JAROSŁAW WTRÓBSKI AGNIESZKA GARNYSZ
Zachodniopomorski Uniwersytet Technologiczny
Streszczenie
Celem artykułu jest analiza porównawcza wyników zastosowania metod wielo-kryterialnego wspomagania decyzji w procesie doboru lokalizacji elektrowni wia-trowych. W artykule przybliĪono problematykĊ związaną z warunkami posadowienia elektrowni wiatrowych, dokonano syntezy stosowanych rozwiązaĔ, zrealizowano procedurĊ pozyskiwania rozwiązaĔ decyzyjnych za pomocą metody AHP, TOPSIS oraz NAIADE. CałoĞü koĔczą wnioski przeprowadzonych badaĔ.
Słowa kluczowe: odnawialne ródła energii, elektrownie wiatrowe, wielokryterialne wspomaganie decyzji, AHP, TOPSIS, NAIADE.
1. Wprowadzenie
W ostatnich latach obserwuje si wzrost zainteresowania odnawialnymi ródłami energii (O E). Przyczyn takiej sytuacji mona doszukiwa si w m.in. w rozwoju technologii i uzalenieniu si gospodarek narodowych wielu krajów od konwencjonalnych ródeł energii, co spowodowało spadek zasobów tych surowców, przy jednoczesnym wzrocie cen na rynku wiato-wym. Wykorzystywanie tych ródłem powoduje take, e do rodowiska wprowadzane s zanie-czyszczenia, m.in. tlenki siarki, azotu i wgla oraz pyły, co z kolei powoduje nieodwracalne zmia-ny klimatyczne. W miniozmia-nych latach miało miejsce wiele spotka na arenie midzynarodowej, któ-rych tematem zainteresowania były sposoby zmniejszenia degradacji naszego rodowiska natural-nego1. Wynikiem tych spotka było opracowanie szeregu dokumentów, wród których jedno z najwikszych znacze ma tzw. Agenda 21 [33], przedstawiajca zestaw wytycznych i zalece, które naley podejmowa w celu zapewnienia zrównowaonego rozwoju2. Jednym w wielu priory-tetów w niej wymienianych jest ograniczenie negatywnego oddziaływania sektora energetycznego na rodowisko, co moe by zrealizowane poprzez ograniczenie wykorzystania konwencjonalnych ródeł energii na rzec wzrostu udziału O E. Zwizek z tym zagadnieniem ma równie „Strategia zrównowaonego rozwoju Unii Europejskiej” [1], w której zapisano, i celowe jest zwikszenie poparcia dla bada, rozwoju i rozpowszechniania technologii zwizanych z energetyk odnawial-n. Innymi dokumentami, które wskazuj, jak duy nacisk kładzie si w polityce energetycznej 1 m.in. w Sztokholmie (1972), Rio de Janeiro (1992), Berlinie (1995), Kioto (1997), Johannesburgu (2002)
2 w polskim ustawodawstwie definicja zrównowaĪonego rozwoju została zawarta w artykule 3 ustawy Prawo ochrony Ğrodowiska[ 29, wg którego przez zrównowaĪony rozwój rozumie siĊ „rozwój społeczno-gospodarczy, w którym nastĊ-puje proces integrowania działaĔ politycznych, gospodarczych i społecznych, z zachowaniem równowagi przyrodniczej oraz trwałoĞci podstawowych procesów przyrodniczych, w celu zagwarantowania moĪliwoĞci zaspokajania podstawo-wych potrzeb poszczególnych społecznoĞci lub obywateli zarówno współczesnego pokolenia, jak i przyszłych pokoleĔ”
Unii Europejskiej na wykorzystanie O E, s m.in. [7, 11].
Z odnawialnych ródeł energii mona korzysta niemal w kadym miejscu na wiecie. Istot-nym problemem pozostaje jednak ekonomiczne, ekologiczne i społeczne uzasadnienie budowy in-stalacji wykorzystujcych ten rodzaj zasobów. W ramach niniejszego opracowania skupiono si na wykorzystaniu elektrowni wiatrowych. Ze wzgldu na złoony, wielokryterialny zbiór czynników warunkujcych opłacalno inwestycji w energetyk wiatrow stwierdzono, e dla problematyki wyboru terenów pod lokalizacj tego typu działalnoci zastosowanie znale mog metody wielo-kryterialnego wspomagania decyzji. Potwierdziła to take analiza dotychczasowych bada z zakre-su oceny instalacji odnawialnych ródeł energii. W zwizku z tym wykonano kolejne kroki proce-dury pozyskiwania rozwiza decyzyjnych przy uyciu trzech metod: AHP, TOPSIS oraz NAIA-DE.
