تعیین و آنالیز گسسته سازی حجم مخزن سد جامیشان با برنامه ریزی پویای احتمالاتی در توابع هدف مختلف

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 315

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSC-26-2_005

تاریخ نمایه سازی: 11 آبان 1398

چکیده مقاله:

سابقه و هدف: امروزه یکی از مشکلات موجود در کشور، کمبود آب می باشد و این مسئله، لزوم استفاده از یک مدیریت مناسب منابع آب را بیش از پیش آشکار می سازد. یکی از روش های استخراج قوانین بهره برداری از مخازن، روش برنامه ریزی پویای احتمالاتی (SDP) می باشد. در روش (SDP) یکی از مهم ترین عوامل برای رسیدن به جواب بهینه، نحوه گسسته سازی حجم مخزن و دبی های ورودی به مخزن می باشد. در این تحقیق، به منظور دستیابی به تعداد گسسته سازی بهینه حجم مخزن در روش برنامه ریزی پویای احتمالاتی، با در نظر گرفتن تابع هدف در سه حالت مختلف (0=α، 5/0=α و 1=α) و ثابت فرض نمودن تعداد کلاس دبی ورودی به مخزن، حالت های مختلفی از گسسته سازی حجم ذخیره به صورت 3، 5، 7 و 10 مورد بررسی قرار گرفته است. مواد و روش: در این مطالعه، مدل برنامه ریزی پویای احتمالاتی به منظور تعیین کلاس بهینه حجم مخرن سد جامیشان در توابع هدف مختلف مورد بررسی قرار گرفته است. با داشتن سری تاریخی جریان ورودی به سد جامیشان و حجم مفید مخزن، جریان ورودی با روش طول بازه های مساوی به 3 کلاس و حجم مخزن با روش موران به کلاس های 3، 5، 7 و 10 گسسته سازی شد. با تعریف تابع هدف به صورت حداقل سازی خسارات سیستم برای هر ترکیب از کلاس جریان و حجم مخزن (k,i) روش برنامه ریزی پویای احتمالاتی انجام شد. با دستیابی به سیاست پایا برای هر دوره، مقادیر رهاسازی، حجم جریان و حجم مخزن به صورت قطعی برای هر دوره محاسبه شد. یافته ها: نتایج نشان داد در حالت 0=α که فقط تامین مجموع نیازهای پایاب سد مدنظر است، کلاس بهینه حجم مخزن برابر 7=k انتخاب شد که به ازای آن حداقل مقدار در حجم کمبود تامین مشاهده شد. چنانچه تابع هدف 1=α باشد (فقط حجم مخزن هدف)، در این حالت حجم مخزن بهینه برابر10=k است که به ازای آن اختلاف حجم مخزن از مقدار مطلوب ( ) از حالت ثابت خارج شد و اولین تغییر کاهشی در آن مشاهده شد. تعیین کلاس بهینه حجم مخزن در حالت 1=α متاثر از نوع روش گسسته سازی حجم مخزن است که در روش های موران و کلاسیک با نتایج یکسان، k بهینه برابر 10 و در روش ساوارنسکی 7=k انتخاب شد. در حالت 5/0=α (دو هدف رهاسازی از مخزن و حجم مخزن هدف) حجم مخزن منتخب بر اساس تابع هدف برابر 10=k انتخاب شد. نتیجه گیری: درشرایطی که تابع هدف فقط تخصیص و خروجی از مخزن است، کلاس بهینه حجم مخزن در نقطه ای اتفاق خواهد افتاد که میزان حجم کمبودها با افزایش کلاس بندی مخزن ثابت بماند. در این حالت با تقسیم بندی حجم مخزن به 7 کلاس میزان حجم کمبود ثابت شده و 7=k به عنوان کلاس بهینه انتخاب شد. در سناریوی دوم، نقطه ای به عنوان بهترین گسسته سازی از حجم مخزن انتخاب شد که بیش ترین نزدیکی را با حجم ذخیره مورد نیاز ( ) داشت، لذا در این حالت کلاس بهینه حجم مخزن 10=k است. در سناریوی سوم، با انتخاب کلاس 10 برای حجم مخزن، دو هدف حداقل سازی حجم ذخیره و رهاسازی از مقادیر مطلوب بهتر رعایت شد و مقدار تابع هدف در کلاس 10 اولین تغییر کاهشی را از خود نشان داد.

