Heterogeneous Wind Farm Site Selection

Öz

All production and consumption activities in the world require electrical energy. Population growth and the development of technology further increase this need, resulting in rapid consumption of natural resources. Since energy use is mandatory in all areas today, the need for renewable energy also increases in parallel with this requirement. Although renewable energy sources are natural and unlimited, their potential for use varies by region. Although Turkey's wind potential is favorable for obtaining wind energy, the production rate is less than in foreign countries. Therefore, choosing the most suitable region to establish an efficient wind farm is an important decision problem. In this study, it has been decided that a new wind farm to be established will have wind turbines both on land and at sea in order to benefit from wind energy at the highest rate in Turkey. First of all, a preliminary elimination was made using the Turkish wind map and electricity consumption data on the basis of provinces. Since selection problems depend on more than one measure in real life, the Analytical Network Process (ANP), a Multi-Criteria Decision Making (MCDM) technique, was used as a solution approach in this study. Based on the criteria determined, as a result of the bilateral comparisons of a decision-making group consisting of experts in the energy sector, it was determined that the most suitable province for a wind turbine farm to be established was İzmir. With this study, the most suitable location for a wind farm to be established both on land and at sea was determined with a systematic approach, and a contribution was made to the literature in this respect.

Anahtar Kelimeler

• Renewable Energy
• Wind Energy
• Multi-Criteria Decision Making
• ANP

Proje Numarası

21LTP014

Heterojen Rüzgâr Çiftliği Saha Seçimi

Öz

Dünyada gerçekleşen bütün üretim ve tüketim faaliyetleri elektrik enerjisine ihtiyaç duyar. Nüfus artışı ve teknolojinin gelişimi, bu ihtiyacı daha da arttırarak doğal kaynakların hızlı bir şekilde tüketilmesine neden olur. Günümüzde her alanda enerji kullanımı zorunlu olduğundan, yenilenebilir enerjiye olan ihtiyaç da bu zorunluluğa paralel olarak artar. Yenilenebilir enerji kaynakları doğal ve sınırsız olarak bulunsa da kullanım potansiyeli bölgelere göre değişiklik gösterir. Türkiye’de rüzgâr potansiyeli, rüzgâr enerjisi eldesine elverişli olmasına rağmen üretim oranı dış ülkelere göre daha azdır. Bu nedenle, verimli bir rüzgâr çiftliğinin kurulması için en uygun bölgenin seçilmesi önemli bir karar problemidir. Bu çalışmada, Türkiye’de rüzgâr enerjisinden en fazla oranda yararlanabilmek için, kurulacak yeni bir rüzgâr çiftliğinin hem karada hem de denizde rüzgâr türbinlerinin olmasına karar verilmiştir. Öncelikle, Türkiye rüzgâr haritası ve iller temelinde elektrik tüketim verilerinden yararlanılarak bir ön eleme yapılmıştır. Seçim problemleri gerçek hayatta birden fazla ölçüte bağlı olduğundan, bu çalışmada çözüm yaklaşımı olarak bir Çok Ölçütlü Karar Verme (ÇÖKV) tekniği olan Analitik Ağ Süreci (ANP) kullanılmıştır. Belirlenen ölçütler temelinde, enerji sektöründeki uzmanlardan oluşan bir karar verici grubunun ikili karşılaştırmaları sonucunda, kurulacak bir rüzgâr türbini çiftliği için en uygun ilin İzmir olduğu belirlenmiştir. Bu çalışma ile aynı anda hem kara hem denizde kurulacak bir rüzgâr çiftliği için en uygun yer seçimi sistematik bir yaklaşım ile belirlenmiş, literatüre de bu açıdan bir katkı sunulmuştur.

Anahtar Kelimeler

• Yenilenebilir Enerji
• Rüzgâr Enerjisi
• Çok Ölçütlü Karar Verme
• ANP

Destekleyen Kurum

TÜBİTAK 2209/A programı ve Eskişehir Teknik Üniversitesi Bilimsel Araştırmalar Komisyonu

Proje Numarası

21LTP014

Teşekkür

Bu çalışma TÜBİTAK 2209/A programı ve Eskişehir Teknik Üniversitesi Bilimsel Araştırmalar Komisyonu Proje No: 21LTP014 tarafından desteklenmektedir.

