بخشی از مقاله
چکیده
برنامه ریزي و مدیریت بهینه منابع آب در سطح حوضه آبریز داراي مشکلات و پیچیدگیهاي خاص خود میباشد و در این راستا استفاده از مدلهاي ریاضی مؤثر از نظر محاسباتی و نیز دقیق در نیل به جوابهاي مطلوب امري اجتناب ناپذیر مینماید. در این مقاله، با اتصال مدل شبیه سازي جامع MODSIM با قابلیت لحاظ نمودن انواع مشخصات و ملزومات برنامهریزي آب در سطح حوضه آبریز، با الگوریتم بهینهسازي جستجوي فاخته - Cuckoo - Optimization Algorithm، مسأله تخصیص بهینه منابع آب در سطح حوضه آبریز گرگان رود مطالعه شده است. مدل تهیه شده قادر به تعیین سیاست بهرهبرداري بهینه از سدهاي بوستان، گلستان و وشمگیر همراه با تخصیص بهینه منابع آب بین نیازهاي درون حوضه با هدف حداکثرسازي سود حاصل از تخصیص آب به محلهاي مصرف میباشد.
-1 مقدمه
توزیع ناهمگون زمانی و مکانی آب شیرین به لحاظ کمی از یک طرف و محدودیتها و مشکلات روزافزون کیفی از طرف دیگر، تأمین منابع آب را در بسیاري از کشورها، به یکی از مهمترین چالشهاي قرن حاضر تبدیل نموده است. لذا برنامهریزي تخصیص عادلانه و بر اساس توسعه پایدار، بسیار پر اهمیت واقع میشود. توجه به توسعه پایدار در برنامهریزي تخصیص منابع آب خود مستلزم لحاظ کردن شاخصههاي بسیار و گوناگونی بوده که میبایست در کنار هم و به صورت همزمان مورد بررسی قرار گیرند.
هدف کلی مطالعه توسعه یک مدل ریاضی شبیهسازي-بهینهسازي به منظور ابزار کمکی در مسأله برنامهریزي بهینه تخصیص منابع آب در سطح حوضه آبریز است. شوریان و موسوي - 1385 - به منظور تعیین سیماي بهینه منابع آب بالا دست حوضه سیروان از تلفیق - MODSIMبه عنوان یک شبیه ساز - و الگوریتم بهینه سازي مبتنی بر هوش مصنوعی دسته ذرات بهره گرفتند. صمدي علی نیا و همکاران - - 1387 به منظور حل مساله طراحی، بهره برداري و تخصیص بهینه منابع آب در سطح حوضه آبریز، از یک مدل بهینه سازي-شبیه سازي و با تلفیق مدل MODSIM به عنوان مدل شبیه ساز و GA به عنوان مدل بهینه ساز بهره گرفتند.
عباس نیا و موسوي - 1388 - از تلفیق MODSIM با مدل شبیه ساز کیفیت منابع آب QUAL2K و به دست آمدن مدل MODSIM -QUAL2K در حل مساله تخصیص آب، با شبیه ساز متغیر کیفی TDS در بخشی از سیستم حوضه هاي دز و کارون، استفاده کرده اند. در این راستا روششناسی حل مسأله تخصیص بهینه منابع آب در سطح حوضه آبریز، مورد نظر در این تحقیق، شامل مراحل اصلی زیر است:
-1استفاده از یک مدل شبیه ساز با قابلیت بهینهسازي تخصیص تک دورهاي در هر گام زمانی و کالیبراسیون آن
-2 توسعه یک مدل بهینه ساز فراکاوشی و درون گذاري مدل شبیهساز به عنوان ابزار ارزیابی تابع برازندگی آن و نتیجتاً توسعه مدل شبیه سازي-بهینه سازي
در این مقاله، با استفاده از مدل Labadie - MODSIM، - 1995 بعنوان یک مدل جامع مدیریت منابع آب در سطح حوضه آبریز عملکرد بخشی از سیستم حوضه گرگان رود با تخصیص ظرفیت بهینه ذخیره منابع آبی در احجام مخازن سدهاي بوستان و گلستان و وشمگیر شبیه سازي شده است. سپس مقادیر بهینه متغیرهاي تصمیم مسأله با استفاده از الگوریتم بهینه سازي فاخته - Cuckoo optimization algorithm - یا COA با هدف مینیمم سازي هزینه خالص کل تعیین شده است.
-2 مدل MODSIM
مدل MODSIM یک مدل شبیهسازي- بهینهسازي است. این مدل از روش برنامهریزي جریان شبکه - Network-Flow - Programming یا NFP براي بهینه سازي تخصیص آب در سیستم در هر گام زمانی استفاده میکند. این مدل در تعدادي از سیستمهاي رودخانهاي پیچیده، مانند حوضه رودخانه Graham - Riogrande و همکاران ، - 1986، حوضه رودخانه Ponder در کلرادو Labadie - و همکاران، - 1986، حوضه رودخانه کلرادو - Law و Brown ، - 1989، حوضه رودخانه Frevert - Snake و همکاران، - 1994، حوضه رودخانه Guiem در کره جنوبی Labadie - وFontane ، - 2002 تحت نام مدل KMODSIM و تعدادي حوضه دیگر با موفقیت مورد استفاده قرار گرفته است.
