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


[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.
[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.
 
دوره 6، شماره 2
تیر 1398
صفحه 281-293
  • تاریخ دریافت: 01 آبان 1397
  • تاریخ بازنگری: 27 آذر 1397
  • تاریخ پذیرش: 27 آذر 1397
  • تاریخ اولین انتشار: 01 تیر 1398
  • تاریخ انتشار: 01 تیر 1398