Kaynakça

1. Yıldız, E. (2019). Türkiye’de yenilenebilir enerji kaynakları, uygulama: Güneş enerji santrali ve rüzgâr enerji santrali kuruluş maliyetleri (Master's thesis, Trakya Üniversitesi Sosyal Bilimler Enstitüsü).
2. TEİAŞ (2019). 2019 Yılı Elektrik Üretim-Tüketim Raporları. Erişim adresi: https://www.teias.gov.tr/tr- TR/aylik-elektrik-uretim-tuketim-raporlari
3. Tortumluoğlu, M. İ., & Doğan, M. Açık Deniz Rüzgâr Türbinleri için Uygun Yer Seçim Kriterlerinin İrdelenmesi ve Kuzey Ege Kıyılarına Uygulanması. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 23(67), 25-41.
4. Can, G., & Yücel, M. A. (2019). Coğrafi Bilgi Sistemleri ve Analitik Hiyerarşi Prosesi Kullanarak Rüzgâr Enerji Santralleri İçin Yer Tespiti, 17. Türkiye Harita Bilimsel ve Teknik Kurultayı, 25-27.
5. Fatih, E. C. E. R. (2021). FUCOM sübjektif ağırlıklandırma yöntemi ile rüzgâr çiftliği yer seçimini etkileyen faktörlerin analizi. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 27(1), 24-34.
6. Bahadır Şimşek, A. (2014). Coğrafi Bilgi Sistemleri Tabanlı Çok Kriterli Karar Analizinin Rüzgâr Türbini Yer Seçim Probleminde Uygulanması (Master's thesis, Sosyal Bilimler Enstitüsü).
7. Solangi, Y. A., Tan, Q., Khan, M. W. A., Mirjat, N. H., & Ahmed, I. (2018). The selection of wind power project location in the Southeastern Corridor of Pakistan: a factor analysis, AHP, and fuzzy-TOPSIS application. Energies, 11(8), 1940.
8. Sennaroglu, B., & Celebi, G. V. (2018). A military airport location selection by AHP integrated PROMETHEE and VIKOR methods. Transportation Research Part D: Transport and Environment, 59, 160-173.

