DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS
The study presents the results of research aimed at determining the photovoltaic potential of the territorial communities of Ukraine using geoinformation technologies. For testing purposes, 25 territorial communities were selected for the implementation of solar power plants (SPP), grouped in sets o...
Saved in:
| Date: | 2025 |
|---|---|
| Main Authors: | , , , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Institute of Renewable Energy National Academy of Sciences of Ukraine
2025
|
| Subjects: | |
| Online Access: | https://ve.org.ua/index.php/journal/article/view/582 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Vidnovluvana energetika |
| Download file: |  |
Institution
Vidnovluvana energetika| _version_ | 1871104050052726784 |
|---|---|
| author | Matiakh, S. Ausheva , N. Kardashov , O. Bondarenko , D. |
| author_facet | Matiakh, S. Ausheva , N. Kardashov , O. Bondarenko , D. |
| author_institution_txt_mv | [
{
"author": " S. Matiakh",
"institution": "Institute of Renewable Energy, NAS of Ukraine, Kyiv, Ukraine"
},
{
"author": "N. Ausheva ",
"institution": "National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute“, Kyiv, Ukraine"
},
{
"author": "O. Kardashov ",
"institution": "National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute“, Kyiv, Ukraine"
},
{
"author": "D. Bondarenko ",
"institution": "Institute of Renewable Energy, NAS of Ukraine, Kyiv, Ukraine"
}
] |
| author_sort | Matiakh, S. |
| baseUrl_str | https://ve.org.ua/index.php/journal/oai |
| collection | OJS |
| datestamp_date | 2026-07-18T06:32:23Z |
| description | The study presents the results of research aimed at determining the photovoltaic potential of the territorial communities of Ukraine using geoinformation technologies. For testing purposes, 25 territorial communities were selected for the implementation of solar power plants (SPP), grouped in sets of five across five regions of Ukraine with different geographical conditions.An input dataset of restrictive land areas was formed, consisting of agricultural lands, forest plantations, water bodies, built-up areas, and territories with environmental protection status. The input dataset of restrictive areas was processed using GIS tools, resulting in the creation of a vector layer of available land plots suitable for the placement of SPP.Threshold values were defined for filtering the layer of available areas into two categories: a minimum corridor width of 40 meters and a minimum plot area of 0.15 hectares. A comparison of the available area before filtering (113,413.4 km²) and after filtering (103,419.6 km²) according to these categories demonstrated a difference of approximately 2% relative to the total study area of Ukraine. Based on the data on territories suitable for SPP deployment and annual solar irradiation, indicators of the photovoltaic potential of the selected territorial communities of Ukraine were calculated. |
| doi_str_mv | 10.36296/1819-8058.2025.4(83).165-188 |
| first_indexed | 2026-02-08T07:59:30Z |
| format | Article |
| fulltext |
165
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
УДК 621.311 https://doi.org/10.36296/1819-8058.2025.4(83).165-188
ВИЗНАЧЕННЯ ФОТОЕНЕРГЕТИЧНОГО ПОТЕНЦІАЛУ ТЕРИТОРІАЛЬНИХ ГРОМАД УКРАЇНИ З
ВИКОРИСТАННЯМ ГЕОІНФОРМАЦІЙНИХ СИСТЕМ
Отримано 07 лист. 2025 р.; рекомендовано до публікації 09 груд. 2025 р.
Доступно онлайн 31 груд. 2025 р.
Матях С. В.1, Аушева Н. М.2,
Кардашов О. В.3, Бондаренко Д. В.4
Автор для кореспонденції: Матях Сергій,
e-mail: renewable@ukr.net
Анотація. У роботі представлено результати дослід-
жень щодо визначення потенціалу фотоенергетики для
територіальних громад України з використанням геоін-
формаційних технологій. Для тестування вибрано 25
територіальних громад для впровадження СЕС з різним
географічним положенням, групами по п’ять із п’яти об-
ластей України. Проведено формування вхідної вибірки
даних обмежувальних ділянок, яка складається з сільсько-
господарських угідь, лісових насаджень, водних об’єктів, забудованих територій та територій з при-
родоохоронним статусом. Вхідна вибірка обмежувальних ділянок була оброблена ГІС-засобами, і був
сформований векторний шар доступних ділянок для розміщення СЕС.
Визначено порогові значення для фільтрації шару доступних ділянок за категоріями мінімальних кори-
дорів, 40 м, та мінімальної площі ділянки, 0,15 гГа. Порівняння значень доступної площі до (113 413,4 км²)
та після фільтрації (103 419,6 км²) за цими категоріями продемонструвало різницю в 2% відносно зага-
льної досліджуваної площі України. На основі даних про доступні для впровадження СЕС території та
даних щодо річної інсоляції розраховано показники фотоенергетичного потенціалу вибраних терито-
ріальних громад України.
Ключові слова: сонячна енергія, географічний потенціал, геоінформаційні системи (ГІС), просторовий
аналіз, сонячний енергетичний потенціал територіальних громад.
Перелік використаних позначень та скорочень
IEA – Міжнародне енергетичне агентство
BESS – системи накопичення енергії на основі акумуляторів
СЕС – сонячна електростанція
ФЕМ – фотоелектричний модуль
Вступ
Енергетична стратегія України до 2050 року, затвер-
джена розпорядженням Кабміну від 21 квітня 2023
року, передбачає підвищення стійкості Енергетичної си-
стеми України та надійності енергозабезпечення за ра-
хунок децентралізації генерації електроенергії по всій
території країни, що тісно пов’язане з розвитком відно-
влюваної енергетики [1–3]. Зміни законів України щодо
відновлення та «зеленої» трансформації енергетичної
системи України [4], спрямовані на реформування елек-
троенергетичної галузі за багатьма аспектами функцію-
вання та розвитку енергетичного ринку України, зок-
рема малої розподіленої генерації. Крім економічних
переваг, системи розподіленої генерацій електричної
енергії можуть виконувати балансувальну функцію.
У звіті «Empowering Ukraine Through a Decentralised
Electricity System» Міжнародного енергетичного агентс-
тва (IEA) представлено шлях до побудови стійкої, гнучкої
та децентралізованої енергосистеми України. IEA розг-
лядає сучасну кризу української енергетики, що виникла
і поглиблюється внаслідок слабкості її централізованої
моделі під час воєнних дій рф, як можливість побуду-
вати нову архітектуру енергетики, засновану на розподі-
лених енергоресурсах – сонячній, вітровій енергетиці,
біоенергетиці, системах накопичення енергії (BESS) і
1 канд. техн. наук
https://orcid.org/0000-0002-1707-3519
2 д-р. техн. наук., проф.
https://orcid.org/0000-0003-0816-2971
3 аспірант
https://orcid.org/0000-0003-1767-7846
4 канд. техн. наук
https://orcid.org/0000-0002-5629-930X
1, 4 Інститут відновлюваної енергетики НАН
України, України, м. Київ, Україна
2, 3 Національний технічний університет
України «Київський політехнічний інститут
імені Ігоря Сікорського», м. Київ, Україна
https://iea.blob.core.windows.net/assets/b9124406-5b8b-444f-8b20-c4fc22a9221e/EmpoweringUkraineThroughaDecentralisedElectricitySystem.pdf?fbclid=IwY2xjawN27oBleHRuA2FlbQIxMABicmlkETFXNUx4WGIxb0U3MzdWTDlQAR79f3ighiu4eiHg64464PwZTKI6wKhnYwwnCP5aTgEtzIewYVwvTliYic6ijg_aem_AA_qM_sg1HFYNiVYaoAN0w
https://iea.blob.core.windows.net/assets/b9124406-5b8b-444f-8b20-c4fc22a9221e/EmpoweringUkraineThroughaDecentralisedElectricitySystem.pdf?fbclid=IwY2xjawN27oBleHRuA2FlbQIxMABicmlkETFXNUx4WGIxb0U3MzdWTDlQAR79f3ighiu4eiHg64464PwZTKI6wKhnYwwnCP5aTgEtzIewYVwvTliYic6ijg_aem_AA_qM_sg1HFYNiVYaoAN0w
https://www.facebook.com/internationalenergyagency/mentions/
https://www.facebook.com/internationalenergyagency/mentions/
https://www.facebook.com/internationalenergyagency/mentions/
166
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
мікромережах [5]. Для цього до 2030 року Україна має
реалізувати п’ять ключових напрямів:
− розвиток розподіленої генерації, особливо проєктів
сонячної та біоенергетики;
− впровадження систем накопичення енергії на основі
акумуляторів BESS (Battery Energy Storage System)
для балансування енергосистеми;
− формування місцевих енергетичних спільнот та мік-
ромереж;
− стимулювання prosumerів – споживачів, які одноча-
сно виробляють енергію;
− реформа ринку електроенергії для інтеграції децен-
тралізованих ресурсів у системні послуги.
На сьогодні сонячна електроенергетика в Україні за-
вдяки державній підтримці та міжнародним інвести-
ціям характеризується суттєвим зростанням попиту на
впровадження СЕС різного призначення, потужності та
підпорядкування. Особливий інтерес до створення сис-
тем електрогенерації з використанням сонячної енергії
виявляють фізичні особи та офіційні представники тери-
торіальних громад.
Постановка завдання. Розробка методів визначення ене-
ргетичного потенціалу та придатних для впровадження
фотоенергетичного обладнання площ територіальних
громад, визначених із застосуванням ГІС-технологій.
Метою роботи є визначення потенціалу фотоенерге-
тики територіальних громад України із залученням геоі-
нформаційних систем для використання під час розро-
бки й впровадженні розподілених децентралізованих
енергосистем.
Методи дослідження: програмне забезпечення для ГІС-
аналізу ArcGIS Pro.
Результати досліджень
Для розрахунку фотоенергетичного потенціалу для вста-
новлення СЕС використовуються не лише показники над-
ходження сонячної радіації, а також площа, доступна для
будівництва станцій та коефіцієнт потужності СЕС, який
залежить від типу та розташування фотоелектричних мо-
дулів (ФЕМ), відстані між рядами панелей тощо.
Середньорічна кількість сумарної сонячної радіації, що
потрапляє на 1 м² поверхні на території України – від
1070 кВт·год/м² в її північній частині до 1400 кВт·год/м²
і вище на півдні країни [6]
Для визначення теоретично досяжного потенціалу со-
нячної енергетики областей необхідно визначити об-
сяги потенційно доступних площ для монтажу фотоеле-
ктричного обладнання. До переліку земель, на яких
можна будувати сонячні станції, вводяться обмеження
стосовно цільового значення земель за якими вилуча-
ються такі:
− площі сільськогосподарських угідь,
− площі лісових угідь,
− площі водних ресурсів,
− площі забудованих земель,
− площі природоохоронних зон.
