بهينه‌سازي چندهدفه مدل جيره‌بندي بهره‌برداري از مخزن با استفاده از الگوريتم‌هاي هوشمند

Multi-Objective Optimization of the Hedging Model for reservoir Operation Using Evolutionary Algorithms

مسائل بهره‌برداری از مخزن دارای اهداف مختلف و متنوع هستند كه به ندرت منتهی به یك جواب بهینه می‌شوند و معمولاً در آن‌ها مجموعه‌ای از جواب‌های بهینه (پارتو) موجود است. حل این گونه مسائل در گذشته تنها با كاربرد روش‌های ساده كننده میسر بوده است كه از آن جمله می‌توان به استفاده از ضرایب وزنی برای اهداف مختلف و تبدیل آن‌ها به یك تابع هدف استفاده كرد. اما در سال‌های اخیر با توسعه الگوریتم‌های چند هدفه تكامل‌گرا، ابزار مناسبی برای حل آن‌ها فراهم شده است. یكی از مسائل كلاسیك در این مدل جیره‌بندی بهره‌برداری از مخزن است كه كاربرد آن برای كاهش اثرات خشكسالی در مدیریت منابع آب بسیار متداول است. در تحقیق حاضر بهینه‌سازی چند هدفه مدل جیره‌بندی با استفاده از الگوریتم‌های NSGA-II،MOPSO ، SPEA-IIو AMALGAM انجام شد. در این راستا، یافتن مقادیر بهینه ضرایب جیره‌بندی سد طالقان در یك دوره آماری 35 ساله آبدهی و با دو هدف كمینه نمودن شاخص اصلاح شده كمبود و بیشینه نمودن شاخص اعتمادپذیری (دو هدف متناقض با یكدیگر)، در دستور كار قرار گرفت. نتایج نشان داد دوره جیره‌بندی در ماه‌های فصل گرم (نیمه اول سال) است كه مقادیر KP مربوط به همه آن‌ها را بیشینه نمود. مقادیر KP در ماه‌های سرد نیز به سمت كمترین مقدار پیش رفته كه در حقیقت نزدیك شدن به همان سیاست SOP را در پی خواهد داشت. همچنین در این تحقیق كارایی الگوریتم‌های مذكور برای ارائه دامنه وسیعی از جواب‌های بهینه مشاهده شد.

Multi-objective problems rarely ever provide a single optimal solution, rather they yield an optimal set of outputs (Pareto fronts). Solving these problems was previously accomplished by using some simplifier methods such as the weighting coefficient method used for converting a multi-objective problem to a single objective function. However, such robust tools as multi-objective meta-heuristic algorithms have been recently developed for solving these problems. The hedging model is one of the classic problems for reservoir operation that is generally employed for mitigating drought impacts in water resources management. According to this method, although it is possible to supply the total planned demands, only portions of the demands are met to save water by allowing small deficits in the current conditions in order to avoid or reduce severe deficits in future. The approach heavily depends on economic and social considerations. In the present study, the meta-heuristic algorithms of NSGA-II, MOPSO, SPEA-II, and AMALGAM are used toward the multi-objective optimization of the hedging model. For this purpose, the rationing factors involved in Taleghan dam operation are optimized over a 35-year statistical period of inflow. There are two objective functions: a) minimizing the modified shortage index, and b) maximizing the reliability index (i.e., two opposite objectives). The results show that the above algorithms are applicable to a wide range of optimal solutions. Among the algorithms, AMALGAM is found to produce a better Pareto front for the values of the objective function, indicating its more satisfactory performance.