Spatial Assessment of the Potential for Solar Panel Installation using Multi-criteria Decision-making Methods (Case Study: A Section of Zone 2 in District 8 of Mashhad Metropolitan City)

Document Type : scientific-research article

Authors

• Zahra Shirzad ¹
• Masoud Minaei ¹
• Foad Minaei ²

¹ Ferdowsi University of Mashhad

² University of Tehran

https://doi.org/10.22067/geography.v16i2.68945

Abstract

Extended Abstract

Introduction

Nowadays, energy is considered as one of the basic needs of humans. Given the limited resources of fossil fuels and increased level of energy consumption in today’s world, the remaining sources of energy can no longer be relied upon. Exhaustibility, environmental pollutions, and fluctuations in fossil fuel prices are the major driving forces behind the effective efforts in using various sources of renewable energy. Accordingly, solar energy is a free and one of the most important and cleanest types of renewable energy. Given to the presence of air pollution, numerous vehicles, high population of tourists and pilgrims, and a different urban context with diverse buildings in Mashhad, urban managers are seeking more sustainable development for this metropolitan city; consequently, conducting studies to identify suitable locations for the solar panel installation throughout the city is necessitated. In this regard, the present study seeks to assess the potential of building rooftops for the solar panel installation at a section of zone 2 in district 8 of Mashhad. To this end, first, the effective factors in the production of solar energy were identified; then, the operation and installation conditions were specified according to the present standards. Finally, the locations with the highest potentials were identified.

Review of Literature

Photovoltaic systems (PV) are one of the most common applications of new energies. There are a variety of systems with different capacities installed and operated across the world. The significance of using photovoltaic technology is due to the direct conversion of sunlight into electricity with no need for the dynamic and chemical mechanisms. Rooftops are very ideal for PVs since the power supply for photovoltaic cells is the direct sunlight. Moreover, there are considerably fewer factors producing shadow on rooftops where a vast, unused surface is available. In this regard, selecting a proper location as well as incorporating effective criteria and indices for finding a location to install and operate this technology is of considerable importance.

Method

The present inquiry is a descriptive-analytical study with applied purposes. Data collection was carried out through library and field studies. Multi-criteria decision-making models including Analytical Hierarchy Process (AHP) and Ordered Weighted Averaging model (OWA) were employed using the ArcGIS 10.3 software for data analysis.

Results and Discussion

The potential for the solar panel installation on building rooftops at a section of zone 2 in district 8 of Mashhad was assessed in the present study. The investigated region had an area of 40 hectares with 923 blocks and a population of 1870 according to 2010 census. Multi-criteria decision-making models including AHP and OWA model were used to analyze the data of building use, building height, population, income over 20 years, tilts and their direction, potential power, shadow producing factors, rooftop area, and the extent of produced electricity in kilowatts.  Given the initial cost for the installation of solar panels which should be economically viable, four factors including use, produced kilowatts, potential power, and income over 20 years were assessed. To prioritize and assign weights to criteria, 25 questionnaires were distributed among the experts. Ultimately, AHP was used to specify the final weights of criteria. The obtained weights for indices including use, produced kilowatts, potential power, and income over 20 years were 0.141, 0.483, 0.101, and 0.276, respectively. The Consistency Rate (CR) in this study is 0.8 which demonstrates the consistency of employed judgments for comparison. Then, OWA technique was used to assess each building’s potential for the solar panel installation. To perform OWA, spatial information on use, produced kilowatts, potential power, and income over 20 years were entered in MCDM4ArcMAP tool in ArcGIS software followed by the application of OWA. The results obtained from the OWA model were classified into 5 groups in terms of priority using Jenks’ method (1967) which is based on statistics in map production. Values 1 and 5 were assigned to the unsuitable and most suitable blocks for the solar panel installation, respectively.

Conclusion

The results of the study show that of the available area in 923 blocks assessed within the region of study, almost 19000 m3 of the rooftop spaces have the best conditions for the solar panel installation. Given the residential-commercial background and the high electricity consumption of the region, such a worthwhile potential could be considerably effective in the provision and sustainability of producing the required energy of the region. The presented method in this study can be employed by investors and urban planners to assess and evaluate the potential of utilizing solar energy with the beneficial results for active organizations and offices as well as the public. Additionally, the method can also be implemented for all districts within the urban region.

