بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
ارائه منحنی های فرمان بهره برداری مخازن ذخیره به روش SPA اصلاح شده با اعمال شاخص های عملکرد
خلاصه
بهره برداری سیستم های مخازن ذخیره از مهمترین مباحث مهندسی منابع آب می باشد که مستلزم آموختن روش های تحلیل صحیح این سیستم ها می باشد. در گذشته تحلیل مخازن تنها بر اساس داده های تاریخی ثبت شده و با ضریب اطمینان 311% انجام می شد ولی محققین عصر حاضر در یافته اند که طراحی مخزن با داده های تاریخی ، امکان پیش بینی خشکسالی های شدید تر از داده های تاریخی را از ما صلب می کند و نیز طراحی بر اساس ضریب اطمینان 311% غیر اقتصادی و غیر عملی می باشد . روش های تحلیل مخزن به دو دسته روشهای شبیه سازی و بهینه سازی تقسیم می شود. در روش های شبیه سازی امکان اعمال شاخص های عملکرد مخزن و سایر شرایط سیستم در تحلیل براحتی امکان پذیر است ولی در روش های بهینه سازی این کار مشکل می باشد. بهره برداری از سیستم مخازن با روش های گونا گونی می تواند صورت گیرد که روش منحنی فرمان (Rule Curve) یکی از کارآمد ترین این روش ها می باشد. در این مطالعه با یک روش مونت کارلو اقدام به تولید داده های مصنوعی کرده ایم. سپس بر اساس این داده های مصنوعی مخزن را با روش SPA اصلاح شده (که جزو روش های شبیه سازی می باشد) با اعمال شاخص های عملکرد تحلیل نمودیم و در نهایت منحنی های فرمان را استخراج کردیم.
.3 مقدمه
بهره برداری از سیستم های مخازن ذخیره، از مهمترین موضوعات مهندسی منابع آب می باشد که در شرایط کنونی به علت محدودیت ذخایر آبی، توجه بسیار زیادی به آن شده است. در گذشته تحلیل مخزن و تعیین حجم مفید آن تنها بر اساس داده های تاریخی و برای قابلیت اعتماد 311% صورت می گرفت و فرض می شد که در دوران بهره برداری مخزن خواهد توانست تمام نیاز طرح را بر آورده کند، ولی در عمل محققین به این نتیجه رسیدند که وقوع دوره شکست (دوره ای که سیستم قادر به تامین کل تقاضا ی طرح نیست ) اجتناب ناپذیر است که این شکست می تواند به دو دلیل بوقوع بپیوندد : -3 تغییر الگوی مصرف -2تغییر مقدار جریان ورودی به مخزن. برای تعدیل دوره شکست محققین به دو روش متوسل شدند : - 3برای تحلیل مخزن به جای داده های تاریخی و ثبت شده از داده های تصادفی که سیستم مخزن در آینده محتمل است آنها را تجربه نماید، استفاده نمودند و -2 برای سیستم مخازن شاخص های عملکرد تعریف کردند که بتوانند نحوه عملکرد سیستم را در دوره شکست کنترل نمایند. در گذشته بهره برداری از مخازن ذخیره ، در حالت نرمال بررسی می شد و در دوران شکست، هیچگونه دستورالعملی وجود نداشت. ولی تدریجا محققین دریافتند که همانطور که می توان برای دوره های بهره برداری عادی، سیاست بهره برداری تدوین نمود ، تنظیم خط ومشی بهره برداری در دوران شکست نیز ممکن است و دارای اهمیت بیشتری می باشد.
