تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,355 |
تعداد دریافت فایل اصل مقاله | 97,206,021 |
کاربرد الگوریتم چندهدفه گرگ خاکستری در بهره برداری بهینه از مخازن سدها در مناطق کم آب | ||
تحقیقات آب و خاک ایران | ||
دوره 54، شماره 2، اردیبهشت 1402، صفحه 299-318 اصل مقاله (2.66 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2023.350777.669388 | ||
نویسندگان | ||
صوفیا باجلانی1؛ سعید شعبانلو* 2؛ فریبرز یوسفوند3؛ محمد علی ایزدبخش3؛ احمد رجبی3 | ||
1دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران | ||
2دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه،ایران | ||
3گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران | ||
چکیده | ||
بهرهبرداری از مخازن سدها در مناطق خشک و کم آب به دلیل تغییرات شدید فصلی جریانات ورودی به مخزن از اهمیت ویژهای برخوردار است. در این پژوهش برای بهرهبرداری بهینه از سیستمهای منابع آب سد دز از روش شبیهسازی-بهینهسازی با تلفیق مدل شبیهساز WEAP و الگوریتم بهینهسازی چندهدفه گرگ خاکستری (MOGWO) استفاده گردید. هدف اصلی در این ساختار ارائه راه حلی است که در آن بر اساس منابع و مصارف منطقه، علاوه بر کاهش جریمه ناشی از تخطی از ظرفیتهای مجاز مخزن، درصد تامین نیاز مصارف مختلف در کل دوره بخصوص در ماههای خشک نیز افزایش یابد. برای بررسی قابلیت مدل پیشنهادی دو سناریوی مرجع (بر اساس وضع موجود) و سناریوی بهینهسازی سیستم مورد ارزیابی قرار گرفت. نتایج نشان داد در سناریوی مرجع در بسیاری از سالهای خشک درصد تامین نیاز در ماههای بحرانی و کم آب نزدیک به صفر بود. این امر باعث ایجاد ناپایداری در سیستم و ایجاد خسارات جبرانناپذیر اقتصادی شده و تبعات اجتماعی زیادی به دنبال خواهد داشت. بهینهسازی سیستم بر اساس ساختار پیشنهادی در این تحقیق باعث بهبود درصد تامین نیاز در ماههای بحرانی شده به گونهای که حداقل درصد تامین نیاز در این ماهها به 30 درصد می رسد و هیچ ماهی با درصد تامین نیاز صفر باقی نمیماند. مدل پیشنهادی در این تحقیق میتواند با در نظر گرفتن ظرفیتهای مجاز مخزن با رهاسازی بهینه جریان در فصول پرآب و ذخیره بخشی از جریان در مخزن و رهاسازی آن در فصول کم آب باعث مدیریت بهتر مخزن در مناطق خشک گردد. | ||
کلیدواژهها | ||
بهره برداری بهینه؛ الگوریتم گرگ خاکستری؛ WEAP؛ سد دز | ||
مراجع | ||
Azari, A., Arman, A. (2020). Optimal Utilization of Water Resources in Real Time Based on NSGA-II Algorithms and Support Vector Machines (Case Study: Gavoshan Dam). Irrigation Sciences and Engineering (JISE), 43(1), 189-204. Azari, A., Hamzeh, S., & Naderi. S. (2018). Multi-objective optimization of the reservoir system operation by using the hedging policy. Water Resources Management. 32(6), 2061–2078. Bayazit, M., & Unal, N.E. (1990). Effects of hedging on reservoir performance. Water Resources Research, 26(4),713 719. Bayesteh, M., & Azari, A. (2021). Stochastic Optimization of Reservoir Operation by Applying Hedging Rules. Journal of Water Resources Planning and Management. 147(2): 04020099. https://doi.org/10.1061/(ASCE)WR.1943-5452.0001312. Celeste, A.B., & Billib, M. (2009). Evaluation of stochastic reservoir operation optimization models. Advances in Water Resources, 32(9), 1429-1443. Efstratiadis, A., Bouziotas, D., & Koutsoyiannis, D. (2012). The parameterization-simulation-optimisation framework for the management of hydroelectric reservoir systems. In Hydrology and Society, EGU Leonardo Topical Conference Series on the hydrological cycle. Garousi-Nejad, I., Bozorg-Haddad, O., Loáiciga, H.A., & Mari˜no, M.A. (2016). Application of the Firefly Algorithm to Optimal Operation of Reservoirs with the Purpose of Irrigation Supply and Hydropower Production. Journal of Irrigation and Drainage Engineering, 142(10), 04016041. Goorani, Z., & Shabanlou, S. (2021). Multi-objective optimization of quantitative-qualitative operation of water resources systems with approach of supplying environmental demands of Shadegan Wetland, Journal of Environmental Management, 292(6), 112769. https://doi.org/10.1016/j.jenvman.2021.112769. Jalali, M.R., Afshar, A., & Marino, M.A. (2006). Reservoir Operation by Ant Colony Optimization Algorithms, Iranian Journal of Science & Technology, Transaction B, Engineering, 30(1), 107-117. Jalilian, A., Heydari, M., Azari, A. and Shabanlou, S. (2022). Extracting Optimal Rule Curve of Dam Reservoir Base on Stochastic Inflow. Water Resources Management. 