بخشی از مقاله
چکیده
بهرهبرداری بهینه از مخازن سدها یکی از مسائل مهم بهینهسازی در زمینه مدیریت منابع آب به شمار میرود. با توجه به عدم توانایی روشهای بهینهسازی معمول، در حل مسائل پیچیده مدیریت منابع آب، به کارگیری الگوریتمهای فراابتکاری به عنوان یک روش بهینهسازی قدرتمند جهت بهینهسازی سیستمهای تک مخزنه و چند مخزنه بیش از پیش مورد توجه قرارگرفته است. تحقیق حاضر با رویکرد بهینهسازی سیاستهای بهرهبرداری بهینه از مخزن سد کرج با اهداف تأمین انرژی، تأمین نیاز پاییندست، کنترل سیلاب و کاربرد الگوریتم ژنتیک چندهدفه مبتنی بر جواب غیر پست - NSGA-II - تدوین گردید.
جهت انتخاب بهترین سناریوی تخصیص در میان مجموعه نقاط منحنی تبادل بهینه، از روشهای تصمیمگیری چندمعیاره، استفاده شده است و در انتها به منظور ارزیابی پاسخهای بدست آمده، از معیارهای پرکاربرد اطمینانپذیری، برگشتپذیری و آسیبپذیری فازی استفاده گردید. معیار اطمینانپذیری فازی در حالت بهینه 68 درصد بدست آمد، در حالی که در شرایط بهرهبرداری واقعی این مقدار 23 درصد ارزیابی شده بود. همچنین شاخص پایداری در حالت بهینه حدود 25 درصد برآورد گردید که نسبت به شرایط بهره برداری واقعی، عملکرد بالاتری را نشان میدهد. مقایسه شاخص پایداری در دو حالت قبل و بعد از بهینهسازی نشان از عملکرد مطلوب رویکرد پیشنهادی دارد.
1 مقدمه و هدف
افزایش نیازهای آبی و عدم تطابق زمانی اوج تأمین با اوج مصرف، بروز دورههای کم آبی و سالهای پر باران ضرورت برنامهریزی دقیق برای تأمین نیازها و حفظ بهینه منابع آب را دو چندان میکند. ارائه یک مدل تصمیمگیریِ تخصیص آب، ترکیبی از استراتژیها و سیاستهای مختلف میباشد. این مدلها برنامهریزان و تصمیمگیرندگان حوضه مدیریت منابع آب را با پیچیدگیها و چالشهای بسیاری مواجه میکنند که با بکارگیری شیوههای مدیریتی صحیح و به روز میتوان تصمیمات مؤثری در این زمینه اتخاذ کرد. هدف اصلی در تمامی مطالعات مدیریت و بهرهبرداری از مخازن، تأمین اهداف مخزن در راستای رسیدن به توسعه پایدار بوده است. استخراج سیاستهای بهرهبرداری بهینه و اصولی از مخازن بایستی بین اهداف متعدد و مغایر یک سیستم، در بهرهبرداری و تخصیص آب توازن برقرار نماید.
-2 تئوری و پیشینه تحقیق
در سالهای اخیر نیز الگوریتمهای مختلفی جهت دستیابی به سیاستهای بهرهبرداری بهینه از مخازن توسعه یافتهاند. این الگوریتمها از نظر کاربرد و عملکرد دارای تفاوتهای بسیاری هستند در ادامه به برخی از پژوهشهای صورت گرفته در این حوضه پرداخته میشود. بهرهبرداری بهینه چند هدفه با اهداف تولید انرژی و کنترل سیلاب مخزن سد دز را اشرفی و برهانی در سال 1390 مورد بررسی قرار دادند. در مدل بهینهسازی دو هدفه از الگوریتم ژنتیک مبتنی بر جواب غیرپست - 1 NSGA-II - استفاده شد و نتایج حاصله به صورت منحنیهای تبادل پارتو، در این مقاله ارائه گردیدهاند.[1]
فلاحمهدیپور و بزرگحداد در سال 1390 کاربرد الگوریتم ازدحام ذرات - 2PSO - را در مسئله بهرهبرداری بهینه از مخزن سد بازفت، با اهداف تولید انرژی برقابی، تأمین نیاز پاییندست،کنترل سیلاب و تفریحات مورد بررسی قرار دادند. در این تحقیق ابتدا جوابهای حاصل از الگوریتم ازدحام ذرات با برنامهریزی سازشی مورد مقایسه قرار گرفت. نتایج حاکی از آن بود که الگوریتم ازدحام ذرات در تمامی ترکیبات اهداف، در ارائه مجموعه جوابهایی با توزیع مناسب نقاط نسبت به برنامهریزی سازشی از برتری برخوردار بوده و بر جوابهای آن غلبه نمود.
