شبیه‌سازی و بهینهسازی مدل‌های بهره‌برداری کنترل سیلاب با استفاده از الگوریتم ژنتیک
محورهای موضوعی : سازه های هیدرولیکی
فرهاد صالحی
1
,
محسن نجارچی
2
,
محمد مهدی نجفی زاده
3
,
محمد میرحسینی
4
1 - گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد اراک
2 - دانشیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد اراک
3 - استاد، دکترای مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد اراک
4 - دانشیار دانشکده مهندسی عمران، دانشگاه آزاد اسلامی اراک
کلید واژه: شبیه سازی, بهینه سازی, سیلاب, مدیریت بهینه مخازن, الگوریتم ژنتیک,
چکیده مقاله :
نظر به اینکه مدیریت بهینه مخازن و سرریزها در زمان وقوع سیلاب به عنوان یک روش غیرسازه ای برای حفظ منابع آب، از اهمیت ویژه ای برخوردار می باشد، به همین منظور در این تحقیق ابتدا یک فرمان بهره‌برداری چند مرحله‌ای برای بهره‌برداری از دریچه‌های سرریز در سدها تحت دو رویکرد مختلف شبیه‌سازی شده اند. از ویژگی‌های مثبت مدل‌ها عدم نیاز به پیش‌بینی کامل هیدروگراف سیل است. این ویژگی دامنه کاربری مدل‌های پیشنهادی را بسیار وسیع و عملیاتی می‌کند. سپس بهینهسازی ترازهای بحرانی و میزان بازشدگی دریچه‌ها تحت هر دو رویکرد با استفاده از الگوریتم ژنتیک انجام شده است. جهت صحت عملکرد مدل‌های بهینه پیشنهادی و مقایسه آنها با یکدیگر، مطالعه موردی سد مخزنی کرخه در دنیای واقعی به کار گرفته شد. نتایج حاصله نشان داد نه تنها هر دو مدل جواب های بهتری نسبت به مدل‌های بهره برداری پیشین ارائه می دهند؛ بلکه در رویکرد دوم، پیک سیلاب خروجی دارای درجه فروکش بیشتری نسبت به رویکرد اول می باشد و علاوه بر این، امکان ذخیره بیشتری از حجم سیلاب ورودی به مخزن و کاهش بیشتر خسارات سیلاب در پایین دست سد توسط هر دو رویکرد فراهم می شود.
The paper demonstrates a simulation-optimization framework for enhancing the real-time flood control with gated spillways at places where no flood forecasting data is available. A multi-objective modeling scheme is presented for flood management in a gated spillway in which the operator may specify the priorities on floods based on their different return periods. Two different operation strategies are devised. Both of the operating strategies employ ten-stage policies, which mainly rely on the reservoir water level as the input data. The second strategy benefits from both observed reservoir water level and flood peak. The optimal values of the models parameters are obtained using genetic algorithm. This is a novel approach because none of its policies needs flood forecasting data, thus, making them adaptable to any flood with any return period. To evaluate the performances of the proposed models, the flood control through gated spillway of Karkheh reservoir is considered where flood hydrographs with different return periods are routed through the reservoir.
_||_
