ارزیابی الگوریتم‌های بهینه‌سازی Ga و Pso در بهره‌برداری از سیستم‌های چندمخزنه مطالعه موردی: سدهای حوضه گرگان رود

سابقه و هدف: بهره‌برداری بهینه از سیستم‌های منابع آب و تدوین قوانین و سیاست‌های مناسب بهره‌برداری از مخازن در سال‌های اخیر موردتوجه کارشناسان منابع آب قرارگرفته و تحقیقات گسترده‌ای برروی آن‌ها انجام‌شده است. هرچند در این زمینه پیشرفت‌های زیادی به لحاظ استراتژی‌های حل مسئله و ابزارهای محاسباتی به‌وجود آمده است، اما مسئله بهینه‌سازی بهره‌برداری از یک سیستم چندمخزنه به دلیل تاثیرات بهره برداری مخازن بالادست بر ورودی های مخازن پایین دست، از پیچیدگی های زیادی برخوردار است. روش‌های بهینه‌سازی معمول به‌دلیل قیدهای زیاد، فضای ناپیوسته و ماهیت غیرخطی مسائل مدیریت منابع آب، ابزار مناسبی برای حل این‌گونه مسائل نیستند، به همین دلیل الگوریتم‌های بهینه‌سازی فرا ابتکاری موردتوجه محققین قرارگرفته است. هدف از این تحقیق بررسی و مقایسه نتایج حاصل از به‌کارگیری روش‌های ga و pso در بهره‌برداری بهینه از سیستم چندمخزنه سدهای گلستان و بوستان واقع در حوضه آبریز گرگان رود با استفاده از شاخص اعتمادپذیری در شرایط تغییر اقلیم است. مواد و روشها: در این تحقیق عملکرد الگوریتم‌های ژنتیک و ازدحام ذرات در حل مساله بهینه سازی بهره‌برداری از سیستم چند مخزنه شامل سدهای بوستان و گلستان واقع در حوضه آبریز گرگان رود مورد بررسی و مقایسه قرار گرفته است. بررسی آمار جریان ورودی به مخزن دو سد در سال آبی 9493 نشان می‌دهد که در اثر تغییر اقلیم ورودی سالانه به سدهای بوستان و گلستان به ترتیب 17% و 60% کاهش یافته است. الگوریتم ژنتیک عبارت از یک جستجوی چندجانبه موازی و هدایت‌شده بر اساس نظریه تکامل است. عملگرهای الگوریتم ga شامل انتخاب، پیوند و جهش است که به ترتیب از آنها استفاده شده تا نسل بعد به ‌وجود آید. در الگوریتم بهینه‌سازی pso بر مبنای حرکت جمعی پرندگان و ماهی‌ها، تعدادی ذره در فضای جستجو پخش شده‌ و مقدار تابع هدف، متناسب با موقعیت هر ذره محاسبه می‌شود. سپس با استفاده از ترکیب اطلاعات فعلی محل ذرات و بهترین محل که قبلاً در آن بوده‌اند موقعیت جدید ذرات محاسبه می‌شود. یافته ها: بهترین جواب الگوریتم pso در طی 10 بار اجرا 909.95 و بدترین جواب برابر 930.53 به دست آمد، درحالی‌که بهترین پاسخ الگوریتم ga در طی 10 بار اجرا 931.17 و بدترین آن 957.32 بوده است. مقایسه میانگین جوابها نیز حکایت از برتری 3 درصدی جوابهای الگوریتم pso نسبت به ga دارد. نتیجه‌گیری: نتایج نشان می دهدالگوریتم pso از عملکرد بهتری در مقایسه با ga برخوردار است، به نحوی که مقایسه نتایج نشان می دهد الگوریتم بهینه سازی pso با اعتماد پذیری 49.38 درصد از عملکرد مناسبتری در استخراج منحنی فرمان بهره برداری از سیستم چندمخزنه بوستان گلستان ارائه نموده است.

Evaluation of GA and PSO optimization algorithms in operation of multi-reservoir systemsCase study: Gorgan-Rood basin dams

Background and purpose: Optimal utilization of water resources systems and the formulation of appropriate rules and policies for the exploitation of reservoirs have been considered by water resource experts in recent years and extensive research has been carried out on them. Although much progress has been made in terms of problemsolving strategies and computational tools, the problem of optimizing the operation of a multireservoir systems due to the effect of upstream storage capacities on lowdrain inputs is so complicated. Routine optimization methods due to high constraints, discontinuous space and nonlinear nature of water resource management issues are not a good tool for solving such problems. For this reason, the metaheuristic optimization algorithms have been considered by researchers. The purpose of this study was to examine and compare the results of applying GA and PSO methods in optimum utilization of Golestan and Bustan multigrout systems in Gorgan Rood watershed using the reliability index in climate change conditions. Methods: In this research, the performance of the GA and PSO in solving the problem of optimizing the operation of a multireservoir system including Bostan and Golestan dams located in GorganRood watershed has been studied and compared. The survey of the entrance to the two dam reservoirs in the year 20142015 shows that due to the climate change, the annual input to the Bostan and Golestan dams has decreased by 17% and 60%, respectively. Genetic algorithm is a parallel and guided search based on the theory of evolution. The operators of the GA algorithm include selection, crossover, and mutations that are used up to the next generation, respectively. In PSO optimization algorithm, based on the birds and fishes movements, a number of particles are propagated in the search space and the value of the objective function is calculated in proportion to the position of each particle. Then the new particle position is calculated using the combination of current particle locations and the best place previously used. Achievements: The best answer of the PSO algorithm during the 10 runs is 909.95 and the worst is the equal to 930.53, while the best answer of the GA algorithm during the 10 run is 931.17 and the worst It was 957.32. The comparison of the mean of the answers also show that the PSO algorithm has a 3% advantage over GA. Conclusion: The PSO algorithm has a better performance than GA, so that the PSO algorithm with a reliability of 49.38% has a better performance than the GA algorithm with a reliability of 48.44%.