Аналіз останніх досліджень
У дослідженнях [7, 8] розглянуто вибір локацій для СЕС
з використанням критеріїв землекористування шляхом
виокремлення ділянок, на які діє заборона встанов-
лення генерувального обладнання, і, в разі потреби, до-
давання навколо ділянок буферних зон. На відміну від
вітроенергетики, буферні зони для сонячної енергетики
застосовують обмежено через менший екологічний
вплив. Окремо можуть встановлюватися обмеження
для природоохоронних територій, зокрема шляхів міг-
рації птахів, щоб знизити ризик зіткнень з фотопане-
лями та зберегти рідкісні види, як зазначається у дослі-
дженні [9], де для природоохоронних об’єктів
визначено буферні зони 500–2500 м. Для аеропортів у
роботі [10] рекомендовано відступ 3500 м, що обґрун-
товується потенційними відблисками від панелей і ри-
зиками для пілотів під час зльоту та посадки. Отже, між-
народна практика обмежує буферні зони для СЕС
переважно інтервалом 0–500 м, тоді як поодинокі спе-
цифічні ситуації зумовлюють відступи 1–10 км.
Поширена проблема виникнення залишкових вузьких
полігональних переходів між ділянками шириною
менше порогового значення після поелементного прос-
торового утворення масок придатності, що не відпові-
дають вимогам мінімальної робочої ширини для розмі-
щення рядів ФЕМ і сервісних проїздів, вирішується
виконанням операцій ерозії та дилатації з утворенням
буферних зон на прикладі дослідження [11]. У цьому до-
слідженні за даними супутникових зображень Landsat
застосовувалася фільтрація пікселів зі зв’язністю до 9 су-
сідніх пікселів і виконувалося морфологічне розши-
рення кластерів із застосуванням до цього растрового
зображення з аналізом за круговим ядром радіусом в 1
піксель, що становить 30 м, за допомогою чого було усу-
нуто вузькі переходи між ділянками. Додатково авто-
рами дослідження [11] на векторному шарі було відфі-
льтровано полігони площею менше 4 га у вигляді
порогового значення площі ділянки. За аналогією до
морфологічних операцій ерозії та дилатації в роботах
[12] було виконано векторну побудову буферних зон
для усунення вузьких переходів та ізольованих ділянок
геометрії шару. Згідно з даними Національної лаборато-
рії відновлювальної енергетики США (NREL) для практи-
чної реалізації СЕС потужності від 1 МВт рекомендовано
порогове значення площі 2 га [13].
Порядок визначення доступних площ для встанов-
лення СЕС
Для визначення теоретично досяжного потенціалу со-
нячної енергетики для території України першим кро-
ком є визначення географічного потенціалу галузі,
тобто виокремлення доступної території для розмі-
щення генерувальних установок.
https://www.google.com/search?q=Battery+Energy+Storage+System&oq=BESS&gs_lcrp=EgZjaHJvbWUyCQgAEEUYORiABDIHCAEQABiABDIMCAIQLhhDGIAEGIoFMhIIAxAuGEMYxwEY0QMYgAQYigUyBwgEEAAYgAQyDAgFEC4YQxiABBiKBTIKCAYQABixAxiABDIMCAcQLhhDGIAEGIoFMg0ICBAuGMcBGNEDGIAEMgcICRAAGIAE0gEJMjI3OWowajE1qAIAsAIA&sourceid=chrome&ie=UTF-8&ved=2ahUKEwiKjMKskd2QAxUTBNsEHSpCGEIQgK4QegYIAQgAEAQ
167
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Було визначено групу обмежувальних зон, що є части-
ною земель зі складу: сільськогосподарських угідь, лісо-
вих угідь, водних об’єктів, забудованих земель, земель
з природоохоронним статусом. Для кожної зони було
взято вхідні дані у вигляді растрових зображень, або
безпосередньо векторних шейпфайлів, доступних для
аналізу без попередньої конвертації. Процес обробки
вхідних даних з різних джерел є специфічним для кож-
ного з об’єктів вхідної вибірки даних.
Векторні шари забудованих земель та водних об’єктів
було отримано з відкритого ресурсу ArcGIS Online [14,
15]. Шар природоохоронних об’єктів України було
отримано з відкритого ресурсу Protected Planet [16]. Ве-
кторний шар водних об’єктів було отримано шляхом
об’єднання в єдиний шейпфайл двох вхідних векторних
шарів, де векторний шар [14] містить великі водні
об’єкти України, а шар [17] містить водні об’єкти України
у форматі лінійних об’єктів. Для шару [14] з великими
водними об’єктами було створено буферну зону 500 м,
оскільки він зображує, наприклад, такі річки, як Десна
та Дніпро, для яких характерні весняні паводки. Для
шару [17] з іншими малими водними об’єктами – ма-
лими річками, іригаційними каналами, озерами, струм-
ками – було створено буферну зону з рівномірним відс-
тупом від лінійних об’єктів шару на 50 м (рис. 1).
Рис. 1. Великі водні об’єкти (а); малі водні об’єкти (b); об’єднаний шар водних об’єктів з буферними зонами (с)
Вхідними даними для сільськогосподарських угідь та лі-
сових насаджень є растрові шари у форматі GeoTIFF, де
кожному пікселю зображення відповідає значення на
проміжку [0,100] – якщо цільовий об’єкт повністю пок-
риває площу пікселя, він зображується білим кольором,
і приймає значення 100, , навпаки, якщо об’єкт повністю
відсутній на площі пікселя, він позначається чорним ко-
льором та приймає значення 0. Усі інші проміжні зна-
чення пікселів зображення n проміжку 0 < n < 100 визна-
чають неповне покриття цільовим об’єктом з різною
насиченістю.
Для сільськогосподарських угідь було взято растрове зо-
браження з ресурсу CORINE Land Monitoring Sevice. [18].
Растр було очищено від шуму шляхом опрацювання за
допомогою інструмента Majority Filter ПЗ ArcGIS Pro
[19] – коли значення більшості з 8 сусідів пікселя відріз-
няються від поточного пікселя, його значення заміню-
ється на значення більшості. Наступним кроком було ви-
окремлено сільськогосподарські угіддя з неперервного
растра за пороговим значенням 61 так, що всі пікселі зі
значеннями менше за порогове відкидалися. Растрове
зображення з вирізаними сільськогосподарськими угід-
дями було конвертовано у векторний шар для подаль-
шого аналізу.
Вхідні дані для лісових насаджень було отримано з пор-
талу GlobalForestWatch [20] у вигляді растрових
зображень, що містять дані супутникового аналізу щіль-
ності покриття деревами території України. Формат раст-
рового зображення лісових насаджень є аналогічним ра-
стру сільськогосподарських угідь і має аналогічний
принцип виокремлення цільового об’єкта. Під час обро-
бки растр було класифіковано за 10 групами, що розподі-
лялися за густиною покриття пікселів лісовими насаджен-
нями, після чого проміжний класифікований растр було
бінаризовано за пороговим значенням 50 для пікселя,
тим самим очищено від ділянок, що не належать облас-
тям лісових насаджень. Проміжний растровий шар лісо-
вих насаджень, аналогічно растру сільськогосподарських
угідь, було конвертовано у векторний шейпфайл. Водно-
час отримані растрові зображення і, як наслідок, векторні
шари СГ угідь та лісових насаджень неуникнено містять
залишкові ділянки відповідних територій у тих зонах, де
оригінальним растровим зображенням відділялися краї
об’єктів, тобто на переходах між білим та чорним кольо-
ром. Цей факт зумовлює виникнення великої кількості ву-
зьких коридорів на краях полів або лісів, а також виокре-
млення ділянок розріджених дерев, що можуть утворити
некоректну форму полігонів під час конвертації у вектор-
ний шар, або утворити помилки геометрії у вигляді діля-
нок нульової площі, дірки у цілісних полігонах або острі-
вні ділянки. Результат утворення векторних шарів
сільськогосподарських угідь та лісових насаджень де-
монструється на рис. 2.
168
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Рис. 2. Шари сільськогосподарських угідь: а – растровий шар до обробки; b – векторний шар після обробки.
Шари лісових насаджень: c – растровий шар до обробки; d – векторний шар після обробки
З аналізу растрових зображень можна зробити такі
висновки про характер розміщення обмежувальних
зон: лісові угіддя здебільшого сконцентровані на пів-
ночі України, в Карпатах, Кримських горах та вздовж
русл річок, а сільськогосподарські угіддя, хоч і розта-
шовані на всій території України, збільшують свою
концентрацію на сході, півдні та в центральній частині
України, і обидва шари при об’єднанні утворюють ві-
дносно рівномірний розподіл обмежувальної терито-
рії для розміщення СЕС за усією площею досліджува-
ної території.
Таким чином усі вхідні шари було приведено до фор-
мату векторних шейпфайлів. Над сформованою вибір-
кою шарів було виконано операцію об’єднання та роз-
чинення (Union, Dissolve) засобами ПЗ ArcGIS Pro [19]
для отримання єдиного векторного шару обмежуваль-
них ділянок (рис. 3).
Шар доступних для розміщення зон було отримано шля-
хом виконання операції симетричної різниці (Symmetrical
Difference), засобами ПЗ ArcGIS Pro [19], між територією
адміністративних кордонів України та шаром обмежува-
льних ділянок (рис. 4).
Рис. 3. Обмежувальні ділянки для розміщення СЕС в Україні
Рис. 4. Доступні ділянки для розміщення СЕС в Україні
169
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Оскільки отриманий векторний шар доступних ділянок
містить велику кількість вузьких переходів між ділян-
ками та помилок геометрії полігонів, що виражається
переважно в острівних залишкових мікро-ділянках, такі
об’єкти реально не є придатними для розміщення СЕС,
тому було виконано процес очищення векторного шару.
Спершу шар було очищено від вузьких переходів та мік-
роділянок виконанням послідовних операцій ерозії та
дилатації. Так, було спочатку виконано розрахунок бу-
ферної зони відстанню 40 м з від’ємним значенням від
зовнішніх контурів векторного шару, за допомогою чого
було очищено шар від небажаних ділянок, і від ново-
утвореного проміжного шару було знову розраховано
буферну зону відстанню 40 м з додатним значенням.
Розмір буферної зони оцінювався з розрахунку на міні-
мально придатну глибину одного ряду СЕС з розмі-
щенням супутнього устаткування, крім безпосередньо
фотопанелей.
Отриманий шар також було розподілено за адміністратив-
ними одиницями України різних рівнів. Так, було послідо-
вно накладено сітку за межами адміністративних областей
України, районів та територіальних громад для можливо-
сті здійснювати локальний аналіз території на різних рів-
нях. У такий спосіб кандидатні ділянки було агреговано в
цільні набори в межах кожної територіальної громади,
району та адміністративної області України (рис. 5).
