بهینه سازی بهره برداری از مخزن سد طالقان با استفاده از الگوریتم گرگ خاکستری و هیبرید آن با الگوریتم ژنتیک

محورهای موضوعی : منابع آب

اردوان دوانی مطلق ¹ , محمد صادق صادقیان ² , امیرحسین جاوید ³ , محمد صادق عسگری ⁴

1 - گروه مهندسی عمران ، دانشکده فنی مهندسی ، دانشگاه آزاد واحد تهران مرکزی
2 - گروه مهندسی عمران ، دانشکده فنی مهندسی ، دانشگاه آزاد واحد تهران مرکزی
3 - گروه مهندسی محیط زیست ، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی
4 - گروه ریاضی ، دانشکده علوم پایه ، دانشگاه آزاد واحد تهران مرکزی

تاریخ دریافت : 1400/02/24 تاریخ پذیرش : 1400/04/12 تاریخ انتشار : 1400/06/01

کلید واژه: بهینه سازی, الگوریتم گرگ خاکستری, ﺳﺪ طالقان, الگوریتم ژﻧﺘﯿﮏ,

چکیده مقاله :

با توجه به افزایش جمعیت، کمبود و محدودیت شدید منابع آب، یکی از گام های اساسی در زمینه مدیریت و برنامه ریزی آب بهینه سازی مخازن می باشد. در پژوهش حاضر، پس از معرفی الگوریتم بهینه سازی گرگ خاکستری، عملکرد این الگوریتم به تنهایی و در حالت ترکیب با الگوریتم ژنتیک در مساله ی بهینه سازی بهره برداری از مخزن سد طالقان ارزیابی شده است. تابع هدف به صورت حداقل سازی مجموع مجذور کمبودهای نسبی در تخصیص به آن در هر ماه و ماکزیمم کردن اعتمادپذیری، در ﻃﻮل دوره آﻣﺎری 11 ساله ی 1388 تا 1398 ﺗﻌﺮﯾﻒ ﮔﺮدﯾﺪ. همچنین محدودیت های معادله ی پیوستگی مخزن، حجم ذخیره ی مخزن و حجم رهاسازی مخزن بر تابع هدف مساله اعمال شدند. نتایج به دست آمده از شاخص های ارزیابی عملکرد مدل ها نشان دادند از نظر شاخص های اطمینان پذیری زمانی و آسیب پذیری و پایداری الگوریتم هیبریدی گرگ خاکستری – ژنتیک با 72.73 ، 0.28 ، 24.66 بهتر از الگوریتم گرگ خاکستری با 68.93 ، 0.29 ، 21.48 و الگوریتم ژنتیک با 66.66 ، 0.41 ، 21.34 می باشد.

چکیده انگلیسی:

Due to population growth, shortage and severe limitation of water resources, one of the basic steps in water management and planning is reservoir optimization. In the present study, after the introduction of the Gray Wolf optimization algorithm, the performance of this algorithm alone and in combination with the genetic algorithm in optimizing the operation of the Taleghan Dam reservoir has been evaluated. The objective function is to minimize the total squares of relative deficiencies in allocating to it each month and maximize reliability throughout the 11-year transition period from 2009 to 2017. Also, the constraints of reservoir continuity equation, reservoir storage volume and reservoir release volume were applied to the objective function of the problem. The results obtained from the performance evaluation indices of the models showed that in terms of time reliability, vulnerability and sustainability indices, the gray wolf-genetic hybrid algorithm with 72.73, 0.28, 24.66 is better than the gray wolf algorithm with 68.93, 0.29, 21.48 and the algorithm. Genetics with 66.66, 0.41, 21.34.