بخشی از مقاله
خلاصه
رشد جمعیت، افزایش نیازهای آبی، ارزش اقتصادی حاصل از بهرهبرداری بهینه از سیستمهای منابع آب و کمبود یا افت کیفیت منابع آب در دسترس، باعث شده است که بهرهبرداری بهینه از مخازن سد به عنوان یکی از مسائل مهم در تحلیل سیستمهای منابع آب مورد توجه قرار گیرد. در عمل برای بهرهبرداری بهینه از سیستمهای منابع آب مجموعهای از روشهای بهینهسازی، شبیهسازی و تحلیلهای آماری استفاده میگردد. در این تحقیق، علاوه بر تدوین یک مدل بهینهسازی بر پایه برنامهریزی غیرخطی، خروجیهای مدل بهینهسازی نیز، برای آموزش و صحتسنجی مدل شبیهسازی هوشمند مانند شبکههای عصبی مصنوعی - Artificial Neural Networks - مورد استفاده قرار میگیرند. در این مقاله، کارایی مدلهای تهیه شده در تدوین قواعد بهرهبرداری از سد 15 خرداد مورد ارزیابی قرار گرفته است.
-1 مقدمه
رشد سریع جمعیت، گسترش شهرها و افزایش فعالیتهای صنعتی و کشاورزی، افزایش سریع نیازهای آبی و ورود آلاینده های مختلف به محیط زیست به خصوص رودخانهها را در پی داشته است. اهمیت تأمین نیازهای آبی و حفظ اکوسیستم ها، مدیریت کمیت و کیفیت آب در سیستمهای رودخانه - مخزن را به عنوان یکی از قدیمیترین و مهمترین مسائل مدیریت منابع آب مطرح ساخته است. Fontane and Labadie - 1981 - با تلفیق مدل های شبیهسازی کیفی و مدل بهینه سازی پویا، مدل بهرهبرداری کمی -کیفی از مخازن سدها را توسعه دادند. این تحقیق را میتوان علیرغم فرضیات ساده کننده بسیار، به عنوان شاخصترین مطالعه انجام شده در زمینه بهرهبرداری کمی-کیفی از مخازن قلمداد نمود. Yeh - 1985 - در قالب یک مقاله مروری شاخص، تحقیقات و نوعآوریهای انجام شده تا آن زمان را در زمینه بهینهسازی بهرهبرداری از مخازن جمعآوری، طبقهبندی و ارائه نمود.
ایشان مدل های ارائه شده تا آن زمان را در قالب چهار دسته کلی مدلهای خطی، مدلهای پویا، مدلهای بهینهسازی غیرخطی و مدل های بهینهسازی بر پایه شبیهسازی تقسیمبندی نمود و مزایا و محدودیتهای هر گروه از مدل ها را تشریح نمود. Nandalal and Bogardi - 1994, 1995, 1996 - برای تدوین سیاستهای بهرهبرداری کمی-کیفی از دو مدل بهینهسازی و شبیهسازی مجزا استفاده نمودند. Oliveria and Loucks - 1997 - نیز در یک تحقیق جامع کارایی مدلهای بهینهسازی الگوریتم ژنتیک قطعی را در تدوین سیاستهای بهرهبرداری از مخازن بررسی کردند. Chaves et al. - 2004 - با استفاده از برنامهریزی پویای احتمالاتی، قوانین بهره برداری از مخزن با اهداف کمی و کیفی را استخراج نمودند. همچنین Mousavi et al. - 2004 - یک شیوه جدید برای به کارگیری مفاهیم منطق فازی معرفی کردند تا برخی عدم قطعیتهای موجود در کاربرد فرمولاسیون SDP برای بهرهبرداری مخزن، بهتر به کار گرفته و مدیریت شوند.
