پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,949,287 |
| تعداد دریافت فایل اصل مقاله | 89,621,389 |
رویکرد جیرهبندی مخزن در بهرهبرداری بهینه از سیستمهای منابع آب مخزن سد دویرج با استفاده از الگوریتم MOICA | ||
| تحقیقات آب و خاک ایران | ||
| دوره 52، شماره 5 - شماره پیاپی 65، مرداد 1400، صفحه 1251-1261 اصل مقاله (1.44 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ijswr.2021.318538.668890 | ||
| نویسندگان | ||
| احسان یارمحمدی1؛ محمد علی ایزدبخش* 2؛ احمد رجبی2؛ فریبرز یوسفوند3؛ سعید شعبانلو4 | ||
| 1دانشجوی دکتری، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران | ||
| 2گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران | ||
| 3گروه مهندسی آب، واحد کرمانشاه، دانشگاه ازاد اسلامی، کرمانشاه | ||
| 4دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران | ||
| چکیده | ||
| در این تحقیق از ترکیب مدل شبیهسازی و بهینهسازی برای اعمال سیاست جیرهبندی مخزن استفاده گردید. شبیهسازی حوضه مورد مطالعه با استفاده از مدل WEAP برای بهرهبرداری از مخزن سد دویرج واقع بر رودخانه دویرج انجام شد و برای انجام بهینهسازی سیستم، از مدل چند هدفهMOICA استفاده شد. بطوریکه در آن، هدف اول، حداکثر نمودن درصد تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی از ظرفیتهای مجاز مخزن در طول دوره بهرهبرداری مد نظر قرار گرفت. در این راستا مدلسازی بهرهبرداری از مخزن با وضع موجود بهرهبرداری منطقه و برای یک بازه 720 ماهه (اکتبر1960 تا سپتامبر 2019) انجام شد. در نهایت با تعریف سناریوی بهینه و اعمال سیاست جیرهبندی مخزن، بهینهسازی بهرهبرداری از سیستم انجام و نتایج با سناریوی مرجع مقایسه گردید. در این تحقیق با در نظر گرفتن 24 متغیر تصمیم شامل 12 متغیر تراز جیرهبندی و 12 متغیر ضریب جیرهبندی پس از 1000 تکرار جوابهای بهینه حاصل گردید. نتایج نشان داد در سناریوی بهینه تخطی از ظرفیتهای مجاز مخزن در هیچ دورهای اتفاق نیفتاده اما برای سناریوی مرجع زمانی که کمبود آب بیشتری وجود داشت در ماههای متوالی تراز مخزن به تراز مرده رسید که باعث عدم تامین نیاز در این ماهها و آسیب جدی به سیستم میگردد. با اعمال سیاست جیرهبندی در سناریوی بهینه، درصد تأمین نیاز در ماههای بحرانی بین 20 تا 25 درصد نسبت به سناریوی مرجع افزایش مییابد که حاکی از کاهش قابل توجه شدت شکست در ماههای مذکور نسبت به سناریوی مرجع میباشد. | ||
| کلیدواژه‌ها | ||
| بهینهسازی چندهدفه؛ الگوریتم رقابت استعماری؛ سیاست جیرهبندی؛ شبیه سازی؛ WEAP | ||
| عنوان مقاله [English] | ||
| Reservoir Hedging Approach in Optimal Operation of Water Resources Systems of Doiraj Dam Reservoir Using MOICA Algorithm | ||
| نویسندگان [English] | ||
| ehsan yarmohammadi1؛ mohammad ali izadbakhsh2؛ ahmad rajabi2؛ fariborz yosefvand3؛ saeid shabanlou4 | ||
| 1Ph.D. Candidate, Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran | ||
| 2Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran | ||
| 3water Dept., kermanshah branch, islamic azad university, kermanshah, iran | ||
| 4Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran | ||
| چکیده [English] | ||
| In this research, the simulation and optimization models are integrated to apply the reservoir hedging policy. Simulation of the studied basin was executed using the WEAP model to operate the Doiraj Dam reservoir located on the Doiraj River. In addition, the multi-objective MOICA model was utilized to optimize the system, in which the first objective function (maximizing the percentage of supplying demands), and the second one (minimizing the violation of allowable capacities of the reservoir during the operation period) were considered. In this regard, the operation modeling from the reservoir was carried out based on the current condition for a 720-month period (October 1960 to September 2019). Finally, by defining the optimization scenario and applying the reservoir hedging policy, the operation optimization of the reservoir was done and the results were compared with the reference scenario results. In this study, by considering 24 decision variables including 12 hedging level variables and 12 hedging coefficient variables, the optimal answers were achieved after 1000 iterations. The results showed that the violation of the allowable capacities did not occurred in any periods of the optimization scenario, while in the reference scenario the reservoir level reached the dead level in sequent months with more water shortage which might lead to the lack of water supply in such months and serious damages to the system. Due to the application of hedging policy in the optimization scenario, the percentage of supplying the demands in the critical months is increased between 20 to 35% as compared to the reference scenario, which indicates a significant reduction in the failure rate in such months. | ||
| کلیدواژه‌ها [English] | ||
| Multiobjective Optimization, Imperialist Competitive Algorithm, Hedging Policy, Simulation, WEAP | ||
