Manuscript ID : 1403122049655 Visit : 56 Page: 187 - 204

Article Type: Original Research

Techno-Economic Evaluation of Solar Photovoltaic Power Plants in Gilan Province

Subject Areas : Environment and energy

Mir Hamed Hakemzadeh ¹ , Shahram Sharifi ² , Hanieh Mirbolooki ³ , Tooba Abedi ⁴ , Shamim Moghadamikhomami ⁵ , seyyed javad mousavi ⁶

1 - Department of Energy, Jihad University Environmental Research Institute, Rasht, Iran Daneshgahi, Rasht, Gilan, Iran
2 - Department of Regional Studies, Jihad University Environmental Research Institute, Rasht, Iran
3 - Researcher, Department of Environmental Engineerin, Academic Center for Education Culture & Research (ACECR), Environmental Research Institue, Rasht, Iran.
4 - عضو هیات علمی
5 - Water Resources Monitoring Group, Jahad Daneshgahi Environmental Research Institute, Rasht, Gilan, Iran
6 - Department of Environmental Engineering, Academic Center for Education Culture & Research (ACECR), Environmental Research Institue, Rasht, Iran

Received: 2025-03-10 Accepted : 2025-04-20 Published : 2025-01-12

Keywords: Renewable energy, Solar energy, Photovoltaic power plants, Techno-economic evaluation, Greenhouse gas emissions,

Abstract :

The increasing demand for energy, the necessity to reduce dependence on fossil fuels, and the global shift toward renewable energy sources have made the construction of solar photovoltaic power plants as a significant option in Gilan Province. However, a comprehensive techno-economic evaluation of solar photovoltaic power plants had not previously been conducted in this region, where solar radiation is limited for a large portion of the year due to climatic conditions. This study aims to assess the feasibility of ensuring a sustainable energy supply, reducing environmental impacts, and evaluating the costs and profitability of these projects by conducting a techno-economic analysis of solar photovoltaic power plants in Gilan Province. To simulate the performance of these power plants, the study used the PVsyst software along with meteorological data from NASA's climate database. The results of the study show that, due to favorable climatic conditions, particularly solar radiation levels, the performance of solar power plants in the cities of Rudbar and Talesh is very promising. This leads to a quicker payback period and greater profitability for solar photovoltaic systems in these areas. However, in most parts of Gilan Province, the potential for solar energy production is constrained by relatively low solar radiation, widespread cloud cover, and humid, rainy weather conditions. Furthermore, the findings suggest that directly using the generated electricity in industries, rather than selling it to the grid, is a much more cost-effective option. This approach not only reduces production costs but also strengthens the incentive for investment in this sector.

References:

Zhou, X., Smith, J., & Davis, R. (2021). "Global Trends in Renewable Energy Investment and Deployment." Renewable Energy Journal. Elsevier.
Li, F., Zhou, Y., & Zhang, K. (2021). "Grid Integration Challenges of Renewable Energy." Renewable Energy. Elsevier.
Chen, J., Liu, D., & Xu, Z. (2021). "Advancements in Battery Technology for Renewable Energy Storage." Journal of Energy Storage. Elsevier.
Xu, W., & Zhang, Y. (2020). "Policy Frameworks for Renewable Energy Adoption: A Global Perspective." Energy Reports. Elsevier.
Yang, L., & Wang, R. (2021). "The Role of Solar Energy in Sustainable Development." Journal of Cleaner Production. Elsevier. .
Zhang, P., Yang, C., & Liu, H. (2022). "Future Trends in Renewable Energy Research." Energy Research and Development. Elsevier. .
Yang, L., & Wang, R. (2021). "Climate Change Mitigation Through Renewable Energy Transition." Journal of Cleaner Production. Elsevier. .
Kim, S., & Park, J. (2020). "The Economic Competitiveness of Solar PV Compared to Fossil Fuels." Energy Reports. Elsevier. .
Shahbaz, M., Ahmad, M., & Wang, Y. (2021). "Cost Dynamics of Solar Photovoltaic Technology." Solar Energy Systems. Elsevier. .
Wang, T., Zhao, H., & Li, Q. (2022). "Offshore Wind Energy Development: Opportunities and Challenges." Energy Policy. Elsevier. .
Chen, J., Liu, D., & Xu, Z. (2021). "Smart Grid Innovations to Facilitate Renewable Integration." Smart Energy Systems. Elsevier. .
Huang, Q., Zhao, H., & Feng, Y. (2020). "Solar PV Systems in the Context of Climate Change." Energy Policy. Elsevier. .
Jafari, S., Ghanbari, A., & Ebrahimi, H. (2020). Potential assessment of solar photovoltaic power plants in Iran based on geographical and climatic factors. Journal of Geographic Space and Technology, 15(4), 123-136. Retrieved from https://jgst.issgeac.ir/article-1-842-fa.html.
Rahmani, R., & Norouzi, M. (2021). Multi-criteria decision-making methods for solar energy site selection using GIS in Iran. Journal of Renewable and Sustainable Energy Studies, 9(3), 78-89. Retrieved from https://ensani.ir/fa/article/372842.
Ahmadi, M., & Hadi, K. (2018). Assessment of solar radiation potential in Iran for photovoltaic applications. Proceedings of the International Renewable Energy Conference. Civilica. Retrieved from https://civilica.com/doc/697376.
اسلامی اندارگلی، مجید و روازدژ، فردانه،1393،واکاوی موانع اقتصادی عدم توسعه نیروگاههای فتوولتاییک در کشور،اولین کنفرانس و نمایشگاه بین المللی انرژی خورشیدی،تهران،.
محمد صیادی* ، فرزانه مرادی ، محمدرضا آریافر. تحلیل علل و آثار ناترازی گازی کشور از منظر امنیت انرژی، نشریه اکتشاف و تولید نفت و گاز » دوره 1402، شماره 208 (فروردین 1402). .
حافظی, رضا و رحیمی راد, زهره . (1403). مشارکت اجتماعی و نقش آن در حل چالش ناترازی انرژی. مطالعات راهبردی سیاستگذاری عمومی, 14(52), 82-102. doi: 10.22034/sspp.2024.2036820.3688. Malekmohammadi, I., et al. (2019). "Study of climate change impacts on agricultural productivity in Gilan province." *Environmental Science and Policy*, 96, 82-90. .
Zare, H., et al. (2020). "Climate characteristics of Gilan province and its impact on agricultural development." *Agricultural Research*, 9(3), 321-335. .
Rostami, R., & Sadeghian, S. (2018). "Humidity and its effects on the ecology of Gilan province. Journal of Coastal Zone Management*, 21(4), 477-486. .
Zare, H., & Ranjbar, S. (2020). "Solar radiation assessment in Gilan province." *International Journal of Renewable Energy Research*, 10(2), 845-853. .
Sharifzadeh, M., et al. (2019). "Impact of climatic conditions on solar energy potential in Gilan. Renewable Energy*, 143, 156-163. .
Mohammadi, K., et al. (2021). "Potential of solar energy development in Gilan province." *Journal of Sustainable Energy & Environment*, 12(3), 115-123. .
NASA. (n.d.). Prediction of Worldwide Energy Resources (POWER). NASA Langley Research Center. Retrieved Jan 4, 2025, from https://power.larc.nasa.gov.
Rashid, Nayeema & Kabir, Md. Humayun. (2024). Greenhouse Gas Emission Reduction through Electricity Generation from Solar Photovoltaic Systems: A Study in Dhaka. The Dhaka University Journal of Earth and Environmental Sciences. 12. 1-8. .
Young-sub An, Jong-kyu Kim, Hong-Jin Joo, Wang-Jae Lee, Gwang-woo Han, Haneul Kim, Min-Hwi Kim, Experimental performance analysis of photovoltaic systems applied to an positive energy community based on building renovation, Renewable Energy, Volume 219, Part 1, 2023, 119369. .
Intergovernmental Panel on Climate Change. (2006). 2006 IPCC Guidelines for National Greenhouse Gas Inventories. IGES. Retrieved from https://www.ipcc-nggip.iges.or.jp/public/gl/ guidelin/.
U.S. Environmental Protection Agency.GHG Emission Factors Hub. EPA, 2023. https://www.epa.gov/system/files/documents/2023-03/ghg_emission_factors_hub.pdf.
Mir Hamed Hakemzadeh, Kamaruzzaman Sopian, Hussein A. Kazem, Ali H.A. Al-Waeli, Miqdam Tariq Chaichan, Evaluating the techno-economic viability of different solar collectors integrated into an adsorption cooling system in tropical climate conditions, Solar Energy, Volume 268, 2024, 112304. .
Mir Hamed Hakemzadeh, Kamaruzzaman Sopian, Ahmad Fazlizan Abdullah, Hasila Jarimi, Mohd Faizal Fauzan, Adnan Ibrahim, Technoeconomics of solar thermal-assisted sorption cooling systems under tropical climate condition – A case of Malaysia, Energy Conversion and Management: X, Volume 16, 2022, 100305. .
Kunle Ibukun Olatayo, J. Harry Wichers, Piet W. Stoker, Energy and economic performance of small wind energy systems under different climatic conditions of South Africa, Renewable and Sustainable Energy Reviews, Volume 98, 2018, Pages 376-392. .

