بهره‌برداری بهینه از مخزن با استفاده از طرح‌واره‌های ژنتیک و مجموعه ذرات (مطالعه موردی: سد علویان)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیات علمی دانشگاه تبریز

2 2- استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

3 3- دانشجوی کارشناسی ارشد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز

4 دانشگاه تبریز

چکیده

در این مطالعه، به­منظور بهره­برداری بهینه از آب سد علویان، از دو روش فرا­ابتکاری (بهینه­سازی مجموعه ذرات و طرح­واره ژنتیک) استفاده شد. کارآیی روش­ها با شاخص­های قابلیت اعتماد، آسیب­پذیری و پایداری ارزیابی گردید. تابع هدف به­صورت کمینه­سازی مجموع مربعات نسبت کمبود به تقاضای بیشینه در طول دوره آماری 1372 تا 1392 تعریف گردید. نتایج طرح­واره منتخب با نتایج سیاست بهره­برداری استاندارد مقایسه شد. نتایج نشان داد که طرح­واره مجموعه ذرات با شاخص­های قابلیت اعتماد، آسیب­پذیری و پایداری به­ترتیب معادل با 11/80، 91/84 و 89/55 درصد، مناسب­تر از طرح­واره ژنتیک به­ترتیب با 94/78، 91/75 و 3/46 درصد می­باشد. با توجه به شاخص­های محاسبه­شده برای روش سیاست بهره­برداری استاندارد که در آن شاخص­های قابلیت اعتماد، آسیب­پذیری و پایداری به­ترتیب معادل با 83/70، 92/98 و 24/8 درصد بود، می­توان نتیجه گرفت که طرح­واره مجموعه ذرات مناسب­تر از  طرح­واره ژنتیک می­باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimum Operation of Reservoir Using the Genetic Algorithm and Particle Swarm Optimization (Case Study: Alavian Dam)

نویسندگان [English]

  • Y Dinpazhoh 1
  • MT Sattari 2
  • S E 3
  • Sabereh Darbandi 4
1 Tabriz
2 Tabriz
3 Tabriz
4 Tabriz University
چکیده [English]

In this study, for the purpose of optimum utilization of water reserved in Alavian dam, two meta-heuristic methods (particle swarm optimization and genetic algorithm) were used. The performances of the methods were evaluated using the reliability, vulnerability and sustainability indices. Objective function was defined in terms of minimization of the total sum of squares of the ratios of deficits to the maximum demand during the time period of 1998 to 2013. The output of the selected algorithm was compared with that of the standard operation policy method. The results showed that particle swarm optimization algorithm having the reliability, vulnerability and sustainability indices of 80.11, 84.91 and 55.89 percentages was more suitable than genetic algorithm having the mentioned indices equal to 78.94, 75.91 and 46.2 percentages, respectively. According to the calculated indices for standard operation policy in which the reliability, vulnerability and sustainability indices were equal to 70.83, 98.92 and 8.24 percentages, it could be concluded that the particle swarm optimization algorithm was more suitable than the genetic algorithm.

کلیدواژه‌ها [English]

