مدل تلفیقی در حل مسئله ی بهره‌برداری بهینه از مخازن سدها با رویکرد پیش بینی جریان ورودی به سد (مطالعه موردی: سد دز)

نوع مقاله : پژوهشی

نویسندگان

1 دانشکده‌ی مهندسی عمران و حمل و نقل، دانشگاه اصفهان

2 دانشکده ی کشاورزی، دانشگاه ایلام

10.24200/j30.2021.1885.1993

چکیده

در پژوهش حاضر، یک مدل تلفیقی برای حل مسئله‌ی بهره‌برداری بهینه از مخزن در شرایط عدم قطعیت جریان ورودی معرفی شده است، که در آن از شبکه‌ی عصبی مصنوعی به منظور پیش‌بینی جریان و از الگوریتم بهینه‌سازی هوش جمعی ذرات اصلاح شده برای حل مسئله‌ی مذکور استفاده شده است. برای بررسی تأثیر پیش‌بینی جریان ورودی به مخزن دو حالت منظور شده است: در حالت اول، از مقادیر جریان‌های اندازه‌گیری شده و در حالت دوم، از جریان‌های پیش‌بینی شده توسط مدل شبکه‌ی عصبی مصنوعی برای حل مسئله استفاده شده است. مسائل بهره‌برداری ساده و برقابی از سد دز برای دوره‌ی زمانی پیش‌بینی جریان و با ارائه‌ی دو فرمول‌بندی حل و نتایج مقایسه شده‌اند. نتایج نشان داد که مدل شبکه‌ی عصبی مصنوع، توانایی پیش‌بینی جریان ورودی به مخزن سد دز با دقت قابل قبولی
را دارد و الگوریتم هوش جمعی ذرات اصلاح شده، الگوریتمی مناسب برای حل مسئله‌ی اخیر است.

کلیدواژه‌ها


عنوان مقاله [English]

A Hybrid Model For Reservoir Operation Optimization Problem Using Inflow Forecasting Approach (Case Study:Dez Dam)

نویسندگان [English]

  • M. Babaei 1
  • R. Moeini 1
  • A. Ehsanzadeh 2
1 F‌a‌c‌u‌l‌t‌y o‌f C‌i‌v‌i‌l E‌n‌g‌i‌n‌e‌e‌r‌i‌n‌g a‌n‌d T‌r‌a‌n‌s‌p‌o‌r‌t‌a‌t‌i‌o‌n U‌n‌i‌v‌e‌r‌s‌i‌t‌y o‌f I‌s‌f‌a‌h‌a‌n
2 D‌e‌p‌t. o‌f W‌a‌t‌e‌r E‌n‌g‌i‌n‌e‌e‌r‌i‌n‌g F‌a‌c‌u‌l‌t‌y o‌f A‌g‌r‌i‌c‌u‌l‌t‌u‌r‌e I‌l‌a‌m U‌n‌i‌v‌e‌r‌s‌i‌t‌y
چکیده [English]

In this paper, a hybrid model is proposed to solve a reservoir operation optimization problem considering uncertain inflow conditions. In this model, the artificial neural network (ANN) and improved particle swarm optimization (IPSO) algorithm are used for inflow forecasting and reservoir operation optimization problem, respectively. The proposed IPSO is developed after applying some useful modifications to the original form of particle swarm optimization (PSO) algorithm. The modifications are proposed in order to reposition the infeasible particles. Two different conditions are considered in order to show the effect of inflow forecasting on reservoir operation optimization problem using ANN. It is worth noting that the ANN model is a powerful data driven model that can be used for real time inflow forecasting. In this research, in the first case, the actual measured inflow values are considered as input data to solve reservoir operation optimization problem. In the second case, the ANN model is used to forecast inflows while considering the effects of previous months inflows on the target month inflow. After determining the inflow, the reservoir operation optimization problem is solved using the forecasted inflows. In addition, in the proposed hybrid model, two different formulations are suggested to solve the optimization problem considering water release and reservoir storage volume as decision variables of the problem. The simple and the hydropower operation problems of Dez dam reservoir are solved for forecasted (5 year) time period considering all formulations and cases and the results are presented and compared with other available results. The results indicate the ability of ANN model to forecast the inflow of the Dez dam with acceptable accuracy. In addition, the improved particle swarm optimization algorithm shows to be an effective algorithm to solve reservoir operation optimization problem in which the results of first formulation is better than the second one.

کلیدواژه‌ها [English]

  • Inflow Forecasting
  • artificial neural network
  • Improved Particle Swarm Optimization Algorithm
  • Optimal operation of reservoir
  • Dez Dam