کاربرد الگوریتم ژنتیک بر مبنای آرشیو در مدیریت پیامد ورود بار آلودگی ناگهانی در شبکه‌های توزیع آب شهری

در این تحقیق برای نخستین بار بهینه سازی فعالیت های مدیریت پیامد در شبکه توزیع آب شهری با رویکرد کاهش زمان بهینه‌سازی و مبتنی بر ظرفیت آرشیو مورد توجه قرار گرفته است. در این تحقیق از روش تلفیقی شبیه‌سازی-بهینه‌سازی برای مدیریت پیامد و از مدل شبیه‌سازی epanet و الگوریتم بهینه‌سازی nsga-ii بر مبنای آرشیو استفاده شده است. دو تابع هدف به ترتیب به منظور حداقل کردن تعداد فعالیت‌های واکنشی (کاهش هزینه‌ها) و حداقل کردن جرم آلودگی مصرف شده توسعه داده شده است. تعداد 20 شیر قطع و وصل و 31 شیر آتش‌نشانی به ترتیب برای ایزوله کردن شبکه و تخلیه آلودگی در نظر گرفته شده است. بدون انجام برنامه مدیریت پیامد، در صورت بروز آلودگی در شبکه مقدار کل جرم آلودگی مصرف شده 81/3 کیلوگرم خواهد بود. با استفاده از 15 فعالیت واکنشی جرم آلودگی مصرف شده به 60/6 کیلوگرم رسیده است. برای استخراج فعالیت‌های بهینه بین این اهداف با nsga-ii رایج و حداکثر 15 فعالیت در حدود 73 دقیقه زمان نیاز است. به منظور کاهش این زمان و فراهم آوردن امکان انجام مدیریت پیامد در زمان واقعی از الگوریتم nsga-ii بر مبنای آرشیو نیز استفاده شده است. با استفاده از ظرفیت آرشیو، امکان عدم اجرای مدل شبیه‌سازی برای کروموزوم‌های مشابه فراهم می‌گردد. رویکرد پیشنهادی برای ظرفیت آرشیو با تعداد صفر، 100، 200، 500، 1000، 2000، 3000، 4000 و 5000 نشان می دهد که به طور کلی با افزایش جمعیت آرشیو از صفر به 5000، زمان استخراج منحنی تعامل بین اهداف از 73 به 35 دقیقه کاهش می‌یابد که حاکی از کاهش بیش از 50 درصدی است. نتایج نشان می‌دهد که در صورت انتخاب مقدار کوچکی برای ظرفیت آرشیو، به عنوان مثال، تعداد 50 یا 100، زمان مورد نیاز برای استخراج فعالیت‌های بهینه اندکی نسبت به حالت مبنا افزایش می‌یابد. دلیل این موضوع آن است که در صورت انتخاب مقدار کوچکی برای ظرفیت آرشیو، بخشی از زمان اجرای مدل شبیه‌سازی- بهینه‌سازی صرف پیدا کردن کروموزوم‌های مشابه خواهد شد و با توجه به ظرفیت کم آرشیو، افزایش زمان مورد نیاز برای استخراج کروموزوم‌های مشابه بیشتر از تاثیر کاهش زمان استفاده از ظرفیت آرشیو است. بر این اساس، با استفاده از ظرفیت آرشیو، امکان کاهش زمان بهینه‌سازی و مدیریت پیامد در شبکه در زمان واقعی فراهم می‌گردد.

application of achieve-based genetic algorithm for consequence management of contaminant entering in water distribution networks

in this research, for the first time, finding the optimal operation actions in wdn to decrease the optimization time is taken into consideration. valve(s) and hydrant(s) are also employed for isolating and flushing the contamination out of the network. the proposed embedded simulation-optimization approach for consequence management in this study is compromised epanet simulation model and archive-based non-dominated sorting genetic algorithm-ii (nsga-ii). two objective functions are considered in this paper. the first objective function, minimized numbers of field operational actions related to expenses of the optimal solutions, whereas the other one minimized “consumed contamination mass” take into account for public health and safety. 20 valves and 31 hydrants are designed to insulate the network and discharge pollution, respectively. without a follow-up management program, the total amount of contamination consumed in the event of network contamination would be 81.3 kg. using 15 reactive activities, the mass of contamination consumed has reached 60.6 kg. for extracting the pareto front between these objective functions with general nsga-ii which is a constraint to a maximum of 15 operational actions, approximately 73 minutes is required. to decrease this optimization time, archive-based nsga-ii is taken into account. with an archiving concept, it is possible to not implement a simulation model for similar chromosomes. sensitivity analysis on the archive capacity of 0, 100, 200, 500, 1,000, 2,000, 3,000, 4,000, and 5,000 chromosomes has been investigated. as an example, with an increase in archive capacity from 0 to 5000, the required time for extracting the optimal pareto front is reduced from 73 to about 35 minutes, indicating a decrease of more than 50%. the results showed that if a small amount is selected for the archive capacity, for example, 50 or 100, the time required to extract optimal activities increases slightly relative to the base state. the reason for this is that if a small amount is selected for the archive capacity, part of the implementation time of the simulation-optimization model will be spent on finding similar chromosomes, and due to the low capacity of the archive, t is time to use the archive capacity. using the archive, it is possible to reduce the time optimization and consequence management of the network in real-time operation.