Pridobivanje sončne energije v Sloveniji
| Avtorica: Stella Heath |
Slovenija uvaža več kot 50 % svoje energije in je za proizvodnjo električne energije še vedno močno odvisna od fosilnih goriv (IEA, 2022). Energetski sektor države se trenutno sooča s številnimi negotovostmi, saj naj bi se termoelektrarna v Šoštanju, ki proizvede 20 % domače električne energije (IEA, 2022), predvidoma zaprla pred letom 2032 (ITA, 2024; Š., 2024). Javno mnenje o postavitvi druge jedrske elektrarne je deljeno (ITA, 2024). Tudi v primeru postavitve nove jedrske elektrarne bodo potrebni drugi viri energije za premostitev energetske vrzeli, dokler ta ne začne delovati. Za Slovenijo je strateško pomembno zmanjšati odvisnost od uvoza, kot se je pokazalo tudi z vojno v Ukrajini (ITA, 2024).
Članek je bil objavljen v reviji ESG 199-200.
Glede na energetsko negotovost in na nujnost zmanjšanja emisij toplogrednih plinov (TPG) za blažitev podnebnih sprememb izvaja Vlada Republike Slovenije zakonodajo za povečanje deleža obnovljivih virov energije (OVE) (Vlada RS, 2020). Ker je večina hidroenergetske zmogljivosti v državi že izkoriščene, se Slovenija osredotoča na sončno energijo kot glavni in najbolj okoljsko in tehnično sprejemljiv obnovljiv vir za prihodnost (Vlada RS, 2024). Vlada je namreč napovedala, da bo v okviru Nacionalnega energetskega in podnebnega načrta (NEPN) do leta 2040 v Sloveniji pridobljeno 3,2–9 TWh elektrike iz sončnih elektrarn (Vlada RS, 2024). 80 % te energije bi dobavljale srednje velike in velike sončne elektrarne z zmogljivostjo od 100 do 600 kWh, na degradiranih območjih pa do 1.000 kWh (Vlada RS, 2020).
Večji del Slovenije je neprimeren za postavitev sončnih elektrarn zaradi visoke gozdne površine (58 %) ter gorskega in hribovitega terena (Slika 1) (Tič, 2019; Shao et al., 2020). Strateška umestitev sončnih elektrarn je posledično ključna za optimizacijo rabe razpoložljivih zemljišč, saj poveča energetsko učinkovitost in zmanjša stroške (Colak et al., 2020). Kvantifikacija potencialne proizvodnje sončne energije je pomembna in je lahko podlaga Vladi za odločitev, v kolikšni meri razvijati tudi druge OVE, hkrati pa omogoča tudi identifikacijo regij, kjer potencial proizvodnje sončne energije presega obstoječe zmogljivosti električnega omrežja, in je potrebna pravočasna nadgradnja omrežja.
Za kvantifikacijo potencialne proizvodnje sončne energije predlagamo oceno primernosti zemljišč za srednje in velike sončne elektrarne v Sloveniji z uporabo hibridne metodologije geografskih informacijskih sistemov in večkriterijske odločitvene analize. Specifično gre za uporabo analitičnega hierarhičnega procesa (AHP), ki je najpogosteje uporabljena metoda večkriterijske odločitvene analize za ocenjevanje lokacij (Shao et al., 2020) in hierarhično strukturira cilje in kriterije za odločanje (Sánchez-Lozano et al., 2013).
Metodologija za izbiro območij za sončne elektrarne
Primernost območij za namestitev sončnih elektrarn ni odvisna le od potencialne sončne energije, temveč tudi od drugih okolijskih, gospodarskih in tehničnih dejavnikov (Uyan, 2013; Colak et al., 2020). Za obravnavo potrebe po iskanju optimalnih prostorskih kombinacij številnih meril se za izbiro lokacije za izkoriščanje OVE vse pogosteje uporabljajo kombinacije metode geografskih informacijskih sistemov (GIS) in večkriterijske odločitvene analize (ang. Geographic Information Systems and Multicriteria Decision Analysis) (Shao et al., 2020). GIS omogoča sistematično zbiranje, upravljanje in vizualizacijo prostorskih podatkov, ki prispevajo k primernosti lokacije (Sánchez-Lozano et al., 2013). Večkriterijska odločitvena analiza podpira kompleksno odločanje, saj omogoča transparentno vključitev strokovnjakov in deležnikov in pregledno in sistematično opredelitev pomembnosti kriterijev (Lozano et al., 2013; Uyan, 2013; Colak et al., 2017; Shao et al., 2020). Zaradi koristi večkriterijske odločitvene analize je integrirani pristop pogosto bolj koristen za izbiro primernih območij kot izključno GIS analiza (Pušnik in Sučić, 2014; Colak et al., 2020). Kljub pogosti uporabi v mednarodni literaturi in njeni koristnosti je v Sloveniji uporaba hibridne metodologije geografskih informacijskih sistemov (GIS) in večkriterijske odločitvene analiza za izbiro primernih območij za OVE še zelo neraziskana.