Kerachian and Karamouz - 2006 and 2007 - با علم به اینکه تعداد زیاد متغیرهای تصمیم در مسأله بهرهبرداری از مخزن سد و به تبع آن، تعداد زیاد ژنهای هر کروموزوم، کارایی مدلهای الگوریتم ژنتیک کلاسیک را محدود مینماید، برای کاهش مشکلات محاسباتی مدل های الگوریتم ژنتیک، یک مدل الگوریتم ژنتیک را با طول کروموزومهای متغیر1 پیشنهاد نمودند. Zahraie and Hosseini - 2009 - یک مدل بهینهسازی بر مبنای الگوریتم ژنتیک را برای بهینهسازی بهرهبرداری از مخزن با درنظر گرفتن تغییرات نیازهای آبی توسعه دادند. - Zhang et al. - 2010 به ارائه سیاستهای بهرهبرداری بهینه از مخازن در یک حوضه آبریز با رویکرد شبیهسازی- بهینهسازی پرداختند.
شبکههای عصبی مصنوعی2، مدلهای محاسباتی هستند که از عملکرد مغز انسان الهام گرفته شدهاند. تاکنون مطالعات گستردهای در زمینه استفاده از ANNs در مدیریت کمی مخازن آب صورت گرفته است. Jain et al. - 1999 - بهرهبرداری از مخزن سد را بر اساس برنامهریزی پویا3 فرموله کردند و برای ارتباط میان رهاسازی بهینه و ذخیره مخزن، ورودی و نیاز از ANN و رگرسیون خطی و غیرخطی استفاده کردند. نتایج این مطالعه حاکی از ان است که ANN وسیلهای مناسب برای نگاست مناسب ورودی و خروجی از مخزن سد و تدوین قوانین بهره برداری است.
بزرگ حداد - 1383 - از نتایج برنامهریزی پویا، ANN و مدل رگرسیونی برای بهرهبرداری از مخزن سد کرخه استفاده کردند. Chaves and Kojiri - 2007 - از مدل شبکه عصبی فازی غیرقطعی برای تدوین قوانین بهرهبرداری از مخزن سد بر اساس نتایج الگوریتم ژنتیک استفاده کردند. در سالهای اخیر نیز Wang et al. - 2010 - از RBFNN که یکی از انواع ANN ها هستند، برای تدوین قوانین بهرهبرداری مخزن سد بر اساس نتایج الگوریتم PSO4 استفاده کردند.در این تحقیق، کاربرد مدل برنامهریزی غیرخطی5 در بهرهبرداری بهینه از مخزن سدها مورد ارزیابی قرار گرفته است. همچنین در ادامه از قابلیت سیستمهای هوشمند شبیهسازی مانند ANNs در تدوین قوانین بهرهبرداری بهینه از مخزن سدها در زمان واقعی استفاده خواهد شد. مدلهای شبیهسازی و بهینهسازی فوق در تدوین قواعد بهرهبرداری در مخزن سد 15 خرداد مورد ارزیابی قرار گرفته است که نتایج نشاندهنده کاربردپذیری مناسب ANN در بهرهبرداری از مخزن این سد در زمان واقعی است.
-2 مواد و روشها
هدف از این مقاله بررسی کارایی مدل بهینهسازی NLP در تدوین قوانین بهرهبرداری از مخزن سد 15خرداد است. تأمین نیازهای آبی معمولاً اصلیترین هدف در احداث سدهای مخزنی میباشد. بنابراین در اغلب موارد به عنوان یکی از اهداف در تدوین سیاستهای بهرهبرداری از مخزن مورد توجه قرار میگیرد. در توابع هدف مربوط به تأمین نیازهای آبی معمولاً برای میزان کمبود آب با توجه به نیاز آبی ماهانه جریمهای در نظر گرفته میشود و در مدل بهینهسازی جریمه کل در دوره برنامهریزی حداقل میشود. از اینرو تابع هدف مدل NLP در این مقاله حداقلسازی میزان کمبود آب در دوره برنامهریزی است. همچنین از مدل شبیهسازی ANN برای ارائه قواعد بهرهبرداری از این مخزن در زمان واقعی استفاده شده است. بدین ترتیب مقاله حاضر از مدل بهینهسازی NLP و مدل شبیهسازی ANN تشکیل شده است که در ادامه کاربرد هر یک از این مدلها در تدوین قواعد بهرهبرداری از مخزن سد 15 خرداد به تفصیل مورد بررسی قرار میگیرد.
