تطوير تخطيط الطاقة الشمسية باستخدام التعلم الآلي ونظم المعلومات الجغرافية: تحليل مدى الملاءمة في محافظة نينوى العراق

تشهد الطاقة الشمسية نموًا سريعًا نظرًا لوفرتها ونظافتها وفعاليتها من حيث التكلفة وسهولة تركيبها. تلعب عملية اختيار الموقع دورًا حاسمًا في تحقيق أقصى كفاءة لمشاريع الطاقة الشمسية مع تقليل التأثير البيئي. تركز هذه الدراسة على محافظة نينوى، العراق. تم تقديم منهجية متقدمة لاختيار مواقع المشاريع الشمسية باستخدام التعلم الآلي (ML) ونظام المعلومات الجغرافية (GIS) لتحقيق هذا الهدف، تم تطبيق سبعة خوارزميات وهي Logistic Regression, Averaged Perceptron, Boosted Decision Tree,  Decision Forest,  Support Vector Machine, Neural Network, وK-Means لتحديد موقع مناسب للمزارع الشمسية. تم تحديد ثلاثة عشر عاملاً مؤثرًا على اختيار مواقع المزارع الشمسية، بما في ذلك الإشعاع الشمسي، العواصف الرملية، درجة حرارة سطح الأرض، الطرق الرئيسية، السكان، خطوط الكهرباء، المحطات الفرعية، ملكية الأراضي، الغطاء الأرضي، الموارد المائية، الانحدار، والاتجاه. ثم تصنيف هذه العوامل إلى أربع مجموعات: بيئية، مناخية، طوبوغرافية، واجتماعية-اقتصادية. بعد ذلك، تم تحليل مجموعة البيانات في منصة Azure Machine Learning باستخدام تقنيات unsupervised وsupervised ML. وكنتيجة لذلك، حقق نموذج  Boosted Decision Tree أعلى دقة بلغت 94.2% ، حيث تم تصنيف 27% من منطقة الدراسة كمنطقة عالية جدًا من حيث الملاءمة لتطوير المزارع الشمسية. تؤكد هذه الدراسة على الإمكانات الهائلة لمحافظة نينوى لمشاريع الطاقة المتجددة، وتُنشئ إطار عمل يمكن تكراره يربط مابين GIS وML في تخطيط احتياجات الطاقة بأقل تأثيرات بيئية ممكنة.