Keywords

• energy
• photovoltaic systems
• solar panels
• electrical energy
• region 8
• Mashhad

20.1001.1.20081391.1397.16.2.5.3

References

1. احمدی، ه؛ مرشدی، ج؛ عظیمی، ف. (1395). مکانیابی نیروگاه‌های خورشیدی با استفاده از داده‌های اقلیمی و سامانة اطلاعات مکانی(مطالعة موردی: استان ایلام). فصل‌نامة سنجش از دور و سامانة اطلاعات جغرافیایی در منابع طبیعی، 7 (1)، 57-41.

2. پورسیستانی، م؛ پورسیستانی، پ. (1392). بررسی کاربری سیستم‌های فتوولتائیک در استفاده از انرژی تجدیدپذیر خورشیدی در ساختمان‌ها. سومین کنفرانس بین‌المللی رویکردهای نوین در نگهداشت انرژی. تهران. صص. 10-1.

3. جعفری، ب. (1394). بررسی سیستم‌های فتوولتائیک در معماری نوین. همایش ملی عمران و معماری با رویکردی بر توسعة پایدار. فومن و رشت، دانشگاه آزاد اسلامی. صص. 13-1.

4. حاجیلو، ف؛ جلوخانی‌نیارکی، م. (1395). مکان‌یابی نیروگاه‌های بادی با استفاده از مدل ANP-OWA (مطالعة موردی: استان زنجان). نشریة علمی- پژوهشی علوم و فنون نقشه‌برداری، 6(1)، 86-73.

5. حسن‌زاده، ح؛ فرزاد، م. ع. (1390). امکان‌سنجی فنی و اقتصادی استفاده از سیستم ترکیبی فتوولتائیک و پیل سوختی جهت تولید همزمان برق و حرارت در یک واحد مسکونی در شرق ایران. نشریة انرژی ایران، 14(2)، 41-19.

6. حسینی‌گوهری، ا؛ شکوهی، ا؛ حکیم‌آذری، م. (1395). بررسی عوامل مؤثر در افزایش راندمان پانل‌های فتوولتائیک. کنفرانس بین‌المللی معماری، شهرسازی، عمران، هنر و محیط زیست؛ افق-های آینده، نگاه به گذشته. تهران. صص.7-1.

7. حق‌پرست‌کاشانی، آ؛ صالح‌ایزدخواست، پ؛ لاری، ح. ر. (1388). تدوین اطلس جامع GIS انرژی خورشیدی ایران بر اساس مدل تابش‌سنجی. بیست و چهارمین کنفرانس بین‌المللی برق. تهران. صص. 12-1.

8. حیدری، م. (1388). مکان‌یابی ساخت نیروگاه‌های خورشیدی در ایران. مجلة نفت و انرژی، 49، 37-24.

9. خاقانی، ج (1390). رابطة بین میزان جذب انرژی خورشیدی و ارتفاع در استان ایلام. گزارش نهایی طرح مصوب سازمان هواشناسی. صص 113-1.

10. رهنما، م؛ آقاجانی، ح؛ فتاحی، م. (1391). مکان‌یابی محل دفن زباله با ترکیب روش میانگین-گیری وزن‌دار ترتیبی (OWA) و GIS در مشهد..مجلة جغرافیا و مخاطرات محیطی، 3، 105-87.

11. رهنما، م؛ حیاتی، س؛ شیرزاد، ز؛ کاظمی، م؛ قنبری، م. (1396). تعیین اولویت احیاء بافت‌های فرسودة شهری با استفاده از روش‌های تصمیم‌گیری چندمعیاره (نمونه: محلة سرشور مشهد). مجلة جغرافیا و توسعة فضای شهری، 4(1)، 39-23.

12. سال‌نامة هواشناسی. (1390).

13. سرشماری عمومی نفوس و مسکن. (1390).

