بخشی از مقاله
چکیده
بهره برداری مناسب و بهینه سیستم مخازن ذخیره یکی از دغدغههای مهم متخصصین منابع آب در نقاط مختلف دنیا به شمار میرود. دراکثر سیستم مخازن ذخیره دنیا، منحنیهای بهرهبرداری - فرمان - به عنوان الگوی اصلی بهرهبرداری شناخته میشود.
از طرفی تمامی مطالعات هیدرولوژی بر پایه دادههای در دسترس هیدرولوژیک از قبیل بارندگی، دبی و ... است. اما در مدل کردن رفتار سیستمهای هیدرولوژی هرچه دادهها بیشتر باشد، مدل به شرایط طبیعی نزدیکتر و استفاده از آن در مسایل منابع آب منجر به نتایج دقیقتر میشود. اما دادههای ثبت شده معمولا دارای دوره آماری کوتاه بوده و به عنوان یک نمونه آماری مطرح بوده و این نمونه آماری نمیتواند معرفی دقیق برای یک سیستم هیدرولوژیک با عمری چندین هزار ساله باشد. یکی از روشهای موثر برای رفع این نقیصه استفاده از مدلهای تولید داده مصنوعی و یکی از زمینههای اصلی بکارگیری این مدلها، در تحلیل سیستم مخازن ذخیره بوده و این امر سبب درک بهتر عملکرد چنین سیستمهایی شده و امکان طرح، برنامهریزی و بهرهبرداری بهینه آنها را فراهم میکند.
در این مطالعه با استفاده از دادههای رودخانه باراندوزچای واقع در غرب دریاچه ارومیه، 1000 سری داده مصنوعی با مدل Fragment تولید شده و سپس سیستم مخزن این رودخانه با روش Sequent Peak Algorithm - SPA - شبیه سازی شده و منحنیهای فرمان با استفاده از دادههای تاریخی و دادههای مصنوعی رسم گردیده و باهم مقایسه گردید. نتایج نشان میدهد که استفاده از مدلهای تولید داده مصنوعی میتواند کمک شایانی به محققین منابع آب در پیش بینی و ارائه الگوهای مناسب بهره برداری تحت شرایط مختلف جوی انجام دهد.
-1 مقدمه
بهرهبرداری مناسب از مخازن ذخیره یکی از الویتهای اساسی طرحهای تامین آب شناخته شده و سیاست بهرهبردای از مخازن از لحاظ اجتماعی و اقتصادی اهمیت بسیاری دارد. برای طراحی مخازن ذخیره جریانهای ورودی و خروجی و رابطه بین آنها برای تنظیم آیین نامه بهره برداری باید تعیین گردد.
حجم مفید یا ظرفیت ذخیره مخزن و کنترل خروجی برای برداشت مطمئن از مخزن به ازاء ترکیب مناسبی از شاخصهای عملکرد سیستم ذخیره محاسبه میگردد. کنترل آب خروجی از یک مخزن در هر ارتفاع آب با استفاده از یک راهنما یا جدول یا نمودار انجام میگیرد.
این جداول یا نمودارها بعنوان دستورهای بهرهبرداری شامل استفاده از آب تحت شرایط نرمال و پرتنش - شکست - ، نگهداری صحیح سطح آب، قواعد برای بهرهبرداری در زمان سیلاب و اصول دیگری شامل شرایط برای مشارکت با دیگر مخازن می باشد. در اکثریت مخازن دنیا، منحنی فرمان به عنوان الگوی اصلی بهرهبرداری شناخته شده و میزان ذخیره و رها سازی آب در مخازن با منحنی فرمان تعیین میشود. منحنیهای مذکور، نمودار تغییرات مقدار بهینه آب تامینی یا تحویلی سیستم بازای وضیعت ذخیره در طول ماههای مختلف را نشان میدهد. این منحنیها به طور صریح تعیین میکنند که مقدار خروجی چقدر باشد و میتوانند شامل چند منحنی با شرایط مخصوص باشند.
در کشور ما ایران اغلب سیستمهای ذخیره فاقد الگوهای بهرهبردای مناسب و آکادمیک بوده و لذا بررسی روشها و ارائه الگوهای مناسب بهرهبرداری جهت استفاده بهینه از چنین سیستمهایی در دوره بهرهبرداری عادی و دورههای پرتنش خشکسالی از الویت بسیار بالایی برخوردار میباشد. روشهای متعددی برای تعیین الگوهای بهرهبرداری سیستم مخازن ذخیره مطرح بوده که به طور کلی در دو کلاس شبیهسازی و بهینهسازی طبقهبندی میشوند.
روشهای بهینهسازی از یک طرف پیچیده و وقتگیر بوده و از طرف دیگر مدل کردن تمامی شرایط واقعی سیستم مخازن ذخیره در آنها امکانپذیرنمیباشد. در صورتی که روشهای شبیهسازی دارای انعطاف کاملی برای اعمال تمامی شرایط واقعی سیستم مخازن ذخیره در تحلیل میباشند. در این مقاله از روش Sequent Peak Algorithm - SPA - که در طبقه بندی جزء روشهای شبیه سازی میباشد، استفاده گردیده است.
از طرفی مطالعات بسیار متعددی در دهههای اخیر با استفاده از مدلهای مختلف تولید دادههای ماهیانه مصنوعی در زمینههای مختلف مهندسی آب از جمله سیستم مخازن ذخیره و تحلیل خشکسالی انجام پذیرفته است. تمامی مطالعات انجام یافته با تاکید بر مزیت استفاده از مدلهای مذکور برای ارزیابی دقیق و واقعیتر از پدیده مورد مطالعه بوده است.