9. Athawale, V. M., Chatterjee, P., & Chakraborty, S. (2012). Decision making for facility location selection using PROMETHEE II method. International Journal of Industrial and Systems Engineering 1, 11(1-2), 16-30.
10. Wiguna, K. A., Sarno, R., & Ariyani, N. F. (2016, October). Optimization solar farm site selection using multi- criteria decision making fuzzy AHP and PROMETHEE: case study in Bali. In 2016 International Conference on Information & Communication Technology and Systems (ICTS) (pp. 237-243). IEEE.
11. Villacreses, G., Gaona, G., Martínez-Gómez, J., & Jijón, D. J. (2017). Wind farms suitability location using geographical information system (GIS), based on multi-criteria decision making (MCDM) methods: The case of continental Ecuador. Renewable energy, 109, 275-286.
12. Lee, W. S. (2014). A new hybrid MCDM model combining DANP with VIKOR for the selection of location— real estate brokerage services. International Journal of Information Technology & Decision Making, 13(01), 197-224.
13. Talinli, I., Topuz, E., Aydin, E., & Kabakcı, S. B. (2011). A holistic approach for wind farm site selection by FAHP. Wind farm: technical regulations, potential estimation and siting assessment. InTech, Croatia, 3(1), 213-234.
14. Al-Shabeeb, A. R., Al-Adamat, R., & Mashagbah, A. (2016). AHP with GIS for a preliminary site selection of wind turbines in the North West of Jordan. International Journal of Geosciences, 7(10), 1208.
15. Wang, C. N., Huang, Y. F., Chai, Y. C., & Nguyen, V. T. (2018). A multi-criteria decision making (MCDM) for renewable energy plants location selection in Vietnam under a fuzzy environment. Applied Sciences, 8(11), 2069. Sánchez-Lozano, J. M., García-Cascales, M. S., & Lamata, M. T. (2014). Identification and selection of potential sites for onshore wind farms development in Region of Murcia, Spain. Energy, 73, 311-324.
16. Yeh, T. M., & Huang, Y. L. (2014). Factors in determining wind farm location: Integrating GQM, fuzzy DEMATEL, and ANP. Renewable Energy, 66, 159-169.
17. Ghosh, S., Chakraborty, T., Saha, S., Majumder, M., & Pal, M. (2016). Development of the location suitability index for wave energy production by ANN and MCDM techniques. Renewable and Sustainable Energy Reviews, 59, 1017-1028.
18. TÜREB (2019, Temmuz). Türkiye Rüzgâr Enerjisi İstatistik Raporu. Erişim adresi https://tureb.com.tr//lib/uploads/4e77501b714739a9.pdf TÜREB (2019, Temmuz). GWEC Global Wind Report. Erişim adresi https://tureb.com.tr//lib/uploads/12288d020bbbcd29.pdf
19. T.C. Enerji ve Tabii Kaynaklar Bakanlığı (2007) Rüzgâr Enerji Potansiyeli Atlası. Erişim adresi: https://enerji.gov.tr/enerji-isleri-genel-mudurlugu-kaynaklar
20. T.C. Enerji Piyasası Düzenleme Kurumu. (2018). Elektrik Piyasası Sektör Raporu: Ocak 2018. Erişim adresi: https://www.epdk.gov.tr/Detay/Icerik/3-0-23/elektrikaylik-sektor-raporlar
21. T.C. Enerji Piyasası Düzenleme Kurumu. (2019). Elektrik Piyasası Sektör Raporu: Ocak 2019. Erişim adresi: https://www.epdk.gov.tr/Detay/Icerik/3-0-23/elektrikaylik-sektor-raporlar
22. Türkiye Nüfusu. (2018). Türkiye İl ve İlçelere Göre Nüfusu. Erişim adresi: https://www.nufusu.com/ Türkiye Nüfusu. (2019). Türkiye İl ve İlçelere Göre Nüfusu. Erişim adresi: https://www.nufusu.com/ T.C. Enerji Piyasası Düzenleme Kurumu. (2016). Elektrik Piyasası Sektör Raporu: Ocak 2016. Erişim adresi: https://www.epdk.gov.tr/Detay/Icerik/3-0-23/elektrikaylik-sektor-raporlar
23. T.C. Enerji Piyasası Düzenleme Kurumu. (2017). Elektrik Piyasası Sektör Raporu: Ocak 2017. Erişim adresi: https://www.epdk.gov.tr/Detay/Icerik/3-0-23/elektrikaylik-sektor-raporlar
24. T.C. Enerji Piyasası Düzenleme Kurumu. (2020). Elektrik Piyasası Sektör Raporu: Ocak 2020. Erişim adresi: https://www.epdk.gov.tr/Detay/Icerik/3-0-23/elektrikaylik-sektor-raporlar
25. T.C. Sanayi ve Teknoloji Bakanlığı. (2018). 81 İl Sanayi Durum Raporu:2018 yılı. Erişim Adresi: https://www.sanayi.gov.tr/plan-program-raporlar-ve-yayinlar/81-il-sanayi-durum-raporlari
26. Saaty, T. L. (1996). Decision making with dependence and feedback: The analytic network process (Vol. 4922). Pittsburgh: RWS publications.
27. YILDIZ, A. (2014). EN İYİ ÜNİVERSİTE SEÇİMİNDE ANALİTİK AĞ PROSESİNİN KULLANIMI. İleri Teknoloji Bilimleri Dergisi, 3(2), 108-119.
28. Sagir, M., & Ozturk, Z. K. (2010). Exam scheduling: Mathematical modeling and parameter estimation with the Analytic Network Process approach. Mathematical and Computer Modelling, 52(5-6), 930-941.
29. ÖZTÜRK, Z. K. (2014). Using a multi criteria decision making approach for Open and distance learning system selection. Anadolu Üniversitesi Bilim ve Teknoloji Dergisi A-Uygulamalı Bilimler ve Mühendislik, 15(1), 1-14.
30. Yang, Y. P. O., Shieh, H. M., Leu, J. D., & Tzeng, G. H. (2008). A novel hybrid MCDM model combined with DEMATEL and ANP with applications. International journal of operations research, 5(3), 160-168. Özcan, E. C., Ünlüsoy, S., & Tamer, E. R. E. N. (2017). ANP ve TOPSIS yöntemleriyle türkiye'de yenilenebilir enerji yatirim alternatiflerinin değerlendirilmesi. Selçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisi, 5(2), 204-219.
31. Arı, S. E. (2017). Rüzgâr enerji santrali kuruluş yeri seçimi için farklı yaklaşımlar: bir model önerisi ve Türkiye’de bir uygulama. (Phd thesis, Gazi Üniversitesi Yönetim Bilişim Sistemleri Anabilim Dalı).
32. SARUCAN, A., AKKOYUNLU, M. C., & Aydoğan, B. A. Ş. (2010). Analitik hiyerarşi proses yöntemi ile rüzgâr türbin seçimi. Selçuk Üniversitesi Mühendislik, Bilim ve Teknoloji Dergisi, 25(1), 11-18.Baban, S. M., & Parry, T. (2001). Developing and applying a GIS-assisted approach to locating wind farms in the UK. Renewable energy, 24(1), 59-71.
33. Van Haaren, R., & Fthenakis, V. (2011). GIS-based wind farm site selection using spatial multi-criteria analysis (SMCA): Evaluating the case for New York State. Renewable and sustainable energy reviews, 15(7), 3332- 3340.
34. Fetanat, A., & Khorasaninejad, E. (2015). A novel hybrid MCDM approach for offshore wind farm site selection: A case study of Iran. Ocean & Coastal Management, 109, 17-28