[2] برای بهینهسازی یک سامانه دو مخزنه با اهداف حداکثر کردن درآمد حاصل از فروش انرژی نیروگاه و افزایش حجم ذخیره سیلاب در حوضه آبریز قزل اوزن، از الگوریتمهای ژنتیک ساده و چندهدفه NSGA-II توسط حجتی و همکاران - - 1392 استفاده شد. با توجه به نتایج حاصله، الگوریتم NSGA-II جوابهای مناسبتری نسبت به الگوریتم ژنتیک ارائه داده است.[3] احمدیانفر و ادیب در سال 1393 از الگوریتم ترکیبی ازدحام ذرات و ژنتیک به طور همزمان برای بهینهسازی انرژی برقآبی سد دز استفاده کردند. تابع هدف به صورت حداقلسازی کمبود توان تولیدی نسبت به ظرفیت نصب نیروگاه تعریف شده است.
مقایسه نتایج روش ترکیبی با الگوریتمهای ازدحام ذرات و ژنتیک، نشان داد که الگوریتم حاصل باعث افزایش انعطافپذیری و بهبود توانایی الگوریتم ازدحام ذرات جهت ایجاد جمعیتی با سرعت همگرایی بالا شده و کارایی بسیاری در حل مسائل بهینهسازی بهرهبرداری منابع آب دارد.[4] زینلی و همکاران - 1394 - الگوریتمهای ازدحام ذرات، ژنتیک و سیستم مورچگان پیوسته در بهرهبرداری بهینه از مخزن سد درودزن مورد ارزیابی قرار دادند. تابع هدف کمینهسازی میزان اختلاف تقاضا و بهینهسازی در نظر گرفته شد. نتایج نشان داد که الگوریتم ژنتیک در یافتن جواب بهینه، عملکرد بهتری نسبت به دو الگوریتم دیگر داشته است.
[5] بزرگحداد و همکاران در سال 2016 سه تابع هدف اطمینانپذیری، برگشتپذیری و آسیبپذیری تولید انرژی برقآبی در مخزن سد کارون 4 را با استفاده از الگوریتم چند هدفه NSGA-II بهینهسازی کردند.[6] روش بهینهسازی با استفاده از الگوریتم چندهدفه NSGA-II به منظور بهینهسازی چندهدفه مخزن سد سفیدرود را حاجیآبادی و همکاران در سال 1395 ارائه دادند. توابع هدف تأمین نیاز، تولید انرژی برقآبی، رسوبزدایی و اهداف زیستمحیطی برای مسأله تعریف گردید و با وزندهی به توابع هدف سناریوهای مختلفی ارائه شدند. بهترین راه حل متناظر با هر سناریو از میان مجموعه نقاط بهینه تعیین گردیدند. نتایج حاکی از آن است که علاوه بر تأمین مناسبتر نیاز آبی پاییندست میتوان مقدار انرژی تولیدی را نیز افزایش داد؛ همچنین در صورت نیاز به عملیات رسوبزدایی، مقدار رسوب خروجی را تا بیش از 47 درصد افزایش داد.
[7] احترام و همکاران در سال 2017 به توسعه الگوریتم بویایی کوسه - 3 SSO - در مطالعه مخزن سد کارون 4 پرداختند. در این مطالعه هدف کمینهسازی میزان کمبود نیاز و افزایش درآمد حاصل از انرژی نیروگاهها تعریف شده بود. نتایج حاکی از برتری پاسخهای حاصل از این الگوریتم نسبت به الگوریتم ژنتیک و شبیه سازی نرم افزار لینگو بوده است.[8] بررسی این روشها نشان میدهد که نمیتوان برتری یک روش مشخص را به طور قطع برای بهینهسازی نتیجهگیری کرد؛ بنابراین باید مقایسههایی در شرایط گوناگون برای اهداف متعدد در مسائل تکرار شوند. در این تحقیق از الگوریتم NSGA-II در بهینهسازی مصرف سد کرج با اهداف تولید انرژی، تأمین نیاز پاییندست و کنترل سیلاب استفاده شده است.