Full-Text:

پژوهش و فناوری محیط‌زیست، 1403،(16)9، 187-204

$Description: Description: H:\لوگوی بدون پس زمینه\200px-ACECR_logo.png$

پژوهشکده محیط زیست

پژوهش و فناوری محیط‌زیست

شاپا الکترونیکی: 2676-3060

(http://journal.eri.acecr.ir/)

www.journal.eri.acecr.ir وبگاه نشریه:

ارزیابی فنی-اقتصادی نیروگاه‌های فتوولتائیک خورشیدی در استان گیلان

میرحامد حاکم زاده1، شهرام شریفی2،‌هانیه میربلوکی3، طوبی عابدی4، شمیم مقدمی5، سید جواد موسوی6 *

سید عطااله حسینی¹1، خلیل محمدی‌فیروز 2

1- کارشناس، گروه مطالعات انرژی، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، ایران

2- استادیار، گروه مطالعات ناحیه ای، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، ایران

3- پژوهشگر گروه مهندسی محیط زیست، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، ایران

4- استادیار، گروه محیط زیست طبیعی، پژوهشکده محیط زیست جهاد دانشگاهی گیلان، رشت، ایران

5- گروه پایش منابع آب، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، گیلان، ایران

6- استادیار، گروه مهندسی محیط زیست، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، گیلان، ایران

چکیده

اطلاعات مقاله

افزایش تقاضای انرژی، نیاز به کاهش وابستگی به سوخت‌های فسیلی و حرکت به‌سوی منابع انرژی تجدیدپذیر، احداث نیروگاه‌های فتوولتائیک خورشیدی را به گزینه‌ای قابل‌توجه در استان گیلان تبدیل کرده است. این در حالی است که تاکنون ارزیابی فنی-اقتصادی جامع برای احداث نیروگاه‌های فتوولتائیک خورشیدی، با توجه به میزان تابش خورشیدی که به‌دلیل شرایط اقلیمی در بخش عمده‌ای از سال محدود است، در این منطقه انجام نشده بود. این پژوهش با هدف امکان‌سنجی تأمین انرژی پایدار، کاهش اثرات محیط زیستی و بررسی هزینه‌ها و سودآوری پروژه، به ارزیابی فنی-اقتصادی نیروگاه‌های فتوولتائیک خورشیدی در استان گیلان می‌پردازد. برای شبیه‌سازی عملکرد این نیروگاه‌ها، از داده‌های آب‌وهوایی پایگاه اقلیمی ناسا و نرم‌افزار PVsyst استفاده شده است. نتایج پژوهش نشان می‌دهد که به‌دلیل شرایط اقلیمی، به‌ویژه میزان تابش خورشیدی، عملکرد نیروگاه‌های خورشیدی در شهرهای رودبار و تالش بسیار مطلوب است. این وضعیت منجر به بازگشت سریع‌تر سرمایه و افزایش سودآوری سیستم‌های فتوولتائیک خورشیدی در این مناطق می‌شود. با این وجود، در اکثر نقاط استان گیلان، پتانسیل تولید انرژی خورشیدی به‌دلیل تابش نسبتاً کم، پوشش ابری گسترده و شرایط جوی مرطوب و بارانی، محدود است. علاوه بر این، یافته‌ها حاکی از آن است که استفاده مستقیم از برق تولیدی در صنایع، به‌جای فروش آن به شبکه، گزینه‌ای به‌مراتب مقرون‌به‌صرفه‌تر است. این رویکرد نه‌تنها هزینه‌های تولید را کاهش می‌دهد، بلکه انگیزه سرمایه‌گذاری در این حوزه را نیز تقویت می‌کند.

نوع مقاله:

پژوهشی

تاریخ دریافت:

20/12/1403

تاریخ پذیرش:

31/01/1404

دسترسی آنلاین: 15/02/1404

کلید واژه‌ها:

انرژی‌های تجدیدپذیر،

انرژی خورشیدی،

نیروگاه‌های فتوولتائیک،

ارزیابی فنی-اقتصادی،

انتشار گاز‌های گلخانه‌ای.

[1] *پست الکترونیکی نویسنده مسئول: j.mosavi@acecr.ac.ir

Journal of Environmental Research and Technology, 9(16)2024. 187-204

$Description: Description: H:\لوگوی بدون پس زمینه\200px-ACECR_logo.png$

Environmental Research institute

Online ISSN: 3060-2676

journal homepage: www.journal.eri.acecr.ir

Journal of Environmental Research and Technology

Techno-Economic Evaluation of Solar Photovoltaic Power Plants in Gilan Province

Mir Hamed Hakem Zadeh1, Shahram Sharifi2, Hanieh Mirbolooki3, Tooba Abedi4, Shamim Moghadami5, Seyed Javad Mousavi6* *¹

1- Specialist, Department of Energy, Environmental Research Institute, Academic Center for Education Culture & Research (ACECR), Rasht, Iran

2- Assistant Professor, Department of Regional Studies, Environmental Research Institute, Academic Center for Education Culture & Research (ACECR), Rasht, Iran

3- Researcher, Department of Environmental Engineering, Environmental Research Institute, Academic Center for Education Culture & Research (ACECR), Rasht, Iran

4- Assistant Professor, Department of Natural Environment, Environmental Research Institute, Academic Center for Education Culture & Research (ACECR), Rasht, Iran

5- Department of Water Resources Monitoring, Environmental Research Institute of Academic Center for Education, Culture and Research (ACECR), Rasht, Iran

6- Assistant Professor, Department of Environmental Engineering, Environmental Research Institute, Academic Center for Education Culture & Research (ACECR), Rasht, Iran

Article Info

Abstract

Article type:

Research Article

Article history:

Received: 2025/03/10

Accepted: 2025/04/20

Available online:

2025/05/05

Keywords:

Renewable energy,

Solar energy,

Photovoltaic power plants,

Techno-economic evaluation,

Greenhouse gas emissions

[1] * Corresponding author E-mail address: j.mosavi@acecr.ac.ir

مقدمه

در دنیای امروز، انرژی‌های تجدیدپذیر به دلیل بحران‌های زیست‌محیطی، کاهش منابع سوخت‌های فسیلی و نگرانی‌های فزاینده درباره تغییرات اقلیمی، از اهمیت فزاینده‌ای برخوردار شده‌اند. استفاده از انرژی‌های تجدیدپذیر نه ‌تنها انتشار گازهای گلخانه‌ای را کاهش می‌دهد، بلکه نقشی اساسی در مقابله با گرمایش جهانی ایفا می‌کند. با رشد جمعیت و افزایش تقاضای انرژی، بهره‌گیری از انرژی‌های تجدیدپذیر به‌عنوان راه‌حلی پایدار برای تأمین انرژی، بدون آسیب به محیط زیست، ضروری به نظر می‌رسد. در بسیاری از کشورها، انرژی‌های تجدیدپذیر به‌عنوان ابزاری کلیدی برای تأمین امنیت انرژی و کاهش وابستگی به بازارهای ناپایدار جهانی مورد توجه قرار گرفته‌اند (Hakemzadeh et al., 2023). در میان فناوری‌های انرژی تجدیدپذیر، انرژی فتوولتائیک خورشیدی به دلیل مقیاس‌پذیری بالا و قابلیت انطباق با نیازهای متنوع انرژی، پتانسیل چشمگیری از خود نشان داده است (Kumar Sahoo., 2016). در سال‌های اخیر، سامانه‌های خورشیدی فتوولتائیک، به دلیل کاهش چشمگیر هزینه‌ها، تکامل فناوری، رشد سریع و ادغام موفق با بازار، جایگاه ویژه‌ای در آینده انرژی‌های تجدیدپذیر یافته‌اند. این فناوری در دهه گذشته از نظر فنی و تجاری به سطح بالایی از بلوغ رسیده و اکنون در خط مقدم تحقق اهداف جهانی در حوزه انرژی و تغییرات اقلیمی قرار دارد( Dong & Zhong, 2025).

کشور ایران با توجه به موقعیت جغرافیایی خود، پتانسیل بالایی برای بهره‌برداری از سیستم‌های فتوولتائیک خورشیدی دارد. مطالعات متعدد در این زمینه به بررسی مناطق مستعد و عوامل مؤثر در احداث نیروگاه‌های خورشیدی پرداخته‌اند. در پژوهشی با هدف پتانسیل‌سنجی کشور ایران از نظر اقلیمی و زیرساختی، عواملی همچون شدت تابش، میانگین دمای سالیانه، فاصله از خطوط انتقال نیرو و راه‌های دسترسی، ارتفاع، شیب و کاربری اراضی مورد بررسی قرار گرفتند. نتایج این مطالعه نشان داد که استان‌های کرمان، خراسان جنوبی، فارس، یزد، هرمزگان و سیستان و بلوچستان به ترتیب مناسب‌ترین مناطق برای احداث نیروگاه‌های خورشیدی فتوولتائیک هستند. به طور کلی، بیش از ۵۵۷٬۰۰۰ کیلومترمربع از خاک ایران دارای پتانسیل بالایی برای احداث این نیروگاه‌ها است (Jafari et al, 2020). تحقیقی دیگر با استفاده از سیستم‌های تصمیم‌گیری چندمعیاره و ابزارهای سیستم اطلاعات جغرافیایی(CIS)، به تلفیق عوامل مؤثر در احداث نیروگاه‌های فتوولتائیک در مقیاس کشوری پرداخته است. در این مطالعه، روش‌های تاپسیس (TOPSIS) ، فازی تاپسیس (Fuzzy TOPSIS) و فازی سوگنو (Fuzzy Sugeno) برای تعیین مناطق مساعد به کار گرفته شدند. نتایج نشان داد که روش فازی تاپسیس % ۱۸٫۳۳از کل کشور را برای احداث نیروگاه خورشیدی مناسب دانسته است (Rahmani et al., 2021). علاوه بر این، بررسی‌ها نشان می‌دهد که میزان تابش خورشید در ایران بسیار بیشتر از میانگین جهانی است؛ به‌طوری‌که در برخی مناطق، این مقدار به بیش از ۷ تا ۸ کیلووات ساعت بر متر مربع می‌رسد (Ahmadi et al., 2018).

با وجود ظرفیت بالای انرژی خورشیدی در ایران، بهره‌برداری از سیستم‌های فتوولتائیک با موانع متعددی مواجه است. مطالعات نشان می‌دهد که عواملی مانند هزینه‌های اولیه بالا، نبود حمایت‌های مالی مناسب، آگاهی ناکافی عمومی و عدم وجود سیاست‌های تشویقی مؤثر، از جمله موانع اصلی در توسعه نیروگاه‌های خورشیدی هستند. این موانع باعث شده‌اند تا سهم انرژی خورشیدی در سبد انرژی کشور کمتر از ظرفیت واقعی آن باشد (اسلامی و روازدژ، 1993). از سوی دیگر، ناترازی انرژی در ایران به دلیل افزایش تقاضا ناشی از رشد جمعیت، توسعه صنعتی، استفاده بی‌رویه از انرژی در فصول پیک مصرف، سرمایه‌گذاری ناکافی در زیرساخت‌های تولید و توزیع انرژی و وابستگی به سوخت‌های فسیلی، به یکی از چالش‌های اساسی کشور تبدیل شده است. این مسئله فشار مضاعفی بر زیرساخت‌های انرژی وارد کرده و تأثیرات گسترده‌ای بر توسعه اقتصادی، امنیت انرژی، بهره‌وری صنایع، افزایش هزینه‌های تولید، کاهش سرمایه‌گذاری و تورم داشته است (صیادی و همکاران، 1402). برای مقابله با این چالش، پژوهشگران بر تدوین سیاست‌های جامع انرژی، سرمایه‌گذاری در زیرساخت‌های تولید و توزیع، توسعه انرژی‌های تجدیدپذیر و افزایش آگاهی عمومی در زمینه بهینه‌سازی مصرف انرژی تأکید دارند (حافظی و همکاران، 1403). اجرای این راهکارها می‌تواند به تعادل عرضه و تقاضای انرژی و بهبود امنیت انرژی کشور کمک کند.

