Analiza emisji zanieczyszczeń sektora energetyczno-przemysłowego z wykorzystaniem rozmytego analitycznego procesu hierarchicznego i metody TOPSIS

• Authors: Dominika Siwiec , Andrzej Pacana

Title variants

EN

Analysis of pollution emission of the energy-industrial sector with use the fuzzy analytic hierarchy process and TOPSIS method

Abstracts

EN

Greenhouse gas emissions (in it CO2), mainly with reference to the energy and industrial sector, generate negative changes in the natural environment. Therefore, to make effective actions in order to reduce this emission, it is important to analyze them properly. Therefore, the aim of the article was to propose using a technique to analyze the emissions of pollutants, included at the same time the size and harmfulness of emissions produced. This technique was a fuzzy analytic hierarchy process (FAHP, Fuzzy Analytic Hierarchy Process) and TOPSIS method (Technique for Order Preference by Similarity to an Ideal Solution). The proposed technique was tested on current, available statistic data from the Central Statistical Office, on emissions of air pollutants in Poland in the 2018 year, according to PKD section. As part of testing the technique, it was specified which of plants according to PKD section has the biggest influence in pollutant the air, with simultaneous consideration of the size and harmfulness of generated emissions. Although that obtained results arise from subjective assessments of the entity using the technique, it was shown that this technique allows analyzed the pollution emissions, by including at the same time the size and harmfulness of emission. In turn of the subjectivity of assessments partly was reduced by the fuzzy Saaty scale. Using the proposed FAHP technique and the TOPSIS method, it has been shown that it is possible to perform a subjective assessment of the harmfulness of pollutant emissions and to integrate them with actual data, e.g. with data from the Central Statistical Office. Therefore, the proposed technique is a new approach to analyse emissions pollutions, in it CO2, whose reduction, as indicated, is a current global problem.

PL

Emisja gazów cieplarnianych (w tym CO2), głównie w nawiązaniu do sektora energetycznoprzemysłowego, generuje negatywne zmiany w środowisku naturalnym. Dlatego, aby podejmować skuteczne działania mające na celu redukcję tych emisji, ważne jest właściwe ich analizowanie. W związku z tym celem artykułu było zaproponowanie wykorzystania techniki do analizy emisji zanieczyszczeń, która uwzględni jednocześnie wielkość oraz szkodliwość wytwarzanych emisji. Techniką tą był rozmyty analityczny proces hierarchiczny (FAHP, Fuzzy Analytic Hierarchy Process) oraz metoda TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution). Proponowaną technikę przetestowano na aktualnych, dostępnych danych statystycznych z Głównego Urzędu Statystycznego, dotyczących emisji zanieczyszczeń powietrza w Polsce w roku 2018 według sekcji PKD. W ramach przetestowania techniki określono, który z zakładów szczególnie uciążliwych dla czystości powietrza według sekcji PKD ma największy wpływ na zanieczyszczenie powietrza, z jednoczesnym uwzględnieniem wielkości i szkodliwości wytwarzanych emisji. Mimo że uzyskane wyniki wynikają z subiektywnych ocen podmiotu stosującego technikę, wykazano, że technika ta umożliwia przeanalizowanie emisji zanieczyszczeń z jednoczesnym uwzględnieniem wielkości i szkodliwości emisji. Z kolei subiektywizm ocen po części zredukowano przez rozmytą skalę Saaty’ego. Stosując proponowaną technikę FAHP oraz metodę TOPSIS, wykazano, że możliwe jest dokonanie subiektywnej oceny szkodliwości emisji zanieczyszczeń oraz zintegrowanie ich z rzeczywistymi danymi, np. z danymi GUS. W związku z tym proponowana technika jest nowym podejściem do analizy emisji zanieczyszczeń, dlatego też jej zastosowanie może usprawnić proces decyzyjny w ramach ograniczania emisji, a tym dwutlenku węgla, którego redukcja, jak wskazano, jest aktualnym problemem na skalę globalną.