کنترل آب خروجی از یک مخزن در هر ارتفاع آب با استفاده از یک راهنما یا جدول یا نمودار انجام می گیرد. این جداول یا نمودارها بعنوان دستورالعمل های بهره برداری شامل استفاده از آب تحت شرایط نرمال و پرتنش (شکست)، نگهداری صحیح سطح آب، قواعد برای بهره برداری در زمان سیلاب و اصول دیگری شامل شرایط برای مشارکت با دیگر مخازن می باشد . [6] در اکثر مخازن دنیا، منحنی فرمان به عنوان الگوی اصلی بهره برداری شناخته شده و میزان ذخیره و رها سازی آب در مخازن با منحنی فرمان (Rule Curve) تعیین می شود. منحنی های مذکور، نمودار تغییرات مقدار بهینه آب تامینی یا تحویلی سیستم بازای وضیعت ذخیره در طول ماههای مختلف را نشان می دهند .[7]
دوره بحرانی در طراحی مخزن، شدید ترین دوره زمانی خشکی موجود در داده های تاریخی می باشد. سیستمهای مخازن ذخیره بر اساس طول دوره بحرانی به دو دسته درون سالی و برون سالی تقسیم می شوند. سیستم های درون سالی (Within-Year) دوره بحرانی کمتر از یک سال خواهند داشت و از اینرو حداقل یکبار در طول سال خالی، پر وسرریز خواهند شد. برای تحلیل این سیستم ها لازم است حتما از داده های ماهیانه استفاده شود که در صورت استفاده از داده های سالیانه مقدار حجم برآورد شده برای مخزن کوچکتر خواهد بود. در حالیکه سیستم های برون سالی((Over-Year دوره بحرانی خیلی بیشتر از یک سال دارند، یعنی چندین سال وقت لازم است که سیستم از حالت پر به حالت خالی برسد یا از حالت خالی به حالت پر و سرریز برسد. تحلیل این سیستم ها می تواند بر اساس داده های سالیانه با دقت قابل قبولی انجام پذیرد.
در این مطالعه با یک روش مونت کارلو اقدام به تولید داده های مصنوعی کرده ایم. سپس بر اساس این داده های مصنوعی مخزن را با روش SPA اصلاح شده (که جزو روش های شبیه سازی می باشد) با اعمال شاخص های عملکرد تحلیل نمودیم و در نهایت منحنی های فرمان را استخراج کردیم.
. 2 مواد و روش ها
در این مطالعه برای تحلیل مخازن ابتدا 3111 سری داده مصنوعی تولید شده است و تحلیل مخزن با استفاده از این داده های مصنوعی و روش SPA1 اصلاح شده صورت گرفته است. در روش SPA برای مقادیر مختلفی از قابلیت اعتماد زمانی و آسیب پذیری می توان منحنی فرمان ارائه داد. همچنین در تحلیل مخزن با این روش می توان اثر تلفات ناشی از تبخیر آب از سطح مخزن و بارندگی به مخزن را در معادلات وارد نمود. Lele (3987) نشان داد که وارد کردن میزان تلفات ناشی از تبخیر در تحلیل مخزن باعث افزایشی در حدود 11% در حجم مفید مخزن می شود .[1]
تعریف مفاهیم و واژه های اساسی که در تحلیل مخازن مورد استفاده قرار می گیرند، مختصرا در زیر ارائه می شود :
-دوره شکست : (Failure Period)
در صورتیکه در یک دوره زمانی، تمام تقاضای طرح نتواند توسط سیستم برآورده شود، این دوره یک دوره شکست ، نامیده می شود.
- قابلیت اعتماد زمانی : (Time-based Reliability)
قابلیت اعتماد زمانی در واقع به صورت، احتمال اینکه سیستم در طول دوره بهره برداری در حالت بهره برداری نرمال (بدون شکست) بسر برد ، تعریف می شود و رابطه ریاضی آن به صورت زیر می باشد
قابلیت اعتماد زمانی تعداد کل دوره های شکست و تعداد کل دوره های بهره برداری میباشند. آسیب پذیری : (Vulnerability)
آسیب پذیری در واقع بیانگر شدت و اندازه شکست است، که به صورت نسبت کل کمبود آب به کل تقاضای طرح در طول پریود شکست تعریف می شود ، که رابطه ریاضی آن به صورت زیر می باشد
تقاضای طرح در طول t امین پریود شکست،
مقدار آب رها شده از سیستم در طول t امین پریود شکست و
تعداد کل دوره های شکست می باشند.
- برگشت پذیری : (Resilience)
شاخص برگشت پذیری اغلب برای ارزیابی توانایی یک سیستم ذخیره در پوشاندن یک شکست، لازم و ضروری می باشد. این شاخص نشان می دهد که یک سیستم ذخیره با چه سرعتی از یک شکستی که اتفاق افتاده است به حالت بهره برداری نرمال برخواهد گشت و به صورت زیر تعریف می شود
: شاخص برگشت پذیری ، : f s تعداد سری دوره های شکست پیوسته و : f تعداد کل دوره های شکست می باشد.