| مراجع | ||
|
Afshar, A., Emami Skardi, M. J., and Masoumi, F. (2015). Optimizing water supply and hydropower reservoir operation rule curves: an imperialist competitive algorithm approach. Engineering Optimization, 47(9), 1208-1225. Atashpaz-Gargari, E., and Lucas, C. (2007). Imperialist competitive algorithm: an algorithm for optimization inspired by imperialistic competition. In: Proceedings of the IEEE Congress on Evolutionary Computation, 4661–4667. Azari, A., Hamzeh, S., and Naderi, S. (2018). Multi-objective optimization of the reservoir system operation by using the hedging policy. Water Resource Management, 32(6), 2061–2078. Acharya, D.P., Panda, G., and Lakshmi, Y.V.S. (2010). Effects of finite register length on fast ICA, bacterial foraging optimization-based ICA and constrained genetic algorithm-based ICA algorithm. Digital Signal Processing. 20, 964–975. Bayesteh, M., and Azari, A. (2021). Stochastic Optimization of Reservoir Operation by Applying Hedging Rules. Journal of Water Resources Planning and Management, 147(2), 04020091-9. Biyanto, T.R., Khairansyah, M.D., Bayuaji, R., Firmanto, H., and Haksoro, T. (2015). Imperialist Competitive Algorithm (ICA) for Heat Exchanger Network (HEN) Cleaning Schedule Optimization. Procedia Computer Science. 72, 5 – 12. Deb, k., Pratap, A., Agarwal, S., and Meyarivan, T. (2002). A fast and elitist multi-objective genetic algorithm: NSGA-II. IEEE Trans Evolutionary Computing, 6(2), 182–197. Draper, A.J., and Lund, J.R. (2004). Optimal hedging and carry over storage value. Water Resource Planning and Management, ASCE, 130(1), 83–87. Enayatifar, R., Yousefi, M., Abdullah, A. H., and Darus, A.N. (2013). MOICA: A novel multi-objective approach based on imperialist competitive algorithm. Applied Mathematics and Computation, 219(17), 8829–8841. Felfelani, F., Jalali Movahed, A., and Zarghami, M. (2013). simulating hedging rules for effective reservoir operation by using system dynamics: a case study of Dez Reservoir, Iran. Lake and Reservoir Management, 29(2), 126-140. Gohardani, S.A., Bagherian, M. and Vaziri, H. (2019). A multi-objective imperialist competitive algorithm (MOICA) for finding motifs in DNA sequences. Mathematical biosciences and engineering: MBE, 16(3), 1575-1596. Hosseini-Moghari, S.M., Morovati, R., Moghadas, M., and Araghinejad, S. (2015). Optimum operation of reservoir using two evolutionary algorithms: imperialist competitive algorithm (ICA) and cuckoo optimization algorithm (COA). Water resources management, 29(10), 3749-3769. Karamouz, M., Nazif, S., Sherafat, M.A., and Zahmatkesh, Z. (2014). Development of an Optimal Reservoir Operation Scheme Using Extended Evolutionary Computing Algorithms Based on Conflict Resolution Approach: A Case Study. Water Resources Management, 28, 3539-54. Li, X., Zhao, Y., Shi, C., Sha, J., Wang, Z.L., and Wang, Y. (2015). Application of Water Evaluation and Planning (WEAP) model for water resources management strategy estimation in coastal Binhai New Area, China. Ocean and Coastal Management, 106, 97-109. Loucks, D.P., and van Beek, E. )2005(. Water Resources Systems Planning and Management, An Introduction to Methods, Models and Applications. UNESCO Publication, PP: 677. Neelakantan, T.R. and Pundarikanthan, N. V. (1999). Hedging rule optimization for water supply reservoirs system. Water Resources Management, 13(6), 409–426. Rajabioun, R., Hashemzadeh, F., Atashpaz-Gargari, E., Mesgari, B., and Salmasi, F.R. (2008). Identification of a MIMO evaporator and its decentralized PID controller tuning using colonial competitive algorithm. In be presented in IFAC World Congress. Shenava, N., and Shourian, M. (2018). Optimal Reservoir Operation with Water Supply Enhancement and Flood Mitigation Objectives Using an Optimization-Simulation Approach. Water resources management, 32(13), 4393-4407. Sherinov, Z. and Ünveren, A. (2017). Multi-Objective Imperialistic Competitive Algorithm with Multiple Non-Dominated Sets for the Solution of Global Optimization Problems. Soft Computing, 22(24), Springer Nature America, Inc, pp. 8273–88. Shih, J.S., and ReVelle, C. (1994). Water-supply operations during drought: Continuous hedging rule. Water Resource Planning and Management, 120(5), 613–629. Taghian, M., Rosbjerg, D., Haghighi, A., and Madsen, H. (2014). Optimization of Conventional Rule Curves Coupled with Hedging Rules for Reservoir Operation. Water Resources Planning and Management, 140(5), 693–698. Tenant, D.L. (1976). Instream flow regimens for fish, wildlife, recreation and related environmental resources. Fisheries, 1(4), 6-10. | ||
|
آمار تعداد مشاهده مقاله: 385 تعداد دریافت فایل اصل مقاله: 247 |
||