با این وجود مزیت استفاده از مدلهای استوکاستیک ماهیانه تابعی از مدل انتخابی و به طور نسبی مطرح میباشد. لذا مشخصات تئوریک و عملکرد مدل در حفظ کاملتر و دقیقتر پارامتری آماری دادههای تاریخی نقش بسیار مهمی در تحلیلهای استوکاستیک منابع آب را دارند.
به طور کلی تحقیقات محدودی برای تاثیر عملکرد مدلهای مختلف تولید دادههای ماهیانه در منابع علمی و پژوهشی معتبر داخلی و خارجی گزارش گردیده است. بنابراین در این مطالعه از مدل تولید داده ماهیانه Fragment در رودخانه اصلی باراندوزچای واقع در غرب دریاچه ارومیه با تولید 1000 سری 47 ساله از دادههای ماهیانه جریان برای ارزیابی جامعتر و دقیقتر مشخصات تئوریک و ذاتی این مدل به ازای معیارهای آماری مطرح و تاثیر آن بر روی منحنیهای بهرهبرداری از مخازن، مورد استفاده قرار گرفته است.
-2 مواد و روشها
-1-2 شاخصهای عملکرد مخزن
در تحلیل سیستمهای مخازن ذخیره، یک بحث مهم توصیف و تعیین عملکرد احتمالی سیستم در آینده به ازای شرایط مختلفی از تقاضاهای ممکن و شرایط هیدرولوژیکی که در طول دوره بهرهبرداری سیستم، احتمال وقوعشان وجود دارد، میباشد. عملکرد احتمالی سیستمهای مخازن ذخیره اغلب به وسیله شاخصهای عملکرد که برای شرایط بهرهبرداری در طول دورههای شکست بنا نهاده شده است، اندازهگیری و ارزیابی میشود.
سه معیار در ارزیابی عملکرد سیستمهای منابع آب از جمله مخازن ذخیره مورد استفاده قرار میگیرندکه این معیارها عبارتند از قابلیت اعتماد - - Reliability که بیانگر این است که یک سیستم با چه احتمالی در دوره بهرهبرداری دچار شکست میشود، سرعت برگشت پذیری - - Resiliency بیانگر این است که یک سیستم با چه سرعتی از حالت شکست به حالت رضایت بخش یا بهرهبرداری نرمال بر میگردد و شکست پذیری - - Vulnerability بیانگر این است که شکست در یک سیستم با چه شدتی رخ خواهد داد.
-2-2 روش Sequent Peak Algorithm - SPA -
روش SPA جزو روشهای شبیه سازی براساس دوره بحرانی میباشد که در آن معادله توازن جرمی، به صورت میزان کمبود در هر دوره مورد استفاده قرار میگیرد. در روش SPA اصلاح شده، میتوان تحلیل مخزن را برای شاخصهای مختلف عملکرد مخزن انجام داد و سپس تاثیر تلفات ناشی ازتبخیر خالص را در تحلیل وارد کرد. اساس روش SPA توسط - 1962 - Thomas and Burden توسعه داده شد و اغلب به مدل پیشرفته گرافیکی ریپل معروف است.
روش SPA اولیه، تحلیل را برای قابلیت اعتماد 100% انجام میدهد. ظرفیت مفید مخزن با فرض این که مخزن در حالت اولیه کاملا پر است به صورت زیر محاسبه میشود.
که در آن ka ظرفیت حجم مفید، kt ، k t 1 به ترتیب مقدار کمبود حجمی بوجود آمده در انتها و ابتدای دوره t، Qt مقدار حجمی جریان ورودی به مخزن در طول دوره t، Rt مقدار حجمی جریان آب رها شده از مخزن در طول دوره t، EVt مقدار حجمی تلفات آب - از قبیل تبخیر و نشت .... - در طول دوره t و T تعداد کل دورهها که در تحلیل مورد استفاده واقع شدند.
-3-2 مدلهای تولید داده مصنوعی
مدلهای تصادفی تولید جریان رودخانه به دو گروه پارامتریک یا غیرپارامتریک طبقهبندی میشوند. مدلهای پارامتریک تولید جریان رودخانه، مشتمل بر وابط ریاضی هستند که معمولاً به صورت رابطه خطی نمایش داده میشوند، به طوریکه باید نوع تابع توزیع احتمالی فرآیند جریان رودخانه تعیین شود. پارامترهای این قبیل مدلها باید با استفاده از دادههای تاریخی ثبت شده که منبع اصلی تاثیرات عوامل نامشخص در روشهای پارامتریک است، برآورد شود. از طرفی مدلهای پارامتریک ماهیانه، یاجزء مدلهای مستقیم و یا جزء مدلهای توزیع و پخش هستند که مدل Fragment جزء مدلهای توزیع و پخش میباشد.
-4-2 تولید جریان با مدل Fragment
همانطور که ذکر شد این روش جزء روشهای غیرمستقیم در تولید داده ماهیانه میباشد، که توسط Harms and - 1967 - Campbell ارائه گردید. سپس - 1982 - Sirkanthan and Mcmahon این روش را اصلاح و به عنوان روش " Method of fragment " نامیدند. - 1991 - Porter And Pink نیز این روش را توسعه داده و تحت عنوان" Method of " synthetic fragment مورد استفاده قرار دادند
مدل توزیع فرگمنت و سایر مدلهای توزیع غیرمستقیم به عنوان یک روش منطقی برای توزیع کردن سریهای اصلی - مانند جریانهای سالیانه - به زیر سریها - سریهای جزئیتر مانند جریانهای ماهیانه یا فصلی - میباشد.
