بهینه‌سازی سیاست بهره‌برداری از مخزن با استفاده از الگوریتم شبیه‌سازی حرارتی (مطالعه موردی: سد مهاباد)

در این مطالعه، به‌منظور ارائه سیاست بهینه بهره‌برداری مخزن سد مهاباد، دو مدل بهره‌برداری بهینه با استفاده از روش‌های برنامه‌ریزی غیرخطی (حلال مینوس/گمز) و الگوریتم بهینه‌سازی حرارتی، نوشته شد. به دلیل فقدان داده‌های نیاز زیست‌محیطی، این داده‌ها با استفاده از روش تنانت محاسبه گردید. در هریک از این مدل ها، تابع هدف به‌صورت کمینه‌سازی اختلاف آب مورد‌نیاز کشاورزی در پایین‌دست سد و آب رهاسازی شده از سد در طول 23 سال دوره‌ آماری بهره برداری سد (1393-1370)، در نظر گرفته شد و کارآیی آن‌ها با استفاده از شاخص‌های بهره‌برداری مخزن مورد ارزیابی قرار گرفت. مقادیر حاصل شده برای تابع هدف در هر دو مدل بهینه‌سازی و همچنین نتایج شاخص‌های عملکرد مخزن سد نشان داد، روش‌ فرا‌ابتکاری شبیه‌سازی حرارتی با مقدار تابع هدف معادل 22.01، قابلیت اعتماد زمانی 25%، سرعت برگشت‌پذیری 22.22%، آسیب‌پذیری 41.04% و شاخص پایداری 0.032، در مقایسه با برنامه‌ریزی غیرخطی با مقدار تابع هدف معادل 88.92، قابلیت اعتماد زمانی 48.18%، سرعت برگشت‌پذیری 32.86%، آسیب‌پذیری 84.27% و شاخص پایداری 0.024 نتایج نسبتا بهینه‌تری ارائه داد. همچنین مشخص گردید که روش حرارتی نسبت به روش برنامه‌ریزی غیرخطی به زمان اجرای طولانی‌تری تا رسیدن به نقطه‌ بهینه‌ سراسری لازم داشت، ولی با محاسبه میزان کمبود 1632.24 میلیون‌مترمکعب نسبت به روش برنامه ریزی غیرخطی که دارای مقدار کمبود3351.4 میلیون‌مترمکعب بود، میزان کمبودها را نسبت به روش برنامه‌ریزی غیرخطی (حلال مینوس/گمز) کاهش داده و عملکرد نسبتا مناسب‌تری را ارائه داد.

Optimization of Reservoir Operational Policy Using Simulated Annealing Algorithm (Case Study: Mahabad reservoir)

In this paper two models have been written and solved by two approaches: nonlinear programming (GAMS/MINOS solver) and simulated annealing methods in order to optimize operational rules in Mahabad reservoir. Because of missing the required ecosystem data, these required data were calculated using Tennant method. The objective function was defined to minimize the deference between the amounts of agriculture water demand and the released water from the reservoir during 23 years of flow data (13701393) and their performance were evaluated using the operational indexes. Obtained results of both optimization models showed that, the simulated annealing algorithm with objective function value of 22.01, reliability value of 25%, resiliency velocity value of 22.22%, vulnerability value of 41.04% and sustainability value of 0.032, gave relatively better results compared to the nonlinear programming method with the objective function value of 88.92, reliability value of 48.18%, resiliency velocity value of 32.86%, vulnerability value of 84.27% and sustainability value of 0.024. Also, it was found that, simulated annealing algorithm took longer running time to achieve the global optimal point in comparison to nonlinear programming. However, using simulated annealing algorithm estimated a lower water shortage of 1632.24 MCM compared to the nonlinear programming which estimated water shortage of 3351.4 MCM. Simulated annealing algorithm decreased the shortage by distributing shortages in different months and estimated a better performance.