این تحقیق به بررسی عملکرد فنی-اقتصادی سیستم‌های فتوولتائیک خورشیدی در استان گیلان می‌پردازد. استان گیلان به دلیل موقعیت جغرافیایی خاص خود، دارای آب و هوای متنوعی است که تحت تأثیر ویژگی‌های جغرافیایی و اقلیمی منطقه قرار دارد. این استان به دلیل نزدیکی به دریا، دارای آب و هوای مرطوب و معتدل است که ویژگی‌های خاصی را به آن می‌بخشد. به طور کلی، گیلان سه نوع آب و هوا دارد: ناحیه معتدل و مرطوب, کوهستانی و نیمه مرطوب و سرد. (فلاح قالهری و همکاران، 1394). بررسی‌ها نشان می‌دهد که میزان تابش خورشیدی در استان گیلان حدود ۴.۵ کیلووات ساعت بر متر مربع در روز است. این مقدار به طور قابل توجهی کمتر از تابش خورشیدی در مناطق مرکزی و جنوبی ایران است که هوای خشک‌تری دارند و میزان تابش در آن‌ها بین ۵.۵ تا ۶.۵ کیلووات ساعت در روز متغیر است. با این حال، گیلان همچنان پتانسیل بالایی برای بهره‌برداری از انرژی خورشیدی دارد و استقرار سیستم‌های فتوولتائیک در مناطق با تابش بیشتر می‌تواند به تأمین انرژی پایدار و کاهش هزینه‌های انرژی کمک کند (Global Solar Atlas , 2025).

با این وجود، عملکرد سیستم‌های فتوولتائیک خورشیدی در استان گیلان به دلیل تنوع آب و هوایی کمتر مورد بررسی قرار گرفته است. هدف اصلی این تحقیق، تحلیل فنی و اقتصادی نیروگاه‌های فتوولتائیک خورشیدی با توجه به شرایط آب و هوایی این استان است. در این مطالعه، یک رویکرد تحلیلی مبتنی بر شبکه محاسباتی چندلایه به منظور بررسی مؤلفه‌ها و متغیرهای تأثیرگذار بر عملکرد فنی-اقتصادی نیروگاه‌های فتوولتائیک توسعه داده شده است. از طریق آنالیزهای حساسیت، بررسی‌های انرژی و محیطی، و تحلیل‌های اقتصادی، پتانسیل این نیروگاه‌ها برای شرایط خاص اقلیمی تعیین می‌شود. نتایج این تحقیق می‌تواند راهنمای عملی برای پیاده‌سازی و بهره‌برداری بهینه از سیستم‌های فتوولتائیک در گیلان و مناطق با شرایط اقلیمی مشابه باشد. تحلیل دقیق داده‌های حاصل از بررسی پتانسیل فنی-اقتصادی نیروگاه‌های فتوولتائیک خورشیدی و شناخت تأثیر عوامل محیطی همچون میزان تابش خورشید، سرعت باد، رطوبت و دما، می‌تواند به سیاست‌گذاران و برنامه‌ریزان در توسعه این نیروگاه‌ها کمک کند. همچنین، اتخاذ تصمیمات سرمایه‌گذاری بهتر در راستای کاهش وابستگی به سوخت‌های فسیلی و حفاظت از محیط زیست را تسهیل خواهد کرد.

مواد و روش‌ها

روش پژوهش

در این پژوهش، به منظور ارزیابی پتاسیل فنی-اقتصادی نیروگاه‌های خورشیدی در اب و هوای استان گیلان، یک رویکرد تحلیلی به شرح زیر توسعه داده شد: (1) تعیین شرایط آب و هوایی شهر‌های استان گیلان، (2) مدل سازی و شبیه سازی، (3) تجزیه و تحلیل حساسیت، (4) تجزیه و تحلیل انرژی و (5) تجزیه و تحلیل اقتصادی.

تعیین شرایط آب و هوایی شهر‌های استان گیلان

به‌منظور دستیابی به تصویری دقیق و قابل اعتماد از روندهای اقلیمی و تغییرات فصلی و به دنبال آن ارزیابی پتانسیل فنی-اقتصادی نیروگاه‌های خورشیدی در استان گیلان، داده‌های آب و هوایی مورد نیاز از پایگاه داده‌های اقلیمی سازمان ملی هوانوردی و فضایی آمریکا (ناسا) برای بازه زمانی پنج ساله از سال ۲۰۱۸ تا ۲۰۲۲ استخراج شده است. ناسا به عنوان یک منبع معتبر و پیشرو در زمینه علوم زمین و اقلیم، مجموعه‌ای گسترده و جامع از داده‌های اقلیمی را به صورت عمومی در دسترس قرار می‌دهد که به دلیل دقت و پوشش گسترده جغرافیایی، کیفیت بالا، و روش‌های مدون جمع‌آوری و پردازش، امکان تحلیل دقیق و معتبر تغییرات اقلیمی را در مقیاس‌های مختلف فراهم می‌کند. با تعیین مختصات جغرافیایی شهرهای مختلف استان گیلان، داده‌های مربوط به هر منطقه به‌صورت جداگانه استخراج و به ‌منظور اطمینان از صحت و دقت اطلاعات، یک فرآیند پردازش و تحلیل گسترده شامل بررسی نواقص، همگن‌سازی و در صورت لزوم درونیابی داده‌ها انجام شده است. این داده‌ها شامل اطلاعات دقیق و جامعی از شرایط آب و هوایی منطقه، میزان تابش خورشید، دما، رطوبت و سایر پارامترهای مرتبط با بهره‌وری سیستم‌های فتوولتائیک است که به عنوان ورودی اصلی برای مدل‌سازی و تحلیل‌های آماری استفاده و نقش مهمی در ارزیابی عملکرد نیروگاه خورشیدی با توجه به الگوهای اقلیمی و تغییرات محیطی ایفا می‌کنند.

مدل سازی و شبیه سازی

در این مطالعه، برای شبیه‌سازی عملکرد نیروگاه خورشیدی در استان گیلان، از نرم‌افزار PVsyst به دلیل دقت بالا در مدل‌سازی پارامترهای فنی و محیطی استفاده شد که یکی از ابزارهای پیشرفته و معتبر برای تحلیل و طراحی سیستم‌های فتوولتائیک است. ابتدا اطلاعات مربوط به موقعیت جغرافیایی شهر‌های استان گیلان شامل عرض و طول جغرافیایی، ارتفاع از سطح دریا و شرایط اقلیمی (مانند دما، تابش خورشیدی و رطوبت) که در مرحله قبل جمع‌آوری شد، به‌صورت دقیق در نرم‌افزار وارد شد. نرم‌افزار PVsyst با ارائه قابلیت‌هایی همچون محاسبه تابش خورشیدی ، تابش مستقیم و انتشاری، زاویه و جهت نصب پنل‌ها و تحلیل عملکرد سیستم در شرایط واقعی، امکان بررسی دقیق بازدهی نیروگاه را فراهم می‌سازد. در فرآیند شبیه‌سازی، طراحی سیستم فتوولتائیک بر اساس ظرفیت مورد نظر انجام شد. برای این منظور، انتخاب نوع و تعداد پنل‌های خورشیدی، اینورترها و سایر تجهیزات مطابق با نیاز پروژه و شرایط منطقه صورت گرفت. مدل‌های مختلف پنل و اینورتر با در نظر گرفتن راندمان و مشخصات فنی آن‌ها بررسی شدند. در این تحقیق، پنل‌های مونوکریستالین به دلیل بازده بالا (17-22%) و عملکرد عالی در شرایط نور کم و ابری، برای آب و هوای مرطوب و معتدل استان گیلان انتخاب شدند. این پنل‌ها در دما و رطوبت بالا افت بازده کمتری دارند و با پوشش مقاوم در برابر خوردگی، برای محیط‌های مرطوب مناسب‌اند. همچنین، بهره‌وری بالای آن‌ها در فضای محدود و شستشوی طبیعی توسط باران‌های فراوان گیلان، کارایی و دوام سیستم را افزایش می‌دهد.همچنین، زوایای نصب و جهت بهینه پنل‌ها با هدف حداکثرسازی دریافت تابش خورشیدی شبیه‌سازی گردید. علاوه بر این، برای مدل‌سازی خط افق و تأثیر آن بر تابش خورشیدی دریافتی توسط پنل‌ها، در نرم‌افزار مدلسازی شد تا ارزیابی دقیقی از عملکرد سیستم در شرایط واقعی ارائه شود. در نهایت، با استفاده از ابزارهای تحلیلی PVsyst، نتایج شبیه‌سازی شامل بازده سالانه، انرژی تولیدی، تلفات سیستم و سایر شاخص‌های کلیدی محاسبه و تحلیل شد.