Predstavitev metodologije
Kriteriji in uteži
Za pridobitev kriterijev za izbiro lokacije za pridobivanje sončne energije je potrebno opraviti pregled literature (Shao et al., 2020). Prva vrsta kriterijev so izključitveni kriteriji, ki geografska območja opredelijo kot neprimerna za pridobivanje sončne energije (Shao et al., 2020) (Preglednica 1). Druga vrsta so tehtani kriteriji (Shao et al., 2020) (Preglednica 2). Na primernost lokacije vplivajo stroški gradnje sončnih elektrarn, ki jih je mogoče zmanjšati z zmanjšanjem razdalje do cest in daljnovodov ter z zmanjšanjem naklona terena (Colak et al., 2020). Poleg tega je energetska učinkovitost višja na območjih, obrnjenih proti jugu, in na območjih z visokim potencialom sončne energije (Al Garni in Aswathi, 2017). Izgube pri prenosu se lahko zmanjšajo tako, da se sončni kolektorji postavijo bližje stanovanjskim območjem, ki imajo veliko povpraševanje po energiji (Uyan, 2013). Kljub temu se je potrebno izogibati neposredni bližini stanovanjskih območij in cest zaradi estetskih razlogov in morebitnih učinkov bleščanja (Preglednica 1) (Colak et al., 2020). Uporaba degradiranih ali nerodovitnih območij za proizvodnjo sončne energijo je koristna za razbremenitev zemljišč primernih za druge rabe (Uyan, 2013).
| Izključitveni kriteriji | |
| 1 | 500 m okoli stanovanjskih območij |
| 2 | 100 m okoli cest |
| 3 | 500 m okoli gozda |
| 4 | 500 m okoli okoljsko zaščitenih območij |
| 5 | Reke, jezera, mokrišča in jezovi |
Preglednica 1: Primer izključitvenih kriterijev za postavitev sončnih elektrarn (Uyan, 2013; Shao et al., 2020).
Prednost večkriterijske analize je možnost vključitve strokovnjakov v proces odločanja. Ti lahko preverijo primernost in prilagodijo opredeljene kriterije in podkriterije glede na slovenske razmere (Vaidya in Kumar, 2006) (Preglednica 1, Preglednica 2). Ko so končni kriteriji opredeljeni, se za mnenje o pomembnosti kriterijev in podkriterijev za primernost območij za proizvodnjo sončne energije anketira širši krog strokovnjakov. Za ta namen je najpogosteje uporabljena metoda večkriterijske analize imenovana analitični hierarhični proces (AHP), ki jo je razvil Saaty (1977). Strokovnjaki so pozvani, da na lestvici od 1 do 9 parno primerjajo vsak kriterij in podkriterij (Preglednica 3), da odkrijejo njihovo relativno pomembnost (Saaty, 1977).
