بررسی قابلیت الگوریتم بهینه‌سازی ملخ در بهره‌برداری بهینه از مخازن آب سطحی با رعایت قیودات اطمینان‌پذیری

استفاده از الگوریتم‌های بهینه‌سازی فراکاوشی در بهره‌برداری بهینه از سیستم‌های مخازن آب سطحی در سال‎های اخیر گسترش زیادی پیدا کرده است. دلیل این امر را می‌توان در تنوع و تعداد قیودات بهره‌برداری از این سیستم‌ها، تعداد زیاد متغیرهای تصمیم مساله و نیز تعدد اهداف بهره‌برداری از این مخازن دانست. در این پژوهش، قابلیت الگوریتم بهینه‌سازی ملخ به عنوان یکی از الگوریتم‌های بهینهسازی فراکاوشی جدید در مساله بهره‌برداری از سدهای مخزنی مورد بررسی قرار گرفته است. سد مخزنی دز به عنوان مطالعه موردی در این تحقیق انتخاب شده و بهره‌برداری از این سد در دو حالت بهره‌برداری برای مصارف کشاورزی، بهره‌برداری برقآبی مورد بررسی قرار گرفته است. گام‌ زمانی بهره‌برداری در این تحقیق، ماهانه و طول دوره‌های بهره‌برداری نیز 5 ساله، 10 ساله، 20 ساله و 40 ساله انتخاب شده است. علاوه بر قیودات متداول در مدلهای بهره‌برداری از مخزن، رعایت قیودات اطمینان‌پذیری زمانی، اطمینان‌پذیری حجمی و نیز تامین حداقل درصدی از نیاز ماهانه در ماههای دارای کمبود، جزء قیودات مدل‌های بهره‌برداری در این تحقیق هستند. نتایج این تحقیق نشان داد که در گزینه‌های مختلف، الگوریتم بهینه‌ساز ملخ توانسته جواب بهینه را حدوداً بین 0.5 الی 12 درصد بهبود بخشد. البته با افزایش تعداد متغیرهای تصمیم، کارآیی این الگوریتم نسبت به الگوریتم ژنتیک کمتر می‌شد. در ارتباط با پایداری جوابها نیز، در اغلب موارد الگوریتم بهینه‌ساز جواب بهتری بدست می‌داد. در مورد بحث زمان اجرا، همگرایی الگوریتم ملخ در حدود 20 الی 50 درصد سریع‌تر نسبت به الگوریتم ژنتیک اتفاق می‌افتاد. در مجموع مطالعه حاضر، کارآیی مناسب این الگوریتم را در حل مساله بهرهبرداری از مخزن نشان داد.

Evaluation of Grasshopper Optimization Algorithm for Optimal Operation of Surface Water Reservoirs with Reliability Constraints

The use of metaheuristic optimization algorithms in the optimal management of surface water reservoirs systems has expanded considerably in recent years. The reason for this can be seen in the diversity and number of constraints of these systems, a large number of decision variables, and the multiplicity of objectives of these systems. In this research, the Grasshopper optimization algorithm as one of the new metaheuristic optimization algorithms, has been used for the management of reservoir dams. Dez Reservoir Dam has been selected as a case study for two separate simple operation and hydropower production problems (60, 120, 240 and 480 variables). In addition to the usual constraints on reservoir operation, the time reliability, volume reliability constraints as well as the provision of at least a percentage of the monthly requirement in the months with unmet demands are included in this research. The results of this study showed that in different scenarios, the Grasshopper optimization algorithm was able to improve the optimal solution by about 0.5 to 12%. However, as the number of decision variables increases, the efficiency of this algorithm is reduced compared to the genetic algorithm. Regarding the stability of the solutions, in most cases the Grasshopper optimization algorithm yielded better results. In terms of runtime, the grasshopper algorithm converged about 20 to 50 percent faster than the genetic algorithm. The results of comparing the grasshopper optimization algorithm with genetic algorithm indicate the high capability of this algorithm in solving the reservoir operation optimization problem.