بررسی عملکرد فنی نیروگاه‌های فتوولتاییک خورشیدی

در این پژوهش، ضریب عملکرد (CF) و نسبت عملکرد (PR) به‌عنوان دو شاخص کلیدی برای ارزیابی عملکرد نیروگاه فتوولتاییک خورشیدی استفاده شده‌اند. ضریب عملکرد نشان‌دهنده بهره‌برداری عملی از ظرفیت نیروگاه است و نسبت تولید واقعی انرژی به حداکثر انرژی ممکن را در یک بازه زمانی مشخص بیان می‌کند. این شاخص نشان‌دهنده میزان بهره‌وری و استفاده واقعی از نیروگاه خورشیدی در مقایسه با ظرفیت اسمی تولید آن است. که به موقعیت جغرافیایی، میزان تابش خورشید، و ساعات آفتابی منطقه بستگی دارد. نسبت عملکرد (PR) یکی از معیارهای کلیدی برای ارزیابی بهره‌وری نیروگاه‌های فتوولتاییک خورشیدی که نشان می‌دهد نیروگاه خورشیدی در عمل چقدر از توان تئوری خود را با در نظر گرفتن تمام تلفات ممکن (مانند تلفات تبدیل انرژی، تلفات حرارتی، سایه و گرد و غبار) و شرایط محیطی استفاده می‌کند. محاسبه CF و PR، درک جامعی از بهره‌وری کلی سیستم و تأثیر عوامل محیطی و طراحی بر عملکرد نیروگاه ارائه می‌دهد. در این مطالعه، داده‌های مربوط به تولید انرژی، تابش خورشیدی و پارامترهای فنی نیروگاه برای محاسبه این دو شاخص به‌کار گرفته شده‌اند تا عملکرد نیروگاه به‌صورت کمی و کیفی تحلیل شود. ابن دو شاخص از روابط زیر محاسبه می‌شوند:

	(1)
	(2)

ارزیابی صرفه‌جویی انرژی و تاثیرات زیست محیطی نیروگاه فتوولتاییک خورشیدی
شاخص صرفه‌جویی انرژی تجدیدناپذیر(Qsaved) و شاخص کاهش انتشار گازهای گلخانه‌ای (GHGreduced) به عنوان دو معیار اصلی برای ارزیابی عملکرد نیروگاه فتوولتاییک خورشیدی از منظر کاهش مصرف انرژی اولیه و مزایای محیط‌زیستی بررسی می‌شوند. ارزیابی این دو شاخص می‌تواند کارایی نیروگاه فتوولتاییک در کاهش اثرات منفی زیست‌محیطی و بهره‌وری انرژی را به‌طور جامع نمایش دهد. نتایج این تحلیل به درک بهتر نقش نیروگاه‌های خورشیدی در دستیابی به توسعه پایدار کمک می‌کند. Qsaved صرفه جویی در انرژی اولیه تجدید ناپذیر از طریق استفاده از منابع انرژی تجدیدپذیر را تعیین می‌کند که می‌توان آن را با استفاده از معادله زیر محاسبه کرد :( Nayeema Rashid et al., 2024)

(3)

در این معادله Cfuel، ضریب تبدیل مخصوص سوخت (کیلووات ساعت به ازای هر واحد سوخت جایگزین شده) می‌باشد که در محاسبات برای زغال سنگ در حدود 1.2 تا 1.5 کیلووات ساعت بر کیلوگرم (بسته به نوع زغال سنگ متغیر است)، گاز طبیعی در حدود 3.6 تا 4 کیلووات ساعت بر متر مکعب، گازوئیل یا نفت کوره در حدود 10 تا 12 کیلووات ساعت بر لیتر در نظر گرفته می‌شود (IPCC, 2006) .

از سوی دیگر، GHGreduced میزان کاهش انتشار CO2 و سایر گازهای مضر ناشی از جایگزینی سیستم‌های خورشیدی به جای سیستم‌های متداول مبتنی بر سوخت‌های فسیلی را بررسی می‌کند. این شاخص از طریق ضرب میزان کاهش مصرف انرژی اولیه و ضریب انتشار گازهای گلخانه‌ای به ازای هر کیلووات ساعت تولید انرژی الکتریکی و حرارتی از سوخت‌های فسیلی به شرح زیر دست می‌آید Young-sub An et al., 2023)):

(4)

در این معادله EFgrid، ضریب انتشار گازهای گلخانه‌ای به ازای هر کیلووات ساعت تولید انرژی الکتریکی می‌باشد که در محاسبات برای زغال سنگ در حدود(kg CO₂/kWh) 9/0 تا 2/1 ، گاز طبیعی در حدود 4/0 تا 6/0 (kg CO₂/kWh)، گازوئیل یا نفت کوره در حدود7/0تا 9/0 (kg CO₂/kWh) در نظر گرفته می‌شود(EPA, 2023) .

ارزیابی اقتصادی نیروگاه فتوولتاییک خورشیدی

برای ارزیابی اقتصادی نیروگاه فتوولتاییک خورشیدی، از شاخص‌های کلیدی دوره بازگشت سرمایه (PBP) و سودآوری سیستم (SP) استفاده شده است. دوره بازگشت سرمایه به‌عنوان یکی از شاخص‌های اصلی، به مدت‌زمان لازم برای جبران هزینه‌های اولیه سرمایه‌گذاری از طریق کاهش هزینه‌های انرژی اشاره دارد. دوره بازگشت سرمایه به صورت زیر محاسبه می‌شود (Hakemzadeh et al., 2024):

(5)

سودآوری سیستم (SP) می‌تواند عملکرد سیستم را به‌طور جامع ارزیابی کرده و تأثیر پارامترهای کلیدی همچون هزینه‌های بهره برداری و استهلاک، کاهش هزینه‌های انرژی و میانگین طول عمر اجزای سیستم را مشخص کند. مقدار بالاتر SP نشان‌دهنده سودآوری بیشتر سیستم در مقایسه با هزینه‌های اولیه سرمایه‌گذاری است. SP به‌صورت زیر بیان می‌شود (Hakemzadeh et al., 2022):

(6)

بهینه‌سازی

نرم‌افزار PVsyst با بهره‌گیری از الگوریتم‌های پیشرفته شبیه‌سازی، پارامترهای مختلفی از جمله شرایط اقلیمی (مانند تابش خورشیدی، دما، رطوبت و سرعت باد)، مشخصات فنی ماژول‌ها و اینورترها و همچنین تأثیرات سایه‌اندازی و تلفات سیستم را تحلیل می‌کند. این نرم‌افزار با استفاده از مدل‌های ریاضی دقیق و بانک‌های اطلاعاتی گسترده، قادر است میزان انرژی تولیدی سالانه، بازدهی سیستم و سایر شاخص‌های عملکردی نیروگاه‌های فتوولتائیک را به‌طور جامع ارزیابی کند. این قابلیت‌ها، PVsyst را به ابزاری ضروری در طراحی، بهینه‌سازی و تحلیل اقتصادی پروژه‌های خورشیدی تبدیل کرده است. در این مطالعه، از ماژول بهینه‌سازی (Optimization Tool) نرم‌افزار PVsyst برای تعیین زاویه شیب و جهت بهینه نصب پنل‌های خورشیدی در نیروگاه‌های فتوولتائیک استفاده شده است. این ماژول با اجرای تحلیل پارامتری و شبیه‌سازی عددی، عملکرد سیستم را در زوایای مختلف بررسی کرده و مقدار بهینه را بر اساس حداکثرسازی دریافت انرژی خورشیدی و تولید انرژی سالانه تعیین می‌کند. تمامی این محاسبات با در نظر گرفتن شرایط اقلیمی محل نصب سیستم فتوولتائیک انجام شده است، همان‌طور که در شکل ۱ نشان داده شده است. در ابتدا، نرم‌افزار با استفاده از مدل‌های تابش خورشیدی و داده‌های هواشناسی منطقه، میزان انرژی دریافتی

شکل (1) رورندمای بهینه سازی زاویه و جهت پنل خورشیدی

پنل‌ها را در زوایای مختلف محاسبه می‌کند. سپس، یک تحلیل حساسیت برای تغییر مقادیر زاویه شیب و جهت نصب اجرا شده و خروجی سیستم در هر حالت ارزیابی می‌شود. PVsyst این تحلیل را به‌صورت یک جستجوی عددی گام‌به‌گام انجام داده و مقدار بهینه زاویه شیب را که بیشترین میزان تولید انرژی را فراهم می‌کند، تعیین می‌نماید.