Keywords

PL

rozmyty analityczny proces hierarchiczny; TOPSIS; emisja zanieczyszczeń; redukcja zanieczyszczeń

EN

fuzzy analytic hierarchy process; TOPSIS; pollution emission; pollution reduction

• Publisher: Uniwersytet Warszawski. Wydział Nauk Ekonomicznych
• Journal: Studia i Materiały
• Year: 2020
• Issue: 2(33)
• Pages: 32-45

Dates

published

2020

Contributors

author

Dominika Siwiec

• Wydział Budowy Maszyn i Lotnictwa, Politechnika Rzeszowska im. Ignacego Łukasiewicza, Polska

• https://orcid.org/0000000266636621

author

Andrzej Pacana

• Wydział Budowy Maszyn i Lotnictwa, Politechnika Rzeszowska im. Ignacego Łukasiewicza, Polska

• https://orcid.org/0000000311216352

References

• Adiaha, M.S., Buba, A.H., Tangban, E.E. i Okpoho, A.N. (2020). Mitigating Global Greenhouse Gas Emission: The Role of Trees as a Clean Mechanism For CO2 Sequestration. Journal Of Agricultural Sciences, 15(1), 101–115. http://doi. org/10.4038/jas.v15i1.8675.
• Bukosa, B., Deutscher, N.M., Fisher, J.A., Kubistin, D., Paton-Walsh, C. i Griffith, D.W. (2019). Simultaneous shipborne measurements of CO2, CH4 and CO and their application to improving greenhouse-gas flux estimates in Australia. Atmospheric Chemistry And Physics, 19(10), 7055–7072, https://doi.org/10.5194/acp-19-7055-2019.
• Chang, D-Y. (1996). Applications of the extent analysis method on fuzzy AHP. European Journal of Operational Research, 95(3), 649–655.
• Chang, Y. i Dong, S. (2017). Study on post evaluation of high-speed railway based on FAHP and Matlab simulation calculation. Tehnicki Vjesnik- Technical Gazette, 24(6), 1749–1758. https://doi.org/10.17559/TV-20170319012219.
• Gerbelova, H., Ioakimidis, C. i Ferrao, P. (2011). A techno-economical study of the CO2 capture in the energy sector in Portugal. Energy Procedia, 4, 1965–1972. https://doi.org/10.1016/j.egypro. 2011.02.077.
• Horvathova, P., Copikova, A., i Mokra, K. (2019). Methodology proposal of the creation of competency models and competency model for the position of a sales manager in an industrial organisation using the AHP method and Saaty’s method of determining weights. Economic Research-Ekonomska Istrazivanja, 32(1), 2594–2613. https://doi.org/10.1080/1331677X.2019.1653780.
• Hwang, C.L. i Yoon, K. (1981). Multiple attribute decision making: methods and applications: a stateof- the-art survey, Springer.
• Khan, M.Z. i Khan, M.F. (2019). Application of ANFIS, ANN and fuzzy time series models to CO2 emission from the energy sector and global temperature increase. International Journal Of Climate Change Strategies And Management, 11(5), 622–642. https://doi.org/10.1108/IJCCSM-01-2019-0001.
• Kusumadewi, T.V. i Limmeechokchai, B. (2017). CO2 Mitigation in Residential Sector in Indonesia and Thailand: Potential of Renewable Energy and Energy Efficiency. Energy Procedia, 138, 955–960. https://doi.org/10.1016/j.egypro.2017.10.086.
• Liebermann, R., Breuer, L., Houska, T., Kraus, D., Moser, G. i Kraft, P. (2020). Simulating Long-Term Development of Greenhouse Gas Emissions, Plant Biomass, and Soil Moisture of a Temperate Grassland Ecosystem under Elevated Atmospheric CO2. Agronomy-basel, 10(1), 1–17. https://doi.org/10.3390/agronomy10010050.
• Lin, J., Khanna, N., Liu, X. Teng, F. i Wang, X. (2019). China’s Non-CO2 Greenhouse Gas Emissions: Future Trajectories and Mitigation Options and Potential. Scientific Reports, 9(16095). https://doi.org/10.1038/s41598-019-52653-0.
• Liu, X. (2013). A grey neural network and inputoutput combined forecasting model and its application in primary energy related CO2 emissions estimation by sector in China. Energy Procedia, 36, 815–824. https://doi.org/10.1016/j.egypro. 2013.07.094.