Отже, згідно з виконаним розподілом, представленим
на рис. 5, було отримано зведену статистику кількості
доступної території в квадратних кілометрах для соняч-
ної енергетики за межами адміністративних областей
України, де показано географічний потенціал до та після
постобробки векторного шару доступної території:
Рис. 5. Карта теоретично доступних ділянок для розміщення СЕС згідно з розподілом за: а – адміністратив-
ними областями України; b – територіальними громадами
Для створення тестової вибірки даних за окремими гро-
мадами було взято по п’ять громад з п’яти областей Ук-
раїни – Чернігівської, Харківської, Миколаївської, Львів-
ської та Черкаської (табл. 1).
Таблиця 1. Перелік тестових територіальних громад для
визначення теоретичного потенціалу фотоенергетики
№
зп
Територіальна громада Область
приналежності
1 Березнянська Чернігівська
2 Городнянська Чернігівська
3 Понорницька Чернігівська
4 Сухополов’янська Чернігівська
5 Яблунівська Чернігівська
6 Безлюдівська Харківська
7 Дворічанська Харківська
8 Наталинська Харківська
9 Нововодолазька Харківська
10 Шевченківська Харківська
11 Баштанська Миколаївська
№
зп
Територіальна громада
Область
приналежності
12 Березнегуватська Миколаївська
13 Галицинівська Миколаївська
14 Мостівська Миколаївська
15 Врадіївська Миколаївська
16 Боринська Львівська
17 Дрогобицька Львівська
18 Моршинська Львівська
19 Сокальська Львівська
20 Стрийська Львівська
21 Бабанська Черкаська
22 Чорнобаївська Черкаська
23 Катеринопільська Черкаська
24 Шрамківська Черкаська
25 Жашківська Черкаська
Нижче наведено розміщення вибраних громад на ка-
рті України (рис. 6) та на картах областей (рис. 7–11).
170
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Рис. 6. Розташування територіальних громад на території України
Рис. 7. Територіальні громади Чернігівської області
171
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Рис. 8. Територіальні громади Харківської області
Рис. 9. Територіальні громади Миколаївської області
172
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Рис. 10. Територіальні громади Львівської області
Рис. 11. Територіальні громади Черкаської області
173
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
У підсумку отримано значення площ, доступних для встановлення СЕС для вибраних територіальних громад
(табл. 2).
Таблиця 2. Значення площ, доступних для встановлення СЕС для вибраних територіальних громад
№
зп
Територіальна
громада
Площа земель
громади
Площа земель,
доступних для
встановлення СЕС, км2
Площа земель
доступних для
встановлення СЕС, %
Область
1 Березнянська 352,5548432 123,7597414 35 Чернігівська
2 Городнянська 1187,566831 519,0755766 44 Чернігівська
3 Понорницька 523,8603459 116,6252264 22 Чернігівська
4 Сухополов’янська 894,9849508 219,2058624 24 Чернігівська
5 Яблунівська 283,0733307 52,48113866 19 Чернігівська
6 Безлюдівська 137,7176145 20,12493586 15 Харківська
7 Дворічанська 1111,570804 380,8299315 34 Харківська
8 Наталинська 502,4601864 141,6553759 28 Харківська
9 Нововодолазька 579,8273677 252,7712058 44 Харківська
10 Шевченківська 977,4874451 273,5951647 28 Харківська
11 Баштанська 760,599375 77,12212057 10 Миколаївська
12 Березнегуватська 1263,065334 170,4755188 13 Миколаївська
13 Галицинівська 285,3310131 53,06562873 19 Миколаївська
14 Мостівська 428,7262527 20,80351684 5 Миколаївська
15 Врадіївська 800,4100037 140,4392765 18 Миколаївська
16 Боринська 639,4001415 153,9915605 24 Львівська
17 Дрогобицька 421,5730617 153,3754488 36 Львівська
18 Моршинська 121,5266996 38,40075856 32 Львівська
19 Сокальська 676,5581559 104,8893553 16 Львівська
20 Стрийська 551,9076237 140,894566 26 Львівська
21 Бабанська 275,4496744 20,50430102 7 Черкаська
22 Чорнобаївська 639,5702946 57,71067337 9 Черкаська
23 Катеринопільська 442,2097084 47,67012113 11 Черкаська
24 Шрамківська 421,0335885 89,34158354 21 Черкаська
25 Жашківська 726,3979819 42,09279464 6 Черкаська
Проте вказані в таблиці значення доступної території не
визначають загальну теоретично доступну територію
для розміщення СЕС, оскільки аналіз географічного по-
тенціалу не враховує технічну доступність до існуючої
енергетичної розподільчої мережі, економічну доціль-
ність розміщення, та доцільність розміщення з погляду
середньорічного просторового розподілу сонячної раді-
ації, що сумарно суттєво обмежуватиме придатну для
розміщення СЕС територію.
Порядок визначення досяжного потенціалу фотоене-
ргетики територіальних громад:
1. Для розрахунку площі ФЕМ, яка може бути встановле-
ною на відповідній площі поверхні землі, необхідно ви-
значити коефіцієнт відношення площі затінення горизо-
нтальної поверхні до площі встановлених ФЕМ (табл. 3).
Відповідно, площа встановлених ФЕМ буде
SФЕМ = k * SДОСТ,
де SФЕМ – площа встановлених ФЕМ, k – коефіцієнт від-
ношення площі затінення горизонтальної поверхні до
площі встановлених ФЕМ, SДОСТ – площа поверхні землі,
доступна для встановлення ФЕМ.
Таблиця 3. Коефіцієнт відношення площі затінення
горизонтальної поверхні до площі встановлених ФЕМ
№
зп
Область
Коефіцієнт відношення
площі горизонтальної
поверхні до площі
встановлених ФЕМ
1 Вінницька 0,386931
2 Волинська 0,371025
3 Дніпропетровська 0,402424
4 Донецька 0,402424
5 Житомирська 0,371025
6 Закарпатська 0,402424
7 Запорізька 0,417529
8 Івано-Франківська 0,402424
9 Київська 0,371025
10 Кіровоградська 0,402424
11 Луганська 0,402424
12 Львівська 0,386931
174
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
№
зп
Область
Коефіцієнт відношення
площі горизонтальної
поверхні до площі
встановлених ФЕМ
13 Миколаївська 0,43227
14 Одеська 0,43227
15 Полтавська 0,386931
16 Рівненська 0,402424
17 Сумська 0,371025
18 Тернопільська 0,386931
19 Харківська 0,371025
20 Херсонська 0,43227
21 Хмельницька 0,386931
22 Черкаська 0,386931
23 Чернівецька 0,402424
24 Чернігівська 0,354679
25 АР Крим 0,460742
Оцінка теоретично досяжної потужності, зважаючи на
те, що площа генерації 1 кВт сучасними ФЕМ становить
приблизно 5 м2 (табл. 4).
Таблиця 4. Теоретично досяжна потужність встанов-
лених ФЕМ
№
зп
Територіальна
громада
Теоретично досяжна
потужність встановлених
ФЕМ, МВт
1 Березнянська 8753,066053
2 Городнянська 37 066,04186
3 Понорницька 8175,299699
4 Сухополов’янська 15 236,75382
5 Яблунівська 3815,206349
6 Безлюдівська 1532,900416
7 Дворічанська 28 044,59934
8 Наталинська 10 439,81681
9 Нововодолазька 18 931,48048
10 Шевченківська 20 309,64867
11 Баштанська 6575,683599
12 Березнегуватська 14 195,61172
13 Галицинівська 4686,919812
14 Мостівська 1853,254342
15 Врадіївська 12 455,75212
16 Боринська 11 875,3854
17 Дрогобицька 11 744,62342
18 Моршинська 3009,438171
19 Сокальська 8377,006641
20 Стрийська 11 104,61445
21 Бабанська 1492,121014
22 Чорнобаївська 4454,454601
№
зп
Територіальна
громада
Теоретично досяжна
потужність встановлених
ФЕМ, МВт
23 Катеринопільська 3764,304106
24 Шрамківська 6842,263287
25 Жашківська 3372,792493
Для оцінки теоретично досяжної річної фотоелектрич-
ної генерації необхідно взяти показники середньорічної
генерації з 1 кВт ФЕМ для областей України, до яких на-
лежать відповідні громади.
Результати представлено в табл. 5.
Таблиця 5. Показники середньорічної генерації з 1 кВт
ФЕМ для областей України
№
зп
Територіальна гро-
мада
Теоретично досяжна рі-
чна генерація, МВт·год
1 Березнянська 9 985 497,753
2 Городнянська 42 284 940,56
3 Понорницька 9 326 381,896
4 Сухополов’янська 17 382 088,76
5 Яблунівська 4 352 387,403
6 Безлюдівська 1 839 633,789
7 Дворічанська 33 656 323,67
8 Наталинська 12 528 824,15
9 Нововодолазька 22 719 669,73
10 Шевченківська 24 373 609,37
11 Баштанська 9 422 297,029
12 Березнегуватська 20 340 892,03
13 Галицинівська 6715887,399
14 Мостівська 2 655 528,147
15 Врадіївська 17 847 847,22
16 Боринська 13 634 129,98
17 Дрогобицька 13 484 002,14
18 Моршинська 3 455 135,964
19 Сокальська 9 617 641,325
20 Стрийська 12 749 207,85
21 Бабанська 1 834 562,786
22 Чорнобаївська 5 476 751,932
23 Катеринопільська 4 628 211,898
24 Шрамківська 8 412 562,711
25 Жашківська 4 146 848,37
Результуючі показники теоретично досяжного потенці-
алу фотоенергетики для вибраних територіальних гро-
мад України наведено в табл. 6.
