توسعه منحني‌هاي فرمان بهره‌برداري از مخزن‌هاي كرج و بازفت با برنامه‌ريزي ژنتيك

Development of operational rule curves for Karaj and Bazoft reservoirs by genetic programming

منحني‌هاي فرمان بهره‌برداري مخزن رابطه‌هايي هستند كه مي‌توانند با استفاده از تجربه‌هاي قبلي سامانه ميان پارامترهاي سامانه و نياز در هر دوره نوعي تعادل برقرار كنند. اين رابطه‌ها شامل متغيرهايي مانند جريان ورودي، ظرفيت ذخيره و مقدار رهاسازي از مخزن هستند كه به طور معمول به‌وسيله ضريب‌هاي ثابت با الگوهاي خطي و غيرخطي از پيش تعيين‌ شده، با يكديگر ارتباط دارند. در سال‌هاي اخير، الگوريتم‌هاي تكاملي به شكل عام و الگوريتم ژنتيك به شكل خاص در توسعه منحني‌هاي فرمان بهره‌برداري بهينه با الگوي از پيش‌ تعيين ‌شده به كار رفته‌اند. برنامه‌ريزي ژنتيك يك الگوريتم‌ تكاملي بر پايه الگوريتم ژنتيك است كه قادر به محاسبه منحني‌هاي فرمان بهره‌برداري بدون استفاده از الگوي بهره‌برداري بهينه از پيش تعيين ‌شده است. در اين مقاله، ابتدا، منحني‌هاي فرمان درجه يك و دو وابسته به جريان ورودي و حجم مخزن‌هاي كرج و بازفت به‌ترتيب با هدف‌هاي بهره‌برداري تامين نيازهاي پايين‌دست و توليد انرژي برقابي استخراج شده است. سپس، منحني‌هاي فرمان بهره‌برداري حاصل از برنامه‌ريزي ژنتيك بدون قالب از پيش تعيين شده، رياضي به دست آمده و با نتايج قسمت قبل، مقايسه شده ‌است. تابع‌هاي هدف منحني‌هاي حاصل از برنامه‌ريزي ژنتيك در مقايسه با منحني‌هاي فرمان درجه يك و دو حاصل از الگوريتم ژنتيك در تامين نيازهاي پايين‌دست به‌ترتيب 39/12 و 29/7 درصد بهبود داشته است. به ‌طور مشابه، در توليد انرژي برقابي به‌ترتيب 62/51 و 76/47 درصد بهبود در تابع‌هاي هدف منحني‌هاي فرمان درجه يك و دو ايجاد شده است.

Reservoir operational rule curves are equations that can balance reservoir system parameters in each period by considering previous experiences of the system. These equations include variables such as inflow, storage capacity, and released water from the reservoir that are commonly related to each other with some constant coefficients in a predefined linear and nonlinear pattern. In the recent years, evolutionary algorithms in general and genetic algorithm (GA) in particular have been applied to develop optimal operational rule curves with predefined pattern. Genetic programming (GP) is an evolutionary algorithm based on GA, which is capable to calculate optimal operational rule curves without using predefined operational patterns. In this paper, at first, first- and second-order rule curves which depend on the inflow and storage volume of Karaj and Bazoft reservoirs have been extracted for the meeting downstream water demands and hydropower energy generation objectives, respectively. In following, operational rule curves by the GP, without any predefined mathematical pattern have been extracted and compared with the GA results. The GP rules improved the objective functions of the first- and second-order rule curves by the GA in supplying downstream demand 12.39 and 7.29 percent, respectively.. Similarly, the hydropower energy generation has been improved by 47.76 and 51.62 percent in the first- and second-order rule curves, respectively.