[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
برای نویسندگان::
آرشیو مجله و مقالات::
برای داوران::
تماس با ما::
امکانات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
پایگاه های نمایه کننده







 
..
آمار سایت
تعداد مشاهده ی مقالات: 2951018

مقالات منتشر شده: 668
نرخ پذیرش: 73.58
نرخ رد: 17.7

میانگین دریافت تا تصمیم‌گیری اولیه: 5 تا 10 روز
میانگین دریافت تا پذیرش: 190 روز
____
..
:: دوره 14، شماره 4 - ( 3-1404 ) ::
دوره 14 شماره 4 صفحات 30-15 برگشت به فهرست نسخه ها
مکان یابی بهینه توربین‌های بادی با استفاده از یادگیری ماشین(منطقه مورد مطالعه: شهرستان رودبار)
حسین برکتی* ، محمد رضا جلوخانی نیارکی
چکیده:   (46 مشاهده)
با توجه به توزیع ناهمگون انرژی باد در سطح زمین، انتخاب مکان مناسب برای نیروگاه بادی یکی از حیاتی‌ترین مراحل در طراحی نیروگاه‌های بادی به‌شمار می‌آید. این فرآیند پیچیده نیازمند در نظر گرفتن عوامل متعددی از جمله ملاحظات محیطی، اقتصادی و اجتماعی است. رویکردهای تصمیم‌گیری چندمعیاره در این زمینه با چالش‌های متعددی روبه‌رو هستند. به‌منظور رفع این چالش‌ها، یکپارچه‌سازی تکنیک‌های یادگیری ماشین به‌عنوان یکی از رویکردهای نوین در سیستم اطلاعات جغرافیایی (GIS) مطرح شده است. این مطالعه یک چارچوب مبتنی بر یادگیری ماشین (ML) و سیستم اطلاعات جغرافیایی، برای انتخاب خودکار مکان مزارع بادی را ارائه می‌دهد. در این چارچوب، سه الگوریتم یادگیری ماشین به کار گرفته شده‌اند. منطقه مورد مطالعه، شهرستان رودبار، به دلیل دارا بودن سایت منجیل که بخشی از ظرفیت نصب انرژی بادی ایران را تشکیل می‌دهد، انتخاب شده است. بر اساس عملکرد مدل‌های یادگیری ماشین، مدل یادگیری گرادیان با دقت 97 درصد بهترین نتیجه را نشان داد، در حالی که مدل‌های افزایش گرادیان بی‌نهایت و جنگل تصادفی در رتبه‌های بعدی قرار گرفتند. تحلیل‌های مبتنی بر روش SHAP نشان داد که سرعت باد، فاصله تا خطوط انتقال، فاصله تا مناطق حفاظت‌شده، و ارتفاع، به‌عنوان مؤثرترین معیارها در انتخاب مکان مزارع بادی در این منطقه مطرح هستند. در شهر رودبار، مناطقی با پتانسیل بالا شناسایی شده‌اند که هنوز به توربین‌های بادی مجهز نشده‌اند. این یافته‌ها اهمیت این مکان‌ها را برای سرمایه‌گذاری‌های آینده در توسعه مزارع بادی برجسته می‌کند. چارچوب پیشنهادی می‌تواند به‌طور مؤثری در مطالعات انتخاب مکان مزارع بادی در استان‌هایی با شرایط مشابه به کار گرفته شود.
 
