بهره‏برداری بهینه از مخزن سد سلمان فارسی با استفاده از الگوریتم وال و هیبرید آن با الگوریتم ژنتیک براساس روش تصمیم‏گیری چندمعیاره

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی دکتری، دانشکدۀ مهندسی عمران، دانشگاه سمنان، سمنان‌

2 استاد، دانشکدۀ مهندسی عمران، دانشگاه سمنان، سمنان‌

3 استادیار، دانشکدۀ مهندسی عمران، دانشگاه سمنان، سمنان‌

چکیده

بهره‏برداری بهینه از مخازن سدها، یکی از مباحث ضروری در مدیریت منابع آب و به‏ویژه منابع آب سطحی است. در پژوهش حاضر، پس از معرفی الگوریتم بهینه‏سازی وال، عملکرد این الگوریتم به‏تنهایی و در حالت ترکیب با الگوریتم ژنتیک در مسئلۀ بهره‏برداری بهینه از مخزن سد سلمان فارسی ارزیابی شده است. در مسئلۀ بهینه‏سازی حاضر، تابع هدف به‏صورت کمینه‏سازی کل کمبود طی بهره‏برداری تعریف شده است. همچنین، محدودیت‏های معادلۀ پیوستگی مخزن، حجم ذخیرۀ مخزن و حجم رهاسازی از مخزن بر تابع هدف مسئله اعمال شده‏اند. عملکرد حاصل از الگوریتم‏های پیشنهادی با عملکرد حاصل از الگوریتم ژنتیک به‏عنوان یکی از الگوریتم‏های رایج در این زمینه و برنامه‏ریزی غیرخطی به‏عنوان بهینه‏یاب مطلق مقایسه شده‏ است. عملکرد مدل‏ها براساس شاخص‏های اطمینان‏پذیری، برگشت‏پذیری، آسیب‏پذیری و پایداری ارزیابی شده است. نتایج به‌دست‌آمده از جواب‏های بهینه نشان دادند جواب بهینۀ مطلق براساس روش برنامه‏ریزی غیرخطی و با استفاده از نرم‏افزار لینگو برابر 181/0 به دست آمده است و جواب بهینۀ مدل‏های الگوریتم هیبریدی وال-ژنتیک، الگوریتم ژنتیک و الگوریتم وال به‌ترتیب با 9/2، 2/24 و 0/337 درصد افزایش نسبت به جواب بهینۀ مطلق در رتبه‏های اول تا سوم قرار دارند. همچنین، نتایج به‌دست‌آمده از شاخص‏های ارزیابی عملکرد مدل‏ها نشان دادند از نظر اطمینان‏پذیری و آسیب‏پذیری، مدل برنامه‏ریزی غیرخطی و از لحاظ برگشت‏پذیری، الگوریتم ژنتیک و از نظر پایداری، الگوریتم هیبریدی وال-ژنتیک بهترین عملکرد در بین مدل‏ها را دارند. به منظور انتخاب برترین مدل براساس تابع هدف و شاخص‏های ارزیابی عملکرد مدل‏ها از روش تصمیم‏گیری چندمعیاره استفاده شده است. نتایج به‌دست‌آمده از این روش نشان دادند عملکرد الگوریتم هیبریدی وال-ژنتیک در رتبۀ اول قرار دارد و مدل‏های برنامه‏ریزی غیرخطی، الگوریتم ژنتیک و الگوریتم وال به‌ترتیب در رتبه‏های بعدی قرار دارند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Optimal Operation of Dam Reservoir Using Whale Optimization Algorithm and Its Hybrid with Genetic Algorithm Based on Multi-Criteria Decision Making

نویسندگان [English]

  • Majid Mohammadi 1
  • Sayed Farhad Mousavi 2
  • Saeed Farzin 3
  • Hojat Karami 3
1 Ph.D. Student, Faculty of Civil Engineering, Semnan University, Semnan.
2 Professor, Faculty of Civil Engineering, Semnan University, Semnan
چکیده [English]