2. Odnawialne ródła energii
Zgodnie z klasyfikacj wiatowej Rady Energetycznej energia wiatru jest jednym z rodzajów odnawialnych ródeł energii [1]. Energia ta jest wykorzystywana do produkcji energii elektrycznej przy zastosowaniu elektrowni wiatrowych – urzdze wykorzystujcych turbiny wiatrowe do przekształ-cenia energii wiatru na energi mechaniczn, która nastpnie jest zamieniana na energi elektryczn [12]. Aby w pełni wykorzysta potencjał wiatru, naley odpowiednio zlokalizowa siłownie wiatrow. Z oczywistych wzgldów, potencjalne tereny pod realizacj tego typu inwestycji trzeba oceni pod wzgldem zasobów wiatru. Analizy te dokonywane s dwuetapowo [25]. Pierwszy etap zakłada ocen w skali regionalnej (mezoskala), czyli analiz map potencjałów energetycznych na podstawie poło-enia geograficznego. Natomiast etap drugi, to ocena w skali lokalnej (mikroskala), w ramach któ-rej wykonywana jest ocena ilociowa na podstawie prdkoci i kierunku wiatru w oparciu o kilkuletnie pomiary, topografi terenu, szorstko itp. [1, 12]. Naley jednak podkreli , i umiejscowienie elektrowni wiatrowej jest nie tylko zwizane z problematyk wiatru w danym miej-scu. Oprócz tego istnieje konieczno analizy czynników poza-wiatrowych. Trzeba wzi pod uwa-g m.in. fakt, i elektrownie wiatrowe generuj pewien poziom hałasu i wywieraj wpływ na kra-jobraz, co z kolei wpływa na poziom akceptacji społeczestw. Dlatego wane jest zachowanie od-powiedniej odległoci od terenów zamieszkałych [31]. Szukajc terenów pod lokalizacje elektrow-ni wiatrowych wskazane jest sprawdzeelektrow-nie, czy potencjalny obszar elektrow-nie znajduje si w strefie, gdzie zabronione jest montowanie tego typu instalacji, np. tereny włczone w Natur 2000, tereny par-ków narodowych, krajobrazowych, rezerwatów przyrody [31]. Kolejn kwesti, któr trzeba prze-analizowa , s ekonomiczne i ekologiczne aspekty wykorzystania energii wiatru [25]. S one w duym stopniu powizane z zasobami energii wiatru. Ilo wytworzonej energii elektrycznej gene-ruje z jednej strony zyski z instalacji, z drugiej za pewien poziom strat, czy te czas zwrotu inwe-stycji oraz m.in. wielko ograniczenia zuycia konwencjonalnych ródeł energii, co z kolei wpły-wa na obnienie iloci wydzielanych zanieczyszcze [1, 16].
Przegld literatury wskazuje na moliwo zastosowania metod wielokryterialnego wspoma-gana decyzji w problematyce wyboru lokalizacji rónego rodzaju działalnoci gospodarczych. Przykładowo Forte [8]: w procesie oceny opcji zagospodarowania terenu w okolicy jeziora Miseno we Włoszech wykorzystano metod REGIME, NAIADE, AHP oraz FLAG. W pracy [19] przy pomocy metody AHP dokonano oceny regionu Waterloo w Kanadzie w kontekcie uycia rónych instalacji O E, które mogłyby zosta potencjalnie zlokalizowane na tym terenie. Problematyk t podjli take Burton i Hubacek [3], którzy stosujc metod MACBETH ocenili potencjał
lokaliza-cji tych instalalokaliza-cji w północnej Anglii, w miecie Kirklees. Eleftheriadou [6] zastosował metod PROMETHEE II do oceny moliwoci posadowienia rónych wariantów elektrowni wiatrowych na greckiej wyspie Lesvos. Zagadnienie to, dla warunków włoskich, Cavallaro i Ciraolo [5] roz-wizali wykorzystujc inn metod klasyfikowania, tj. NAIADE. Metoda ta została zaproponowa-na równie przez Gamboa i Munda[9] do oceny potencjalnych lokalizacji farm wiatrowych w Ka-talonii, w Hiszpanii. Natomiast praca [15] powicona została ocenie alternatyw zakładajcych róne moliwoci rozmieszczenia farm wiatrowych w jednej z prowincji Chin przy pomocy meto-dy AHP. Warto take wspomnie o pracy Georgopoulou [10], w której przedstawiono wyniki ba-da zakładajcych ocen z wykorzystaniem metody ELECTRE III, projektów integrujcych róne typy O E na Krecie, w Grecji.