• Łuczak, A. i Wysocki, F. (2011). Porządkowanie liniowe obiektów z wykorzystaniem rozmytych metod AHP i TOPSIS. Przegląd Statystyczny, LVIII (1–2), 3–23.
• Mir, S. i Padma, T. (2016). Evaluation and prioritization of rice production practices and constraints under temperate climatic conditions using Fuzzy Analytical Hierarchy Process (FAHP). Spanish Journal of Agricultural Research, 14(4), 1–13.
• Ochrona środowiska 2019 (2019). Analizy statystyczne. Główny Urząd Statystyczny, Warszawa.
• Publikacja dostępna na stronie: stat.gov.pl (dostęp: 20.04.2020).
• Pacana, A., Siwiec, D., i Bednarova, L. (2020). Method of Choice: A Fluorescent Penetrant Taking into Account Sustainability Criteria. Sustainability, 12(14), 5854, 1–21. https://doi.org/10.3390/su12145854.
• Pacana, A. i Siwiec, D. (2018). Dobór maszyny z wykorzystaniem drzewa decyzyjnego i metody AHP. Zeszyty Naukowe Politechniki Śląskiej. Organizacja i Zarządzanie, 131, 431–439. https://doi.org/10.29119/1641-3466.2018.131.34.
• Piantanakulchai, M. i Saengkhao, N. (2003). Evaluation of alternatives in transportation planning modelling. Proceedings of the Eastern Asia Society for Transportation Studies, 4(1–2), 1613–1628.
• Radionovs, A. i Užga-Rebrovs, O. (2016). Fuzzy Analytical Hierarchy Process for Ecological Risk Assessment. Information Technology and Management Science, 19(1), 16–22. https://doi.org/10.1515/itms-2016-0005.
• Ramandi, M.M. i Cheshme, B.G. (2018). Possess of locating the elementary schools using combined FAHP-Fuzzy logic in the GIS. Ukrainian Journal of Ecology, 8(1), 255–265. https://doi.org/10.15421/2018_210.
• Saaty, R.W. (1987). The analytic hierarchy process – what it is and how it is used. Mathematical Modelling, 9(3–5), 161–176. https://doi.org/10.1016/0270-0255(87)90473-8.
• Shabir, A.M. i Padma, T. (2016). Evaluation and prioritization of rice production practices and constraints under temperate climatic conditions using Fuzzy Analytical Hierarchy Process (FAHP). Spanish Journal of Agricultural Research, 14(4), 1–13.
• Stan środowiska w Polsce. Raport 2018 (2018). Główny Inspektorat Ochrony Środowiska, Biblioteka Monitoringu Środowiska, Inspekcja Ochrony Środowiska. Warszawa.
• Tian, C., Feng, G., Li, S. i Xu F. (2019). Scenario Analysis on Energy Consumption and CO2 Emissions Reduction Potential in Building Heating Sector at Community Level. Sustainability, 11(19). https://doi.org/10.3390/su11195392.
• Tolis, A.I., Rentizelas, A.A. i Tatsiopoulos, I.P. (2010). Optimisation of electricity energy markets and assessment of CO2 trading on their structure: A stochastic analysis of the Greek Power Sector. Renewable & Sustainable Energy Reviews, 14(9), 2529–2546. https://doi.org/10.1016/j.rser.2010.07.012.
• Uprety, S. i Cao, C. (2016). Radiometric Comparison of 1.6-mu m CO2 Absorption Band of Greenhouse Gases Observing Satellite (GOSAT) TANSO-FTS with Suomi-NPP VIIRS SWIR Band. Journal Of Atmospheric And Oceanic Technology, 33(7), 1443–1453. https://doi.org/10.1175/JTECHD- 15-0157.1.
• Węgiel zabija. Analiza kosztów zdrowotnych emisji zanieczyszczeń z polskiego sektora energetycznego (2013). Greenpeace.
• Wu, B. i Mu, C. (2019). Effects on Greenhouse Gas (CH4, CO2, N2O) Emissions of Conversion from Over-Mature Forest to Secondary Forest and Korean Pine Plantation in Northeast China. Forests, 10(9), 1–18. https://doi.org/10.3390/f10090788.
• Zhang, B., Zhang, Y., Zhao, X. i Meng J. (2018). Non-CO2 Greenhouse Gas Emissions in China 2012: Inventory and Supply Chain Analysis. Earths Future, 6(1), 103–116. https://doi.org/10.1002/2017EF000707.
• Zwoliński, Z. (2011). Globalne zmiany klimatu i ich implikacje dla rzeźby Polski. Landform Analysis, 15, 5–15.

Identifiers

DOI

10.7172/1733-9758.2020.33.3

Biblioteka Nauki

19478700