175
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Таблиця 6. Теоретично досяжний потенціал фотоенергетики для вибраних територіальних громад України
№
зп
Територіальна
громада
Теоретично
досяжна площа для
встановлення ФЕМ,
км2
Теоретично
досяжна площа
встановлених
ФЕМ, км2 ФЕМ
Теоретично
досяжна потужність
встановлених ФЕМ,
МВт
Теоретично
досяжна річна
генерація,
МВт·год
1 Березнянська 123,7597414 43,76533 8753,066053 9 985 497,753
2 Городнянська 519,0755766 185,3302 37 066,04186 42 284 940,56
3 Понорницька 116,6252264 40,8765 8175,299699 9 326 381,896
4 Сухополов'янська 219,2058624 76,18377 15 236,75382 17 382 088,76
5 Яблунівська 52,48113866 19,07603 3815,206349 4 352 387,403
6 Безлюдівська 20,12493586 7,664502 1532,900416 1 839 633,789
7 Дворічанська 380,8299315 140,223 28 044,59934 33 656 323,67
8 Наталинська 141,6553759 52,19908 10 439,81681 12 528 824,15
9 Нововодолазька 252,7712058 94,6574 18 931,48048 22 719 669,73
10 Шевченківська 273,5951647 101,5482 20 309,64867 24 373 609,37
11 Баштанська 77,12212057 32,87842 6575,683599 9 422 297,029
12 Березнегуватська 170,4755188 70,97806 14 195,61172 20 340 892,03
13 Галицинівська 53,06562873 23,4346 4686,919812 6 715 887,399
14 Мостівська 20,80351684 9,266272 1853,254342 2 655 528,147
15 Врадіївська 140,4392765 62,27876 12 455,75212 17 847 847,22
16 Боринська 153,9915605 59,37693 11 875,3854 13 634 129,98
17 Дрогобицька 153,3754488 58,72312 11 744,62342 13 484 002,14
18 Моршинська 38,40075856 15,04719 3009,438171 3 455 135,964
19 Сокальська 104,8893553 41,88503 8377,006641 9 617 641,325
20 Стрийська 140,894566 55,52307 11 104,61445 12 749 207,85
21 Бабанська 20,50430102 7,460605 1492,121014 1 834 562,786
22 Чорнобаївська 57,71067337 22,27227 4454,454601 5 476 751,932
23 Катеринопільська 47,67012113 18,82152 3764,304106 4 628 211,898
24 Шрамківська 89,34158354 34,21132 6842,263287 8 412 562,711
25 Жашківська 42,09279464 16,86396 3372,792493 4 146 848,37
Висновки
Під час дослідження було проаналізовано актуальні
практики визначення географічного потенціалу для со-
нячної енергетики, встановлено основні обмежувальні
ділянки для СЕС, критерії та доконечні випадки застосу-
вання буферних зон для обмежувальних ділянок. Було
визначено набір відкритих джерел для формування вхі-
дної вибірки даних обмежувальних ділянок. До вхідної
вибірки обмежувальних ділянок було занесено такі
об’єкти, як сільськогосподарські угіддя, лісові наса-
дження, водні об’єкти, забудовані території й території
з природоохоронним статусом. Розрізнену вхідну вибі-
рку даних, що складалася з растрових зображень та ве-
кторних шарів, було приведено до єдиного типу вектор-
них шарів. Вхідні растрові шари сільськогосподарських
угідь та лісових насаджень було категоризовано за по-
роговими значенням 61 і 50, відповідно, з проміжку
[0,100]. У такий спосіб було вилучено з зображення ді-
лянки, що не належать виокремленим об’єктам, після
чого було утворено векторні шари за залишковими ді-
лянками після процесу фільтрації. Вибірку векторних
шарів обмежувальних ділянок було об’єднано в єдиний
векторний шар, після чого знайдено симетричну різ-
ницю з адміністративними межами України. У підсумку
було отримано векторний шар доступних для розмі-
щення ділянок.
Векторний шар доступних ділянок було відфільтровано
за пороговим значенням площі в 0,15 га, та очищено від
вузьких коридорів відстанню до 40 м. Після чого було
виконано розподіл отриманої території за категоріями
адміністративного поділу України – за межами адмініс-
тративних областей, районів та територіальних громад.
У межах України процес фільтрації продемонстрував рі-
зницю в оцінці географічного потенціалу у 2 % між від-
фільтрованою та невідфільтрованою вибіркою ділянок.
Застосування геоінформаційних технологій дало змогу
отримати значення площ, доступних для встановлення
СЕС для вибраних територіальних громад.
176
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Внаслідок виконання роботи визначено теоретично до-
сяжний потенціал фотоенергетики для впровадження
СЕС на встановлених площах 25 вибраних територіаль-
них громад з різним географічним положенням, гру-
пами по п’ять із п’яти областей України.
ПОСИЛАННЯ
1. Bondarenko, D., Matiakh, S., Surzhyk Т., & Sheiko, I.
(2025). Actual pathways for solar energy development
based on the materials of the scientific and practical
conference «renewable energy and energy efficiency in
the 21st century» 2025..Vidnovluvana Energetika, (3(82),
82–88. https://doi.org/10.36296/1819 -
8058.2025.3(82).82-88
2. Bondarenko, D, Matiakh, S., Surzhyk Т., Sheiko, I., &
Kravchenko М. (2024). Development trends of solar
power engineering based on the materials of the
scientific and practical conference «renewable energy
and energy efficiency in the 21. Vidnovluvana Energetika,
(3(78), 76–83. https://doi.org/10.36296/1819 -
8058.2024.3(78).76-83
3. Bondarenko, D., Matiakh, S., Surzhyk, T., Sheiko, I. (2024).
Photovoltaic Thermal Solar Collector for Autonomous
and Energy Cluster Modes. In: Babak, V., Zaporozhets, A.
(eds) Systems, Decision and Control in Energy VI. Studies
in Systems, Decision and Control, vol. 552. Springer,
Cham. https://doi.org/10.1007/978-3-031-67091-6_16
4. Про внесення змін до деяких законів України щодо
відновлення та "зеленої" трансформації енергетичної
системи України/ Закон України № 3220-IX. ВВР. 2023.
№ 82. с. 301.
https://zakon.rada.gov.ua/laws/show/3220-IX#Text
5. Енергетична незалежність через децентралізацію:
нова дорожня карта IEA до 2030 року
https://100re.org.ua/energetychna-nezalezhnist-cherez-
deczentralizacziyu-nova-dorozhnya-karta-iea-do-2030-
roku/
6. Кудря С. О. Нетрадиційні та відновлювані джерела
енергії / С. О. Кудря: Підручник. Київ: Національний
технічний університет України («КПІ»), 2012. 495 с.
7. Sofia Spyridonidou, Dimitra G. Vagiona,
A systematic review of site-selection procedures of PV
and CSP technologies, Energy Reports, Volume 9, 2023,
Pp/ 2947–2979. ISSN 2352-
4847, https://doi.org/10.1016/j.egyr.2023.01.132.
8. Ranjgar, B., Niccolai, A., & Leva, S. (2025). Where Can
Solar Go? Assessing Land Availability for PV in Italy Under
Regulatory Constraints. Solar, 5(3), 40.
https://doi.org/10.3390/solar5030040
9. Taoufik et al. (2021),
Gospodarka Surowcami Mineralnymi – екологічні
буфери (орнітологія) https://epj.min-
pan.krakow.pl/pdf-133474-
66008?filename=66008.pdf&utm_source=chatgpt.com
10. Fotsing Metegam, Isabelle Flora. Site suitability analysis
for integrating large-scale hybrid photovoltaic and
concentrated solar power plants in Cameroon using
Monte Carlo, analytic hierarchy process, and geographic
information system methods”, Energy Conversion and
Management: X, Volume 25, 2025, 100871, ISSN 2590-
1745, https://doi.org/10.1016/j.ecmx.2025.100871.
11. Zhang, X., Xu, M., Wang, S., Huang, Y., & Xie, Z. (2022).
Mapping photovoltaic power plants in China using
Landsat, random forest, and Google Earth Engine. Earth
System Science Data, 14, 3743–3755.
https://doi.org/10.5194/essd-14-3743-2022
12. Mierzwiak, M., & Całka, B. (2017). Multi-criteria analysis
for solar farm location suitability. Reports on Geodesy
and Geoinformatics, 104, 20–32.
https://doi.org/10.1515/rgg-2017-0012
13. Dowling, Z. (2024, June). Community Planning for Solar:
Conducting a solar resource and infrastructure
assessment (NREL/SR-7A40-90070). National Renewable
Energy Laboratory.
https://www.nrel.gov/docs/fy24osti/90070.pdf
14. Esri. "UKR_water_areas_dcw" [Feature Server]. Available
at: https://services2.arcgis.com/ZOdjAzAQ2B0f85zi/arcg
is/rest/services/UKR_water_areas_dcw/FeatureServer
(Accessed: 21 September 2024)
15. Esri. "UKR_COD_AB_2024" [Feature Server].
"ukr_admbnda_adm4_sspe_20240416".
Available at: https://services-
eu1.arcgis.com/fppoCYaq7HfVFbIV/arcgis/rest/services/
UKR_COD_AB_2024/FeatureServer (Accessed:
26 September 2024)
16. Protected Planet. Available at:
https://www.protectedplanet.net/ (Accessed:
15 September 2024)
17. Esri. "Ukrainian_Waterways" [Feature Server].
"gis_osm_waterways_free_1". April 11,
2023. Available at: https://services5.arcgis.com/SaBe5H
MtmnbqSWlu/arcgis/rest/services/Ukrainian_Waterwa
ys/FeatureServer (Accessed: 22 September 2024)
18. CORINE Land Cover 2018 (raster 100 m), Europe, 6-yearly
– version 2020_20u1, May 2020,
https://doi.org/10.2909/960998c1-1870-4e82-8051-
6485205ebbac
19. Esri Inc. (2024). ArcGIS Pro (Version 3.4.0) [Computer
software]. Redlands, CA: Esri Inc..
20. GlobalForestWatch. Available at:
https://www.globalforestwatch.org/ (Accessed:
28 October 2024)
https://doi.org/10.36296/1819-8058.2025.3(82).82-88
https://doi.org/10.36296/1819-8058.2025.3(82).82-88
https://doi.org/10.36296/1819-8058.2024.3(78).76-83
https://doi.org/10.36296/1819-8058.2024.3(78).76-83
https://zakon.rada.gov.ua/laws/show/3220-IX#Text
https://100re.org.ua/energetychna-nezalezhnist-cherez-deczentralizacziyu-nova-dorozhnya-karta-iea-do-2030-roku/
https://100re.org.ua/energetychna-nezalezhnist-cherez-deczentralizacziyu-nova-dorozhnya-karta-iea-do-2030-roku/
https://100re.org.ua/energetychna-nezalezhnist-cherez-deczentralizacziyu-nova-dorozhnya-karta-iea-do-2030-roku/
https://doi.org/10.1016/j.egyr.2023.01.132
https://doi.org/10.3390/solar5030040
https://epj.min-pan.krakow.pl/pdf-133474-66008?filename=66008.pdf&utm_source=chatgpt.com
https://epj.min-pan.krakow.pl/pdf-133474-66008?filename=66008.pdf&utm_source=chatgpt.com
https://epj.min-pan.krakow.pl/pdf-133474-66008?filename=66008.pdf&utm_source=chatgpt.com
https://doi.org/10.1016/j.ecmx.2025.100871
https://doi.org/10.5194/essd-14-3743-2022
https://doi.org/10.1515/rgg-2017-0012
https://www.nrel.gov/docs/fy24osti/90070.pdf
https://services2.arcgis.com/ZOdjAzAQ2B0f85zi/arcgis/rest/services/UKR_water_areas_dcw/FeatureServer
https://services2.arcgis.com/ZOdjAzAQ2B0f85zi/arcgis/rest/services/UKR_water_areas_dcw/FeatureServer
https://services-eu1.arcgis.com/fppoCYaq7HfVFbIV/arcgis/rest/services/UKR_COD_AB_2024/FeatureServer
https://services-eu1.arcgis.com/fppoCYaq7HfVFbIV/arcgis/rest/services/UKR_COD_AB_2024/FeatureServer
https://services-eu1.arcgis.com/fppoCYaq7HfVFbIV/arcgis/rest/services/UKR_COD_AB_2024/FeatureServer
https://www.protectedplanet.net/
https://services5.arcgis.com/SaBe5HMtmnbqSWlu/arcgis/rest/services/Ukrainian_Waterways/FeatureServer
https://services5.arcgis.com/SaBe5HMtmnbqSWlu/arcgis/rest/services/Ukrainian_Waterways/FeatureServer
https://services5.arcgis.com/SaBe5HMtmnbqSWlu/arcgis/rest/services/Ukrainian_Waterways/FeatureServer
https://doi.org/10.2909/960998c1-1870-4e82-8051-6485205ebbac
https://doi.org/10.2909/960998c1-1870-4e82-8051-6485205ebbac
https://www.globalforestwatch.org/
177
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
UDC 621.311 https://doi.org/10.36296/1819-8058.2025.4(83).165-188
DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF
UKRAINE USING GEOINFORMATION SYSTEMS
Received Nov. 07, 2025; accepted Dec. 09, 2025
Available online Dec. 31, 2025
Matiakh S.¹, Ausheva N.²,
Kardashov O.³, Bondarenko D.4
Author for correspondence: Matiakh Sergii,
e-mail: renewable@ukr.net
Abstract. The study presents the results of research aimed at
determining the photovoltaic potential of the territorial
communities of Ukraine using geoinformation technologies.