|
Področje: okoljsko |
|
| Kriterij | Podkriterij |
| Oddaljenost od stanovanjskih območij (m) | <500 |
| 500–2.000 | |
| 2.000–5.000 | |
| >5.000 | |
| Raba zemljišč | Nerodovitno |
| Kmetijstvo | |
| Degradirano | |
|
Področje: ekonomsko |
|
| Kriterij | Podkriterij |
| Oddaljenost od cest (m) | <100 |
| 100–1.000 | |
| 1.000–3.000 | |
| 3.000–5.000 | |
| >5.000 | |
| Naklon (%) | <2 |
| 2–3 | |
| 3–5 | |
| 5–10 | |
| >10 | |
| Oddaljenost od daljnovodov (m) | <3.000 |
| 3.000–6.000 | |
| 6.000–10.000 | |
| >10.000 | |
|
Področje: tehnično |
|
| Kriterij | Podkriterij |
| Oddaljenost od cest (m) | <100 |
| 100–1.000 | |
| 1.000–3.000 | |
| 3.000–5.000 | |
| >5.000 | |
| Naklon (%) | <2 |
| 2–3 | |
| 3–5 | |
| 5–10 | |
| >10 | |
| Oddaljenost od daljnovodov (m) | <3.000 |
| 3.000–6.000 | |
| 6.000–10.000 | |
| >10.000 | |
Preglednica 2: Primer tehtanih kriterijev in podkriterijev (Uyan 2013; Colak et al., 2020; Al Garni in Aswathi, 2017; Shao et al., 2020). Potencial za proizvodnjo sončne energije in naklon sta prilagojena Sloveniji (Solargis, 2020).
Na primer, strokovnjak začne s primerjavo kriterijev oddaljenosti od stanovanjskih območij in rabe zemljišč. Če meni, da je raba zemljišč bolj pomembna, se ta vzame kot kriterij i v Preglednici 3. Če strokovnjak meni, da je raba zemljišč veliko pomembnejša od oddaljenosti od stanovanjskih območij, se v matriko (Preglednica 4) zapiše numerična vrednost 5. Potem se primerja oddaljenost od stanovanjskih območij z oddaljenostjo od cest. Če strokovnjak meni, da je oddaljenost od stanovanjskih območij zmerno pomembnejša, ta dobi numerično vrednost 3. Nato se primerjata še kriterija raba zemljišč in oddaljenost od cest. Matrika se izpolni po tem postopku za vse kriterije, s tem da se druga polovica matrike izpolni z obratnim številom. Tako na primer celica za oddaljenost od stanovanjskih območij v primerjavi z rabo zemljišč dobi vrednost 1/5, saj je strokovnjak rabi zemljišč v primerjavi z oddaljenostjo od stanovanjskih območij dodelil vrednost 5. Z računanjem matrik se pridobi končna utež za vsak kriterij in podkriterij (Colak et al., 2020). V izogib protislovjem v primerjavi pomembnosti se izračuna tudi razmerje doslednosti, s katerim se preveri, da v zgornjem primeru ne dobimo zaključka kot na primer, da je oddaljenost od cest 7-krat bolj pomembna od rabe zemljišč. Takšen rezultat ni smiseln, saj je raba zemljišč v tem pojasnjevalnem primeru bolj pomembna od oddaljenosti od stanovanjskih območij, ki je bolj pomembna od oddaljenosti od cest.
| Numerična vrednost Pij | Pomen |
| 1 | i in j sta enako pomembna |
| 3 | i je zmerno pomembnejši od j |
| 5 | i je veliko pomembnejši od j |
| 7 | i je močno pomembnejši od j |
| 9 | i je izjemno pomembnejši od j |
| 2, 4, 6, 8 | Vmesne vrednosti |
Preglednica 3: Ocenjevalna lestvica za strokovnjake za parno primerjavo kriterijev in podkriterijev v okviru metode AHP (Uyan et al., 2013). Pij se nanaša na prednostno raven (pod)kriterija i v primerjavi z j.
| Kriterij j | ||||
| Oddaljenost od stanovanjskih območij | Raba zemljišč | Oddaljenost od cest | ||
| Kriterij i | Oddaljenost od stanovanjskih območij | 1 | 1/5 | 3 |
| Raba zemljišč | 5 | 1 | 4 | |
| Oddaljenost od cest | 1/3 | 1/4 | 1 | |
Preglednica 4: Primer matrike za metodologijo AHP.