یافتههای پژوهش

شرایط اقلیمی استان گیلان

تنوع اقلیمی و جغرافیایی استان گیلان موجب تفاوت در کارایی نیروگاه‌های خورشیدی در مناطق مختلف این استان شده است. در این پژوهش، میزان تابش خورشیدی، دمای محیط، رطوبت نسبی و سرعت باد به‌عنوان پارامترهای مؤثر بر عملکرد سیستم‌های فتوولتائیک مورد بررسی قرار گرفته‌اند. شکل (2a) میزان تابش کل خورشیدی و تابش خورشیدی پراکنده را در ۱۶ شهرستان استان گیلان بر حسب کیلووات‌ساعت بر مترمربع (kWh/m²) در سال نشان می‌دهد. تابش کل، مجموع تابش مستقیم و پراکنده است، در حالی که تابش پراکنده به بخشی از تابش خورشیدی اشاره دارد که در اثر پراکندگی در جو (ناشی از ابرها، ذرات معلق و رطوبت) به سطح زمین می‌رسد. بررسی داده‌ها نشان می‌دهد که میزان تابش خورشیدی کل و پراکنده در شهرستان‌های مختلف استان بسته به موقعیت جغرافیایی، ارتفاع از سطح دریا و شرایط آب‌وهوایی متفاوت است. نتایج نشان می‌دهد که رودبار با میزان تابش کل (kWh/m²)1861 و تابش پراکنده (kWh/m²)598، به دلیل موقعیت جغرافیایی و پوشش ابری کمتر، بالاترین میزان تابش کلی و کمترین تابش پراکنده را دارد. در مقابل، بندر انزلی با میزان تابش کل (kWh/m²)1384 و تابش پراکنده (kWh/m²) 816، کمترین و بیشترین میزان تابش کل و پراکنده را ثبت کرده است که به رطوبت بالا و پوشش ابری بیشتر در این منطقه مرتبط است. داده‌ها نشان می‌دهند که به‌جز رودبار، سایر شهرستان‌های استان تابش پراکنده بالایی دارند (بین ۴۰٪ تا ۶۰٪ در سال). بنابراین، طراحی نیروگاه‌ها باید به گونه‌ای باشد که بتوان از این میزان تابش خورشیدی به‌طور مؤثر بهره‌برداری کرد. دمای محیط یکی از عوامل کلیدی در عملکرد پنل‌های خورشیدی است، زیرا تأثیر مستقیم بر راندمان تبدیل انرژی دارد. بر اساس شکل(2b)، دمای متوسط سالانه در شهرستان‌های گیلان بین 10 درجه سانتی‌گراد (تالش) تا 17 درجه سانتی‌گراد (بندر انزلی) متغیر است. شهرستان‌هایی مانند بندر انزلی، آستانه اشرفیه، رضوانشهر، صومعه‌سرا و ماسال دمای بالاتری دارند که می‌تواند تأثیر منفی بر بازده پنل‌های خورشیدی داشته باشد، زیرا دمای بالا موجب افزایش مقاومت الکتریکی سلول‌های خورشیدی و کاهش راندمان تبدیل انرژی می‌شود. در مقابل، مناطقی مانند تالش (C°) 10، آستارا، (C°) 11 و رودبار (C°) 13 دمای پایین‌تری دارند که شرایط مطلوب‌تری برای عملکرد بهینه پنل‌های خورشیدی فراهم می‌کند. به‌طور کلی، اقلیم معتدل گیلان از افزایش شدید دمای پنل جلوگیری کرده و شرایط نسبتاً مناسبی را برای عملکرد پایدار نیروگاه‌های خورشیدی فراهم می‌کند. با این حال، در ماه‌های گرم تابستان، ممکن است نیاز به روش‌های خنک‌سازی پنل‌ها وجود داشته باشد. همچنین، رطوبت نسبی یکی از چالش‌های مهم در بهره‌برداری از نیروگاه‌های خورشیدی در گیلان است. داده‌های شکل (2c) نشان می‌دهند که مقدار رطوبت نسبی در شهرستان‌های مختلف بین 68 % تا 74٪ متغیر است. بیشترین میزان رطوبت در تالش و آستارا (74٪) مشاهده شده که می‌تواند موجب کاهش عملکرد پنل‌های خورشیدی شود. رطوبت بالا باعث تشکیل بخار آب و شبنم بر سطح پنل‌ها شده و در بلندمدت منجر به ایجاد لایه‌ای از آلودگی و کاهش جذب نور خورشید می‌گردد. همچنین، شرایط مرطوب خطر خوردگی تجهیزات الکتریکی را افزایش داده و نیاز به نگهداری و تمیزکاری دوره‌ای را بیشتر می‌کند. در مقابل، رودبار (۶۸٪) و شفت (۷۰٪) کمترین میزان رطوبت را دارند که شرایط بهتری برای عملکرد پایدار نیروگاه‌های خورشیدی فراهم می‌کند. سرعت باد نیز از عوامل مهم در طراحی و استقرار نیروگاه‌های خورشیدی محسوب می‌شود، زیرا بر اتلاف گرما، تمیز شدن سطح پنل‌ها و استحکام سازه‌های خورشیدی تأثیرگذار است. بررسی‌ها نشان می‌دهد که سرعت باد در شهرستان‌های گیلان بین (m/s) 51/1 تا (m/s) 14/3 متغیر است. همانطور که در شکل (2d) نشان د اده شده است، مناطقی مانند آستانه اشرفیه (m/s) 14/3، بندر انزلی (m/s) 30/2 و رودبار (m/s) 03/2 ، سرعت باد بالاتری دارند که می‌تواند به خنک‌سازی طبیعی پنل‌ها و افزایش راندمان آن‌ها کمک کند. بااین‌حال، سرعت باد بالا ممکن است نیاز به طراحی مقاوم‌تر سازه‌های پنل‌ها را افزایش دهد. از سوی دیگر، شهرستان‌های آستارا (m/s) 51/1، تالش (m/s) 61/1 و املش (m/s)71/1، کمترین میزان سرعت باد را دارند که می‌تواند موجب کاهش خنک‌سازی طبیعی پنل‌ها و افزایش دمای آن‌ها در روزهای گرم شود. در این مناطق، استفاده از سیستم‌های تهویه مناسب می‌تواند به حفظ راندمان پنل‌های خورشیدی کمک کند.

$Project Path: C:\Users\HP\Desktop\مقاله 2\Figure\1.opju PE Folder: /1/Folder1/ Short Name: Graph1$ $Project Path: C:\Users\HP\Desktop\مقاله 2\Figure\2.opju PE Folder: /2/Folder1/ Short Name: Graph1$

(b) (a)

$Project Path: C:\Users\HP\Desktop\مقاله 2\Figure\2.opju PE Folder: /2/Folder1/ Short Name: Graph2$ $Project Path: C:\Users\HP\Desktop\مقاله 2\Figure\2.opju PE Folder: /2/Folder1/ Short Name: Graph3$

(d) (c)

شکل (2) شرایط اب و هوایی شهرستان‌های استان گیلان

عملکرد نیروگاه‌های خورشیدی در استان گیلان

جدول 1 نشان‌دهنده زاویه بهینه پنل‌های خورشیدی، بیشینه تابش خورشیدی و عملکرد نیروگاه‌های خورشیدی با ظرفیت‌های متفاوت را برحسب مگاوات ساعت در سال (MWh/year) در ۱۶ شهرستان استان گیلان می‌باشد که برای طراحی و بهینه‌سازی نیروگاه‌های خورشیدی در این منطقه حیاتی است. در این جدول، زاویه بهینه پنل برای دریافت حداکثر تابش خورشیدی در شهرستان‌های استان گیلان بین ۳۰ تا ۳۴ درجه قرار دارد که با عرض جغرافیایی گیلان (حدود ۳۷ درجه شمالی) سازگار است، اما به دلیل شرایط اقلیمی، الگوهای فصلی تابش خورشید، زاویه تابش خورشید در طول سال، الگوهای ابری و توپوگرافی منطقه کمی کمتر از مقدار تئوریک است. بیشینه تابش خورشیدی نیز بر حسب کیلووات‌ساعت بر مترمربع در سال ارائه شده و نشان‌دهنده حداکثر انرژی قابل‌دریافت در صورت تنظیم پنل‌ها در زاویه بهینه است. رودبار با (kWh/m²)-2166 بالاترین تابش بهینه و بندر انزلی با (kWh/m²) 1515 کمترین مقدار را دارد.

نتایج بدست آمده نشان می‌دهد رودبار، تالش و آستارا بهترین گزینه‌ها برای توسعه نیروگاه‌های خورشیدی در استان گیلان هستند، زیرا تولید انرژی در آن‌ها بالاتر از سایر شهرستان‌ها است. مناطقی مانند بندر انزلی و آستانه اشرفیه دارای کمترین میزان تولید انرژی هستند که به دلیل شرایط اقلیمی و پوشش ابری بیشتر است. شهرستان‌های رشت، لاهیجان، لنگرود و فومن عملکردی متوسط در مقایسه با سایر شهرستان‌ها دارد. در این مناطق، تابش خورشیدی نسبت به نواحی غربی گیلان کمتر است، اما همچنان برای احداث نیروگاه‌های خورشیدی مناسب محسوب می‌شود. روند تولید انرژی در ظرفیت‌های مختلف نشان می‌دهد که افزایش ظرفیت نیروگاه باعث افزایش تولید انرژی به صورت تقریباً خطی می‌شود

ارزیابی افت توان نیروگاه‌های خورشیدی در استان گیلان

جدول 2 عوامل اصلی افت توان نیروگاه‌های خورشیدی در ۱۶ شهرستان استان گیلان، یعنی افت توان، یعنی دمای ماژول، سطح تابش و موانع طبیعی (افق دید)، را بررسی می‌کند. این داده‌ها نشان‌دهنده وجود تفاوت‌های قابل‌توجه در بین شرایط اقلیمی، محیطی و جغرافیایی هر منطقه و تأثیر آن‌ها بر راندمان سیستم‌های خورشیدی است. به طور کلی، افت توان به دلیل دمای ماژول بالاترین مقادیر را در بین سه عامل دارد که نشان‌دهنده نقش حیاتی دمای ماژول در کاهش کارایی پنل‌های خورشیدی است. افت توان ناشی از دمای ماژول در تمام شهرستان‌ها بیش از ۴% است که نشان‌دهنده چالش مشترک دمای بالا در عملکرد پنل‌های خورشیدی در این استان است. در این بین، شهرستان رودبار با 75/6% بیشترین افت توان ناشی از دما را ثبت کرده، در حالی که آستارا با 48/4% کمترین مقدار را دارد. این تفاوت مربوط به شرایط اقلیمی خاص هر منطقه، میزان تابش خورشیدی، رطوبت بالا و دمای محیطی متفاوت، می‌باشد. افت توان ناشی از سطح تابش و موانع طبیعی نیز به ترتیب در بازه‌های 46/0% تا 0/95% و 0/37% تا 1/87% قرار دارند که نشان‌دهنده تأثیر کمتر این عوامل نسبت به دمای ماژول است. افت توان ناشی از سطح تابش، که به شدت تابش خورشید بستگی دارد، در رودبار با 46/0% کمترین و در بندر انزلی با 0/95% بیشترین مقدار را دارد. این تفاوت ممکن است به پوشش ابری بیشتر در مناطق ساحلی مانند انزلی مرتبط باشد که تابش مستقیم را کاهش می‌دهد. موانع طبیعی نیز در املش و رودبار با 1/87% بیشترین تأثیر را دارند که به دلیل وجود مناطق کوهستانی در این شهرستان‌ها قابل‌انتظار است، در حالی که بندر انزلی با 37/0% کمترین افت را نشان می‌دهد که با توپوگرافی هموار آن سازگار است.