36 (6): 1763–1782. https://doi.org/10.1007/s11269-022-03087-3. Karamian, F., Mirakzadeh, A. A., Azari, A. 2023. Application of multi-objective genetic algorithm for optimal combination of resources to achieve sustainable agriculture based on the water-energy-food nexus framework. Science of The Total Environment. 860: 160419. https://doi.org/10.1016/j.scitotenv.2022.160419. Koutsoyiannis, D., & Economou, A. (2003). Evaluation of the parameterization‐ simulation‐ optimization approach for the control of reservoir systems. Water Resources Research, 39(6), 1-17. Koutsoyiannis, D., Efstratiadis, A., & Karavokiros, G. (2002). A Decision support tool for the management of multi‐reservoir systems. Journal of the American Water Resources Association, 38(4), 945-958. Labadie, J.W. (2004). Optimal operation of multireservoir systems: state-of-the-art review. Journal of Water Resources Planning and Management (ASCE), 13(2), 93-111. Mirjalili, S., Mirjalili, S.M., & Lewis, A. (2014). Grey wolf optimizer. Advances in Engineering Software, 69, 46-61. Mirjalili, S., Saremi, S., Mirjalili, S.M., & Coelho, L.S. (2016). Multi-objective grey wolf optimizer: A novel algorithm for multi-criterion optimization, Expert Systems with Applications, 47, 106-119. Moeini, R., & Afshar, M.H. (2009). Application of an Ant Colony Optimization Algorithm for Optimal Operation of Reservoirs: A Comparativ Study of Three Proposed Formulations. Transaction A: Civil Engineering, 16(4), 273-285. Neelakantan, T.R., & Sasireka, K. (2015). Review of hedging rules applied to reservoir operation. International Journal of Engineering Technology, 7(5), 1571-1580. Oliveira, R., & Loucks, D. (1997). Operating rules for multi-reservoir systems. Water Resource Research, 33(4), 839–852. Rafiee Anzab, N., Mousavi, S.J., Rousta, B.A., & Kim, J.H. (2016). Simulation Optimization for Optimal Sizing of Water Transfer Systems. Springer-Verlag Berlin Heidelberg, 365-375. Shourian, m., Mousavi, S.J., & Tahershamsi, A. (2008). Basin-wide Water Resources Planning by Integrating PSO Algorithm and MODSIM. Water Resources Management, 22, 1347–1366. Taghian, M., Rosbjerg, D., Haghighi, A., & Madsen, H. (2013). Optimization of conventional rule curves coupled with hedging rules for reservoir operation. Journal of Water Resources Planning and Management, 140(5), 693-698. Tennant, D. L. (1976). Instream flow regimens for fish, wildlife, recreation and related environmental resources. Fisheries, 1(4), 6-10. Zarei, N., Azari, A., & Heidari, M. M. (2022). Improvement of the performance of NSGA-II and MOPSO algorithms in multi-objective optimization of urban water distribution networks based on modification of decision space. Applied Water Science, 12(6), 133. https://doi.org/10.1007/s13201-022-01610-w. Zhang, J., Wu, Z., Cheng, C., & Zhang, S. (2011). Improved particle swarm optimization algorithm for multi-reservoir system operation. Water Science and Engineering, 4(1), 61-73. Zeinali, M., Azari, A., & Heidari, M. (2020a). Simulating Unsaturated Zone of Soil for Estimating the Recharge Rate and Flow Exchange Between a River and an Aquifer. Water Resources Management, 34, 425–443. Zeinali, M., Azari, A., & Heidari, M. (2020b). Multi-objective Optimization for Water Resource Management in Low-Flow Areas Based on a Coupled Surface Water–Groundwater Model. Journal of Water Resource Planning and Management (ASCE), 146(5), 04020020. | ||
آمار تعداد مشاهده مقاله: 367 تعداد دریافت فایل اصل مقاله: 281 |