3. Zastosowanie metod wielokryterialnego wspomagania decyzji w wyborze lokalizacji elek-trowni wiatrowych
Procedura pozyskiwania rozwiza decyzyjnych przy wykorzystaniu metod wielokryterialnego wspomagania decyzji rozpoczyna si od okrelenia problemu decyzyjnego, zbioru wariantów de-cyzyjnych oraz zbioru kryteriów.
W artykule podjto problem wyboru lokalizacji elektrowni wiatrowych na terenie Polski. Po-tencjalne tereny do ich posadowienia ograniczono, w oparciu o analiz mapy energetycznej kraju (Rys. 1), do obszarów lecych na terenach dwóch stref - wybitnie korzystnej oraz korzystnej ze wzgldu na zasoby wiatru w makroskali.
Rys. 1. Lokalizacja projektów na tle mapy zasobów energetycznych wiatru ródło: opracowanie na podstawie [32]
W kolejnych krokach wyłczono tereny, na których wyklucza si, bd nie zaleca si prowa-dzenia inwestycji zwizanych z energetyk wiatrow, tj. włczone w Natur 2000, tereny parków narodowych, krajobrazowych, rezerwatów przyrody. Obszary te okrelono na podstawie prac [22,27,23,26,30,20]. Dalsze analizy tych dokumentów pozwoliły nastpnie na okrelenie piciu potencjalnych obszarów dla posadowienia elektrowni wiatrowych.
Na tej podstawie wyodrbniono 5-elementowy zbiór wariantów decyzyjnych: A={A1,A2,A3,A4,A5}, gdzie: A1 - woj. zachodniopomorskie, powiat stargardzki, gmina Stargard Szczeciski, A2 - woj. pomorskie, powiat słupski, gmina Damnica, A3 - woj. warmisko-mazurskie,
powiat lidzbarski, gmina Lubomino, A4 - woj. lubelskie, powiat włodawski, gmina Hanna, A5 - woj. lskie, powiat ywiecki, gmina lemie.
W ramach wymienionych projektów wzito pod uwag moliwo instalacji rónych konfigu-racji 3 rodzajów turbin wiatrowych: V52-850kW, V80-2MW oraz V82-1.65MW (Tabela 1).
Analiza prac zwizanych z energetyk wiatrow, m.in. [9,12,15,25], pozwoliła na zbudowa-nie zbioru kryteriów: K={K1,K2,K3,K4}, gdzie: K1 - czynniki energetyczne (techniczne), K2 -
czyn-niki ekonomiczne, K3 - czynniki socjologiczne, K4 - czynniki ekologiczne (rodowiskowe). W
ra-mach zbioru kryteriów wyodrbniono 4 podzbiory: K1={K11,K12}, K2={K21,K22,K23,K24}, K3={K31,K31}, K4={K41,K42,K43,K44,K45}, gdzie: K11 - ilo wyprodukowanej energii, K12 -
unik-nione zuycie wgla kamiennego; K21 - czas zwrotu inwestycji, K22 - koszty inwestycyjne, K23 -
koszt wytworzenia prdu, K24 - dochód dla gminy; K31 - liczba trwałych miejsc pracy, K32 -
spo-łeczna akceptacja; K41 - powierzchnia ziemi zajtej pod projekt, K42 - kompatybilno projektu z
innymi działaniami, K43 - hałas, K44 - wpływ na estetyk otoczenia, K45 - uniknicie emisji CO2.
Zestawienie wartoci, jakimi charakteryzuje si kada z alternatyw ze wzgldu na wybrane kryteria, przedstawia Tabela 1.