- شاخص انعطاف پذیری : (Sustainability )
(3997) Loucks به منظور تعیین مقدار تداوم پذیری مخزن در طراحی و بهره برداری، سه شاخص قابلیت اعتماد زمانی و برگشت پذیری و آسیب پذیری را به صورت زیر با هم ترکیب کرد : [4 ]
در رابطه بالا:
انعطاف پذیری، قابلیت اعتماد زمانی برگشت پذیری و آسیب پذیری می باشند.
.1 روش تحلیل مخزن
تحلیل مخزن با کمک روش SPA اصلاح شده که توسط منتصری و )3999( Adeloye ارائه گردیده است، صورت گرفته است. در تحلیل مخزن دو شاخص قابلیت اعتماد وآسیب پذیری اعمال گشته و شاخص برگشت پذیری از نتایج تحلیل بدست آمده است و در ضمن تلفات ناشی از تبخیر در تحلیل اعمال شده است. روش SPA در شکل اولیه خود به صورت زیر می باشد : [5 ]
که در آن : Ka ظرفیت ذخیره مفید حداقل، : T تعداد کل پریود های جریان تاریخی ورودی، Kt-1 و : Kt حجم کمبود ایجاد شده به ترتیب درابتدا وانتهای پریود t ام، می باشند و : Qt حجم جریان ورودی به مخزن ، : Rt حجم جریان آزاد شده از مخزن ، : EVt حجم آب تبخیر شده از مخزن ، در پریود t ام می باشند.
. 4 سیستم های ذخیره مورد مطالعه:
در این تحقیق دو سد مخزنی نازلو و شهرچای واقع در استان آذربایجان غربی مورد بررسی قرار گرفته اند که خلاصه اطلاعات هیدرولوژیکی این سایت ها در جدول 3 ارائه شده است. طول داده های آماری در هر دو سایت 47 سال می باشد .(3141 -3186)
.5 بررسی داده های جریان و توزیع احتمالی برتر داده ها
به منظور بررسی همگنی جریان رودخانه های مورد مطالعه از روش نموداری Double mass استفاده شده است، این روش نشان می دهد که داده های سایت های مورد مطالعه از همگنی لازمه برخودار هستند. به منظور بررسی تصادفی بودن داده ها نیز از روش Run Test استفاده شد که معیار محاسبه شده توسط این روش در محدوده مجاز قرار داشت. برای بررسی پایداری داده ها از تست ایستاییٌ که توسط سازمان هواشناسی جهانی)3988( WMO پیشنهاد شده است، استفاده گردید. نتایج این تست نیز نشان می دهد که سری زمانی جریان مربوط به هر دو سایت ایستا بوده و فاقد هرگونه گرایش در خصوصیات آماری می باشد . برای انتخاب مناسب ترین توزیع احتمالی برای داده های جریان سالیانه و ماهیانه از تست ٌPPCC استفاده شده است و در نهایت برای هردو سایت توزیع پیرسن تیپ سوم به عنوان توزیع مناسب برای داده های ماهیانه و سالیانه انتخاب شده است.
.6 تولید جریان های مصنوعی
مدلهای تولید جریان رودخانه ای برای تولید سری های متناوب از جریان رودخانه، با مشخصات آماری مشابه داده های تاریخی بکار برده می شوند. چنین سریهای متناوبی بطور تواما خصوصیات سری های جریان رودخانه را که ممکن است در آینده اتفاق بیافتد، توصیف میکنند. جریانهای تولید شده بوسیله مدل های تصادفی می توانند خشکسالی هایی شدیدتر از داده های تاریخی را ایجاد نمایند. در این مطالعه ابتدا جریان های سالیانه توسط مدل پارامتریک تصادفی سالیانه AR(1) تولید شده است، که رابطه ریاضی این مدل بصورت زیر میباشد : [5]
که در این رابطه ، میانگین جریان های سالیانه داده های مشاهداتی، : s انحراف معیار جریان های سالیانه ، ضریب همبستگی جریان های سالیانه با تاخیر یکٍ و پارامتر مستقل تصادفی با توزیع نرمال استاندارد شده با میانگین صفر و واریانس واحد می باشد.