کلیدواژه ها:

واژه های کلیدی: برنامه ریزی پویای احتمالاتی ، گسسته سازی حجم مخزن ، بهره برداری مخزن ، تابع هدف

نویسندگان

سید احسان فاطمی

دانشگاه رازی

هیوا کوهی

دانشگاه رازی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Anvari, S., Mosavi, S.J., and Morid, S. ...
  • 5. Comparison of Performance of ...
  • Models DP, SDP and SSDP in Optimizing ...
  • the Utilization of Multifunctional Water ...
  • Purification. Iranian Water Research. 9: 1. ...
  • Bozorg Hadad, O. 2014. Water Resources ...
  • Systems Optimization. Tehran University ...
  • press, 412p. (In Persian) ...
  • Baliarsingh, F. 2010. Optimal reservoir ...
  • operation by stochastic dynamic ...
  • programming-A case study. Inter. J. Earth ...
  • Sci. Engin. 3: 2. 258-263. ...
  • Estalrich, J., and Buras, N. 1991. ...
  • Alternative specifications of state variables ...
  • in stochastic-dynamic-programming models ...
  • of reservoir operation. Applied mathematics ...
  • and computation. 44: 2. 143-155. ...
  • Gablinger, M., and Loucks, D.P. 1970. ...
  • Markov models for flow regulation. J. ...
  • Hydr. Engin. 96: 1. 165-181. ...
  • Huang, W.C., Harboe, R., and Bogardi, ...
  • J.J. 1991. Testing stochastic dynamic ...
  • programming models conditioned on ...
  • observed or forecasted inflows. J. Water ...
  • Resour. Plan. Manage. 117: 1. 28-36. ...
  • Jaafar, H.H., Al-Awar, F., and Ahmad, F. ...
  • 6. Effect of inflow class selection on ...
  • multi-objective reservoir operation using ...
  • stochastic dynamic programming. Arabi. ...
  • J. Sci. Engin. 41: 12. 4911-4926. ...
  • Jowkarshorijeh, L., Ganji, A., and ...
  • Homayounfar, M. 2014. A Continuous ...
  • Solution for Optimal Reservoir Operation ...
  • Problem Using the Constraint-State ...
  • Technique. Iran-Water Resour. Res. J. ...
  • Mohammad Ghasemi, M., SHahraki, J., ...
  • and Sabouhi Sabouni, M. 2016. ...
  • Optimization model of hirmand river ...
  • basin water resources in the Agricultural ...
  • Sector Using Stochastic Dynamic ...
  • Programming under Uncertainty ...
  • Conditions. Inter. J. Agric. Manage. Dev. ...
  • Pan, L., Jingfei, Z., Liping, L., and Yan, ...
  • S. 2012. Optimal reservoir operation ...
  • using stochastic dynamic programming. ...
  • J. Water Resour. Prot. 4: 342-345. ...
  • Su, S.Y., and Deininger, R.A. 1974. ...
  • Modeling the regulation of Lake ...
  • Superior under uncertainty of future ...
  • water supplies. Water resources research ...
  • Shokri, A., Haddad, O.B., and Mariño, ...
  • M.A. 2012. Reservoir operation for ...
  • simultaneously meeting water demand ...
  • and sediment flushing: Stochastic ...
  • dynamic programming approach with ...
  • two uncertainties. J. Water Resour. Plan. ...
  • Manage. 139: 3. 277-289. ...
  • Torabi, M., and Mobasheri, F. 1973. A ...
  • Stochastic dynamic programming model ...
  • for the optimum operation of a ...
  • multi-purpose reservior. Jawra J. Amer. ...
  • Water Resour. Assoc. 9: 6. 1089-1099. ...
  • Vedula, S., and Mujumdar, P.P. 2005. ...
  • Water resources systems: modelling ...
  • techniques and analysis. Tata McGrawHill, New delhi, 279p. ...
  • Yakowitz, S. 1982. Dynamic ...
  • programming applications in water ...
  • resources. Water resources research. ...
  • نمایش کامل مراجع