For testing purposes, 25 territorial communities were selected
for the implementation of solar power plants (SPP), grouped in
sets of five across five regions of Ukraine with different
geographical conditions.
An input dataset of restrictive land areas was formed,
consisting of agricultural lands, forest plantations, water bodies, built-up areas, and territories with environmental
protection status. The input dataset of restrictive areas was processed using GIS tools, resulting in the creation of
a vector layer of available land plots suitable for the placement of SPP.
Threshold values were defined for filtering the layer of available areas into two categories: a minimum corridor
width of 40 meters and a minimum plot area of 0.15 hectares. A comparison of the available area before filtering
(113,413.4 km²) and after filtering (103,419.6 km²) according to these categories demonstrated a difference of
approximately 2% relative to the total study area of Ukraine. Based on the data on territories suitable for SPP
deployment and annual solar irradiation, indicators of the photovoltaic potential of the selected territorial
communities of Ukraine were calculated.
Keywords: solar energy, geographic potential, geographic information systems (GIS), spatial analysis, solar
energy potential of territorial communities.
List of Symbols and Abbreviations
IEA – International Energy Agency
BESS – Battery Energy Storage Systems
SPP – Solar Power Plant
PV Module – Photovoltaic Module
Introduction
The Energy Strategy of Ukraine until 2050, approved by the
Cabinet of Ministers’ Resolution of April 21, 2023, envisions
enhancing the resilience of the Ukrainian Energy System
and ensuring a reliable energy supply through the decen-
tralization of electricity generation across the entire terri-
tory of the country, which is closely linked to the develop-
ment of renewable energy sources [1-3]. Amendments to
the laws of Ukraine concerning the restoration and "green"
transformation of the national energy system [4] are aimed
at reforming the electric power sector in multiple aspects
of its operation and development of the national energy
market, including small-scale distributed generation. In ad-
dition to economic advantages, distributed power genera-
tion systems can also perform a balancing function.
In the report “Empowering Ukraine Through a Decentral-
ised Electricity System” by the International Energy Agency
(IEA), a pathway toward building a resilient, flexible, and
decentralized energy system in Ukraine is presented. The
IEA views the current crisis of Ukraine’s energy sector—
arising and deepening due to the vulnerability of its centra-
lized model during the military aggression of the Russian
Federation—as an opportunity to construct a new energy
architecture based on distributed energy resources, includ-
ing solar, wind, and bioenergy, as well as battery energy
storage systems (BESS) and microgrids [5]. To achieve this,
Ukraine must implement five key strategic pathways by
2030:
− development of distributed generation, particularly so-
lar and bioenergy projects;
1 Cand. of Tech. Sciences
https://orcid.org/0000-0002-1707-3519
2 Dr. of Tech. Sciences, Professor
https://orcid.org/0000-0003-0816-2971
3 Postgraduate student (Eng.)
https://orcid.org/0000-0003-1767-7846
4 Cand. of Tech. Sciences
https://orcid.org/0000-0002-5629-930X
1, 4 Institute of Renewable Energy, NAS of
Ukraine, Kyiv, Ukraine
2, 3 National Technical University of Ukraine “Ihor
Sikorsky Kyiv Polytechnic Institute”, Kyiv,
Ukraine
178
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
− implementation of battery energy storage systems
(BESS) for balancing the power system;
− establishment of local energy communities and mi-
crogrids;
− promotion of prosumers — consumers who simultane-
ously produce energy;
− reform of the electricity market to enable the integra-
tion of decentralized resources into system services.
At present, solar power generation in Ukraine, supported
by state initiatives and international investments, is charac-
terized by a significant increase in demand for the deploy-
ment of solar power plants (SPPs) of various types, capaci-
ties, and ownership structures. Particular interest in
establishing electricity generation systems based on solar
energy is demonstrated by individual households as well as
official representatives of territorial communities.
Problem Statement. The development of methods for de-
termining the energy potential and identifying areas suita-
ble for the deployment of photovoltaic equipment within
the territorial communities, defined through the applica-
tion of GIS technologies.
The aim of this study is to determine the photovoltaic po-
tential of the territorial communities of Ukraine using
geoinformation systems, with the purpose of supporting
the development and implementation of distributed de-
centralized energy systems.
Research Methods: GIS analysis software ArcGIS Pro.
Research Results
In calculating the photovoltaic potential for the installation
of solar power plants (SPPs), not only the indicators of in-
coming solar radiation are taken into account, but also the
area available for plant construction and the power coeffi-
cient of SPPs, which depends on the type and configuration
of photovoltaic modules (PVs), the distance between panel
rows, and other design factors.
The average annual total solar radiation incident on 1 m² of
surface across Ukraine ranges from approximately 1070
kWh/m² in the northern regions to 1400 kWh/m² and
higher in the southern parts of the country [6].
To determine the theoretically attainable solar energy po-
tential of the regions, it is necessary to assess the extent of
areas that are potentially available for the installation of
photovoltaic equipment. The list of land categories suitable
for the construction of solar power plants is subject to re-
strictions based on land use designation, which excludes
the following categories:
− areas of agricultural land,
− areas of forest land,
− areas of water resources,
− areas of built-up land,
− areas of protected natural zones.
Analysis of Recent Studies
Studies [7, 8] examine the selection of suitable locations for
solar power plants (SPPs) using land-use criteria by identi-
fying areas where the installation of generation equipment
is prohibited and, where necessary, adding buffer zones
around such areas. Unlike wind energy, buffer zones for so-
lar energy are applied to a limited extent due to its lower
environmental impact.
Additional restrictions may be established for protected
natural areas, particularly for bird migration corridors, in
order to reduce the risk of collisions with photovoltaic pan-
els and to preserve rare species, as noted in study [9],
where buffer zones of 500–2,500 m were defined for envi-
ronmental protection sites. For airports, study [10] recom-
mended a setback distance of 3,500 m, justified by poten-
tial glare from panels and associated risks for pilots during
takeoff and landing.
Thus, in most cases, international practice limits buffer
zones for SPPs to a range of 0–500 m, while specific excep-
tional circumstances may require setback distances on the
order of 1–10 km.
A common issue that arises during the formation of spatial
suitability masks is the appearance of residual narrow po-
lygonal transitions between areas with widths below the
threshold value. These zones do not meet the minimum op-
erational width requirements for the placement of photo-
voltaic module (PV) rows and service passages. This prob-
lem can be addressed through the application of erosion
and dilation operations with the creation of buffer zones,
as demonstrated in study [11].
In that study, based on Landsat satellite imagery, pixel fil-
tering was applied using connectivity to nine neighboring
pixels, followed by morphological expansion of clusters
across the entire raster image using a circular kernel with a
radius of one pixel (equivalent to 30 meters). This approach
effectively eliminated narrow transitions between adjacent
areas. Additionally, the authors of [11] applied a filtering
step to the vector layer to remove polygons with an area
smaller than 4 hectares, establishing a threshold value for
the minimum plot area.
Similarly, in studies [12], vector-based buffer construction
was employed to eliminate narrow connections and iso-
lated geometry fragments within the layer, analogous to
morphological erosion and dilation operations. According
to data from the U.S. National Renewable Energy Labora-
tory (NREL), for the practical deployment of solar power
plants (SPPs) with a capacity of 1 MW or more, a threshold
land area of 2 hectares is recommended [13].
Procedure for Determining Available Areas for the
Installation of Solar Power Plants (SPP)
To assess the theoretically attainable solar energy potential
across the territory of Ukraine, the first step is to determine
the geographical potential of the sector — that is, to
identify the areas available for the placement of power
generation facilities.
179
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
A set of restrictive zones was identified, comprising land
categories that include agricultural areas, forested lands,
water bodies, built-up areas, and lands with environmental
protection status. For each zone, input data were obtained
in the form of raster images or directly as vector shapefiles,
both suitable for analysis without prior format conversion.
The processing workflow for input data from various
sources is specific to each object within the input dataset.
The vector layers of built-up areas and water bodies were
obtained from the open-access resource ArcGIS Online [14–
15]. The layer of protected areas of Ukraine was acquired
from the open database Protected Planet [16]. The vector
layer of water bodies was created by merging two input vec-
tor layers into a single shapefile: layer [14], which contains
large water bodies of Ukraine, and layer [17], which repre-
sents water bodies in the form of linear features. For layer
[14], representing major water bodies such as the Desna and
Dnipro rivers, a 500-meter buffer zone was created, consid-
ering the characteristic seasonal flooding of these rivers. For
layer [17], containing smaller hydrological features—minor
rivers, irrigation canals, lakes, and streams — a buffer zone
with a uniform offset of 50 meters from the linear features
of the layer was generated (Fig. 1):
Fig. 1. Large water bodies (a); small water bodies (b); combined layer of water bodies with buffer zones (c)
The input data for agricultural lands and forest plantations
consist of raster layers in GeoTIFF format, where each pixel
of the image corresponds to a value within the range [0,
100]. If the target object fully occupies the pixel area, it is
displayed in white and assigned a value of 100; conversely,
if the object is completely absent within the pixel, it is dis-
played in black and assigned a value of 0. All intermediate
pixel values within the range 0 < n < 100 represent partial
coverage of the target object, with varying degrees of in-
tensity.
For agricultural lands, a raster image was obtained from the
CORINE Land Monitoring Service [18]. The raster was de-
noised using the Majority Filter tool in ArcGIS Pro [19]. In
this process, when the majority value among the eight
neighboring pixels differs from that of the central pixel, the
pixel value is replaced with the majority value. The next
step involved extracting agricultural lands from the contin-
uous raster using a threshold value of 61, whereby all pixels
with values below the threshold were excluded. The result-
ing raster image, containing only the extracted agricultural
lands, was then converted into a vector layer for subse-
quent analysis.