برای استفاده از این مدل لازم است که جریان های سالیانه دارای توزیع احتمالی نرمال باشند. در این مطالعه چون داده ها دارای توزیع پیرسن تیپ سوم هستند ابتدا توسط رابطه Wilson-Hilferty به داده های نرمال تبدیل می شوند و از این داده های تبدیل شده نرمال برای تولید جریان های تصادفی سالیانه توسط رابطه ( (7 استفاده می شود. برای تولید جریان های ماهیانه از مدل والنسیا شاکی استفاده شده است که برای استفاده از این مدل، داده های سالیانه تولید شده بوسیله مدل AR(1) به عنوان داده های ورودی مدل والنسیا شاکی فرض می شوند که توسط این مدل (مدل والنسیا شاکی) به جریان های ماهیانه توزیع می گردند.
. 7 ترکیب های مختلف تقاضا، قابلیت اعتماد زمانی و آسیب پذیری درتحلیل مخزن
برای تحلیل مخزن ابتدا به طول سال های آماری، داده های مصنوعی توسط مدل های تصادفی نامبرده تولید شده و سپس این داده ها به عنوان داده های ورودی برای تحلیل مخزن مورد استفاده قرار گرفت. هفت گزینه برای تقاضای کل سالیانه به صورت 21% ، 11% ، 41% ، 51% ، 61% ، 71% و 81% میانگین جریان سالیانه در نظر گرفته شد. برای شرایط شکست مخزن آسیب پذیری به صورت 5% ، 31% ، 35% ، 21% ، 25% ، 11% ، 15% ، 41% ، 45% و 51% در نظر گرفته شد. قابلیت اعتماد زمانی به صورت 311% ، 99% ، 98% ، 97% ، 96% ، 95% ، 91% و 91% فرض گردید. نوع تقاضا نیز به صورت متغییر در طول ماه های سال در نظر گرفته شد. تحلیل مخزن برای 3111 سری داده تولید شده انجام گرفت و در نهایت حجم ذخیره نهایی مخزن از میانگین حجم ذخیره این 3111 بار تحلیل، بدست آمد.
در بهره برداری سیستم های ذخیره ایده ال ترین سیاست بهره برداری زمانی است که سیستم دارای بیشترین شاخص انعطاف پذیری باشد .[4] در جدول (2) مقدار آسیب پذیری متناظر با انعطاف پذیری ماکزیمم درهر تقاضای مشخص با قابلیت اعتماد زمانی های مختلف ارائه شده است. براساس این جدول در قابلیت اعتماد 98% ، انعطاف پذیری ماکزیمم ، برای سایت نازلوچای در آسیب پذیری های 15% و 41% و در سایت شهر چای در آسیب پذیری های % 11 و 15% های مشاهده گردیده است. ولی از آنجا که تحمل آسیب پذیری بیشتر از 11% برای بخش مصرف کننده مشکل است ، لذا برای رسم منحنی های فرمان برای بهره بردای بهینه ازمخزن مقدار آسیب پذیری را برابر 11% فرض می نماییم.
.8 رسم منحنی های فرمان
شکل های (3) و (2) منحنی های فرمان مخازن را برای سه حالت درون سالی، انتقالی و برون سالی به ازای آسیب پذیری 11% و قا بلیت اعتماد زمانی های مختلف ، به ترتیب برای سایت نازلو و شهرچای نشان می دهند. برای سایت های مورد مطالعه ، مقدار تقاضا در حالت درون سالی 11% ، در حالت انتقالی 51% و در حالت برون سالی 71% میانگین جریان سالیانه در نظر گرفته شده است. در اینجا به عنوان نمونه توضیح منحنی فرمان با قابلیت اعتماد زمانی 98% و آسیب پذیری 11% را می آوریم : " اگر مقدار متوسط ذخیره مخزن در انتهای هر ماه تقریبا منطبق بر منحنی فرمان مذکور باشد یا کمی بالا تر از این منحنی باشد مخزن قادر خواهد بود تمام تقاضای دوره طرح را بر آورده کند ولی اگر سطح ذخیره مخزن از مقدار منحنی فرمان مذکور پایین تر آمد مخزن دیگر قادر به بر آوردن کل تقاضای طرح نخواهد بود، دراین حالت فقط مقدار 71% تقاضای طرح را تامین می کنیم و تازمانی این