-1-2 برنامه ریزی غیرخطی
برنامهریزی غیرخطی بر خلاف LP و DP، عمومیت و مقبولیت زیادی در تجزیه و تحلیل سیستمهای منابع آب ندارد. این مسأله ناشی از این واقعیت است که روند بهینهسازی این مدل کند است و حجم زیادی از حافظه کامپیوتر را، علاوه بر صرف زمان بیشتر نسبت به سایر روشها، اشغال میکند. با این وجود در این تحقیق به دلیل غیرخطی بودن مسأله، از برنامهریزی غیرخطی استفاده شده است که یکی از رایجترین نرمافزارهای موجود برای حل این دسته از مسائل، نرمافزار LINGO میباشد. نسخه 8 و بالاتر این نرمافزار، با انتخاب نقاط شروع متفاوت، امکان پیدا کردن جوابهای بهینه عمومی و موضعی را داراست.
-2-2 مدل شبیهسازی شبکه عصبی مصنوعی - ANN -
شبکههای عصبی مصنوعی، مدلهای محاسباتی هستند که از عملکرد مغز انسان الهام گرفته شدهاند. بخشی از مشخصههای بیولوژیکی الهامدهنده شبکههای عصبی مصنوعی عبارتند از: قابلیت یادگیری، قابلیت تعمیم، قابلیت پردازش اطلاعات از اطلاعات ناقص و دستخورده و امکان پردازش موازی دادهها. با وجود ارائه گونههای متنوع و زیادی که از مدل های ANNs پیشنهاد شده است، همه آن ها دارای سه مشخصه عمومی هستند. اولین مشخصه آنها واحد پردازشگر میباشد و دومین مشخصه، اتصال داخلی در واحدهای پردازشگر میباشد. سومین مشخصه شبکه های عصبی مصنوعی، الگوریتم آموزش میباشد. برای اطلاع از جزییات بیشتر در مورد ANNs میتوان به مراجع معتبر در این زمینه مانند منهاج - 1381 - و همچنین Nesvik - 1993 - مراجعه نمود. ANNsعمدتاً برای دسته بندی1 و رگرسیون2 اطلاعات مورد استفاده قرار میگیرند. با توجه به ماهیت مسائل بهرهبرداری از مخازن سدها، در این تحقیق جهت تدوین قواعد بهرهبرداری در زمان واقعی از شبکههای عصبی مصنوعی یا ANN استفاده میشود. در این تحقیق به منظور استفاده از ANN از نرمافزار MATLAB استفاده شده است.
-3 مطالعه موردی: سد 15 خرداد
سد 15 خرداد یکی از 10 سد مهم کشور است که دارای مشکلات مربوط به شوری آب میباشد. از مهمترین سدهای دیگر میتوان به سد های ساوه، رئیس علی دلواری، شهید رجایی و سد کوثر اشاره کرد. سد پانزده خرداد با 54 متر ارتفاع از بستر رودخانه در مجاورت شهرهای دلیجان و محلات بر رودخانه قمرود احداث گردیده است. این سد نخستین سد بلند استان مرکزی و همچنین نخستین سدی است که طراح اصلی آن مشاور ایرانی بوده است. هدف از احداث و بهرهبرداری از این سد، تأمین آب کشاورزی بیش از 8000 هکتار اراضی پاییندست، ذخیره سیلابها و آبرسانی به شهر قم میباشد.
