بهرهبرداری بهینه از سامانهی آبکشی متوالی سامانهی انتقال آب شیراز با استفاده از الگوریتم ژنتیک
محورهای موضوعی : مقالات برگرفته از پایان نامه
بهرام سامی کشکولی
1
(کارشناس ارشد، سازه‌های آبی، شرکت شیراز سامیز، شیراز)
مهدی بهرامی
2
(استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فسا)
کلید واژه: بهینه‌سازی, هزینهی کارمایه, بهره‌وری بهینه, EPANET 2,
چکیده مقاله :
با افزایش جمعیت و کمبود منابع کارمایه، استفاده و بهره‌وری بهینه از منابع مزبور از اهمیت خاصی برخوردار است. از جمله این منابع، کارمایه برق است که در ایستگاه‌های آبکشی نقشی اساسی را ایفا می‌کند. گاهی طولانی بودن مسیر انتقال آب و یا اختلاف ارتفاع زیاد در طول مسیر، ایجاب می‌کند که ایستگاه‌های آبکشی به صورت متوالی طراحی گردند. با تعیین برنامهی زمانی مناسب بهرهبرداری از تلمبه‌های یک سامانهی انتقال آب می‌توان صرفه جویی قابل توجهی را در هزینهی کارمایهی مصرفی ایجاد کرد. در این پژوهش برنامهی بهرهبرداری از یک تلمبه بهصورت رشته‌ای از مقادیر صفر و یکی به گونه‌ای تعریف شد که هر یک از خانه‌های این رشته وضعیت روشن یا خاموش بودن آن تلمبه را در یک دورهی زمانی به خصوص نشان دهد. مسئلهی تعیین برنامهی بهرهبرداری بهینه تلمبه‌ها به صورت تعیین بهترین رشتهی صفر و یکی شناسه شد. یک شبیه بهینه‌سازی- شبیه‌سازی، مبتنی بر الگوریتم ژنتیک برای مسئلهی تعیین برنامهی بهرهبرداری بهینه از تلمبه‌ها ارائه گردید. در این شبیه الگوریتم ژنتیک در محیط MATLAB با بخش هیدرولیکی نرمافزار EPANET 2، به عنوان مرجعی از فرامین و اطلاعات تلفیق شد. از شبیه پیشنهادی برای تعیین برنامهی بهینهی بهرهبرداری از سامانهی انتقال آب از آبگیر سد درودزن به شهر شیراز، و در یک روز معمولی استفاده شد. نتایج نشان دادند که هزینهی کل کارمایهی مصرفی در حالت بهرهبرداری بهینه 29 درصد کمتر از هزینهی متوسط برق مصرفی در یک روز میانگین است. مقایسهی برنامهی بهینهی بهرهبرداری استخراج شده با نتایج پژوهشهای پیشین، و همچنین شرایط بهره برداری عادی، توانایی شبیه را نشان میدهد.
Population growth and shortage of energy warrant optimal utilization of our limited resources. Pumping stations typically run on electrical energy and economical use of the energy is desirable. Serial pumping stations are often required when the pipeline is long, or when the designed pumping head is too large to be handled by the existing single pumps. The greatest energy price reduction can be obtained by careful scheduling of pumping operation. Here, a pump operation schedule is represented as a string of binary values with each bit representing pump on/off status during a particular time interval, and pump optimal scheduling problem is coded as a problem of finding the best binary string, which results in the least energy price. In this study, a GA (genetic algorithms) based simulation-optimization model has been developed for the optimal scheduling of serial pumping stations. The model integrates GA optimizer and EPANET 2 hydraulic network solver in MATLAB. The proposed model is applied to find the optimal pump operation schedule of the Shiraz water conveyance system from the Doroudzan Reservoir in an ordinary day of the year. The results showed that the total energy cost in the optimal operation was 29% less than average in an ordinary day. Comparison between the optimal operation program and the previous studies indicated the model’s robustness.
1) رجب‌پور، ر.، ه. افشار. 1387. بهرهبرداری بهینه از ایستگاه‌های آبکشی متوالی با استفاده از الگوریتم PSO. مجله آب و فاضلاب. 66: 56-66
2) Chase, D.V., and L.E. Ormsbee. 1993. Computer generated pumping schedules for satisfying operation objectives. J. Am. Water Works Assoc. 85: 54–61.
3) Jowitt, P.W., and G. Germanopoulos. 1992. Optimal pump scheduling in water supply networks. J. Water Res. Plan. Manage. 118: 406–422.
4) Lansey, K.E., and K. Awumah. 1994. Optimal pump operations considering pump switches. J. Water Res. Plan. Manage. 120:17–35.
5) Mackle, G., D.A. Savic, and G.A. Walters. 1995. Application of genetic algorithms to pump scheduling for water supply. GALESIA, 95. London: Inst. Elect. Eng. Conf. Pub. 4/4: 400-405.
6) Mays, L.W., and Y.K. Tung. 1992. Hydro systems engineering and management. McGraw-Hill, New York: 140-157.
7) Nitivattananon, V., E.C. Sadowski, and R.G. Quimpo. 1996. Optimization of water supply system operation. J. Water Res Plan. Manage. 122: 374–384.
8) Ormsbee, L.E., T.M. Walski, D.V. Chase, and W.W. Sharp. 1989. Methodology for improving pump operation efficiency. J. Water Res. Plan. Manage. Div., Am. Soc. Civ. Eng. 115: 148–164.
9) Rodin, S.I. 1998. Use of genetic algorithm for optimal control of bulk water supply. [Online]. http://stullia.t-k.ru/waterpump/ waterpump.htm . [May 5, 2001].
10) Rodin, S.I., and M. Moradi-Jalal. 2002. Use of genetic algorithm in optimization of irrigation pumping stations. WAPIRRA program. [Online]. http://stullia.t-k.ru/waterpump/waterpump.htm. [June 10, 2002].
11) Rossman, L.A. 2000. EPANET2 Users Manual. Risk Reduction Engineering Laboratory, U. S. Environmental Protection Agency, Cincinnati, Ohio.
12) Shi, Y., and R. Eberhart. 1999. Empirical study of particle swarm optimization. Proc. IEEE Int. Cong. Evolut. Comput., Washington DC., USA: 1945-50.
_||_