The input data for forest plantations were obtained from
the Global Forest Watch portal [20] in the form of raster
images containing satellite-derived information on tree
cover density across the territory of Ukraine. The raster
format of forest plantations is analogous to that of agri-
cultural land and follows a similar principle for extracting
the target object. During processing, the raster was clas-
sified into ten groups according to the density of pixel
coverage by forest vegetation. The intermediate classi-
fied raster was then binarized using a threshold value of
50, thereby excluding pixels that did not belong to for-
ested areas. The resulting intermediate raster layer of
forest plantations, similar to that of agricultural lands,
was converted into a vector shapefile. However, the ras-
ter images obtained—and, consequently, the vector lay-
ers of agricultural lands and forest plantations—inevita-
bly contained residual areas corresponding to edge
zones in the original rasters, i.e., transitions between
white and black pixels. This led to the formation of nu-
merous narrow corridors along field or forest bounda-
ries, as well as the delineation of sparse tree clusters
that could generate irregular polygon geometries during
vector conversion. Such artifacts may result in geometry
errors such as zero-area polygons, holes within continu-
ous features, or isolated fragments. The results of the
vectorization of agricultural and forest land layers are il-
lustrated in Fig. 2:
180
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Fig. 2. Agricultural land layers: (a) – raster layer before processing, (b) – vector layer after processing; forest plantation
layers: (c) – raster layer before processing, (d) – vector layer after processing
From the analysis of the raster images, the following con-
clusions can be drawn regarding the spatial distribution of
the restrictive zones: forest areas are primarily concen-
trated in the northern regions of Ukraine, as well as in the
Carpathian Mountains, the Crimean Mountains, and along
river valleys, whereas agricultural lands, though present
throughout the entire territory of Ukraine, show in-
creased concentration in the eastern, southern, and cen-
tral regions. When combined, both layers form a relatively
uniform distribution of restricted areas for the placement
of solar power plants (SPP) across the overall study area.
Thus, all input layers were converted into vector shapefile
format. The resulting dataset of layers was then processed
using the Union and Dissolve operations in ArcGIS Pro [19]
to produce a single vector layer of restrictive areas (Fig. 3).
The layer of available areas for solar power plant (SPP) de-
ployment was obtained by performing the Symmetrical Dif-
ference operation in ArcGIS Pro [19] between the territory
of Ukraine’s administrative boundaries and the restrictive
areas layer (Fig. 4):
Fig. 3. Restrictive areas for the placement of solar power plants
in Ukraine
Fig. 4. Available plots for solar power plants in Ukraine
181
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Since the resulting vector layer of available areas contained
a large number of narrow transitions between polygons
and geometric errors, primarily expressed as isolated
residual micro-areas, such objects were deemed unsuitable
for the placement of solar power plants (SPPs). Therefore,
a vector layer cleaning process was carried out. Initially, the
layer was refined to remove narrow connections and
micro-areas by performing sequential erosion and dilation
operations. Specifically, a buffer zone of 40 meters with a
negative offset was first calculated from the external
boundaries of the vector layer, effectively eliminating
unwanted fragments. Then, from the newly created
intermediate layer, another buffer zone of 40 meters with
a positive offset was generated to restore the layer
boundaries. The chosen buffer width of 40 meters was
estimated based on the minimum feasible depth of a single
SPP row, allowing for the installation of auxiliary equipment
in addition to the photovoltaic panels themselves.
The resulting layer was also spatially segmented according
to the administrative divisions of Ukraine at various
hierarchical levels. Specifically, a grid overlay was
successively applied along the boundaries of administrative
regions (oblasts), districts (raions), and territorial
communities to enable localized territorial analysis at
multiple administrative scales. As a result, the candidate
areas were aggregated into integrated datasets within the
boundaries of each territorial community, district, and
administrative region of Ukraine (Fig. 5).
Thus, based on the spatial distribution presented in Figure
5, a summary of the available land area (in km²) suitable for
solar energy development was obtained for each
administrative region of Ukraine. The results illustrate the
geographical potential of solar energy both before and
after the post-processing of the vector layer representing
available territory.
Fig. 5. Map of theoretically available sites for the location of solar power plants according to the distribution by: (a)
administrative regions of Ukraine, (b) territorial communities
To create a test data sample for individual communities,
five territorial communities were selected from each of five
regions of Ukraine — Chernihiv, Kharkiv, Mykolaiv, Lviv,
and Cherkasy — as presented in Table 1:
Table 1. List of test territorial communities to determine
the theoretical potential of photovoltaics
No Territorial Community Region
1 Bereznianska Chernihiv
2 Horodnianska Chernihiv
3 Ponornytska Chernihiv
4 Sukhopolovianska Chernihiv
5 Yablunivska Chernihiv
6 Bezliudivska Kharkiv
7 Dvorichanska Kharkiv
8 Natalynska Kharkiv
9 Novovodolazka Kharkiv
10 Shevchenkivska Kharkiv
11 Bashtanska Mykolaiv
No Territorial Community Region
12 Bereznehuvatska Mykolaiv
13 Halytsynivska Mykolaiv
14 Mostivska Mykolaiv
15 Vradiivska Mykolaiv
16 Borynska Lviv
17 Drohobytska Lviv
18 Morshynska Lviv
19 Sokalska Lviv
20 Stryiska Lviv
21 Babanska Cherkasy
22 Chornobaivska Cherkasy
23 Katerynopilska Cherkasy
24 Shramkivska Cherkasy
25 Zhashkivska Cherkasy
The spatial distribution of the selected communities across
the territory of Ukraine is presented below (Fig. 6), along
with their locations on the regional maps (Figs. 7–11).
182
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Fig. 6. Location of territorial communities on the territory of Ukraine
Fig. 7. Territorial communities of Chernihiv region
183
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Fig. 8. Territorial communities of Kharkiv region
Fig. 9. Territorial communities of Mykolaiv region
184
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Fig. 10. Territorial communities of Lviv region
Fig. 11. Territorial communities of Cherkasy region
185
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
As a result, the values of areas available for the installation of solar power plants (SPPs) were obtained for the selected
territorial communities (Table 2).
Table 2. The value of areas available for the installation of solar power plants for selected territorial communities
No
Territorial Commu-
nity
Territorial community area
Available area for SPP
installation (km2)
Available area for SPP
installation (%)
1 Bereznianska 352.5548432 123.7597414 35%
2 Horodnianska 1,187.566831 519.0755766 44%
3 Ponornytska 523.8603459 116.6252264 22%
4 Sukhopolovianska 894.9849508 219.2058624 24%
5 Yablunivska 283.0733307 52.48113866 19%
6 Bezliudivska 137.7176145 20.12493586 15%
7 Dvorichanska 1,111.570804 380.8299315 34%
8 Natalynska 502.4601864 141.6553759 28%
9 Novovodolazka 579.8273677 252.7712058 44%
10 Shevchenkivska 977.4874451 273.5951647 28%
11 Bashtanska 760.599375 77.12212057 10%
12 Bereznehuvatska 1,263.065334 170.4755188 13%
13 Halytsynivska 285.3310131 53.06562873 19%
14 Mostivska 428.7262527 20.80351684 5%
15 Vradiivska 800.4100037 140.4392765 18%
16 Borynska 639.4001415 153.9915605 24%
17 Drohobytska 421.5730617 153.3754488 36%
18 Morshynska 121.5266996 38.40075856 32%
19 Sokalska 676.5581559 104.8893553 16%
20 Stryiska 551.9076237 140.894566 26%
21 Babanska 275.4496744 20.50430102 7%
22 Chornobaivska 639.5702946 57.71067337 9%
23 Katerynopilska 442.2097084 47.67012113 11%
24 Shramkivska 421.0335885 89.34158354 21%
25 Zhashkivska 726.3979819 42.09279464 6%
The values of available territory presented in the table,
however, do not represent the total theoretically accessible
area for the deployment of solar power plants (SPPs). This
is because the analysis of geographical potential does not
account for factors such as technical accessibility to the ex-
isting power distribution network, economic feasibility of
site development, or suitability in terms of the spatial dis-
tribution of annual solar radiation. Collectively, these fac-
tors significantly constrain the territory that is practically
suitable for SPP installation.
Procedure for Determining the Achievable Photovoltaic
Potential of Territorial Communities:
To calculate the area of photovoltaic modules (PVs) that
can be installed on a given land surface, it is necessary to
determine the coefficient of the ratio between the shaded
horizontal surface area and the area of installed PV mod-
ules (Table 3). Accordingly, the area of the installed PV
modules is calculated as:
SPVM = k * SAV,
where SPVM - the area of the installed photovoltaic modules,
k - the coefficient representing the ratio of the shaded hor-
izontal surface area to the area of the installed PV modules,
SAV - the land surface area available for the installation of
PV modules.
Table 3. Ratio of the area of the horizontal surface
shading to the area of the installed PV modules
No
Region
Coefficient of the Ratio of
Horizontal Surface Area to
the Area of Installed
Photovoltaic Modules (PVs)
1 Vinnytsia 0.386931
2 Volyn 0.371025
3 Dnipropetrovsk 0.402424
4 Donetsk 0.402424
5 Zhytomyr 0.371025
6 Zakarpattia 0.402424
7 Zaporizhzhia 0.417529
8 Ivano-Frankivsk 0.402424
9 Kyiv 0.371025
10 Kirovohrad 0.402424
11 Luhansk 0.402424
186
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
No
Region
Coefficient of the Ratio of
Horizontal Surface Area to
the Area of Installed
Photovoltaic Modules (PVs)
12 Lviv 0.386931
13 Mykolaiv 0.43227
14 Odesa 0.43227
15 Poltava 0.386931
16 Rivne 0.402424
17 Sumy 0.371025
18 Ternopil 0.386931
19 Kharkiv 0.371025
20 Kherson 0.43227
21 Khmelnytskyi 0.386931
22 Cherkasy 0.386931
23 Chernivtsi 0.402424
24 Chernihiv 0.354679
25 AR of Crimea 0.460742
Estimation of the theoretically achievable power output is
based on the assumption that the generation area required
for producing 1 kW of electricity using modern photovoltaic
modules (PVs) is approximately 5 m² (Table 4).