14. سلیمی‌فر، م؛ مهدوی عادلی، م.ح؛ رجبی مشهدی، ح؛ قزلباش، ا. (1392). ارزیابی اقتصادی انرزی برق خورشیدی (فتوولتائیک) و برق فسیلی در یک واحد خانگی در شهرستان مشهد. فصل‌نامة علمی- پژوهشی اقتصادیِ کاربردی ایران، 2(8)، 136-115.

15. صمدایی، ع. (1393). گزارش پروژة پژوهشی امکان‌سنجی بکارگیری انرژی خورشید در تأمین انرژی الکتریکی به وسیلة سیستم فتوولتائیک. مازندران، سازمان نظام مهندسی ساختمان استان مازندران، 187-1.

16. عساکره، ع؛ غدیریان‌فر، م؛ شیخ‌داودی، م.ج. (1394). امکان‌سنجی تولید برق از پنل خورشیدی پشت‌بام در مناطق روستایی استان خوزستان. فصل‌نامة جغرافیا و توسعه، (43)، 132-113.

17. عشورنژاد، غ؛ پاک‌طینت، ه؛ درویشی‌بلورانی، ع. (1393). مدل‌سازی مکان بهینة استقرار پانل-های خورشیدی در پشت بام ساختمان‌ها با استفاده از GIS (مطالعة موردی حد واسط خیابان وصال تا خیابان قدس شهر تهران. مجلة جغرافیا و آمایش شهری- منطقه ای، (12)، 50-33.

18. فرجی‌سبکبار، ح. ع؛ پاک‌طینت‌مهدی‌آبادی، ه؛ رحیمی‌کیان، ا؛ عشورنژاد، غ. (1392). تناسب سنجی اراضی به منظور احداث مزارع فتوولتائیک به کمک تلفیق سیستم‌های جمع ساده وزنی و استنتاج فازی در ایران. مجلة پژوهش جغرافیای طبیعی، 45 (4)، 60-45.

19. فلاح، م؛ فرج‌زاده، م؛ اسلامی، ع.ر؛ سلطانی‌فر، ا. (1394). مکان‌یابی نیروگاه خورشیدی استان مازندران با تلفیق فرآیند تحلیل شبکه‌ای (ANP) و سیستم اطلاعات جغرافیایی (GIS). سومین کنگرة بین المللی عمران، معماری و توسعة شهری. تهران. صص 8-1.

20. کمالی، غ. ع؛ مرادی، ا. (1385). تابش خورشیدی، اصول و کاربردها در کشاورزی و انرژی‌های نو. تهران: انتشارات پژوهشکدة هواشناسی.

21. کمانگر، م؛ نوحه‌گر، ا؛ صحراگرد، ن؛ آریانژاد، ح، بداغی، م. (1394). مکان‌یابی نیروگاه خورشیدی حرارتی جهت تأمین انرژی پایدار با استفاده از منطق فازی. نشریة انرژی ایران، 19(1)، 152-137.

22. موقری، ع؛ طاوسی، ت. (1392). امکان‌سنجی و پهنه‌بندی مکان‌های مستعد جهت استقرار پنل-های خورشیدی با تکیه بر فراسنج‌های اقلیمی در استان سیستان و بلوچستان. مجلة پژوهش‌های برنامه‌ریزی و سیاستگذاری انرژی، 1(1)، 114-99.

23. مهدوی‌عادلی، م. ح؛ سلیمی‌فر، م؛ قزلباش، ا. (1393). ارزیابی اقتصادی استفاده از انرژی برق خورشیدی (فتوولتائیک) و برق فسیلی در مصارف خانگی (مطالعة موردی: مجتمع سه واحدی در شهرستان مشهد). مجلة علمی- پژوهشی سیاست گذاری اقتصادی، 6(11)، 147-123.

24. نوحه‌گر، ا؛ کمانگر، م؛ کرمی، پ؛ احمدی دوست، ب. (1394). مکان‌یابی نیروگاه‌های خورشیدی حرارتی از طریق قاعده تصمیم‌گیری مکانی تاپسیس(مطالعة موردی: استان هرمزگان). فصل‌نامة آمایش محیط، 33، 44-25.