Tabela 1. Charakterystyka wariantów decyzyjnych i kryteriów
Warianty decyzyjne A1 A2 A3 A4 A5 V52-850kW 0 0 1 0 0 V80-2MW 10 10 8 12 15 Liczba turbin V82-1.65MW 2 0 2 0 0 F a rm a w ia -tr o w a Moc zainstalowana [MW] 23,3 20 20,15 24 30
Ilo wyprodukowanej energii
elektrycznej [MWh/rok]; <max> 16152 22608 21842 22608 18840
Uniknione zuycie wgla
kamien-nego [ton/rok]; <max> 7524 10531 10175 10531 8776
Czas zwrotu inwestycji [lata];
<min> 8 6 7 7 8
Koszt inwestycji [mln zł]; <min> 93 80 81 96 120
Koszt wytworzenia prdu [zł/rok];
<min> 13460 18840 18202 18840 15700
Dochód dla gminy [ty. zł/rok];
<max> 932 800 806 960 1200
Liczba trwałych miejsc pracy
[osób]; <max> 4 3 4 4 5
Stopie społecznej akceptacji3
<max> 4 8 8 7 3
Powierzchnia ziemi zajtej pod
projekt [km2]; <min> 2400 2000 2200 2400 3000 K ry te ri a
Kompatybilno projektu z innymi 4 4 5 8 4
3 poziom społecznej akceptacji został okreĞlony w 10-stopniowej skali jakoĞciowej, przy czym 1 oznacza najmniejszą akceptacje, a 10 najwiĊkszą
Warianty decyzyjne
A1 A2 A3 A4 A5
działaniami4; <max>
Generowanie hałasu [dB x liczba
ludzi]; <min> 64000 10400 20000 16400 76000
Wpływ na estetyk otoczenia5;
<max> rednio mniej wicej le mniej wicej le dobrze rednio
Unikniona emisja CO2 [ton/rok];
<max> 11307 15826 15290 15826 13188
ródło: opracowanie własne 3. 1. Metoda AHP
AHP (ang. Analytic Hierarchy Process), to analityczny hierarchiczny proces decyzyjny. Me-toda ta została opracowana przez Saaty'ego [24]. Procedura pozyskiwania rozwiza decyzyjnych w metodzie AHP polega na: wyznaczeniu wektora preferencji globalnych i lokalnych, agregacji wektora ocen czstkowych, obliczeniu wektora uporzdkowania wariantów.
Drzewo hierarchiczne, które powstało w wyniku przeprowadzenia strukturalizacji problemu, przedstawia Rys. 2.
Rys. 2. Struktura hierarchiczna ródło: opracowanie własne
Na podstawie tak skonstruowanej struktury hierarchicznej, wykonano kolejne kroki w ramach procedury pozyskiwania rozwiza decyzyjnych. Obliczenia rozpoczto od poziomu drugiego, przechodzc kolejno po strukturze w dół, koczc poziomem czwartym. Wyznaczenie wektorów hierarchii kryteriów głównych wystpujcych na poziomie drugim, moliwe było dziki stworzeniu 4 zastosowano 10-stopniową skalĊ jakoĞciową (1 – brak kompatybilnoĞci, 10 – doskonała kompatybilnoĞü)
5 dla metody AHP i TOPSIS, w związku z tym, iĪ rozpatrywane były one w klasycznej odmianie, dane wejĞciowe wyraĪo-ne zostały wartoĞciami rzeczywistymi. PrzyjĊto 10-stopniową skalĊ jakoĞciową , przy czym mniej wiĊcej Ĩle=4 Ğred-nio=5, dobrze=7, poziom 1 poziom 2 poziom 3 poziom 4 wybór lokalizacji elektrowni wiatrowych czynniki energetyczne czynniki ekonomiczne czynniki socjologiczne czynniki ekologiczne K31 K32 K41 K42 K43 K44 K45 A1 A2 A3 A4 A5 K12 K11 K21 K22 K23 K24
jednej 4-wierszowej (4-kolumnowej) macierzy porówna parami. W przypadku kryteriów z po-ziomu trzeciego, konieczne było utworzenie 4 macierzy porówna parami, przy czym ich wymiary uzalenione były od liczby kryteriów uszczegóławiajcych dan kategori czynników. Natomiast w celu wyznaczenia poziomów preferencji wariantów wzgldem poszczególnych kryteriów, zbudo-wano 13 macierzy, z czego kada miała 5 wierszy i 5 kolumn. Podczas budowy macierzy wykorzy-stano lingwistyczn 9-stopniow skal Saaty’ego [24], jako najpopularniejsz form pozyskiwania ocen.
Dla omówionych macierzy wyznaczono wektory preferencji lokalnych i globalnych. Sporód kilku wymienianych metod, które s do tego stosowane, m.in. maksymalnej wartoci własnej, naj-mniejszych kwadratów i logarytmicznych najnaj-mniejszych kwadratów [14], wybrano metod mak-symalnej wartoci własnej. Przeprowadzono take kontrol spójnoci ocen. Obliczone wartoci indeksów zgodnoci CI oraz stosunków zgodnoci CR okazały si mniejsze od 0,1. Został zatem spełniony warunek podany przez Saaty’ego [24]. Dlatego oceny mona uzna za zgodne.