Table 4. Theoretically achievable power of installed PV
systems
No
Territorial
Community
Theoretically Achievable
Power Capacity of Installed
Photovoltaic Modules (MW)
1 Bereznianska 8,753.066053
2 Horodnianska 37,066.04186
3 Ponornytska 8,175.299699
4 Sukhopolovian-
ska 15,236.75382
5 Yablunivska 3,815.206349
6 Bezliudivska 1,532.900416
7 Dvorichanska 28,044.59934
8 Natalynska 10,439.81681
9 Novovodolazka 18,931.48048
10 Shevchenkivska 20,309.64867
11 Bashtanska 6,575.683599
12 Bereznehuvatska 14,195.61172
13 Halytsynivska 4,686.919812
14 Mostivska 1,853.254342
15 Vradiivska 12,455.75212
16 Borynska 11,875.3854
17 Drohobytska 11,744.62342
18 Morshynska 3,009.438171
19 Sokalska 8,377.006641
20 Stryiska 11,104.61445
21 Babanska 1,492.121014
No
Territorial
Community
Theoretically Achievable
Power Capacity of Installed
Photovoltaic Modules (MW)
22 Chornobaivska 4,454.454601
23 Katerynopilska 3,764.304106
24 Shramkivska 6,842.263287
25 Zhashkivska 3,372.792493
To estimate the theoretically achievable annual photovol-
taic generation, it is necessary to use the indicators of the
average annual electricity generation per 1 kW of installed
PV capacity for the regions of Ukraine to which the respec-
tive communities belong.
The results are presented in Table 5.
Table 5. Indicators of average annual generation from 1
kW of PV for regions of Ukraine
No
Territorial
Community
Theoretically Achievable
Annual Generation
(MWh)
1 Bereznianska 9,985,497.753
2 Horodnianska 42,284,940.56
3 Ponornytska 9,326,381.896
4 Sukhopolovianska 17,382,088.76
5 Yablunivska 4,352,387.403
6 Bezliudivska 1,839,633.789
7 Dvorichanska 33,656,323.67
8 Natalynska 12,528,824.15
9 Novovodolazka 22,719,669.73
10 Shevchenkivska 24,373,609.37
11 Bashtanska 9,422,297.029
12 Bereznehuvatska 20,340,892.03
13 Halytsynivska 6,715,887.399
14 Mostivska 2,655,528.147
15 Vradiivska 17,847,847.22
16 Borynska 13,634,129.98
17 Drohobytska 13,484,002.14
18 Morshynska 3,455,135.964
19 Sokalska 9,617,641.325
20 Stryiska 12,749,207.85
21 Babanska 1,834,562.786
22 Chornobaivska 5,476,751.932
23 Katerynopilska 4,628,211.898
24 Shramkivska 8,412,562.711
25 Zhashkivska 4,146,848.37
Результуючі показники теоретично досяжного потенці-
алу фотоенергетики для вибраних територіальних гро-
мад України наведено в табл. 6.
187
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
Table 6. Theoretically achievable potential of photovoltaics for selected territorial communities of Ukraine
No Territorial Commu-
nity
Theoretically Achiev-
able Area for the In-
stallation of Photo-
voltaic Modules
(km²)
Theoretically
Achievable Area of
Installed Photovol-
taic Modules (km²
PV)
Theoretically Achiev-
able Power Capacity
of Installed Photo-
voltaic Modules
(MW)
Theoretically
Achievable An-
nual Generation
(MWh)
1 Bereznianska 123.7597414 43.76533 8,753.066053 9,985,497.753
2 Horodnianska 519.0755766 185.3302 37,066.04186 42,284,940.56
3 Ponornytska 116.6252264 40.8765 8,175.299699 9,326,381.896
4 Sukhopolovianska 219.2058624 76.18377 15,236.75382 17,382,088.76
5 Yablunivska 52.48113866 19.07603 3,815.206349 4,352,387.403
6 Bezliudivska 20.12493586 7.664502 1,532.900416 1,839,633.789
7 Dvorichanska 380.8299315 140.223 28,044.59934 33,656,323.67
8 Natalynska 141.6553759 52.19908 10,439.81681 12,528,824.15
9 Novovodolazka 252.7712058 94.6574 18,931.48048 22,719,669.73
10 Shevchenkivska 273.5951647 101.5482 20,309.64867 24,373,609.37
11 Bashtanska 77.12212057 32.87842 6,575.683599 9,422,297.029
12 Bereznehuvatska 170.4755188 70.97806 14,195.61172 20,340,892.03
13 Halytsynivska 53.06562873 23.4346 4,686.919812 6,715,887.399
14 Mostivska 20.80351684 9.266272 1,853.254342 2,655,528.147
15 Vradiivska 140.4392765 62.27876 12,455.75212 17,847,847.22
16 Borynska 153.9915605 59.37693 11,875.3854 13,634,129.98
17 Drohobytska 153.3754488 58.72312 11,744.62342 13,484,002.14
18 Morshynska 38.40075856 15.04719 3,009.438171 3,455,135.964
19 Sokalska 104.8893553 41.88503 8,377.006641 9,617,641.325
20 Stryiska 140.894566 55.52307 11,104.61445 12,749,207.85
21 Babanska 20.50430102 7.460605 1,492.121014 1,834,562.786
22 Chornobaivska 57.71067337 22.27227 4,454.454601 5,476,751.932
23 Katerynopilska 47.67012113 18.82152 3,764.304106 4,628,211.898
24 Shramkivska 89.34158354 34.21132 6,842.263287 8,412,562.711
25 Zhashkivska 42.09279464 16.86396 3,372.792493 4,146,848.37
Conclusions
In the course of this study, current practices for determin-
ing the geographical potential of solar energy were ana-
lyzed, and the main restrictive zones for solar power plants
(SPP), as well as the criteria and conditions for applying
buffer zones to such areas, were identified. A set of open
data sources was determined for the formation of the input
dataset of restrictive areas. The input dataset of restrictive
areas included such land categories as agricultural lands,
forest plantations, water bodies, built-up areas, and envi-
ronmentally protected territories. The heterogeneous in-
put dataset, consisting of raster images and vector layers,
was converted into a unified format of vector layers. The
input raster layers for agricultural lands and forest planta-
tions were categorized using threshold values of 61 and 50,
respectively, within the range [0,100]. This process ex-
cluded areas not belonging to the designated land catego-
ries, after which vector layers were generated from the re-
sidual regions following filtering. The resulting collection of
vector layers representing restrictive areas was then
merged into a single vector layer, and a symmetric differ-
ence operation was performed with the administrative
boundaries of Ukraine, resulting in a final vector layer of ar-
eas available for solar power plant deployment.
The vector layer of available areas was filtered using a min-
imum area threshold of 0.15 hectares and refined to re-
move narrow corridors up to 40 meters wide. Subse-
quently, the processed territory was classified according to
the administrative division of Ukraine, encompassing ad-
ministrative regions (oblasts), districts (raions), and territo-
rial communities. Across the territory of Ukraine, the filter-
ing process revealed a 2% difference in the assessment of
geographical potential between the filtered and unfiltered
datasets of available areas. The application of geoinfor-
mation technologies made it possible to determine the ar-
eas suitable for the installation of solar power plants (SPP)
for the selected territorial communities.
As a result of the study, the theoretically achievable photo-
voltaic potential for the deployment of solar power plants
188
Відновлювана енергетика. № 4/2025 | Сонячна енергетика
(SPP) was determined for the designated areas of 25 se-
lected territorial communities, grouped by five communi-
ties from each of five regions of Ukraine, representing dif-
ferent geographical conditions.
REFERENCES
1. Bondarenko, D., Matiakh, S., Surzhyk Т., & Sheiko, I.
(2025). Actual pathways for solar energy development
based on the materials of the scientific and practical
conference “Renewable energy and energy efficiency in
the 21st century” 2025. Vidnovluvana Energetika,
(3(82), 82-88. https://doi.org/10.36296/1819-
8058.2025.3(82).82-88
2. Bondarenko, D., Matiakh, S., Surzhyk Т., Sheiko, I., &
Kravchenko М. (2024). Development trends of solar
power engineering based on the materials of the scien-
tific and practical conference “Renewable energy and
energy efficiency in the 21”. Vidnovluvana Energetika,
(3(78), 76-83. https://doi.org/10.36296/1819-
8058.2024.3(78).76-83
3. Bondarenko, D., Matiakh, S., Surzhyk, T., Sheiko, I.
(2024). Photovoltaic Thermal Solar Collector for Auton-
omous and Energy Cluster Modes. In: Babak, V., Zapo-
rozhets, A. (eds) Systems, Decision and Control in En-
ergy VI. Studies in Systems, Decision and Control, vol
552. Springer, Cham. https://doi.org/10.1007/978-3-
031-67091-6_16
4. On amendments to some laws of Ukraine regarding res-
toration and "green" transformation of the energy sys-
tem of Ukraine. Law of Ukraine No. 3220-IX. VVR 2023.
No. 82. p. 301. https://za
kon.rada.gov.ua/laws/show/3220-IX#Text
5. Energy Independence through Decentralization: The IE-
A's New Roadmap to 2030 https://100re.org.ua/ener-
getychna-nezalezhnist-cherez-deczentralizacziyu-nova-
dorozhnya-karta-iea-do-2030-roku/
6. Kudria, S. Non-traditional and renewable sources of en-
ergy. Textbook. Kyiv: National Technical University of
Ukraine ("KPI"), 2012. 495 p.
7. Sofia Spyridonidou, Dimitra G. Vagiona, A system-
atic review of site-selection procedures of PV and CSP
technologies, Energy Reports, Volume 9, 2023, Pages
2947-2979, ISSN 2352-
4847, https://doi.org/10.1016/j.egyr.2023.01.132.
8. Ranjgar, B., Niccolai, A., & Leva, S. (2025). Where Can
Solar Go? Assessing Land Availability for PV in Italy Un-
der Regulatory Constraints. Solar, 5(3), 40.
https://doi.org/10.3390/solar5030040
9. Taoufik et al. (2021), Gospodarka Surowcami Mineralnymi
— environmental buffers (ornitology)
https://epj.min-pan.krakow.pl/pdf-133474-66008?file-
name=66008.pdf&utm_source=chatgpt.com
10. Fotsing Metegam, Isabelle Flora. Site suitability analysis
for integrating large-scale hybrid photovoltaic and con-
centrated solar power plants in Cameroon using Monte
Carlo, analytic hierarchy process, and geographic infor-
mation system methods, Energy Conversion and Man-
agement: X, Volume 25, 2025, 100871, ISSN 2590-
1745, https://doi.org/10.1016/j.ecmx.2025.100871.