شماره‌ی مقاله: 2
واژه‌های کلیدی: نیروگاه بادی، سیستم اطلاعات جغرافیایی(GIS)، یادگیری ماشین(ML)، روش SHAP
متن کامل [PDF 1097 kb]   (19 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سامانه های اطلاعات مکانی
دریافت: 1403/6/6
فهرست منابع
1. Taweekun, J. , Techato, K. , Waewsak, J. , Gyawali, S. , and Ali, S. (2023). "GIS based site suitability assessment for wind and solar farms in Songkhla, Thailand. " Renewable Energy. Vol. 43, No. 3, PP. 1112-1122
2. Shafiee, M. (2022). "Wind Energy Development Site Selection Using an Integrated Fuzzy ANP-TOPSIS Decision Model. " Energies. Vol. 15, No. 4289. [DOI:10.3390/en15124289]
3. Eroğlu, H. (2021). "Multi-criteria decision analysis for wind power plant location selection based on fuzzy AHP and geographic information systems. " Environmental Development and Sustainability. [DOI:10.1007/s10668-021-01438-5]
4. Moradi, S. , Yousefi, H. , Noorollahi, Y. , and Rosso, D. (2020). "Multi-criteria decision support system for wind farm site selection and sensitivity analysis: Case study of Alborz Province, Iran. " Energy Strategy Review. Vol. 29, PP. 100478. [DOI:10.1016/j.esr.2020.100478]
5. Tercan, E. (2021). "Land suitability assessment for wind farms through best- worst method and GIS in Balıkesir province of Turkey. " Sustainable Energy Technologies and Assessments. Vol. 47, PP. 101491 [DOI:10.1016/j.seta.2021.101491]
6. Zalhaf, A. S. , Elboshy, B. , Kotb, K. M. , Han, Y. , Almaliki, A. H. , Aly, R. M. , et al. (2021). "A high-resolution wind farms suitability mapping using GIS and fuzzy AHP approach: A national-level case study in Sudan. " Sustainability. Vol. 14, No. 1, PP. 358 [DOI:10.3390/su14010358]
7. Hoang, T. N. , Ly, T. T. B. , Do, H. T. T. (2022). "A hybrid approach of wind farm site selection using Group Best-Worst Method and GIS-Based Fuzzy Logic Relations: A case study in Vietnam. " Environmental Quality Management. Vol. 32, No. 2, PP. 251-267 [DOI:10.1002/tqem.21839]
8. Yildiz, S. S. (2024). "Spatial multi-criteria decision making approach for wind farm site selection: A case study in Balıkesir, Turkey. " Renewable and Sustainable Energy Reviews. Vol. 192, PP. 114158 [DOI:10.1016/j.rser.2023.114158]
9. Asadi, M. , and Mohammadi-Ivatloo, B. (2023). "GIS-assisted modeling of wind farm site selection based on support vector regression. " Journal of Cleaner Production. Vol. 390, PP. 135993. [DOI:10.1016/j.jclepro.2023.135993]
10. Asadi, M. , Pourhossein, K. , Noorollahi, Y. , Marzband, M. , and Iglesias, G. (2023). "A New Decision Framework for Hybrid Solar and Wind Power Plant Site Selection Using Linear Regression Modeling Based on GIS-AHP. " Sustainability. Vol. 15, No. 10359. [DOI:10.3390/su15108359]
11. Asadi, M. , Ramezanzade, M. , and Pourhossein, K. (2023). "A global evaluation model applied to wind power plant site selection. " Applied Energy. Vol. 336, PP. 120840. [DOI:10.1016/j.apenergy.2023.120840]
12. Baseer, M. A. , Rehman, S. , Meyer, J. P. , and Alam, M. M. (2017). "GIS-based site suitability analysis for wind farm development in Saudi Arabia. " Energy, Vol. 141, PP. 1166-1176 [DOI:10.1016/j.energy.2017.10.016]
13. Rekik, S. , and El Alimi, S. (2023). "Optimal wind-solar site selection using a GIS-AHP based approach: A case of Tunisia. " Energy Conversion and Management: X. Vol. 18, 100355. [DOI:10.1016/j.ecmx.2023.100355]
14. Xu, Y. , Li, Y. , Zheng, L. , Cui, L. , Li, S. , Li, W. , et al. (2020). "Site selection of wind farms using GIS and multi-criteria decision making method in Wafangdian, China. " Energy. Vol. 207, PP. 118222. [DOI:10.1016/j.energy.2020.118222]
15. Deveci, M. , Ozcan, E. , John, R. , Pamucar, D. , Karaman, H. (2021). "Offshore wind farm site selection using interval rough numbers based Best-Worst Method and MARCOS. " Applied Soft Computing. Vol. 109, PP. 107532. [DOI:10.1016/j.asoc.2021.107532]
16. Sari, F. , and Yalcin, M. (2024). "Investigation of the importance of criteria in potential wind farm sites via machine learning algorithms. " Journal of Cleaner Production. Vol. 435, PP. 140575 [DOI:10.1016/j.jclepro.2024.140575]
17. Petrov, A. N. , and Wessling, J. M. (2015). "Utilization of machine-learning algorithms for wind turbine site suitability modeling in Iowa, USA. " Wind Energy. Vol. 18, PP. 713-727 [DOI:10.1002/we.1723]
18. Lai, J-P. , Chang, Y-M. , Chen, C-H. , and Pai, P-F. (2020). "A survey of machine learning models in renewable energy predictions. " Applied Science. Vol. 10, No. 17, PP. 5975 [DOI:10.3390/app10175975]
19. Cerna, P. D. , Evangelista, R. S. , and Castillo, C. M. (2023). "Wind Power Plant Site Selection using Integrated Machine Learning and Multiple-Criteria Decision Making Technique. " E3S Web of Conferences. Vol. 405, 02030. [DOI:10.1051/e3sconf/202340502030]
20. Demir, A. , Dinçer, A. E. , and Çiftçi, C. (2024). "Wind farm site selection using GIS-based multicriteria analysis with Life cycle assessment integration. " Earth Science Informatics. Vol. 17, PP. 1591-1608. [DOI:10.1007/s12145-024-01227-4]
21. Bilgili, A. , Arda, T. , and Kilic, B. (2024). "Explainability in wind farm planning: A machine learning framework for automatic site selection of wind farms. " Energy Conversion and Management. Vol. 309, PP. 118441. [DOI:10.1016/j.enconman.2024.118441]
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Barekati H, Jelokhani Niaraki M. Optimal Siting of Wind Turbines Using Machine Learning (Case Study: Rudbar County). JGST 2025; 14 (4) : 2
URL: http://jgst.issgeac.ir/article-1-1202-fa.html

برکتی حسین، جلوخانی نیارکی محمد رضا. مکان یابی بهینه توربین‌های بادی با استفاده از یادگیری ماشین(منطقه مورد مطالعه: شهرستان رودبار). علوم و فنون نقشه برداری. 1404; 14 (4) :15-30

URL: http://jgst.issgeac.ir/article-1-1202-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 14، شماره 4 - ( 3-1404 ) برگشت به فهرست نسخه ها
نشریه علمی علوم و فنون نقشه برداری Journal of Geomatics Science and Technology