Agregacji wektora ocen czstkowych dokonano za pomoc kryterium addytywnego, które wykorzystuje sum waon. Otrzymane w ten sposób wartoci funkcji uytecznoci uszeregowano nastpnie w celu obliczenia wektora uporzdkowania wariantów.
Wagi uzyskane dla 4 kryteriów głównych (czynników) oraz kryteriów szczegółowych przed-stawia Rys. 3.
Rys. 3. Porównanie wag kryteriów głównych i szczegółowych ródło: opracowanie własne
Natomiast kocowy wektor uporzdkowania wariantów przedstawia si nastpujco: Wu=(0,125w1;0,256w2;0,211w3; 0,264w4; 0,144w5)
Analiza tego wektora wskazuje na zblione wartoci uytecznoci czstkowych dwóch alter-natyw, tj. A2 i A4. W zwizku z tym przydatne staj si wartoci uytecznoci czstkowych po-szczególnych kryteriów głównych w kontekcie kadej z alternatyw (Rys. 4) lub dwóch porówny-wanych alternatyw (Rys. 5). Pozwol one na stwierdzenie, ze wzgldu na które czynniki (kryteria główne) dane alternatywy s bardziej preferowane.
Rys. 4. Ranking wariantów wraz z wartoĞciami uĪytecznoĞci cząstkowych alternatyw ródło: opracowanie własne
Rys. 5. Porównanie dwóch najlepszych alternatyw ródło: opracowanie własne
3. 2. Metoda TOPSIS
W kolejnym etapie bada podjto prób okrelenia, w jakiej odległoci oceniane alternatywy znajduj si od rozwizania najbardziej preferowanego. Posłuono si przy tym metod z grupy okrelanej metodami punktu idealnego. Najpopularniejsz wród nich, a opracowan przez Hwan-ga i Yoona [13], jest TOPSIS (Technique for Order Performance by Similarity to Ideal Solution). Opiera si ona na załoeniu, i jako zwycisk (najlepsz) alternatyw naley uzna t, dla której odległo od wariantu idealnego (najbardziej zgodnego z preferencjami decydenta) jest najmniej-sza, przy jednoczenie zachowanej najdłuszej odległoci od rozwizania anty-idealnego. W celu
obliczenia tych odległoci naley kolejno wyznaczy znormalizowan macierz decyzyjn, znorma-lizowan macierz decyzyjn przy uwzgldnieniu wag kryteriów oraz rozwizanie idealne i anty-idealne. Z kolei na podstawie wartoci odległoci oblicza si wzgldne bliskoci alternatyw do rozwizania idealnego, słuce zbudowaniu rankingu alternatyw.
W metodzie tej, obok znajomoci macierzy decyzyjnej, konieczne jest posiadanie informacji o wagach przydzielonych kademu z kryteriów - w postaci wektora wag. Do jego wyznaczenia posłuyła metoda AHP. Do oblicze, wykonanych w ramach kadego z etapów, wykorzystano me-todyk szczegółowo opisan m.in. w pracach [21, 28]. Ostatecznie, dziki zastosowaniu metody TOPSIS, otrzymano wartoci wzgldnych bliskoci alternatyw do rozwizania idealnego (Rys. 6).
Rys. 6. Ranking wariantów wg metody TOPSIS ródło: opracowanie własne
3. 2. Metoda NAIADE
W klasycznych odmianach metody AHP i TOPSIS zmienne s reprezentowane za pomoc dokładnych liczb (ostrych). Tymczasem w wielu sytuacjach osoby podejmujce decyzj mog by niechtne albo niezdolne do podania dokładnych numerycznych wartoci ocen, w zwizku z czym czsto konieczne jest zastosowanie liczb rozmytych. Umoliwiaj to rozwinicia tyche metod – rozmyte AHP i rozmyte TOPSIS. Jednak nie eliminuje to nadal problemu mieszanych danych, gdy cz informacji jest w skali jakociowej, a cz ilociowej. Dodatkowo w przypadku obu metod konieczna jest znajomo wag kryteriów. Powyszych niedostatków pozbawiona jest metoda NAIADE (Novel Approach to Imprecise Assessment and Decision Environment), rozwinita przez G. Munda [17]. W metodzie tej nie uywa si tradycyjnego oszacowania kryteriów przy pomocy wag [18], a wyrazy macierzy decyzyjnej6 mog by liczbami ostrymi lub rozmytymi, zmiennymi stochastycznymi, bd wyraeniami lingwistycznymi.