  • Alavian dam
  • genetic algorithm
  • optimization
  • particle swarm optimization
آذرافزا ه، رضایی ح، بهمنش ج و بشارت س، 1391. مقایسه نتایج بکارگیری الگوریتم­های PSO، GA و SA در بهینه­سازی سامانه­های تک­مخزنه (مطالعه موردی: سد شهرچای، ارومیه). نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 26، صفحه­های 1101 تا 1108.
اکبری­آلاشتی ح و بزرگ حداد ا، 1393. استخراج  قواعد ایستا و پویای بهره­برداری مخزن توسط برنامه­ریزی ژنتیک. نشریه آب و خاک (علوم و صنایع کشاورزی)، جلد 28، شماره 3، صفحه­های 492 تا502.
بزرگ حداد ا، 1384. بهینه­سازی هیدروسیستم­ها با استفاده از طرح­واره بهینه­یابی جفت­گیری زنبورهای عسل (HBMO). رساله دکترای تخصصی، دانشکده عمران، دانشگاه علم و صنعت ایران.
بلوری­یزدلی ی، بزرگ­حداد ا، قاجارنیان، فلاح­ مهدی­پور ا و خیاط خلقی م، 1390. رتبه­بندی روش­های بهره­برداری ماهانه زمان حقیقی در مخازن. مجله مهندسی عمران و نقشه­برداری، دوره 45،  شماره 5، صفحه­های 505 تا 515.
تقیان م، رادمنش ف، آخوندعلی ع­م و حقیقی ع، 1390. بهینه­سازی منحنی فرمان بهره­برداری از سیستم­های چند مخزنی با توسعه یک مدل هیبریدی برنامه­ریزی خطی- الگوریتم ژنتیک. مجله پژوهش آب ایران، دوره 5، شماره 9، صفحه­های 90- 83.
چناری ک، عبقری ه، عرفانیان م و قلیزاده س، 1391. ارائه مدل کوتاه مدت بهره­برداری بهینه از منابع آب با استفاده از طرح­واره جامعه ذرات و مقایسه  آن با طرح­واره ژنتیک. پژوهش­های آبخیزداری، شماره 97، صفحه­های 63 تا 72.
رزاقی پ، بابازاده ح و شوریان م، 1392. توسعه سیاست جیره­بندی بهره­برداری از مخزن چند منظوره در شرایط محدودیت منابع آب با استفاده از مدل MODSIM 8.1. مجله حفاظت منابع آب و خاک، سال 3، شماره 2، صفحه­های 11 تا 23.
فلاح­مهدی­پور ا، بلوری­یزدلی ی، بزرگ­حداد ا، 1387. استخراج منحنی فرمان بهره­برداری مخزن سد در براساس طرح­وارهPSO . چهارمین کنگره بین­المللی مهندسی عمران، 19-17 اردیبهشت، دانشگاه تهران.
Balter AM and Fontane DG, 2006. A multi-objective particle swarm optimization model for reservoir operations and planning. Pp 1544-1552. In: Proceeding of International Conference on Computing and Decision Making in Civil and Building Engineering, Montreal, Canada.
Bozorg Hadad O, Afshar A and Marino MA, 2008. Honey- Bee Mating Optimization (HBMO) algorithm in deriving optimal operation rules for reservoirs. Journal of Hydro-informatics 10(3): 257- 264.
Coello C and Lechuga MS, 2002. MOPSO: A proposal for multiple objective particle swarm optimization. Pp. 1051-1056. In: Proceeding of IEEE Congress on Evolutionary Computation, IEEE Service Center. Piscataway, Honolulu HI.
Guo X, Hu T, Wu C, Zhang T and Lv Y, 2013. Multi-objective optimization of the proposed multi-reservoir operating policy using improved NSPSO. Water Resources Management 27(7): 2137-2153.
Hashimoto T, Stedinger JR and Loucks DP, 1982. Reliability, resiliency and vulnerability criteria for water resource system performance evaluation. Water Resources Research 18(1): 14- 20.
Hassanzadeh Y, Abdi A, Talatahari S, and Singh VP, 2011. Meta-Heuristic algorithms for hydrologic frequency analysis. Water Resources Management 25:1855-1879.
Holland JH, 1975. Adaptation in Natural and Artificial Systems. Ann Arbor: University of Michigan Press. 211Pp.
Jothiprakash V, Shanthi G and Arunkumar R, 2011. Development of operational policy for a multi-reservoir system in India using genetic algorithm. Water Resources Management 25(10): 2405-2423.
Kennedy J and Eberhart R, 1995. Particle Swarm Optimization. Pp 1942-1948. In: Proceeding of the International Conference on Neural Networks. Pert Australia, IEEE, Piscataway.
Kumar D and Reddy J, 2007. Multiple reservoir operation using particle swarm optimization. Journal of Water Resources Planning and Management 133(3): 192-202.
Li XG and Wei X, 2008. An improved genetic algorithm-simulated annealing hybrid algorithm for the optimization of multiple reservoirs. Journal of Water Resources Management 22: 1031-1049.
Loucks DR, 1997. Quantifying trends in system sustainability. Hydrological Sciences Journal 42(4):513-530.
Loucks DR, Stedinger JH and Haith DA, 1981. Water Resource System Planning and Analysis. Prentice- Hall, Inc, Englewood Cliffs, W.J.
Meraji SH, Afsahr MH and Afshar A, 2006. Reservoir operation by particle swarm optimization algorithm. Pp. 201-208. In: 7th International Conference of Civil Engineering (ICCE7 th), Tehran, Iran.
Mousavi SJ, Ponnambalam K and Karray F, 2007. Inferring operating rules for reservoir operations using Fuzzy regression and ANFIS. Fuzzy Sets and Systems 158(10): 1064- 1082.
Reddi MJ and Kumar DN, 2007. Multi-objective particle swarm optimization for generating optimal trade-offs in reservoir operation. Hydrological Processes 21: 2897-2909.
Sattari MT, Apaydin H and Ozturk F, 2009. Operation analysis of Eleviyan irrigation reservoir dam by optimization and stochastic simulation. Journal of Stochastic Environmental Research Risk and Assessment 23(8):1187–1201.
Taghian M, Rosbgerg D, Haghighi A and Madsen H, 2014. Optimization of conventional rule curves coupled with hedging rules for reservoir operation. Journal of Water Resources Planning and Management 140(5): 693-698.
Votruba L and Broza V, 1989. Function in Reservoirs, Water Management System, Developments in Water Science Series 33: 343- 367. Elsevier Science Publishing Company.
Zhang Z, Jiang Y, Zhang S, Geng S, Wang S and Sang G, 2014. An adaptive particle swarm optimization algorithm for reservoir operation optimization. Applied Soft Computing 18:167 -177.