جدول (1) عملکرد نیروگاه‌های خورشیدی در شهرستان‌های استان گیلان

ظرفیت نیروگاه خورشیدی				تابش خورشیدی بهینه (kWh/m2)	PR (%)	CF (%)	زاویه بهینه پنل (درجه)	شهرستان	ردیف
1 (MW)	500 (kW)	250 (kW)	100 (kW)	تابش خورشیدی بهینه (kWh/m2)	PR (%)	CF (%)	زاویه بهینه پنل (درجه)	شهرستان	ردیف
1549	775	391	153	1793	2/86	7/17	34	آستارا	1
1361	681	343	135	1601	8/48	5/15	30	آستانه اشرفیه	2
1516	759	383	150	1816	3/83	3/17	32	املش	3
1294	647	327	128	1515	2/85	8/14	32	بندر انزلی	4
1610	805	406	159	1887	1/85	4/18	34	تالش	5
1375	688	347	136	1620	9/84	7/15	30	رشت	6
1469	735	371	145	1728	8/84	8/16	31	رضوانشهر	7
1806	904	456	179	2616	2/83	6/20	34	رودبار	8
1495	748	377	148	1776	0/84	1/17	32	رودسر	9
1445	723	365	143	1714	1/84	5/16	32	سیاهکل	10
1442	721	364	143	1770	4/84	5/16	31	شفت	11
1424	712	359	141	1676	7/84	2/16	30	صومعه‌سرا	12
1440	720	363	142	1771	3/84	4/16	32	فومن	13
1416	708	357	140	1674	4/84	2/16	32	لاهیجان	14
1436	718	362	142	1708	8/83	4/16	32	لنگرود	15
1514	758	382	150	1786	5/84	3/17	31	ماسال	16

جدول (2) عوامل اصلی افت توان نیروگاه‌های خورشیدی

افت توان به دلیل دما ماژول(%)	افت توان به دلیل سطح تابش(%)	افت توان به دلیل موانع طبیعی(%)	شهرستان	ردیف
48/4	69/0	64/0	آستارا	1
74/5	87/0	47/0	آستانه اشرفیه	2
34/6	69/0	87/1	املش	3
25/5	95/0	37/0	بندر انزلی	4
68/4	62/0	64/1	تالش	5
80/5	84/0	64/0	رشت	6
89/5	74/0	58/0	رضوانشهر	7
75/6	46/0	87/1	رودبار	8
33/6	70/0	85/0	رودسر	9
05/6	76/0	08/1	سیاهکل	10
91/5	76/0	85/0	شفت	11
72/5	79/0	71/0	صومعه‌سرا	12
94/5	71/0	79/0	فومن	13
06/6	79/0	50/0	لاهیجان	14
18/6	71/0	04/1	لنگرود	15
86/5	69/0	04/1	ماسال	16

ارزیابی تأثیرات محیط زیستی نیروگاه‌های خورشیدی در استان گیلان

جدول 3 اطلاعات مربوط به میزان صرفه‌جویی در مصرف زغال‌سنگ (به کیلوگرم)، گاز طبیعی (به مترمکعب) و گازوئیل (به لیتر) را با استفاده از نیروگاه‌های فتوولتائیک خورشیدی در ظرفیت‌های مختلف برای 16 شهرستان استان گیلان نشان می‌دهد. نتایج نشان می‌دهد در هر سه سوخت، با افزایش ظرفیت نیروگاه، صرفه‌جویی به‌صورت خطی و متناسب افزایش می‌یابد، اما این کاهش در همه شهرستان‌ها روند یکنواختی ندارد. شهرستان رودبار بیشترین و بندر انزلی کمترین میزان صرفه‌جویی را ثبت کرده است که متناسب با عملکرد نیروگاه خورشیدی در این دو شهر می‌باشد. این داده‌ها نشان‌دهنده پتانسیل بالای انرژی خورشیدی در کاهش مصرف سوخت‌های فسیلی در استان گیلان است که در ظرفیت‌های بالاتر صرفه‌جویی چشمگیرتری را ایجاد می‌کند.

نتایج جدول 4 نشان میدهد که متناسب با کاهش مصرف سوخت‌های فسیلی، انتشار گازهای گلخانهای حاصل از احتراق سوخت‌های فسیلی به صورت خطی با افزایش ظرفیت نیروگاه خورشیدی کاهش مییابد. در بین سوختهای فسیلی،گاز طبیعی بیشترین سهم را در تولید انرژی با انتشار گازهای گلخانهای کمتر دارد، در حالی که زغال‌سنگ بالاترین میزان انتشار را دارد. این داده‌ها نشان می‌دهند که توسعه نیروگاه‌های خورشیدی و کاهش وابستگی به سوخت‌های فسیلی می‌تواند تأثیر بسزایی در کاهش انتشار گازهای گلخانه‌ای و بهبود کیفیت محیط زیست داشته باشد.

ارزیابی شاخص‌های اقتصادی احداث نیروگاه‌های خورشیدی در استان گیلان

جدول 5 بر اساس رابطه متقابل عملکرد سیستم، کاهش مصرف انرژی اولیه و اقتصاد، بخش نهایی این تحقیق پتانسیل فنی-اقتصادی نیروگاه‌های خورشیدی را در آب و هوای استان گیلان ارزیابی و مقایسه می‌کند. در این مطالعه نرخ تنزیل و تورم به ترتیب 23% و 40% و هزینه نگهداری، هزینه تعمیر و جایگزینی قطعات و هزینه اسقاط به ترتیب 1%، 0.5% و 2.5% هزینه سرمایه گذاری اولیه نیروگاه در نظر گرفته شده است. جدول 7 قیمت تجهیزات مورد نیاز احداث نیروگاه خورشیدی برای محاسبه هزینه سرمایه گذاری اولیه را نشان می‌دهد. شاخص‌های دوره بازپرداخت (PBP)و سود اوری سیستم (SPR) برای ظرفیت‌های مختلف نیروگاه‌های خورشیدی با در نظر گرفتن مولفه‌ها و متغیرهای بهینه، هزینه‌های اولیه و عملیاتی و طول عمر سیستم مقایسه شدند.

شکل 3 هزینه سرمایه‌گذاری اولیه برای احداث نیروگاه‌های خورشیدی با ظرفیت‌های مختلف را نشان می‌دهد. نتایج بدست آمده نشان می‌دهد که با افزایش ظرفیت نیروگاه‌های خورشیدی، هزینه به ازای هر واحد ظرفیت (هزینه به ازای هر کیلووات) کاهش می‌یابد، که نشان‌دهنده صرفه‌جویی‌های مقیاس، کاهش هزینه‌های نصب به ازای هر کیلووات و بهره‌وری بالاتر نیروگاه‌های بزرگ‌تر است. نتایج نشان می‌دهد هزینه هر کیلووات برای نیروگاه 100 کیلوواتی حدود 12660 ریال، 250 کیلوواتی حدود 11200 ریال، 500 کیلوواتی حدود 11000 ریال برای ۱ مگاواتی حدود 10500 ریال است. این کاهش هزینه نسبی در مقیاس‌های بزرگ‌تر می‌تواند سرمایه‌گذاری در نیروگاه‌های مگاواتی را جذاب‌تر کند.

جدول (3) کاهش مصرف سوخت‌های فسیلی

زغال سنگ (تن)				گاز طبیعی(مترمکعب)				گازوئیل(لیتر)				شهرستان	ردیف
1 MW	500kW	250kW	100kW	1 MW	500kW	250kW	100kW	1 MW	500kW	250kW	100kW	شهرستان	ردیف
1191	596	301	118	407526	203876	102837	40316	154860	77473	39078	15320	آستارا	1
1047	524	264	104	358184	179192	90389	35426	136110	68093	34348	13462	آستانه اشرفیه	2
1166	583	294	115	399000	199605	100684	39463	151620	75850	38260	14996	املش	3
995	498	251	98	340500	170374	85929	33676	129390	64732	32653	12797	بندر انزلی	4
1238	619	312	122	426632	211926	106897	41903	160980	80532	40621	15923	تالش	5
1057	529	267	105	361737	180966	91284	35779	137460	68767	34668	13596	رشت	6
1130	565	285	112	386658	193434	97571	38247	146930	73505	37077	14534	رضوانشهر	7
1390	695	351	137	475368	237821	119955	47029	180640	90372	45583	17871	رودبار	8
1150	575	290	114	393474	196845	99292	38913	149520	74801	37731	14787	رودسر	9
1111	556	280	110	380132	190171	95926	37592	144450	72265	36452	14285	سیاهکل	10
1109	555	280	110	379342	189768	95724	37518	144150	72112	36375	14257	شفت	11
1095	548	276	108	374632	187424	94539	37058	142360	71221	35925	14082	صومعه‌سرا	12
1107	554	279	110	378816	189508	95592	37466	143950	72013	36325	14237	فومن	13
1089	545	275	108	372658	186437	94042	36855	141610	70846	35736	14005	لاهیجان	14
1105	553	279	109	377895	189053	95361	37371	143600	71840	36237	14201	لنگرود	15
1165	583	294	115	398474	199345	100553	39421	151420	75751	38210	14980	ماسال	16

جدول (4) کاهش انتشار گازهای گلخانه‌ای

زغال سنگ (تن)				گاز طبیعی(مترمکعب)				گازوئیل(لیتر)				شهرستان	ردیف
1 MW	500kW	250kW	100kW	1 MW	500kW	250kW	100kW	1 MW	500kW	250kW	100kW	شهرستان	ردیف
1858	930	469	184	929	465	234	92	1394	697	352	138	آستارا	1
1633	817	412	162	817	409	206	81	1225	613	309	121	آستانه اشرفیه	2
1819	910	459	180	910	455	230	90	1365	683	344	135	املش	3
1553	777	392	154	776	388	196	77	1165	583	294	115	بندر انزلی	4
1932	966	487	191	966	483	244	96	1449	725	366	143	تالش	5
1650	825	416	163	825	413	208	82	1237	619	312	122	رشت	6
1763	882	445	174	882	441	222	87	1322	662	334	131	رضوانشهر	7
2168	1084	547	214	1084	542	273	107	1626	813	410	161	رودبار	8
1794	898	453	177	897	449	226	89	1346	673	340	133	رودسر	9
1733	867	437	171	867	434	219	86	1300	650	328	129	سیاهکل	10
1730	865	437	171	865	433	218	86	1297	649	327	128	شفت	11
1708	855	431	169	854	427	216	84	1281	641	323	127	صومعه‌سرا	12
1727	864	436	171	864	432	218	85	1296	648	327	128	فومن	13
1699	850	429	168	850	425	214	84	1274	638	322	126	لاهیجان	14
1723	862	435	170	862	431	217	85	1292	647	326	128	لنگرود	15
1817	909	459	180	909	455	229	90	1363	682	344	135	ماسال	16

