بهینه‌سازی برداشت انتخابی در مخازن با هدف بهبود کیفیت آب

در این مطالعه، روشی توسعه داده شده است که با استفاده از برداشت انتخابی و رهاسازی آب از زیرلایه مخزن، به بهبود شرایط کیفی مخزن و کیفیت آب پایین‌دست کمک می‌نماید. در تحقیق حاضر، شبیه‌سازی فرآیندهای کیفی در مخزن، با استفاده از مدل شبیه‌سازی دو بعدی ce-qual-w2 انجام می‌گیرد. سپس این مدل با یک الگوریتم بهینه‌سازی ترکیب شده است. این رویکرد متداول شبیه‌سازی – بهینه‌سازی قادر به تحقق سیاست‌های بهره برداری بهینه، برای کنترل کیفیت آب در مخزن و پایین‌دست آن است. الگوریتم دسته ذرات به‌عنوان الگوریتم بهینه‌سازی بکار برده می‌شود. جهت کاهش زمان محاسبات، از یک مدل داده‌مبنا شبکه‌عصبی‌مصنوعی به‌عنوان جایگزین مدل شبیه‌سازی استفاده می‌شود. عملکرد روش توسعه یافته برای یک مورد واقعی برای یک دوره شبیه‌سازی 2 ساله ارزیابی شده است. سناریوهای مختلف قابل قبول برای بهره‌برداری از مخزن در نظر گرفته شده و با استفاده از مدل شبیه‌سازی (مدل جایگزین) غلظت آلاینده شاخص محاسبه می‌شود و درنهایت سیاست بهره‌برداری بهینه از مخزن تعیین می‌شود. نتایج حاصل نشان می‌دهد بطور میانگین مقدار اکسیژن محلول خروجی از مخزن به ازای سیاست بهره‌برداری بهینه نسبت به وضعیت موجود بهره‌برداری، حدود 25 درصد بهبود یافته است. وضعیت تغذیه‌گرایی مخزن نیز نسبت به وضع فعلی که در بعضی از ماه‌ها مانند تیرماه در وضعیت تغذیه‌گرایی شدید قرار دارد، بهبود یافته و در بیشتر ماه‌های سال در وضعیت تغذیه‌گرایی متوسط و کم قرار می‌گیرد. مقایسه غلظت اکسیژن محلول خروجی از مخزن در سیاست بهینه بهره‌برداری با وضعیت بهره‌برداری موجود، کارایی بالای روش در بهبود کیفیت آب خروجی از مخزن را نشان می‌دهد.

Optimization of Selective Withdrawal in Reservoirs to Improve Water Quality

In this study, a method has been developed to improve reservoir water through selective withdrawal and release of contaminated water from the lower level of the dam. A twodimensional model called CEQUALW2 was used to simulate the reservoir quality processes. Then this model is coupled with an optimization algorithm (particle swarm optimization). The proposed simulationoptimization approach is able to find optimal operation policies to improve water quality in the reservoir and downstream river. In order to increase the efficiency and reduce the computational time, an artificial neural network model replaced with the reservoir water quality simulation model. The performance of the model is evaluated for a real case for a 2year simulation period. Different scenarios of reservoir operation are considered and using the simulation model (meta model), the pollutant concentration of the index is calculated and ultimately optimal operation policy of the reservoir is determined. The results show that the average amount of dissolved oxygen in the released from the reservoir for optimal operation policy is about 25% better than the current operating conditions. So that the eutrophication status of the reservoir is improved in relation to the existing condition, which in some months like June is in high eutrophication state, it has been improved in most months of the year to low eutrophication state. The comparison between dissolved oxygen concentrations of reservoir outflow in optimum operation policy with the existing operational conditions showed high efficiency of the proposed method and significant improvement in reservoir water quality.