การจัดทำแผนที่ด้วยความละเอียดสูงเพื่อประเมินศักยภาพพลังงานลมในพื้นที่จังหวัดชัยภูมิ
Article Sidebar
Main Article Content
บทคัดย่อ
การจัดทำแผนที่ศักยภาพพลังงานลมเพื่อประเมินศักยภาพพลังงานลมในพื้นที่จังหวัดชัยภูมิและค้นหาพื้นที่ที่มีศักยภาพสำหรับการติดตั้งกังหันลมโดยจัดทำแผนที่ลมในระดับไมโครสเกล ซึ่งอาศัยการสร้างแบบจำลองบรรยากาศร่วมกันระหว่าง Mesoscale Compressible Community Model (MC2) และ Microscale Model (Ms-micro) ที่มีความละเอียดเชิงพื้นที่ 200 เมตร โดยอาศัยข้อมูลสภาพอากาศจากฐาน NCEP/FNL Operational Global Analysis เป็นระยะเวลา 10 ปี ผลจากแผนที่ลมที่ระดับความสูง 150 เมตรพบว่า จังหวัดชัยภูมิมีความเร็วลมเฉลี่ยอยู่ประมาณ 3.34 เมตรต่อวินาที ซึ่งพื้นที่ที่มีความเร็วลมมากกว่า 3.51 เมตรต่อวินาที ได้แก่ พื้นที่ตำบลกุดเลาะ, ตำบลท่ามะไฟหวาน, ตำบลซับสีทอง, ตำบลสระโพนทองและตำบลท่าหินโนนงาม ผลการวิเคราะห์ด้านพลังงานพบว่า การใช้กังหันลมขนาด 2.5 เมกะวัตต์สามารถผลิตพลังงานได้เหมาะสมที่สุดเมื่อเทียบกับกังหันลมรุ่นอื่น งานวิจัยนี้พื้นที่อำเภอกุดเลาะสามารถผลิตพลังงานไฟฟ้าได้สูงที่สุดจากทุกพื้นที่โดยสูงถึง 20,994 เมกะวัตต์ชั่วโมงต่อปีและมีค่าต้นทุนพลังงานหรือ COE ต่ำสุดที่ 0.53 มีคาปาซิตี้แฟคเตอร์ 24% แสดงให้เห็นถึงศักยภาพพลังงานลมที่เหมาะสมสำหรับการประเมินเพื่อลงทุนติดตั้งโรงไฟฟ้าพลังงานลมเพิ่มเติมในภาคตะวันออกเฉียงเหนือของประเทศไทย
Article Details
เอกสารอ้างอิง
กรมพัฒนาพลังงานทดแทนและอนุรักษ์พลังงาน กระทรวงพลังงาน. (2566a). รายงานสถานการณ์พลังงานของประเทศไทย เดือนมกราคม–กรกฎาคม 2566. https://kc.dede.go.th/knowledge-view.aspx?p=505
กรมพัฒนาพลังงานทดแทนและอนุรักษ์พลังงาน กระทรวงพลังงาน. (2566b). สัดส่วนการใช้พลังงานทดแทน. https://www.dede.go.th/articles?id=449&menu_id=1
กองนโยบายและแผนการใช้ที่ดิน กรมพัฒนาที่ดิน กระทรวงเกษตรและสหกรณ์. (2022). ข้อมูลสภาพการใช้ที่ดิน. https://webapp.ldd.go.th/lpd/LandUseInfor.php
กลุ่มงานยุทธศาสตร์และข้อมูลเพื่อการพัฒนาจังหวัด สำนักงานจังหวัดชัยภูมิ. (2567, มกราคม 14). ข้อมูลจังหวัดชัยภูมิ. https://www.chaiyaphum.go.th/page_about/about1.php
Bank of Thailand. (2023). Thailand’s macroeconomic indicators. https://www.bot.or.th/th/home.html
Deepo, W., Kongjeen, Y., & Plangklang, B. (2021). Performance analysis of an 18 MW wind farm in Nakhon Ratchasima Province. Proceeding of the 2021 9th International Electrical Engineering Congress, IEECON 2021, 121–124. https://doi.org/10.1109/iEECON51072.2021.9440265
Dominic, C. (2021, November 12). Global net zero commitments. https://commonslibrary.parliament.uk/global-net-zero-commitments/
EPPO. (2020). Power development plan: PDP 2018 revision 1. In Energy Policy Plan. https://www.egat.co.th/home/egat-development-plan/
Gasset, N., Landry, M., & Gagnon, Y. (2012). A comparison of wind flow models for wind resource assessment in wind energy applications. Energies, 5(11), 4288–4322. https://doi.org/10.3390/en5114288
Gibb, D., Ledanois, N., Ranalder, L., & Yaqoob, H. (2022). Renewables 2022 global status report. https://www.ren21.net/gsr-2022/
IRENA. (2023). Renewable power generation costs in 2020. https://www.irena.org