GIS analiza se začne z izključitvijo vseh območij, ki ustrezajo izključitvenim kriterijem (Preglednica 1). Če je na primer analizirano območje 50 m stran od stanovanjskega območja, se ne glede na primernost tehtanih kriterijev kot potencial sončne energije območje takoj izključi iz analize. Na preostalih območjih se izračuna indeks primernosti zemljišča. Praktično je to seštevek plasti podatkov tehtanih kriterijev, pri čemer je vsaka plast pomnožena s svojo utežjo (pomembnostjo). Pred tem je potrebno vse podatkovne plasti primerno pripraviti, da so na univerzalni merilni lestvici od 0 do 1. To vodi v oceno območij na lestvici od 0 do 1, kjer 1 pomeni najboljšo primernost območja za sončne elektrarne. Ta ocena se lahko potem prerazvrsti v stopnje primernosti za proizvodnjo sončne energije, na primer nizka, zmerna, dobra in zelo dobra primernost (Uyan, 2013; Al Garni in Awasth, 2017). Nato se glede na površino primernih območij izračuna potencial za proizvodnjo električne energije (Charabi in Gastli, 2011), da se ugotovi, koliko načrtovanega povečanja proizvodne kapacitete sončne energije je mogoče izpolniti v vsakem razredu primernosti. Vsako območje, ki ne dosega zmogljivosti najmanj 100 kWh, se izključi, saj ni zadostno za srednje in velike sončne elektrarne. Zmogljivost na nedegradiranih območjih je glede na pravila Vlade RS (2020) omejena na 600 kWh. Za vsako pridobljeno lokacijo se ugotovi, kateri je njen najbližji električni transformator. Za vsak transformator se lahko tako izračuna koliko električne energije mora prenesti glede na potencialno proizvodno kapaciteto bližnjih identificiranih zemljišč (Univerza v Ljubljani, 2020) in se tako ugotovi, ali je potencialna proizvodnja električne energije znotraj obstoječe zmogljivosti omrežja.
Zaključek
Za Slovenijo je strateško ključno, da razvije uporabo obnovljivih virov energije (OVE) za zmanjšanje izpustov toplogrednih plinov (TPG) in povečanje lastne proizvodnje energije ter s tem zmanjšanje energetske odvisnosti. To pomeni, da se mora proizvodna kapaciteta za glavni identificiran vir OVE, sončno energijo, razvijati čim bolj učinkovito. Ker je eden izmed ciljev NEPN, da se OVE umešča na čim bolj sprejemljiva območja, saj se s tem poveča energijska proizvodnja, ekonomski izkoristek ter zniža vpliv na okolje, smo predlagali celovito študijo za identifikacijo primernih območij za postavitev sončnih elektrarn (Vlada RS, 2024).
Večkriterijska analiza omogoča prilagoditev metodologije na slovenske razmere, in omogoča vključitev vzročno-posledične zveze med kriteriji in primernostjo območij z dodeljevanjem uteži kriterijem. Kombinacija večkriterijske analize z geografskim informacijskim sistemom (GIS) omogoča nazoren prikaz podatkov in končnih rezultatov v prostoru.
Izvedba predstavljene hibridne metodologije ugotovi maksimalno kapaciteto sončne energije v Sloveniji, kar pripomore k načrtovanju deleža sončne energije v NEPN. Omogoča tudi hiter pregled nad najbolj primernimi območji za sončne elektrarne, kar lahko pospeši njihovo gradnjo. Pomembna je tudi analiza o (ne)zadostnosti elektroenergetskega sistema (EES) v regijah z visokim potencialom za izgradnjo sončnih elektrarn. Problem zanesljivosti elektroenergetskega sistema (EES) je eden najbolj kompleksnih korakov v postopku povečanja proizvodne kapacitete OVE (Vlada RS), zato lahko predstavljena študija poda pomembne informacije za pravočasno načrtovanje nadgradnje EES.
Ta študija se je osredotočila na predstavitev hibridne metodologije geografskih informacijskih sistemov in večkriterijske odločitvene analize za identifikacijo primernih območij za sončno energijo, saj je to najpomembnejši OVE. Ta metodologija pa se lahko s spremenjenimi kriteriji in podkriteriji uporabi tudi za identifikacijo primernih območij za druge OVE in za mnogo drugih prostorskih problemov.
Potrebno se je zavedati, da je potrebno narediti vse, da Slovenija čim hitreje in učinkovito proizvede zadostno količino električne energije iz OVE za lastno uporabo in zmanjša ogljični odtis, saj dobivajo učinki podnebnih sprememb z dnevom v dan večje razsežnosti.