6 w przypadku oceny opierającej siĊ na wartoĞciach przydzielonych do kryteriów dla kaĪdej z alternatyw, wykonywanej przy uĪyciu macierzy „kryteria/alternatywy”; Dla metody NAIADE istnieje takĪe drugi typ oceny, który zakłada analizĊ konfliktu miĊdzy róĪnymi grupami interesu, a w której stosowana jest macierz „grupy/alternatywy”, bazująca jedynie na skali lingwistycznej 18.
Dla rozpatrywanego problemu decyzyjnego badania ograniczono do oceny opartej na analizie macierzy kryteria/alternatywy (Rys. 7).
Rys. 7. Procedura pozyskiwania rozwiązaĔ decyzyjnych wg metody NAIADE ródło: opracowanie własne na podstawie [4]
Wartociom wprowadzonym do tej macierzy nadano w wikszoci typ ilociowy, ostry. Jedy-nie dla kryterium K44, czyli „wpływ na estetyk otoczenia”, wybrano reprezentacje lingwistyczn. Składa si na ni 9 lingwistycznych zmiennych, zdefiniowanych przy pomocy liczb rozmytych, w skali od 0 do 1 (Rys. 8). Umieszczone na teje skali wartoci liczbowe s punktami przeci funk-cji definiujcych zbiór rozmyty [18].
Rys. 8. Skala rozmyto-lingwistyczna: a - ekstremalnie Ĩle, b - bardzo Ĩle, c - Ĩle, d - mniej wiĊcej Ĩle, e - umiarkowany, f – mniej wiĊcej dobrze, g - dobrze, h - bardzo dobrze,
i- perfekcyjnie ródło: opracowanie własne na podstawie[18]
Funkcje przynalenoci dla trzech zastosowanych w ocenie zmiennych lingwistycznych, tj. dla: mniej wicej le, rednio i dobrze, przedstawiaj wzory (1-3)
0 0,08 0,24 0,41 0,59 0,76 0,92 1
c d e f g
b h
a i
Formułowanie alternatyw do oceny
Macierz wej-ciowa: grupy vs.
alter-natywy
Analiza udziału Faza oceny
Wskazanie na moliwe konflikty midzy
grupa-mi interesu
Porównanie alternatyw parami
Dendrogram przedsta-wiajcy odległoci
mi-dzy grupami interesu
Agregacja kryteriów
Ranking alternatyw
Sugestie dla podejmujcego decyzje
Indeksy wyników dla kadego kryterium Jakociowe opinie społecznoci o alter-natywach Macierz wej-ciowa: kryteria vs. alter-natywy
Obliczenia, jakie wykonywane s w ramach kolejnych etapów procedury pozyskiwania roz-wiza decyzyjnych wg tej metody, zostały przeprowadzone za pomoc programu NAIADE. W wyniku jego działania wygenerowany został ranking + i - oraz finalny ranking, powstały z ich przecicia (Rys. 9).
Rys. 9. Rankingi wg metody NAIADE ródło: opracowanie własne
0.78 A3 0.83 A2 0.67 A5 0.65 A1 0.87 A4 + 0.74 A3 0.64 A4 0.88 A1 0.89 A5 0.64 A2 -A2 A4 A3 A1 A5 Ranking finalny
3. 4. Zestawienie wyników
Zestawienie rankingów, otrzymanych dla rozwaanego problemu decyzyjnego w wyniku za-stosowania metody AHP, TOPSIS oraz NAIADE, przedstawia Tabela 2.
