنتی، این تحقیق وزن معیارها را بر اساس تقاطع های طبیعی با مکان های نیروگاه های خورشیدی موجود، بدون تخصیص وزن های مصنوعی، تعیین کرد. نتایج حاصل نشان داد که حدود 80 درصد از پتانسیل انرژی خورشیدی منطقه مورد مطالعه توسط این معیارها تعیین می شود.

#### نتایج و بحث

تحلیل MaxEnt مقدار AUC برابر 0.760 و Logistic Regression مقدار R² برابر 0.7904 را محاسبه کرد. مناطق آق سرای، کارامان، ارغلی و قره تای به عنوان مناطق با بالاترین پتانسیل شناسایی شدند. در MaxEnt، معیارهایی مانند فاصله از کاربری زمین، جاده ها و خطوط انتقال برق برجسته شدند، در حالی که Logistic Regression نشان داد که معیارهای مرتبط با دما نیز تاثیر قابل توجهی دارند. در کل، ارزش همبستگی بین نتایج هر دو روش 0.756 محاسبه شد.

#### نتیجه گیری

این مطالعه نشان داد که با استفاده از الگوریتم های ماشین لرنینگ، می توان به دقت بالاتری در تعیین پتانسیل سایت های خورشیدی دست یافت. نتایج این تحقیق می تواند راهنمایی برای نصب نیروگاه های خورشیدی آینده باشد و به استفاده بهینه از منابع و کاهش نگرانی های زیست محیطی کمک کند