11. Zhang, X., Xu, M., Wang, S., Huang, Y., & Xie, Z. (2022).
Mapping photovoltaic power plants in China using Land-
sat, random forest, and Google Earth Engine. Earth Sys-
tem Science Data, 14, 3743–3755.
https://doi.org/10.5194/essd-14-3743-2022
12. Mierzwiak, M., & Całka, B. (2017). Multi-criteria analysis
for solar farm location suitability. Reports on Geodesy
and Geoinformatics, 104, 20–32.
https://doi.org/10.1515/rgg-2017-0012
13. Dowling, Z. (2024, June). Community Planning for Solar:
Conducting a solar resource and infrastructure assess-
ment (NREL/SR-7A40-90070). National Renewable En-
ergy Laboratory.
https://www.nrel.gov/docs/fy24osti/90070.pdf
14. Esri. "UKR_water_areas_dcw" [Feature Server]. Availa-
ble at: https://services2.arcgis.com/ZO-
djAzAQ2B0f85zi/arcgis/rest/services/UKR_water_ar-
eas_dcw/FeatureServer (Accessed: 21 September 2024)
15. Esri. "UKR_COD_AB_2024" [Feature Server]. "ukr_ad-
mbnda_adm4_sspe_20240416". Availa-
ble at: https://services-eu1.arcgis.com/fppo-
CYaq7HfVFbIV/arcgis/rest/ser-
vices/UKR_COD_AB_2024/FeatureServer (Accessed:
26 September 2024)
16. Protected Planet. Available at: https://www.protect-
edplanet.net/ (Accessed: 15 September 2024)
17. Esri. "Ukrainian Waterways" [Feature Server].
"gis_osm_waterways_free_1". April 11, 2023. Availa-
ble at: https://ser-
vices5.arcgis.com/SaBe5HMtmnbqSWlu/arcgis/rest/se
rvices/Ukrainian_Waterways/FeatureServer (Accessed:
22 September 2024)
18. CORINE Land Cover 2018 (raster 100 m), Europe, 6-
yearly - version 2020_20u1, May 2020,
https://doi.org/10.2909/960998c1-1870-4e82-8051-
6485205ebbac
19. Esri Inc. (2024). ArcGIS Pro (Version 3.4.0) [Computer
software]. Redlands, CA: Esri Inc.
20. GlobalForestWatch. Available at: https://www.global-
forestwatch.org/ (Accessed: 28 October 2024)
https://zakon.rada.gov.ua/laws/show/3220-IX#Text
https://zakon.rada.gov.ua/laws/show/3220-IX#Text
https://100re.org.ua/energetychna-nezalezhnist-cherez-deczentralizacziyu-nova-dorozhnya-karta-iea-do-2030-roku/
https://100re.org.ua/energetychna-nezalezhnist-cherez-deczentralizacziyu-nova-dorozhnya-karta-iea-do-2030-roku/
https://100re.org.ua/energetychna-nezalezhnist-cherez-deczentralizacziyu-nova-dorozhnya-karta-iea-do-2030-roku/
https://doi.org/10.1016/j.egyr.2023.01.132
https://doi.org/10.3390/solar5030040
https://epj.min-pan.krakow.pl/pdf-133474-66008?filename=66008.pdf&utm_source=chatgpt.com
https://epj.min-pan.krakow.pl/pdf-133474-66008?filename=66008.pdf&utm_source=chatgpt.com
https://doi.org/10.1016/j.ecmx.2025.100871
https://doi.org/10.5194/essd-14-3743-2022
https://doi.org/10.1515/rgg-2017-0012
https://www.nrel.gov/docs/fy24osti/90070.pdf
https://services2.arcgis.com/ZOdjAzAQ2B0f85zi/arcgis/rest/services/UKR_water_areas_dcw/FeatureServer
https://services2.arcgis.com/ZOdjAzAQ2B0f85zi/arcgis/rest/services/UKR_water_areas_dcw/FeatureServer
https://services2.arcgis.com/ZOdjAzAQ2B0f85zi/arcgis/rest/services/UKR_water_areas_dcw/FeatureServer
https://services-eu1.arcgis.com/fppoCYaq7HfVFbIV/arcgis/rest/services/UKR_COD_AB_2024/FeatureServer
https://services-eu1.arcgis.com/fppoCYaq7HfVFbIV/arcgis/rest/services/UKR_COD_AB_2024/FeatureServer
https://services-eu1.arcgis.com/fppoCYaq7HfVFbIV/arcgis/rest/services/UKR_COD_AB_2024/FeatureServer
https://www.protectedplanet.net/
https://www.protectedplanet.net/
https://services5.arcgis.com/SaBe5HMtmnbqSWlu/arcgis/rest/services/Ukrainian_Waterways/FeatureServer
https://services5.arcgis.com/SaBe5HMtmnbqSWlu/arcgis/rest/services/Ukrainian_Waterways/FeatureServer
https://services5.arcgis.com/SaBe5HMtmnbqSWlu/arcgis/rest/services/Ukrainian_Waterways/FeatureServer
https://doi.org/10.2909/960998c1-1870-4e82-8051-6485205ebbac
https://doi.org/10.2909/960998c1-1870-4e82-8051-6485205ebbac
https://www.globalforestwatch.org/
https://www.globalforestwatch.org/
|
| id | veorgua-article-582 |
| institution | Vidnovluvana energetika |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-07-19T01:17:55Z |
| publishDate | 2025 |
| publisher | Institute of Renewable Energy National Academy of Sciences of Ukraine |
| record_format | ojs |
| resource_txt_mv | veorgua/9f/06864d46c78c0268b623e9aa80a9f09f.pdf |
| spelling | veorgua-article-5822026-07-18T06:32:23Z DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS ВИЗНАЧЕННЯ ФОТОЕНЕРГЕТИЧНОГО ПОТЕНЦІАЛУ ТЕРИТОРІАЛЬНИХ ГРОМАД УКРАЇНИ З ВИКОРИСТАННЯМ ГЕОІНФОРМАЦІЙНИХ СИСТЕМ Matiakh, S. Ausheva , N. Kardashov , O. Bondarenko , D. solar energy, geographic potential, geographic information systems (GIS), spatial analysis, solar energy potential of territorial communities. сонячна енергія, географічний потенціал, геоінформаційні системи (ГІС), просторовий аналіз, сонячний енергетичний потенціал територіальних громад. The study presents the results of research aimed at determining the photovoltaic potential of the territorial communities of Ukraine using geoinformation technologies. For testing purposes, 25 territorial communities were selected for the implementation of solar power plants (SPP), grouped in sets of five across five regions of Ukraine with different geographical conditions.An input dataset of restrictive land areas was formed, consisting of agricultural lands, forest plantations, water bodies, built-up areas, and territories with environmental protection status. The input dataset of restrictive areas was processed using GIS tools, resulting in the creation of a vector layer of available land plots suitable for the placement of SPP.Threshold values were defined for filtering the layer of available areas into two categories: a minimum corridor width of 40 meters and a minimum plot area of 0.15 hectares. A comparison of the available area before filtering (113,413.4 km²) and after filtering (103,419.6 km²) according to these categories demonstrated a difference of approximately 2% relative to the total study area of Ukraine. Based on the data on territories suitable for SPP deployment and annual solar irradiation, indicators of the photovoltaic potential of the selected territorial communities of Ukraine were calculated. У роботі представлено результати досліджень щодо визначення потенціалу фотоенергетики для територіальних громад України з використанням геоінформаційних технологій. Для тестування вибрано 25 територіальних громад для впровадження СЕС з різним географічним положенням, групами по п’ять із п’яти областей України. Проведено формування вхідної вибірки даних обмежувальних ділянок, яка складається з сільськогосподарських угідь, лісових насаджень, водних об’єктів, забудованих територій та територій з природоохоронним статусом. Вхідна вибірка обмежувальних ділянок була оброблена ГІС-засобами, і був сформований векторний шар доступних ділянок для розміщення СЕС. Визначено порогові значення для фільтрації шару доступних ділянок за категоріями мінімальних коридорів, 40 м, та мінімальної площі ділянки, 0,15 гГа. Порівняння значень доступної площі до (113 413,4 км²) та після фільтрації (103 419,6 км²) за цими категоріями продемонструвало різницю в 2% відносно загальної досліджуваної площі України. На основі даних про доступні для впровадження СЕС території та даних щодо річної інсоляції розраховано показники фотоенергетичного потенціалу вибраних територіальних громад України. Institute of Renewable Energy National Academy of Sciences of Ukraine 2025-12-27 Article Article application/pdf https://ve.org.ua/index.php/journal/article/view/582 10.36296/1819-8058.2025.4(83).165-188 Vidnovluvana energetika ; No. 4(83) (2025): Scientific and applied Journal renewable energy ; 165-188 Возобновляемая энергетика; ##issue.no## 4(83) (2025): Scientific and applied Journal renewable energy ; 165-188 Відновлювана енергетика; № 4(83) (2025): Науково-прикладний журнал Відновлювана енергетика; 165-188 2664-8172 1819-8058 10.36296/1819-8058.2025.4(83) uk https://ve.org.ua/index.php/journal/article/view/582/493 Copyright (c) 2025 S. Matiakh, N. Ausheva , O. Kardashov , D. Bondarenko https://creativecommons.org/licenses/by-nc-nd/4.0 |
| spellingShingle | solar energy geographic potential geographic information systems (GIS) spatial analysis solar energy potential of territorial communities. Matiakh, S. Ausheva , N. Kardashov , O. Bondarenko , D. DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS |
| title | DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS |
| title_alt | ВИЗНАЧЕННЯ ФОТОЕНЕРГЕТИЧНОГО ПОТЕНЦІАЛУ ТЕРИТОРІАЛЬНИХ ГРОМАД УКРАЇНИ З ВИКОРИСТАННЯМ ГЕОІНФОРМАЦІЙНИХ СИСТЕМ |
| title_full | DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS |
| title_fullStr | DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS |
| title_full_unstemmed | DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS |
| title_short | DETERMINATION OF THE PHOTOVOLTAIC POTENTIAL OF TERRITORIAL COMMUNITIES OF UKRAINE USING GEOINFORMATION SYSTEMS |
| title_sort | determination of the photovoltaic potential of territorial communities of ukraine using geoinformation systems |
| topic | solar energy geographic potential geographic information systems (GIS) spatial analysis solar energy potential of territorial communities. |
| topic_facet | solar energy geographic potential geographic information systems (GIS) spatial analysis solar energy potential of territorial communities. сонячна енергія географічний потенціал геоінформаційні системи (ГІС) просторовий аналіз сонячний енергетичний потенціал територіальних громад. |
| url | https://ve.org.ua/index.php/journal/article/view/582 |
| work_keys_str_mv | AT matiakhs determinationofthephotovoltaicpotentialofterritorialcommunitiesofukraineusinggeoinformationsystems AT aushevan determinationofthephotovoltaicpotentialofterritorialcommunitiesofukraineusinggeoinformationsystems AT kardashovo determinationofthephotovoltaicpotentialofterritorialcommunitiesofukraineusinggeoinformationsystems AT bondarenkod determinationofthephotovoltaicpotentialofterritorialcommunitiesofukraineusinggeoinformationsystems AT matiakhs viznačennâfotoenergetičnogopotencíaluteritoríalʹnihgromadukraínizvikoristannâmgeoínformacíjnihsistem AT aushevan viznačennâfotoenergetičnogopotencíaluteritoríalʹnihgromadukraínizvikoristannâmgeoínformacíjnihsistem AT kardashovo viznačennâfotoenergetičnogopotencíaluteritoríalʹnihgromadukraínizvikoristannâmgeoínformacíjnihsistem AT bondarenkod viznačennâfotoenergetičnogopotencíaluteritoríalʹnihgromadukraínizvikoristannâmgeoínformacíjnihsistem |