Reference
Al Garni, H. Z., & Awasthi, A., 2017, “Solar PV power plant site selection using a GIS-AHP based approach with application in Saudi Arabia,” Applied energy, 206, 1225-1240. https://doi.org/10.1016/j.apenergy.2017.10.024
International Energy Agency (IEA), 2022, Slovenia. https://www.iea.org/countries/slovenia
Katedra za hidrologijo in hidravlično tehniko, n.d., Kazalo EWN-SI – slovensko, Ksh.fgg.uni-Lj.si. http://ksh.fgg.uni-lj.si/ewnsi/
Colak, H. E., Memisoglu, T., & Gercek, Y, 2020, “Optimal site selection for solar photovoltaic (PV) power plants using GIS and AHP: A case study of Malatya Province, Turkey,” Renewable energy, 149, 565-576. https://doi.org/10.1016/j.renene.2019.12.078
Gašparović, I., & Gašparović, M., 2019, “Determining Optimal Solar Power Plant Locations Based on Remote Sensing and GIS Methods: A Case Study from Croatia,” Remote Sensing, 11(12). https://doi.org/10.3390/rs11121481
Vlada Republike Slovenije, 2020, Celoviti nacionalni energetski in podnebni načrt (NEPN 5.0). https://www.energetika-portal.si/fileadmin/dokumenti/publikacije/nepn/dokumenti/nepn_5.0_final_feb-2020.pdf
Vlada Republike Slovenije, 2024, Celoviti nacionalni energetski in podnebni načrt. https://www.energetika-portal.si/fileadmin/dokumenti/publikacije/nepn/dokumenti/nepn2024_final_dec2024.pdf#page=46.19
International Trade Administration, 2024, Slovenia – Energy. Www.trade.gov. https://www.trade.gov/country-commercial-guides/slovenia-energy#:~:text=Roughly%20one%2Dthird%20of%20Slovenia
Pušnik, M., & Sučić, B, 2014, “Integrated and realistic approach to energy planning – a case study of Slovenia,” Management of Environmental Quality: An International Journal, 25(1), 30–51. https://doi.org/10.1108/MEQ-05-2013-0060
Saaty, T. L.,1977, “A scaling method for priorities in hierarchical structures,” Journal of mathematical psychology, 15(3), 234-281. https://doi.org/10.1016/0022-2496(77)90033-5
Sánchez-Lozano, J. M., Teruel-Solano, J., Soto-Elvira, P. L., & García-Cascales, M. S., 2013, “Geographical Information Systems (GIS) and Multi-Criteria Decision Making (MCDM) methods for the evaluation of solar farms locations: Case study in south-eastern Spain,” Renewable and sustainable energy reviews, 24, 544-556. https://doi.org/10.1016/j.rser.2013.03.019
Solargis, 2020, Solar resource maps of Slovenia, solargis.com. https://solargis.com/maps-and-gis-data/download/slovenia
Shao, M., Han, Z., Sun, J., Xiao, C., Zhang, S., & Zhao, Y., 2020, “A review of multi-criteria decision making applications for renewable energy site selection,” Renewable Energy, 157, 377-403. https://doi.org/10.1016/j.renene.2020.04.137
Š, T. L., 2024, Se bosta Teš in Premogovnik Velenje predčasno zaprla? rtvslo.si. https://www.rtvslo.si/gospodarstvo/se-bosta-tes-in-premogovnik-velenje-predcasno-zaprla/706579
Tič, K, 2019, Land cover and land use | Okoljski kazalci, kazalci.arso.gov.si. https://kazalci.arso.gov.si/en/content/land-cover-and-land-use-0
Univerza v Ljubljani, Oddelek za geografijo, 2020, SODOKart, geo-portal.si. https://geo-portal.si/gisapp/sodokart?public=on&lang=sl
Uyan, M., 2013, “GIS-based solar farms site selection using analytic hierarchy process (AHP) in Karapinar region, Konya/Turkey,” Renewable and Sustainable Energy Reviews, 28, 11-17. https://doi.org/10.1016/j.rser.2013.07.042
Vaidya, O. S., & Kumar, S, 2006, “Analytic hierarchy process: An overview of applications. European Journal of operational research,” 169(1), 1-29. https://doi.org/10.1016/j.ejor.2004.04.028.