جدول (5) قیمت تجهیزات نیروگاه فتوولتائیک خورشیدی

ردیف	شرح کالا	واحد	قیمت ( میلیون ریال)
1	پنل خورشیدی 550 وات	عدد	68
2	اینورتر 50 کیلو واتی	عدد	3000
3	اینورتر 250 کیلو واتی	عدد	5000
4	تابلو حفاظتی DC کوچک	عدد	80
5	تابلوهای DC اصلی	عدد	300
6	تابلوی AC کوچک	عدد	700
7	تابلو اصلی AC	عدد	800
8	استراکچر مخصوص	مجموعه	275
9	کابل DCمسی با مقطع mm2 6	متر	32/0
10	کابل AC مسی با مقطع mm2 25	متر	24/1
11	کابل ACاصلی مسی با مقطع mm2240	متر	23
12	کانکتور دو به یک	عدد	95/1
13	کانکتور یک به یک	عدد	525/0

$Project Path: C:\Users\HP\Documents\OriginLab\User Files\UNTITLED.opju PE Folder: /UNTITLED/Folder1/ Short Name: Graph1$

شکل (3) هزینه سرمایه‌گذاری اولیه برای ظرفیت‌های مختلف نیروگاه‌های خورشیدی

جدول 6 دوره بازگشت سرمایه را برای نیروگاه‌های خورشیدی با ظرفیت‌های مختلف (100 کیلووات، 250 کیلووات، 500 کیلووات و 1 مگاوات) را در 16 شهرستان استان گیلان نشان می‌دهد. این محاسبات بر اساس دو سناریوی اقتصادی انجام شده است: سناریوی اول مربوط به فروش برق تولیدشده به قیمت 22000 ریال به ازای هر کیلووات‌ ساعت و سناریوی دوم مربوط به خرید برق از تابلوسبز بورس انرژی به عنوان جریمه با قیمت ۲۰ درصد بالاتر از قیمت فروش برق تجدیدپذیر با توجه به ماده ۱۶ قانون جهش توسعه دانش بنیان تجدیدپذیر در ارتباط با تامین ۵ درصد برق مورد نیاز صنایع از نیروگاه‌های تجدیدپذیر برای مشترکین با دیماند بالای ۱ مگاوات تا سال ۱۴۰۵، می‌باشد. هدف از این تحلیل، بررسی اقتصادی بودن سرمایه‌گذاری در نیروگاه‌های خورشیدی در مناطق مختلف و در ظرفیت‌های متفاوت است. در هر دو سناریو، دوره بازگشت سرمایه برای نیروگاه‌ها بسته به ظرفیت و منطقه متفاوت است. به‌طور کلی، در تمامی مناطق، با افزایش ظرفیت نیروگاه خورشیدی، زمان بازگشت سرمایه کاهش می‌یابد. علاوه بر این، در سناریوی دوم، دوره بازگشت سرمایه به‌طور قابل‌توجهی کاهش می‌یابد. این کاهش به دلیل اختلاف قیمت بین برق تولیدشده توسط نیروگاه خورشیدی و برق سبز خریداری‌شده از بورس است که سودآوری بیشتری را برای سرمایه‌گذار به همراه دارد. داده‌ها نشان می‌دهد که برخی مناطق مانند رودبار بهترین بازگشت سرمایه را دارند، به‌طوری که یک نیروگاه 1 مگاواتی در آنجا تنها 7.45 سال (در مدل فروش به شبکه) و 3.72 سال (در مدل جایگزینی) نیاز دارد. در مقابل، مناطق مانند بندر انزلی بالاترین دوره بازگشت سرمایه را دارند (10.40 سال در مدل فروش و 5.20 سال در مدل جایگزینی). این تفاوت‌ها به دلیل شرایط اقلیمی به خصوص میزان تابش خورشیدی در مناطق مختلف است.

مقادیر ارائه شده در جدول 7، شاخص سودآوری سیستم (SP) را نشان می‌دهد که هر چه این شاخص بیشتر باشد، سودآوری پروژه بالاتر است. نتایج این جدول نشان می‌دهد که در هر دو سناریو، با افزایش ظرفیت نیروگاه، نرخ سودآوری نیز افزایش می‌یابد، در حالی که در سناریوی دوم، نرخ سودآوری به دلیل نرخ فروش بالاتر برق سبز به صنایع به‌طور قابل توجهی بالاتر است. نتایج نشان می‌دهد که دلیل میزان تابش خورشیدی متفاوت در بین مناطق مختلف استان گیلان، تفاوت قابل توجهی در شاخص سودآوری سیستم نیروگاه‌های خورشیدی در شهرستان‌های این استان وجود دارد به طوریکه این شاخص در مناطق جنوبی تر استان گیلان از جمله رودبار به دلیل میزان تابش بیشتر خورشید بیشتر، بالاتراست. در مقابل، شاخص سودآوری سیستم در مناطقی مانند بندر انزلی به دلیل میزان تابش خورشیدی کمتر و سطح تابش خورشیدی پراکنده بیشتر، پایین ترین مقدار خود را دارد.

جدول (6) دوره بازگشت سرمایه

نیروگاه				صنایع				شهرستان	ردیف
1 MW	500kW	2580kW	100kW	1 MW	500kW	250kW	100kW	شهرستان	ردیف
69/8	10/9	18/9	58/10	34/4	55/4	59/4	29/5	آستارا	1
88/9	35/10	44/10	04/12	94/4	18/5	22/5	02/6	آستانه اشرفیه	2
87/8	29/9	37/9	81/10	44/4	65/4	69/4	41/5	املش	3
40/10	89/10	98/10	67/12	20/5	44/5	49/5	33/6	بندر انزلی	4
36/8	75/8	83/8	18/10	18/4	38/4	41/4	09/5	تالش	5
79/9	25/10	34/10	92/11	89/4	12/5	17/5	96/5	رشت	6
15/9	59/9	67/9	16/11	58/4	79/4	84/4	58/5	رضوانشهر	7
45/7	80/7	87/7	07/9	72/3	90/3	93/3	54/4	رودبار	8
00/9	42/9	51/9	96/10	50/4	71/4	75/4	48/5	رودسر	9
31/9	75/9	84/9	35/11	66/4	88/4	92/4	67/5	سیاهکل	10
33/9	77/9	86/9	37/11	67/4	89/4	93/4	69/5	شفت	11
45/9	90/9	98/9	51/11	72/4	95/4	99/4	76/5	صومعه‌سرا	12
34/9	79/9	87/9	39/11	67/4	89/4	94/4	69/5	فومن	13
50/9	95/9	04/10	58/11	75/4	97/4	02/5	79/5	لاهیجان	14
37/9	81/9	90/9	42/11	68/4	91/4	95/4	71/5	لنگرود	15
88/8	30/9	39/9	82/10	44/4	65/4	69/4	41/5	ماسال	16

جدول (7) شاخص سودآوری سیستم

نیروگاه				صنایع				شهرستان	ردیف
1 MW	500kW	250kW	100kW	1 MW	500kW	250kW	100kW	شهرستان	ردیف
62/0	54/0	53/0	30/0	12/2	97/1	94/1	52/1	آستارا	1
40/0	33/0	32/0	12/0	71/1	58/1	56/1	19/1	آستانه اشرفیه	2
59/0	50/0	49/0	27/0	05/2	90/1	87/1	46/1	املش	3
32/0	25/0	24/0	05/0	57/1	45/1	42/1	07/1	بندر انزلی	4
70/0	61/0	59/0	36/0	25/2	09/2	06/2	63/1	تالش	5
42/0	35/0	33/0	13/0	74/1	61/1	59/1	22/1	رشت	6
53/0	45/0	44/0	22/0	95/1	80/1	78/1	38/1	رضوانشهر	7
93/0	83/0	81/0	55/0	67/2	49/2	46/2	97/1	رودبار	8
56/0	48/0	47/0	24/0	00/2	86/1	83/1	43/1	رودسر	9
50/0	42/0	41/0	20/0	89/1	75/1	73/1	34/1	سیاهکل	10
50/0	42/0	41/0	19/0	89/1	75/1	72/1	33/1	شفت	11
48/0	40/0	39/0	18/0	85/1	71/1	68/1	30/1	صومعه‌سرا	12
50/0	42/0	40/0	19/0	88/1	74/1	72/1	33/1	فومن	13
47/0	39/0	38/0	17/0	83/1	69/1	67/1	29/1	لاهیجان	14
49/0	41/0	40/0	19/0	87/1	74/1	71/1	32/1	لنگرود	15
58/0	50/0	49/0	26/0	04/2	90/1	87/1	46/1	ماسال	16

بحث و نتیجه‌گیری

در این مطالعه یک ارزیابی جامع بر روی پتانسیل فنی-اقتصادی نیروگاه‌های فتوولتائیک خورشیدی و تاثیر آن‌ها در کاهش انتشار گاز‌های گلخانه ای در شرایط اقلیمی استان گیلان انجام شد. در این تحقیق از نرم افزار PVsyst و داده‌های آب و هوای پایگاه داده اقلیمی ناسا برای تحلیل پارامتری، شبیه سازی عملکرد و بهینه‌سازی این نیروگاه‌ها استفاده شد. سپس، پتانسیل فنی-اقتصادی-محیط زیستی نیروگاه‌های فتوولتائیک خورشیدی از طریق جزیه و تحلیل حساسیت، ارزیابی انرژی، و تجزیه و تحلیل فنی-اقتصادی مورد ارزیابی قرار گرفت. یافته‌ها نشان داد:

تنوع اقلیمی استان گیلان بر کارایی نیروگاه‌های خورشیدی تأثیرگذار است. در این تحقیق، تابش خورشیدی، دمای محیط، رطوبت نسبی و سرعت باد بررسی شده‌اند. نتایج نشان می‌دهد رودبار با kWh/m² 1861 بالاترین تابش کلی را دارد، در حالی که بندر انزلی با kWh/m² 1384 کمترین میزان را ثبت کرده است. همچنین، تابش پراکنده در بیشتر مناطق بین 40% تا 60% است که باید در طراحی نیروگاه‌ها لحاظ شود. دمای متوسط سالانه بین C° 10 (تالش) تا C° 17 (بندر انزلی) متغیر است. و دمای بالا می‌تواند راندمان پنل‌ها را کاهش دهد. رطوبت نسبی بین 68% (رودبار) تا 74% (تالش و آستارا) و سرعت باد بین 1.51 متر بر ثانیه (آستارا) تا 3.14 متر بر ثانیه (آستانه اشرفیه) متغیر است. باد در آستانه اشرفیه و بندر انزلی به خنک‌سازی کمک می‌کند، اما نیاز به سازه‌های مقاوم‌تر دارد.