Tabela 2. Porównanie rankingów otrzymanych wg trzech metod NAIADE AHP TOPSIS + - finalny 1 A4 A4 A4 A2 2 A2 A2 A2 A4 A4, A2 3 A3 A3 A3 A3 A3 4 A5 A1 A5 A1 5 A1 A5 A1 A5 A1, A5
ródło: opracowanie własne
Na tej podstawie mona stwierdzi , i dwoma alternatywami, zajmujcymi miejsce na szczy-cie rankingów, s dla wszystkich metod warianty A2lub A4, przy czym jako bardziej preferowany projekt naley wskaza A4 (ze wzgldu na pierwsze miejsce w rankingu
+)
. Z kolei na kocu rankingów (4 i 5 miejsce) uplasowały si naprzemiennie alternatywa A1oraz A5, na podstawie cze-go naley stwierdzi , i s one najmniej preferowanymi rozwizaniami. Tymczasem alternatywa A3 kadorazowo została zaszeregowana na miejscu trzecim.W wietle powyszych rozwaa naley wnioskowa , e pozyskane syntetyczne rankingi al-ternatyw s silnie umocowane. Niezalenie od obranej metody badawczej uzyskano bardzo zblio-ne wyniki, co stanowi potwierdzenie prawidłowoci zrealizowanych bada
4. Podsumowanie
W artykule zaprezentowano praktyczne zastosowanie trzech metod wielokryterialnego wspomagania decyzji, tj. AHP, TOPSIS i NAIADE, do znalezienia lokalizacji elektrowni wiatro-wych na terenie Polski. Wskazano ponadto na moliwo powizania ze sob opisanych metod. Metoda porówna parami, kojarzona przede wszystkim z AHP, posłuyła bowiem do wyznaczenia wektora wag kryteriów, który wykorzystywany został w toku obliczeniowym metody TOPSIS. Wymieni naley ponadto pewne ograniczenia przeprowadzonych rozwaa, wskazujc jednocze-nie na moliwo realizacji dalszych bada. Reprezentacja danych została zawona do dziedziny liczb ostrych, jakociowej oraz lingwistycznej skali opisu. Tymczasem kada z zaprezentowanych metod umoliwia zastosowanie zasad logiki rozmytej. Poniewa nie zrealizowano zagadnienia po-szukiwania rozwiza decyzyjnych z uwzgldnieniem grup interesów, problem ten mona podj w ramach metody AHP poprzez dodanie dodatkowego poziomu w drzewie decyzyjnym, bd te zastosowanie oceny opartej o macierz udziału w przypadku metody NAIADE.
Bibliografia
1. A Sustainable Europe for a Better World: A European Union Strategy for Sustainable Development, COM (2001) 264 final, 15.05.2001.
2. Boczar T., Energetyka wiatrowa. Aktualne moliwoci wykorzystania, Wyd. Pomiary Automatyka Kontrola, Warszawa 2007.
3. Burton J., Hubacek K., Is small beautiful? A multicriteria assessment of small-scale energy technology applications in local governments, Energy Policy 35 (2007), 6402– 6412.
4. Cabrera E., García-Serra J., Drought Management Planning in Water Supply Systems: Proceedings from the UIMP International Course Held in Valencia, Springer, 1998. 5. Cavallaro F., Ciraolo L., A multicriteria approach to evaluate wind energy plants on an
Italian Island, Energy Policy 33 (2005), 235–244.
6. Eleftheriadou E., Haralambopoulos D., Polatidis H., A Multi-Criteria Approach to Siting Wind Farms in Lesvos, Greece. [online] http://www.srcosmos.gr [dostp: padziernik 2008].
7. Energy for the Future: Renewable Energy Sources. White Paper for a Community Strategy and Action Plan, COM (97) 599 final, 26.11.1997.
8. Forte F., Nijkamp P., Torrieri F., Shared Choices on Local Sustainability Projects: A Decision Support Framework, 2001. [online] ftp://zappa.ubvu.vu.nl/20010024.pdf [dostp: padziernik 2008].
9. Gamboa G., Munda G., The problem of windfarm location: A social multi-criteria evaluation framework, Energy Policy 35 (2007), 1564–1583.
10. Georgopoulou E., Lalas D., Papagiannakis L., A Multicriteria Decision Aid approach for energy planning problems: The case of renewable energy option, European Journal of Operational Research 103 (1997), 38-54.
11. Green Paper. Towards a European Strategy for the Security Energy Supply, COM (2000) 769 final, 29.11.2000.
12. Gumuła S., Knap T., Strzelczyk P., Szczerba Z., Energetyka wiatrowa, Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków 2006.
13. Hwang C.L., Yoon K., Multiple Attribute Decision Making: Methods and Applications, Springer-Verlag, 1981.
14. Kwiesielewicz M., Analityczny hierarchiczny proces decyzyjny. Nierozmyte i rozmyte porównania parami, Instytut Bada Systemowych PAN, Warszawa 2002.
15. Lee A.H.I., Chen H.H., Kang H., Multi-criteria decision making on strategic selection of wind farms, Renewable Energy 34 (2009), 120–126.