در این مدل مسأله حداقل کردن هزینه شبکه جریان و به عبارتی تخصیص بهینه آب بین مصارف متعدد بصورت تکراري و در طول زمان در هر گام زمانی حل میشود. که در این روابط A مجموعه تمام بازوها در شبکه، N مجموعه تمام گرهها، Oi مجموعه تمام کانالهاي آغاز شونده از گره i - یعنی کانالهاي خروجی - ، Ii مجموعه تمام کانالهاي پایان یابنده در گره i - یعنی کانالهاي ورودي - ، ql عدد صحیح نرخ دبی در کانال l، cl هزینه ها، ضرایب وزنی و یا اولویتهاي واحد دبی در کانال l ، ll کران پایین جریان در کانال l و ul کران بالاي جریان در کانال l میباشد. در نبود مطالعات اقتصادي و به منظور تخصیص بهینه آب بین مصارف، ضرایب هزینه در تابع هدف با استفاده از مقادیر اولویتهاي نسبی تامین نیازها تعیین شده توسط کاربر محاسبه میشود.
قابلیتهاي بسیار شاخص مدل MODSIM، این مدل یک مدل شبیهسازي بهرهبرداري از سیستم همراه با تخصیص بهینه آب بین مصارف در اشل حوضه آبریز و تحت ابعاد معلوم و داده شده از المانهاي ذخیره، انتقال، پمپاژ و انحراف آب است. به عبارت دیگر مدل به خودي خود قادر به طراحی و تعیین ابعاد بهینه المانهاي مذکور نیست. به همین دلیل اتصال این مدل به یک مدل بهینه ساز با متغیرهاي تصمیم معرف طراحی و بهرهبرداري از المانهاي مذکور در این مطالعه پیگیري شده است.
این الگوریتم بهینه سازي از زندگی یک خانواده از پرندگان به نام فاخته ها، الهام گرفته است. زندگی خاص این نوع پرنده و ویژگی هاي آن در تخم گذاري و زاد و ولد، انگیزه اصلی پرورش این الگوریتم تکاملی بهینه سازي جدید بوده است. مانند سایر روش هاي تکاملی، الگوریتم بهینه سازي فاخته - COA - ، با یک جمعیت اولیه آغاز می شود. جمعیت فاخته ها، در جوامع مختلف آن ها، دو نوع است: فاخته هاي بالغ و تخم ها. تلاش فاخته ها براي زنده ماندن اساس الگوریتم بهینه سازي فاخته را تشکیل می دهد. در طول مسابقه براي زنده ماندن، برخی از فاخته ها یا تخم هاي آنان از بین می روند. جامعه فاختگان نجات یافته به یک محیط بهتر مهاجرت میکنند، و دوباره شروع به تکثیر و تخم گذاري میکنند. امید است تلاش فاخته ها براي زنده ماندن، به حالتی برسد که تنها یک جامعه از فاخته ها و همه با یک ارزش سود مشابه وجود داشته باشند.
براي حل یک مسئله بهینه سازي، لازم است مقادیر متغیر هاي مسئله به شکل یک ماتریس درآیند. این ماتریس محل زندگی نامیده می شود. ماتریس محل زندگی Npop × Nvar ایجاد می شود. سپس یک تعداد تصادفی از تخم ها براي هر کدام از این محل زندگی اولیه، پیشنهاد می شود. این اعداد به عنوان حدود بالا و پایین تخصیص تخم به هر فاخته در تکرارهاي مختلف است. عادت دیگر فاخته هاي حقیقی این است که آن ها در یک دامنه مشخص تخم گذاري می کنند. این فاصله بیشینه شعاع تخم گذاري - ELR - نامیده می شود. α عدد صحیحی است که براي به دست آوردن مقدار ماکزیمم ELR به کار می رود. بعضی از آن ها که کمتر شبیه تخم هاي خود پرنده میزبان هستند، توسط آن ها شناسایی و بیرون انداخته می شوند. بنابراین بعد از فرآیند تخم گذاري، p% از تخم ها - معمولا - %10 که مقدار سود آن ها کمتر است، نابود می شوند.
تنها یک تخم در هر لانه فرصت رشد می یابد. این به خاطر آن است که وقتی تخم فاخته می شکند و جوجه فاخته سر از تخم بیرون می آورد، تخم هاي پرنده میزبان را از لانه بیرون می اندازد. وقتی فاخته ها به زمان تخم گذاري نزدیک می شوند، به محل زندگی جدید و بهتر مهاجرت می کنند. گروه بندي فاخته ها به روش خوشه بندي k-means انجام می شود. هر فاخته فقط λ% کل فاصله تا مقصدش را پرواز می کند و همچنین انحرافی به اندازه Ø رادیان دارد. این دو پارامتر، λ و Ø به فاخته ها کمک میکند موقعیت هاي بسیار بیشتري را در محیط جست و جو کنند.