Optimal operation of reservoirs is one of the most important issues in water resources management. In the present study after introducing Whale Optimization Algorithm (WOA), the performance of this algorithm is evaluated separately and in the hybrid with the Genetic Algorithm (hybrid WOA-GA) in the optimal operation problem of Salman Farsi dam reservoir. In the present optimization problem, the objective function is defined as minimizing the total deficit during the operation period. Also, the constraints of the reservoir continuity equation, reservoir storage volume and released volume from the reservoir have been applied to the objective function of the problem. The Performance of proposed algorithms is compared with the performance of the Genetic Algorithm (GA) and Non-Linear Programming (NLP). The performance of models has been evaluated based on Reliability, reversibility, vulnerability and stability criteria. The results of optimal solutions showed that the absolute optimum is equal to 0.181 based on NLP method and using Lingo software and the optimal solutions for the models of the hybrid WOA-GA, GA and WOA with 2.9, 24.2 and 337 percent increase compared to the absolute optimum are ranked first to third respectively. A Multi-Criteria Decision-Making technique (MCDM) has been used to select the best model based on the objective function and evaluation criteria of the models' performance. The results of this technique showed that the performance of the hybrid WOA-Ga model is ranked first, and the models of NLP, GA and WOA are in the next ranks, respectively.

کلیدواژه‌ها [English]

  • Optimal operation of Salman Farsi dam reservoir
  • Non-Linear Programming
  • hybrid Whale-Genetic algorithm
  • Whale Optimization Algorithm
  • Multi-Criteria Decision Making