16. Lewandowski W.M., Proekologiczne odnawialne ródła energii, WNT, Warszawa 2007. 17. Munda G., Multicriteria Evaluation in a Fuzzy Environment, Physica-Verlag, 1995. 18. NAIADE. Manual & tutorial, Joint Research Centre - EC, ISPRA SITE, 1996. [online]
http://www.aiaccproject.org. [dostp: padziernik 2008].
19. Nigim K., Munier N., Green J., Pre-feasibility MCDM tools to aid communities in prioritizing local diable renewable energy sources, Renewable Energy 29 (2004), 1775– 1791.
20. Opracowanie metody programowania i modelowania systemów wykorzystania odnawialnych ródeł energii na terenach nieprzemysłowych województwa lskiego, wraz z programem wykonawczym dla wybranych obszarów województwa, Polska Akademia Nauk, Kraków-Katowice. [online] http://www.silesia-region.pl [dostp: sierpie 2008]. 21. Pacholski P., Zastosowanie zmodyfikowanej metody TOPSIS w rozwizywaniu
problemów wielokryterialnej oceny przy wykorzystaniu nieprecyzyjnych danych pomiarowych, Metody Informatyki Stosowanej, nr 2/2007, Gdask 2007, 95-102.
22. Plan zagospodarowania przestrzennego województwa zachodniopomorskiego, Regionalne Biuro Gospodarki Przestrzennej Województwa Zachodniopomorskiego w Szczecinie, Szczecin 2002 [online] www.rbgp.pl [dostp: sierpie 2008].
23. Przyrodniczo-przestrzenne aspekty lokalizacji energetyki wiatrowej w województwie warmisko-mazurskim, Warmisko-mazurskie biuro planowania przestrzennego w Olsztynie, filia w Elblgu, Elblg 2006. [online] http://www.wmbpp.olsztyn.pl [dostp: sierpie 2008],
24. Saaty T.L., Vargas L.G., Models, Methods, Concepts & Applications of the Analytic Hierarchy Process, Springer, 2001.
25. Soliska M., Soliski I., Efektywno ekonomiczna proekologicznych inwestycji rozwojowych w energetyce odnawialnej, Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków 2003.
26. Strategia ekoenergetyczna powiatu lidzbarskiego, Starostwo Powiatowe w Lidzbarku Warmiskim, Lidzbark Warmiski 2002. [online] http://polandplan.energyprojects.net) [dostp: sierpie 2008].
27. Studium moliwoci rozwoju energetyki wiatrowej w województwie pomorskim, Biuro planowania przestrzennego w Słupsku, Słupsk 2003. [online] http://www.woj-pomorskie.pl [dostp: sierpie 2008].
28. Triantaphyllou E., Multi-Criteria Decision Making Methods: A Comparative Study, Springer, 2000.
29. Ustawa Prawo ochrony rodowiska z dnia 27 kwietnia 2001, Dz. U. z 20 czerwca 2001 roku, Nr 62, poz. 627.
30. Wojewódzki Program Rozwoju Alternatywnych ródeł Energii dla Województwa Lubelskiego, Biuro Planowania Przestrzennego, Lublin 2004. [online] http://www.oze.bpp.lublin.pl [dostp: sierpie 2008].
31. http://www.elektrownie-wiatrowe.org.pl/ [dostp: padziernik 2008]. 32. http://www.ozee.kape.gov.pl [dostp: listopad 2008].
33. http://www.un.org/esa/sustdev/documents/agenda21/english/agenda21toc.htm [dostp: listopad 2008].
MCDA MODEL APPROACH FOR LOCALIZATION RENEWABLE ENERGY SOURCES
Summary
The aim of this article is comparative analysis results of use MCDA methods for selection of localization wind farm. The aspects of localization determining factors were stressed, synthesis applied solutions was executed, three MCDA methods – AHP, TOPSIS and NAIADE was implemented. Conclusions, which were obtained us-ing implemented procedures, were placed in the final, summary part of article. Keywords: renewable energy sources, wind turbine, MCDA, AHP, TOPSIS, NAIADE
Jarosław Wtróbski Agnieszka Garnysz
Katedra Inynierii Systemów Informatycznych Wydział Informatyki
Zachodniopomorski Uniwersytet Technologiczny 71-210 Szczecin, ołnierska 49
e-mail: jwatrobski@wi.ps.pl e-mail: agarnysz@wp.pl
