استخراج قوانين بهره برداري بهينه سامانه مخازن برق آبي با استفاده از يك روش بهينه سازي تركيبي (مطالعه مورد: حوضه كارون- دز)

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

سابقه و هدف: بهره‌برداري بهينه از مخزن سدها، به عنوان يكي از مهمترين سيستم‌هاي منابع آب از پيچيدگي بالايي برخوردار است. اين پيچيدگي به واسطه ماهيت احتمالاتي جريان رودخانه‌ها، اهداف متضاد و ابعاد بالاي مسائل بهره‌برداري از مخازن مي‌باشد. افزايش تعداد سدها، قرارگيري آنها نسبت به هم و داشتن اهداف مختلف به طور قابل توجهي ابعاد اين مسائل را افزايش مي‌دهند، كه مي‌تواند ساختار اين مسائل را پيچيده و غير خطي كند. در اين تحقيق با توجه به ساختار منحصربه فرد الگوريتم‌هاي تكاملي (EAs) براي ارزيابي توابع هدف و احتمال قرار گيري كم در جواب‌هاي بهينه موضعي، تركيبي از الگوريتم‌هاي تكامل تفاضلي (DE) و ازدحام ذرات (PSO) با چند استراتژي (DEPSO) براي بهينه سازي بهره برداري از سامانه سه مخزنه كارون1، گدار و دز با هدف توليد انرژي برق‌آبي استفاده مي‌شود. مواد و روش‌ها: در اين تحقيق، با اصلاح پارامترها و عوامل تاثيرگذار دو الگوريتم‌هاي DE و PSO، يك الگوريتم تركيبي جديد ارائه مي‌شود. الگوريتم تركيبي (DEPSO) توانايي جستجوي محلي و مطلق الگوريتم تكامل تفاضلي (DE) را براي بدست آوردن قوانين بهره‌برداري بهينه ارتقا مي‌دهد. در ابتدا، كارايي و دقت الگوريتم پيشنهادي بوسيله توابع رياضي اكلي و گريوانك ارزيابي مي‌شود. سپس نتايج DEPSO با الگوريتم‌هاي تكامل تفاضلي (DE)، ازدحام ذرات (PSO) و كلوني زنبور عسل (ABC) مقايسه مي‌گردد. در انتها، الگوريتم پيشنهادي براي حل بهينه يك سيستم سه مخزنه در ايران براي توليد انرژي برق‌آبي اعمال مي‌شود. لازم به ذكر است كه نتايج در 10 اجراي مختلف براي همه مسائل ارائه شد براي ارزيابي اعتماد پذيري و دقت الگوريتم‌هاي شركت كننده. يافته‌ها: نتايج بدست آمده بوسيله الگوريتم تركيبي پيشنهادي (DEPSO) نشان داد كه متوسط مقدار تابع هدف براي 10 اجرا و در طول 15 سال دوره بهره‌برداري به ترتيب 33/14، 00/10، و 50/38 درصد بهتر از الگوريتم‌هاي DE، ABC ، و PSO بود. و همچنين با افزايش تعداد ماه‌هاي دوره بهره‌برداري از 180 به 240 ماه، متوسط مقدار تابع هدف محاسبه شده بوسيله DEPSO براي 10 اجرا به ترتيب 00/14، 00/22، و 00/35 درصد بهتر از الگوريتم‌هاي DE، ABC ، و‌ PSO بدست آمد. نتيجه گيري: با توجه به نتايج محاسبه شده بوسيله DEPSO، به طور واضح مي‌توان ديد كه بهبود قابل توجهي در مقدار تابع هدف در مقايسه با الگوريتم‌هاي DE و PSO داشته، و مخصوصا با افزايش تعداد متغيرها از 180 به 240 عملكرد روش مورد نظر مناسب‌تر از ديگر الگوريتم‌ها مي‌باشد. اين موضوع بيانگر عملكرد برتر روش مورد نظر نسبت به دو روش ديگر براي بهينه سازي انرژي برق‌آبي توليد شده از سيستم‌هاي چند مخزنه است.

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 non-linearize 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 multi-strategy (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 three-reservoir 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 15-year 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 multi-reservoir systems.