استفاده حداکثری از ظرفیت نصب نیروگاه و در نظر گرفتن ارتباط بین تولید انرژی برقآبی و میزان رهاسازی از مخزن یا همان تأمین نیاز پاییندست مهمترین نکته در بهرهبرداری بهینه از مخازن است؛ از طرفی دیگر تراز مخزن یا در واقع حجم مخزن در هر ماه یکی از متغیرهای مهمی است که در مهار سیلاب نقش دارد. مدل بهینهسازی بایستی بین منافع حاصل از ذخیره و نگهداشت آب به منظور تولید انرژی و منافع رهاسازی آب به منظور تأمین نیاز بهترین گزینه را ارائه دهد. هدف از این مقاله تدوین سیاستهای بهینه بهرهبرداری از مخزن سد کرج در مصارف شرب، کشاورزی، تولید برق و کنترل سیلاب و مقایسه آن با شرایط بهرهبرداری واقعی سیستم میباشد و در ادامه نتایج با استفاده از معیارهای عملکرد و شاخص پایداری مورد ارزیابی قرار خواهند گرفت.
-1-2 الگوریتم ژنتیک مبتنی بر جواب غیرپست - NSGA-II -
روشهای چند هدفه الگوریتم ژنتیک زیادی وجود دارند؛ اما حجم بالای محاسبات در هر تکرار، زیاد بودن زمان اجرای مدل و عدم نگهداری تعداد مناسب مقادیر برتر در طول اجرای مدل، مشکلاتی را ایجاد میکند . یکی از پر کاربردترین روشهای بهینهسازی چندهدفه در تحقیقات انجام شده در سالهای اخیر روش NSGA-II است. این الگوریتم توسط دب1 در سال 2000 پیشنهاد گردید.[9 در این روش، ابتدا کروموزمهای موجود در جمعیت اولیه Pt برای تولید کروموزمهای جدید با استفاده از عملگر تزویج مورد استفاده قرار میگیرند. این کروموزمهای جدید تشکیل دهنده جمعیت Qt هستند. این دو جمعیت با هم ادغام شده و جمعیت Rt با تعداد2N کروموزم را تولید میکنند.
رتبهبندی غیر پست روی جمعیت Rt اعمال میشود و به هر کروموزوم یک مقدار برازندگی بر اساس سطح رتبه اختصاص داده میشود، که بر اساس تعداد مغلوب شدن آنها نسبت به سایر نقاط انجام میشود. در پایان الگوریتم، نقاطی که بهترین رتبه یعنی رتبه یک را دارا باشند به عنوان مجموعه جواب یا نقاط تبادل بهینه انتخاب میشوند. جوابهای واقع شده در جبهههای دارای سطح یک تا سطحی که تأمین کننده N کروموزم مورد نیاز در جمعیت باشد، انتخاب و سایر کروموزمها، حذف میشوند. در بسیاری از مواقع ممکن است شرایطی ایجاد شود که جبهه آخر دارای تعداد بیشتری کروموزم از تعداد مورد نیاز برای تکمیل جمعیت باشد. در این صورت تعدادی از کروموزمها بایستی حذف شوند.
-2-2 تصمیمگیری چند معیاره - 2MCDM -
هدف از مدلهای تصمیمگیری چند معیاره انتخاب بهترین گزینه از بین مجموعهای محدود از گزینههای موجود با توجه به معیارها و شاخصهای تصمیم است. در این پژوهش جهت انتخاب بهترین سناریو از معیارهای تصمیمگیری زیر استفاده شده است:
· برنامهریزی سازش : - 3CP - در این روش ابتدا توابع هدف نرمال میشوند و سپس جوابهایی که به نقطه ایدهآل نزدیکترند، با استفاده از یک روش تعیین فاصله مشخص میشوند. نزدیکترین جواب به جواب ایدهآل با معیار فاصله شناسایی میشود.
· روش :4 Topsis در مدل تاپسیس پس از انتخاب معیارهای مناسب و شاخصهای مرتبط، وزندهی و اولویتبندی انجام میگیرد و سپس بهترین گزینه انتخاب گردد. در این روش علاوه بر در نظر گرفتن فاصله یک گزینه از نقطه ایدهآل، فاصله آن از نقطه ایدهآل منفی هم در نظر گرفته میشود.[10]
· روش :5 WASPAS این روش ترکیبی از مدل مجموع وزین - WSM - و مدل حاصلضرب وزین - WPM - است و میتواند در مسائل پیچیده تصمیمگیری کارایی و دقت بالایی داشته باشد.