مراجع

[1].      Sabzehie, M., Kolivand, S. The Social Problem of Water with Sustainable Development Perspective: A Sociological Analysis. Social Sciences, 2017; 24(77): 404-433.
[2].      Tarazkar M. H., Zibaee M., Soltani GH. Optimization of operation role curve of Droodzan Dam reservoir under drought conditions. The 10th Biennial Conference of Iran’s Agricultural Economics. 2016;
[3].      Farzin S., Karami H., Valikhan Anaraki M., Ehteram M. The Application of Bat Algorithm for Economical Design of Open Channels. Iranian Journal of Irrigation and Drainage. 2018; 12(3): 635-646.
[4].      Hosseini-Moghari S. M., Banihabib M. E. Optimizing operation of reservoir for agricultural water supply using firefly Algorithm. J. of Water and Soil Resources Conservation. 2014; 3(4): 17-31.
[5].      Akbarifard S., Qaderi K., Bakhtiari B. Codification of optimal operation policies of reservoirs in the Gorganrood basin using Wolf Search Algorithm (WSA). Journal of Dam and Hydroelectric PowerPlant. 2015; 6(21): 75-90.
[6].      Bozorg-Haddad O, Azarnivand A, Hosseini-Moghari SM, Loáiciga HA. Optimal operation of reservoir systems with the symbiotic organisms search (SOS) algorithm. Journal of Hydroinformatics. 2017 Jul 1; 19(4):507-21.
[7].      Afshar MH, Azizipour M, Oghbaeea B, Kim JH. Exploring the efficiency of harmony search algorithm for hydropower operation of multi-reservoir systems: a hybrid cellular automat-harmony search approach. In International Conference on Harmony Search Algorithm 2017 Feb 22 (pp. 252-260). Springer, Singapore.
[8].      Dashti R., Sattari M., Nourani V. Performance evaluation of differential evolution algorithm in optimum operating of Eleviyan single-reservoir dam system. J. of Water and Soil Resources Conservation. 2017; 6(3): 61-75.
[9].      Yaseen ZM, Karami H, Ehteram M, Mohd NS, Mousavi SF, Hin LS, Kisi O, Farzin S, Kim S, El-Shafie A. Optimization of Reservoir Operation Using New Hybrid Algorithm. KSCE Journal of Civil Engineering. 2018:1-3.
[10].   Kumar V, Yadav SM. Optimization of Reservoir Operation with a New Approach in Evolutionary Computation Using TLBO Algorithm and Jaya Algorithm. Water Resources Management. 2018 Oct 1; 32(13):4375-91.
[11].   Karami H, Mousavi SF, Farzin S, Ehteram M, Singh VP, Kisi O. Improved Krill Algorithm for Reservoir Operation. Water Resources Management. 2018:1-20.
[12].   Ehteram M, Karami H, Mousavi SF, Farzin S, Celeste AB, Shafie AE. Reservoir Operation by a New Evolutionary Algorithm: Kidney Algorithm. Water Resources Management. 2018 Nov 1; 32(14):4681-706.
[13].   Mansouri A, Aminnejad B, Ahmadi H. Introducing modified version of penguins search optimization algorithm (PeSOA) and its application in optimal operation of reservoir systems. Water Science and Technology: Water Supply. 2018 Aug 1; 18(4):1484-96.
[14].   Rabiei MH, Aalami MT, Talatahari S. RESERVOIR OPERATION OPTIMIZATION USING CBO, ECBO AND VPS ALGORITHMS. Iran University of Science & Technology. 2018 Oct 15; 8(3):489-509.
[15].   Allawi MF, Jaafar O, Hamzah FM, Ehteram M, Hossain MS, El-Shafie A. Operating a reservoir system based on the shark machine learning algorithm. Environmental Earth Sciences. 2018 May 1; 77(10): 366.
[16].   Rouzegari N., Hassanzadeh Y., Sattari M. T. Optimization of Reservoir Operational Policy Using Simulated Annealing Algorithm (Case Study: Mahabad reservoir). Water and Soil Sience. 2018; 28(1): 173-185.
[17].   Farahnakian T.S., Moeini R., Mousavi S.F. Optimal operation of single-reservoir system of Dez dam using Charged System Search Algorithm. J. of Water and Soil Conservation. 2018; 25(1):107-125.
[18].   http://www.frrw.ir/
[19].   Hosseini-Moghari, S., Bozorg-Haddad, O. Application of Biogeography-Based Optimization (BBO) in an Optimal Operation of Reservoirs (Case Study: The Karon4 Dam). , 2017; 10(33): 61-72.
[20].   Nadiri A.A., Taheri, Z., Barzghari, G., Dideban, K. A Framework to Estimation of Potential Subsidence of the Aquifer Using Algorithm Genetic. Iran Water Resources Research, 2018; 14(2): 182-194.
[21].   Tarin N., Azar A., Ebrahimi S.A. Integrated reverse logistics network design considering the quality of returned products using genetic algorithms. Journal of Operational Research and Its Applications. 2017; 14(1): 137-156.
[22].   Bagheri F., Dehghan M., Ziaratban M., Afkhaminia F. Selecting the most proper location to construct hospitals and health centers in a city by Genetic Algorithm. Jorjani Biomedicine Journal. 2017; 5(2): 78-90.
[23].   Olfat, L., Amiri, M., Jafarian, A. Vehicle routing problem in cross-dock using genetic algorithm, Case: Iran Khodro Company. Industrial Management Studies, 2017; 15(45): 97-120.
[24].   Mirjalili S, Lewis A. The whale optimization algorithm. Advances in Engineering Software. 2016 May 1; 95:51-67.
[25].   Nabinejad, S., Mousavi, S. Simulation-optimization for Basin-wide Optimum Water Allocation Considering System’s Performance and Equity Measures. Journal of Water and Wastewater (parallel title); Ab va Fazilab (in persian), 2013; 24(2): 70-79.
[26].   Hafezparast M., Araghinejad Sh., Sharifazari S. Sustainability Criteria in Assessment of Integrated Water Resources Management in the Aras Basin Based on DPSIR Approach. J. of Water and Soil Conservation. 2015; 22(2): 61-77.
[27].   parsamehr, A.H., khosravani, Z. Determination of drought Using Multi Criteria Decision Making Based on TOPSIS Method (A case study of selective Isfahan Province Stations). Iranian J. of Rangelend and Desert Research. 2017; 24(1): 16-29.
[28].   Fallahi, F., Beheshti, M., Marashi, S. Ranking the environmental sustainability in selected Iranian provinces: A comparison of AHP and TOPSIS methods. J. of Quantitative Economics, 2017; 14(1): 97-118.
[29].   Behzad, A. Impact of environmental factors on destruction of archaeological sites by TOPSIS model (case study archaeological sites of Darreh Shahr and Abdanan of Ilam province). Territory. 2017; 14(53): 1-20.
 
اکوهیدرولوژی
دوره 6، شماره 2
تیر 1398
صفحه 281-293

فایل ها

سابقه مقاله

  • تاریخ دریافت: 01 آبان 1397
  • تاریخ بازنگری: 27 آذر 1397
  • تاریخ پذیرش: 27 آذر 1397

هم رسانی

ارجاع به این مقاله

آمار