25. وفایی، ر. (1391). بررسی شیوه‌های طراحی سیستم‌های فتوولتائیک یکپارچه با ساختمان. اولین همایش ملی اندیشه‌ها و فناوری‌های نو در معماری. تبریز، صص. 80-69.

26. هاتفی‌اردکانی، مهدی؛ رضائی مقدم، محمد حسین (1394). کاربرد تصاویر ماهواره‌ای و GIS در امکان‌سنجی از انرژی خورشیدی برای تأمین سامانه‌های روشنایی (منطقة موردی: بزرگراه زنجان- تبریز). فصل‌نامة مطالعات جغرافیایی مناطق خشک، 6 (21) ، 124-105.

27. یوسفی، ح؛ کسائیان، ع؛ رنجبران، پ؛ کتولی، م.ه. (1396). مروری بر معیارهای مکانی احداث نیروگاههای خورشیدی در ایران. نشریة علمی- ترویجی مهندسی نقشه‌برداری و اطلاعات مکانی، 8(2)، 38-25.

28. Basofi, A., Fariza, A., Ahsan, A. S., & Kamal, I. M. (2015). A comparison between natural and Head/tail breaks in LSI (Landslide susceptibility index) classification for landslide susceptibility mapping: A case study in Ponorogo, East Java, Indonesia. In 2015 International Conference on Science in Information Technology (ICSITech) (pp. 337-342). Yogyakarta, Indonesia: Institute of Electrical and Electronics Engineers.

29. Brandt, D. C. (2013). Rooftop solar capacity modeling using GIS within the city of Stillwater, MN. (Unpublished master's thesis), University of Wisconsin - River Falls Madison, WI.

30. Bryan, H., Rallapalli, H., Rasmussen, P., & Fowles, G. (2010). Methodology for estimating the rooftop solar feasibility on an urban scale. In R. Campbell-Howe (Ed.), 39th ASES National Solar Conference 2010, SOLAR 2010 (Vol. 1, pp. 476-505). Phoenix, AZ: American Solar Energy Society (ASES).

31. Choudhary, E., Aggarwal, D., Tomar, R. K., & Kumari, M. (2016). Assessment of solar energy potential on rooftops using GIS for installation of solar panels: A case study. Indian Journal of Science and Technology, 9(60), 1-4.

32. Fu, P., & Rich, P. M. (2002). A geometric solar radiation model with applications in agriculture and forestry. Computers and Electronics in Agriculture, 37(1), 25-35.

33. Gili, A., Álvarez, C., Bagnato, R., & Noellemeyer, E. (2017). Comparison of three methods for delineating management zones for site-specific crop management. Computers and Electronics in Agriculture, 139, 213-223.

34. Izquierdo, S., Rodrigues, M., & Fueyo, N. (2008). A method for estimating the geographical distribution of the available roof surface area for large-scale photovoltaic energy-potential evaluations. Solar Energy, 82(10), 929-939.

35. Jenks, G. F. (1967). The data model concept in statistical mapping. International Yearbook of Cartography, 7, 186-190.

36. Jiang, H., & Eastman, J. R. (2000). Application of fuzzy measures in multi-criteria evaluation in GIS. International Journal of Geographical Information Science, 14(2), 173-184.

37. Kahraman, C., Cebeci, U., & Ulukan, Z. (2003). Multi-criteria supplier selection using fuzzy AHP. Logistics Information Management, 16(6), 382-394.

38. Khan, F. (2012). An initial seed selection algorithm for k-means clustering of georeferenced data to improve replicability of cluster assignments for mapping application. Applied Soft Computing, 12(11), 3698-3700.

39. Li, D. (2013). Using GIS and remote sensing techniques for solar panel installation site selection (Unpublished master's thesis). University of Waterloo, Waterloo, Canada.

40. Schurman, P. (2011). Manual of harmonic analysis and prediction of tides. Washington, DC: United States Government Printing Office.