بهره‌برداری از سیستم‌های چند مخزنی با به‌کارگیری الگوریتم خفاش

فصلنامه آب و توسعه پایدار

مقاله 14، دوره 12، شماره 1 - شماره پیاپی 35، خرداد 1404، صفحه 160-178   

نوع مقاله: پژوهشی کاربردی

شناسه دیجیتال (DOI): 10.22067/jwsd.v12i1.2410-1371

نویسندگان

سعید محمدحسینی؛ امیرپویا صراف^* ؛ بابک امین نژاد

گروه مهندسی عمران، دانشگاه آزاد اسلامی، واحد رودهن، رودهن، ایران

چکیده

مدیریت بهینه منابع آب، به دلیل محدودیت منابع آب، تغییرات اقلیمی، افزایش تقاضا و توزیع نامتوازن منابع، اهمیت بسیاری دارد. بهره‌برداری کارآمد از این سیستم‌ها نیازمند در نظر گرفتن اهداف مختلف و متضاد، در کنار حفظ سطح ایمنی و پایداری مخازن است. پیچیدگی این مسئله، نیاز به استفاده از روش‌های پیشرفته بهینه‌سازی چندهدفه را ضروری می‌سازد. در این پژوهش، یک مدل بهینه‌سازی چندهدفه مبتنی بر خفاش برای بهره‌برداری از سیستم‌های چند مخزنی ارائه شده است. اهداف اصلی مدل شامل: 1) حداکثرسازی تامین نیازهای آبی در بخش‌های مختلف، 2) حداقل‌سازی هزینه‌های مرتبط با مدیریت مخازن و 3) حفظ تعادل محیط‏زیستی از طریق کنترل رهاسازی‌ها است. در فرآیند مدل‌سازی، محدودیت‌هایی نظیر ظرفیت مخازن، قوانین بهره‌برداری و شرایط جریان ورودی و خروجی در نظر گرفته شده‌اند. نتایج به‌دست‌آمده از شبیه‌سازی‌ها نشان می‌دهند که الگوریتم خفاش توانایی ارائه مجموعه‌ای از راه‌حل‌های بهینه را دارد که تصمیم‌گیرندگان می‌توانند باتوجه ‏به اولویت‌های خود، مناسب‌ترین گزینه را انتخاب کنند. همچنین، مقایسه کمی نتایج حاصل از الگوریتم چندهدفه پیشنهادی (BAT) با نتایج حاصل از الگوریتم NSGA_II نشان داد که میانگین مقادیر C(BAT, NSGA-II) حاصل از 20 مقایسه مستقل از هم، برابر 79/53% بوده است. ازاین‏رو، این رویکرد نه‌تنها کارایی سیستم‌های چند مخزنی را افزایش می‌دهد، بلکه به تصمیم‌گیری مؤثر در مدیریت منابع آب کمک کرده و در مواجهه با شرایط متغیر و بحرانی، انعطاف‌پذیری سیستم را بهبود می‌بخشد. از آنجایی که اهداف یاد شده در بیشتر سیستم‌های چند مخزنی مهم مطرح می‌باشند، استفاده از این مدل می‏تواند تا حد زیادی راهگشای تصمیم‌گیران در بهره‌برداری از چنین سیستم‌هایی باشد.

کلیدواژه‌ها

سیستم چند مخزنی؛ خشکسالی؛ الگوریتم چندهدفه؛ منابع آب

مراجع

Abdollahi, A., & Ahmadianfar, I. (2021). Multi-mechanism ensemble interior search algorithm to derive optimal hedging rule curves in multi-reservoir systems. Journal of Hydrology, 598, 126211.

Afshar, M. H., & Hajiabadi, R. (2018). A novel parallel cellular automata algorithm for multi-objective reservoir operation optimization. Water resources management, 32(2), 785-803.

Ahmadianfar, I., Samadi-Koucheksaraee, A., & Bozorg-Haddad, O. (2017). Extracting optimal policies of hydropower multi-reservoir systems utilizing enhanced differential evolution algorithm. Water resources management, 31(14), 4375-4397.

Akbarifard, S., Sharifi, M. R., Qaderi, K., & Madadi, M. R. (2021). Optimal operation of multi-reservoir systems: comparative study of three robust metaheuristic algorithms. Water Supply, 21(2), 941-958.

Chou, F. N. F., Linh, N. T. T., & Wu, C. W. (2020). Optimizing the management strategies of a multi-purpose multi-reservoir system in Vietnam. Water, 12(4), 938.

Güvengir, U., Savasaneril, S., Altan-Sakarya, A. B., & Buhan, S. (2021). Short-term flood control and long-term energy maximization in multi-reservoir systems using improved particle swarm optimization. Water Resources Management, 35(13), 4293-4307.

Moeini, R., & Soghrati, F. (2020). Optimum outflow determination of the multi-reservoir system using constrained improved artificial bee colony algorithm. Soft Computing, 24(14), 10739-10754.

Moradi-Far, S., Ashofteh, P. S., & Loáiciga, H. A. (2024). Development of the marine predator’s algorithm for optimizing the performance of water supply reservoirs. Environment, Development and Sustainability, 1-22. https://doi.org/10.1007/s10668-023-04450-z

Moridi, A., & Yazdi, J. (2017). Optimal allocation of flood control capacity for multi-reservoir systems using multi-objective optimization approach. Water Resources Management, 31(14), 4521-4538.

Nair, S. J., & Sasikumar, K. (2021). Optimisation model for multi-reservoir systems based on profust reliability. In Proceedings of the Institution of Civil Engineers-Water Management, 174(5), 225-235.

Rozos, E. (2019). An assessment of the operational freeware management tools for multi-reservoir systems. Water Supply, 19(4), 995-1007.

Shaikh, S. A. (2020). Application of artificial neural network for optimal operation of a multi-purpose multi-reservoir system, I: initial solution and selection of input variables. Sustainable Water Resources Management, 6(4), 1-14.

Shih, J.S. and ReVelle, C.S. (1995). Water Supply Operations during Drought: Continuous Hedging Rule. Journal of Water Resources Planning and Management, 120(5), 613-629. doi: 10.1061/(ASCE)0733-9496(1994)120:5(613)

Tan, Q. F., Wang, X., Wang, H., Wang, C., Lei, X. H., Xiong, Y. S., & Zhang, W. (2017). Derivation of optimal joint operating rules for multi-purpose multi-reservoir water-supply system. Journal of Hydrology, 551, 253-264.

Thechamani, I., Visessri, S., & Jarumaneeroj, P. (2017). Modeling of Multi-Reservoir Systems Operation in the Chao Phraya River Basin. International Conference on Industrial Engineering, Management Science and Application (ICIMSA). Seoul, South Korea. IEEE. doi: 10.1109/ICIEAM40534.2017

Yaseen, Z. M., Ehteram, M., Hossain, M., Fai, C. M., Binti Koting, S., Mohd, N. S., & El-Shafie, A. (2019). A novel hybrid evolutionary data-intelligence algorithm for irrigation and power production management: application to multi-purpose reservoir systems. Sustainability, 11(7), 1953.