زاویه بهینه پنل‌های خورشیدی در استان گیلان بین ۳۰ تا ۳۴ درجه است که با عرض جغرافیایی منطقه سازگار بوده اما به دلیل شرایط اقلیمی کمی کمتر از مقدار تئوریک است. بیشینه تابش خورشیدی در رودبار با kWh/m² 2166 بالاترین و در بندر انزلی با kWh/m² 1515 کمترین مقدار را دارد. رودبار، تالش و آستارا بهترین گزینه‌ها برای نیروگاه‌های خورشیدی هستند، در حالی که بندر انزلی و آستانه اشرفیه به دلیل پوشش ابری کمتر مناسب‌اند. شهرستان‌های رشت، لاهیجان، لنگرود و فومن عملکردی متوسط دارند. افزایش ظرفیت نیروگاه‌ها به‌طور خطی تولید انرژی را افزایش می‌دهد.

عوامل اصلی افت توان نیروگاه‌های خورشیدی در گیلان شامل دمای ماژول، سطح تابش و موانع طبیعی است. افت توان ناشی از دمای ماژول بیشترین تأثیر را دارد و در تمام شهرستان‌ها بالای ۴% است. رودبار با ۶.۷۵٪ بیشترین و آستارا با 48/4% کمترین افت توان ناشی از دما را دارد. افت توان ناشی از سطح تابش بین 46/0% (رودبار) تا 0/95% (بندر انزلی) و افت توان ناشی از موانع طبیعی بین 37/0% (بندر انزلی) تا 87/1% (املش و رودبار) متغیر است. این داده‌ها نشان‌دهنده تأثیر بیشتر دما نسبت به سایر عوامل در کاهش کارایی نیروگاه‌های خورشیدی هستند.

استفاده از نیروگاه‌های خورشیدی در گیلان موجب صرفه‌جویی در مصرف سوخت‌های فسیلی در نیروگاه‌های حرارتی و ژنراتورها مانند زغال‌سنگ، گاز طبیعی و گازوئیل شده و با افزایش ظرفیت نیروگاه، این صرفه‌جویی به‌صورت خطی افزایش می‌یابد. رودبار بیشترین و بندر انزلی کمترین میزان صرفه‌جویی را دارد. همچنین، کاهش مصرف سوخت‌های فسیلی منجر به کاهش انتشار گازهای گلخانه‌ای می‌شود. گاز طبیعی کمترین و زغال‌سنگ بیشترین میزان انتشار را دارد. افزایش ظرفیت نیروگاه‌ها به‌صورت خطی انتشار گازهای گلخانه‌ای را کاهش می‌دهد. گاز طبیعی کمترین و زغال‌سنگ بیشترین انتشار را دارد. توسعه نیروگاه‌های خورشیدی می‌تواند وابستگی به سوخت‌های فسیلی را کم کرده و به بهبود محیط زیست کمک کند.

با افزایش ظرفیت نیروگاه‌های خورشیدی، هزینه تولید برق به ازای هر کیلووات کاهش می‌یابد، که نشان‌دهنده صرفه‌جویی مقیاس و بهره‌وری بیشتر نیروگاه‌های بزرگ‌تر است. شاخص‌های اقتصادی دوره بازگشت سرمایه و سودآوری سیستم در دو سناریو (فروش برق به قیمت ۲۲۰۰۰ ریال/کیلووات‌ساعت و جایگزینی با برق سبز بورس با ۲۰% قیمت بالاتر) محاسبه شده است. دوره بازگشت سرمایه بسته به ظرفیت و منطقه متفاوت است. با افزایش ظرفیت، دوره بازگشت کاهش می‌یابد که این کاهش در سناریوی دوم به میزان قابل‌توجهی بیشتر می‌باشد. رودبار کمترین دوره بازگشت سرمایه را دارد (45/7 سال در سناریو اول و 72/3 سال در سناریو دوم)، در حالی که بندر انزلی بیشترین زمان بازگشت را ثبت کرده است (10.40 و 5.20 سال). شاخص سودآوری سیستم نشان می‌دهد که با افزایش ظرفیت نیروگاه، سودآوری نیز افزایش می‌یابد، در حالی که در سناریوی دوم، این شاخص به دلیل نرخ فروش بالاتر برق سبز به صنایع به طور قابل‌توجهی بیشتر است. این شاخص در مناطق جنوبی گیلان مانند رودبار، به دلیل تابش خورشیدی بیشتر، بالاترین مقدار را دارد، در حالی که در بندر انزلی، به دلیل تابش کمتر و پراکندگی بیشتر، پایین‌ترین مقدار ثبت شده است.

فهرست علائم

Ac	مساحت پنل	Lf	طول عمر سیستم
CF	ضریب عملکرد	mn	شاخص نگهداری
Cfuel	ضریب تبدیل مخصوص سوخت	Pt	قیمت انرژی اولیه
Cinv	هزینه سرمایه گذاری	PBP	دوره بازگشت سرمایه
Egrid	انرژی تولید شده در نیروگاه	Qsave	انرژی اولیه ذخیره شده
EFgrid	ضریب انتشار گازهای گلخانه‌ای	PR	نسبت عملکرد
Enom	ظرفیت اسمی نیروگاه	r	شاخص تعمیرات
Fsaved	مقدار انرژی اولیه ذخیره شده	SP	سودآوری سیستم
GT	تابش خورشیدی رو سطح شیبدار	T	زمان
GHGreduced	شاخص کاهش گاز‌های گلخانه ای	module η	بازده پنل خورشیدی
i	نرخ بهره واقعی

منابع

اسلامی اندارگلی، مجید و روازدژ، فردانه (1393). واکاوی موانع اقتصادی عدم توسعه نیروگاههای فتوولتاییک در کشور،اولین کنفرانس و نمایشگاه بین المللی انرژی خورشیدی، تهران،

حافظی, رضا و رحیمی راد, زهره . (1403). مشارکت اجتماعی و نقش آن در حل چالش ناترازی انرژی. مطالعات راهبردی سیاستگذاری عمومی, 14(52), 82-102. doi: 10.22034/sspp.2024.2036820.3688

صیادی‌، محمد و مرادی‌، فرزانه و آریافر، محمدرضا (1402). تحلیل علل و آثار ناترازی گازی کشور از منظر امنیت انرژی، نشریه اکتشاف و تولید نفت و گاز، دوره 1402، شماره 208

فلاح قالهری، غلامعباس واسدی، مهدی وانتظاری، علیرضا(1394). ناحیه بندی آب و هوایی استان گیلان با روش های چند متغیره، نشریه: جغرافیا و برنامه ریزی، دوره:19، شماره54، صفحات 235-251

Ahmadi, M., & Hadi, K. (2018). Assessment of solar radiation potential in Iran for photovoltaic applications. Proceedings of the International Renewable Energy Conference. Civilica. Retrieved from https://civilica.com/doc/697376.

An, y., Kim, J., Joo, H., Lee, W. (2023). Gwang-woo Han, Haneul Kim, Min-Hwi Kim, Experimental performance analysis of photovoltaic systems applied to an positive energy community based on building renovation, Renewable Energy, Volume 219, Part 1, 119369.

Dong, C., Zhong, Q. (2025). Evaluating solar photovoltaic potential of buildings based on the installation parameters of photovoltaic modules, Solar Energy, Volume 288, 113304.

Global Solar Atlas, 2025. [Online]. Available: https://globalsolaratlas.info/map.

Hakemzadeh, M. H., Sopian, K., Fazlizan Abdullah, A., Jarimi, H., Fauzan, M. F., Ibrahim, A. (2022). Technoeconomics of solar thermal-assisted sorption cooling systems under tropical climate condition – A case of Malaysia, Energy Conversion and Management: X, Volume 16, 100305.

Hakemzadeh, M. H., Sopian, K., Kazem, H. A., Al-Waeli, A. (2024). Miqdam Tariq Chaichan, Evaluating the techno-economic viability of different solar collectors integrated into an adsorption cooling system in tropical climate conditions, Solar Energy, Volume 268, 112304.

Hakemzadeh, M.H., Ibrahim, A., Sopian, K., Abd Hamid, A.S., Jarimi, H. (2023). Incorporating theoretical and practical approaches to assess the amount of sunlight captured by a tilted surface in a tropical climate, Heliyon, Volume 9, Issue 3, e14661,

Intergovernmental Panel on Climate Change. (2006). 2006 IPCC Guidelines for National Greenhouse Gas Inventories. IGES. Retrieved from https://www.ipcc-nggip.iges.or.jp/public/gl/ guidelin/

Jafari, S., Ghanbari, A., & Ebrahimi, H. (2020). Potential assessment of solar photovoltaic power plants in Iran based on geographical and climatic factors. Journal of Geographic Space and Technology, 15(4), 123-136. Retrieved from https://jgst.issgeac.ir/article-1-842-fa.html

Kumar Sahoo, S. (2016). Renewable and sustainable energy reviews solar photovoltaic energy progress in India: A review, Renewable and Sustainable Energy Reviews, Volume 59, Pages 927-939.

NASA. (n.d.). Prediction of Worldwide Energy Resources (POWER). NASA Langley Research Center. Retrieved Jan 4, 2025, from https://power.larc.nasa.gov

Olatayo, K. H., Wichers, J.H., Stoker, P.W. (2018). Energy and economic performance of small wind energy systems under different climatic conditions of South Africa, Renewable and Sustainable Energy Reviews, Volume 98, Pages 376-392.

Rahmani, R., & Norouzi, M. (2021). Multi-criteria decision-making methods for solar energy site selection using GIS in Iran. Journal of Renewable and Sustainable Energy Studies, 9(3), 78-89. Retrieved from https://ensani.ir/fa/article/372842

Rashid, N., Kabir, M. H. (2024). Greenhouse Gas Emission Reduction through Electricity Generation from Solar Photovoltaic Systems: A Study in Dhaka. The Dhaka University Journal of Earth and Environmental Sciences. 12. 1-8.

U.S. Environmental Protection Agency.GHG Emission Factors Hub. EPA, 2023. https://www.epa.gov/system/files/documents/2023-03/ghg_emission_factors_hub.pdf

Share To

Article Url

Techno-Economic Evaluation of Solar Photovoltaic Power Plants in Gilan Province

Rimag

Links

Related Centers

Technical Support

Official pages