استخراج قوانین بهره برداری بهینه سامانه مخازن برق آبی با استفاده از یک روش بهینه سازی ترکیبی (مطالعه مورد: حوضه کارون- دز)

سابقه و هدف: بهره‌برداری بهینه از مخزن سدها، به عنوان یکی از مهمترین سیستم‌های منابع آب از پیچیدگی بالایی برخوردار است. این پیچیدگی به واسطه ماهیت احتمالاتی جریان رودخانه‌ها، اهداف متضاد و ابعاد بالای مسائل بهره‌برداری از مخازن می‌باشد. افزایش تعداد سدها، قرارگیری آنها نسبت به هم و داشتن اهداف مختلف به طور قابل توجهی ابعاد این مسائل را افزایش می‌دهند، که می‌تواند ساختار این مسائل را پیچیده و غیر خطی کند. در این تحقیق با توجه به ساختار منحصربه فرد الگوریتم‌های تکاملی (eas) برای ارزیابی توابع هدف و احتمال قرار گیری کم در جواب‌های بهینه موضعی، ترکیبی از الگوریتم‌های تکامل تفاضلی (de) و ازدحام ذرات (pso) با چند استراتژی (depso) برای بهینه سازی بهره برداری از سامانه سه مخزنه کارون1، گدار و دز با هدف تولید انرژی برق‌آبی استفاده می‌شود. مواد و روش‌ها: در این تحقیق، با اصلاح پارامترها و عوامل تاثیرگذار دو الگوریتم‌های de و pso، یک الگوریتم ترکیبی جدید ارائه می‌شود. الگوریتم ترکیبی (depso) توانایی جستجوی محلی و مطلق الگوریتم تکامل تفاضلی (de) را برای بدست آوردن قوانین بهره‌برداری بهینه ارتقا می‌دهد. در ابتدا، کارایی و دقت الگوریتم پیشنهادی بوسیله توابع ریاضی اکلی و گریوانک ارزیابی می‌شود. سپس نتایج depso با الگوریتم‌های تکامل تفاضلی (de)، ازدحام ذرات (pso) و کلونی زنبور عسل (abc) مقایسه می‌گردد. در انتها، الگوریتم پیشنهادی برای حل بهینه یک سیستم سه مخزنه در ایران برای تولید انرژی برق‌آبی اعمال می‌شود. لازم به ذکر است که نتایج در 10 اجرای مختلف برای همه مسائل ارائه شد برای ارزیابی اعتماد پذیری و دقت الگوریتم‌های شرکت کننده. یافته‌ها: نتایج بدست آمده بوسیله الگوریتم ترکیبی پیشنهادی (depso) نشان داد که متوسط مقدار تابع هدف برای 10 اجرا و در طول 15 سال دوره بهره‌برداری به ترتیب 33/14، 00/10، و 50/38 درصد بهتر از الگوریتم‌های de، abc ، و pso بود. و همچنین با افزایش تعداد ماه‌های دوره بهره‌برداری از 180 به 240 ماه، متوسط مقدار تابع هدف محاسبه شده بوسیله depso برای 10 اجرا به ترتیب 00/14، 00/22، و 00/35 درصد بهتر از الگوریتم‌های de، abc ، و‌ pso بدست آمد. نتیجه گیری: با توجه به نتایج محاسبه شده بوسیله depso، به طور واضح می‌توان دید که بهبود قابل توجهی در مقدار تابع هدف در مقایسه با الگوریتم‌های de و pso داشته، و مخصوصا با افزایش تعداد متغیرها از 180 به 240 عملکرد روش مورد نظر مناسب‌تر از دیگر الگوریتم‌ها می‌باشد. این موضوع بیانگر عملکرد برتر روش مورد نظر نسبت به دو روش دیگر برای بهینه سازی انرژی برق‌آبی تولید شده از سیستم‌های چند مخزنه است.

Derivation of Optimal Operating Rules of Hydropower Reservoir Systems Using a Hybrid Optimization method (Case study: Karoon-Dez basin)

Background and objectives:Optimal operation of dams’ reservoirs, as one of the most important water resource systems, has a high complexity. This complexity is due to the stochastic nature of the river discharge, the high dimensionality, and conflicting objectives of reservoir operation problems. Increasing the number of dams, placing dams relative to each other and having different objectives will significantly increase the dimensions of the problem, which can complicate and nonlinearize the structure of these problems. In this research, with respect to the unique nature of evolutionary algorithms (EAs) in the evaluation of objective functions and the probability of low localization in the local optimum solutions, a hybrid of differential evolution (DE) and particle swarm optimization (PSO) with multistrategy (DEPSO) is used to optimize operation of a system with three reservoirs of Karoon1, Godar, and Dez with the purpose of hydropower generation.Materials and methods:In this research, by modifying the parameters and factors affecting both algorithms of DE and PSO, a new hybrid algorithm is presented. The proposed algorithm (DEPSO) promotes the local and global search capability of the basic DE algorithm to obtain optimal operating policies. Firstly, the efficiency and accuracy of the proposed algorithm are evaluated using the Ackley and Griewank mathematical functions. After that, the results of the DEPSO were compared to the DE, PSO, and ABC algorithms. Finally, the proposed algorithm is applied to optimally solve a threereservoir system in Iran to generate hydropower energy. It is worth mentioning that the results are presented in ten different runs for all problems to evaluate the reliability and accuracy of the contestant algorithms. Results:The obtained results by the proposed hybrid algorithm (DEPSO) indicated that the average of objective function value for 10 runs and during 15year operation period was 14.33, 10.00, and 38.50 percent better than those form the DE, ABC, and PSO algorithms, respectively. And also, by increasing the number of operation period from 180 to 240 monthly periods, the average of objective function value calculated by the DEPSO for 10 runs was 14, 22, and 35 percent better than those from the DE, ABC, and PSO, respectively. Conclusion:Regarding the calculated results using the DEPSO, it can be clearly seen a significant improvement in the objective function value compared to the DE and PSO algorithms, and especially with the increase of decision variables from 180 to 240 the performance of the method was more suitable than the other algorithms. This indicates the superior performance of this method compared to the other algorithm for optimizing the hydropower energy generated from multireservoir systems.