Janjai, S., Masiri, I., Promsen, W., Pattarapanitchai, S., Pankaew, P., Laksanaboonsong, J., Bischoff-Gauss, I., & Kalthoff, N. (2014). Evaluation of wind energy potential over Thailand by using an atmospheric mesoscale model and a GIS approach. Journal of Wind Engineering and Industrial Aerodynamics, 129, 1–10. https://doi.org/10.1016/j.jweia.2014.03.010
Kim, B., Lee, K., Ko, K., & Choi, J. (2022). Offshore wind resource assessment off the coast of Daejeong, Jeju Island using 30-year wind estimates. Scientific Reports, 12(1). https://doi.org/10.1038/s41598-022-18447-7
Martinez, A., & Iglesias, G. (2022). Climate change impacts on wind energy resources in North America based on the CMIP6 projections. Science of the Total Environment, 806. https://doi.org/10.1016/j.scitotenv.2021.150580
Mundu, M. M., Nnamchi, S. N., Ukagwu, K. J., Peter, B. A., Nnamchi, O. A., & Ssempewo, J. I. (2022). Numerical modelling of wind flow for solar power generation in a case study of the tropical zones. Modeling Earth Systems and Environment, 8(3), 4123–4134. https://doi.org/10.1007/s40808-021-01343-w
Pierrot, M. (2016). Gamesa G126/2500. In Wind Power. https://www.thewindpower.net/turbine_en_1088_gamesa_g126-2500.php
Pierrot, M. (2018a). Gamesa G128/4500. In Wind Power. https://www.thewindpower.net/turbine_en_81_gamesa_g128-4500.php
Pierrot, M. (2018b). Gamesa G132/3300. In Wind Power. https://www.thewindpower.net/turbine_en_1105_gamesa_g132-3300.php
Pierrot, M. (2018c). Gamesa G132/5000. In Wind Power. https://www.thewindpower.net/turbine_en_774_gamesa_g132-5000.php
Polnumtiang, S., & Tangchaichit, K. (2022a). Potential wind power generation at Khon Kaen, Thailand. Wind and Structures. https://doi.org/10.12989/was.2022.35.6.000
Polnumtiang, S., & Tangchaichit, K. (2022b). Wind energy resource assessment for Mukdahan, Thailand. International Journal of Green Energy, 19(2), 137–148. https://doi.org/10.1080/15435075.2021.1941039
Research Data Archive. (2023). NCEP FNL operational model global tropospheric analyses, continuing from July 1999. https://rda.ucar.edu/datasets/ds083.2/
Tawinprai, S., Polnumtiang, S., Suksomprom, P., Waewsak, J., & Tangchaichit, K. (2022). Modeling of wind energy potential using a high-resolution grid over Mekong riverside region in the northeastern part of Thailand. Theoretical and Applied Climatology, 150(3–4), 1587–1604. https://doi.org/10.1007/s00704-022-04235-w
Tawinprai, S., Polnumtiang, S., Suksomprom, P., Waewsak, J., & Tangchaichit, K. (2023a). A modelling approach for evaluating the wind resource and power generation using a high-resolution grid at selected regions in the northeast of Thailand. Modeling Earth Systems and Environment. https://doi.org/10.1007/s40808-022-01669-z
Tawinprai, S., Polnumtiang, S., Suksomprom, P., Waewsak, J., & Tangchaichit, K. (2023b). A modelling approach for evaluating the wind resource and power generation using a high-resolution grid at selected regions in the northeast of Thailand. Modeling Earth Systems and Environment, 9(3), 3229–3241. https://doi.org/10.1007/s40808-022-01669-z
Waewsak, J., Landry, M., & Gagnon, Y. (2015). Offshore wind power potential of the Gulf of Thailand. Renewable Energy, 81, 609–626. https://doi.org/10.1016/j.renene.2015.03.069
