بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)

نوع مقاله: مقاله پژوهشی

نویسندگان

استادیار گروه مهندسی آب، دانشگاه رازی، کرمانشاه، ایران

چکیده

یکی از راهکارهای مدیریت سیستم های منابع آب، ترکیب مدل های شبیه‌سازی و بهینه‌سازی برای استخراج سیاست های بهینه بهره برداری از مخزن در قالب بهینه سازی معین است. در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیه ساز WEAP استفاده شد و منحنی فرمان سد یا مقدار رهاسازی از مخزن جهت تامین مصارف پایین دست در این شرایط بهینه گردید. اما جواب های بهینه قابل تعمیم برای سایر ورودی های محتمل به مخزن نیستند و در صورت تغییر جریان ورودی به مخازن جواب های بهینه بدست آمده کارایی نداشته و باید بهره برداری از سیستم در قالب الگوریتم بهینه ساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهره برداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میزان میانگین خطای قوانین بهینه مستخرج از ماشین های بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحت سنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیش بینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. مدل ماشین بردار پشتیبان توسعه داده شده این قابلیت را داشته که با توجه به ورودی های جدید جریان به سد، سریعا سیاست های بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimal utilization of water resources in real-time based on NSGA-II algorithms and Support vector machines (Case study: Gavoshan dam)

نویسندگان [English]

  • Arash Azari
  • Ali Arman
Assistant Professor, Department of Water Engineering, Razi University, Kermanshah, Iran
چکیده [English]

One of the solutions for managing water resource systems is combining simulation and optimization models in order to extract optimal reservoir exploitation policies in the form of a specific optimization. In this research, the combination of the NSGA-II multi objective algorithm and the WEAP simulator model and The dam control curve or the amount of release from the reservoir was optimized in order to supply the downstream demands in these conditions. But the optimal solutions cannot be generalized for other possible inputs to the reservoir and in the event of a change in the input flow into the reservoir the optimal solutions is not effective and the operation of the system in the form of optimization algorithm should be optimized again. Therefore, in order to solve this problem, a new method was developed based on the integration of the Support vector machine method and the NSGA-II algorithm for real-time optimal system operation. The results showed that the average error of the optimal rules of the Support vector machines relative to the output of the NSGA-II algorithm at the verification stage were less than 10%, which indicates the effectiveness of this method in predicting the optimal dam control curve pattern in real time. The extended Support vector machine model has this capability to rapidly optimize the operation policies in a way that allows for optimal system management in real time, due to new inputs to the dam.

کلیدواژه‌ها [English]

  • Support vector machines
  • Optimization
  • Real-time
  • NSGA-II
  • WEAP