حسام شوکتی

به موازات پیشرفت تکنولوژی در بسیاری از کشورهای جهان نیاز به انرژی در حال افزایش است. این امر به ویژه در کشورهای در حال توسعه مانند ایران اهمیت خاصی دارد. با توجه به موقعیت جغرافیایی کشور ایران و بهره مندی آن از تعداد روزهای آفتابی زیاد، استفاده از انرژی خورشیدی درمقیاس نیروگاهی به تأمین انرژی پایدار کمک می کند. با در نظر گرفتن توانایی شبکه های عصبی در حل مسائل پیچیده، در پژوهش حاضر به منظور شناسایی مناطق مستعد برای احداث نیروگاه خورشیدی از ترکیب سیستم تصمیم گیری مکانی، محیط GIS و شبکه های عصبی مصنوعی استفاده شده است. داده های به کار رفته در پژوهش شامل تابش خورشیدی، بارش، ساعت آفتابی، دما، ارتفاع، شیب زمین، کاربری اراضی، فاصله از جاده ها و فاصله از شهرهاست. براساس این معیارها، داده های آموزش تهیه شدند و با استفاده از الگوریتم آموزش لونبرگ- مارکوارت شبکه های FFB، CFB و MLP تحت آموزش قرار گرفتند. براساس نتایج پژوهش، شبکه CFB به صورت 9، 6، 1 با مقادیر RMSE 084/0 و 061/0 به ترتیب برای داده های آموزش و تست به منزله مناسب ترین شبکه انتخاب و با نتایج به دست آمده از این شبکه مکان یابی انجام شد. نتایج در پنج کلاس طبقه بندی شد؛ از این بین، 57/15 درصد در کلاس بسیار مطلوب، 59/20 درصد در کلاس مطلوب، 65/27 درصد در کلاس متوسط، 45/28 درصد در کلاس نامطلوب و 74/7 درصد در کلاس بسیار نامطلوب برای احداث نیروگاههای خورشیدی فتوولتائیک در استان آذربایجان شرقی شناسایی شد.