عنوان پایان‌نامه
برنامه بهره برداری از مخزن سد با استفاده از قوانین فازی و برخورد حوزه ای
- رشته تحصیلی
- مهندسی عمران - مهندسی آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1360;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 44150
- تاریخ دفاع
- ۲۲ دی ۱۳۸۸
- دانشجو
- مهدی رنجبر
- استاد راهنما
- محمد کارآموز
- چکیده
- در این پایان‌نامه، ارائه سیاست‌های بهینه بهره‌برداری از مخزن توسط مدل‌های بهینه‌سازی براساس برنامه‌ریزی پویا (DP) مورد بررسی قرار گرفته است. نتایج حاصل از به کار بردن برنامه‌ریزی پویا، سری زمانی بهینه آزادسازی و حجم مخزن به همراه سری زمانی جریان ورودی، که قبلاً موجود بوده است، می‌باشد که این سری‌های بهینه می‌بایست به صورت یک سری قوانین کلی بهره‌برداری درآیند تا استفاده از آنها برای بهره‌برداری در آینده آسان‌تر باشد. برای استخراج قوانین بهره‌برداری از خروجی‌های بهینه مدل برنامه‌ریزی پویا، دو مدل براساس الگوریتم مدل DPR بسط داده شده‌اند. در مدل اول از شبکه عصبی مصنوعی و در مدل دوم از رگرسیون فازی برای استخراج سیاست‌های بهره‌برداری استفاده شده است و مدل‌های به دست آمده به ترتیب DP-ANN و DPFR نامیده شده‌اند. الگوریتم مدل‌ها بدین صورت است که ابتدا براساس داده‌های دبی ورودی به مخزن، حجم مخزن و همچنین نیازهای پایین دست سد، مدل بهینه‌سازی DP اجرا می‌شود. سپس نتایج حاصل از اجرای مدل بهینه‌سازی با به کارگیری شبکه عصبی در مدل DP-ANN و رگرسیون فازی در مدل DPFR به قانون بهره‌برداری از مخزن تبدیل می‌شوند. پس از آن برای تعیین کارآیی سیاست‌های به دست آمده، مدل وارد مرحله شبیه‌سازی می‌شود. برای رسیدن به سیاست‌های بهینه، از تکرار دوم به بعد یک قید اضافی در مدل اعمال می‌شود که براساس آن مقادیر آزادسازی به دست آمده از برنامه‌ریزی پویا در هر تکرار به وسیله سیاست به دست آمده از مرحله قبل محدود می‌شود. این الگوریتم تا رسیدن به سیاست‌های بهینه ادامه می‌یابد. به عنوان مطالعه موردی، مدل‌های DPR، DP-ANN و DPFR برای استخراج سیاست‌های بهینه بهره‌برداری از مخزن سد درودزن به کار رفته‌اند. ورودی‌ها به دو صورت ورودی‌های تاریخی و ورودی‌های پیش‌بینی شده در نظر گرفته شده‌اند. برای ساخت اطلاعات بارش برای سال‌های آتی در این حوزه از مدل آماری LARS-WG استفاده شده است. پس از ساخت اطلاعات بارش، اقدام به پیش‌بینی رواناب ورودی به مخزن سد درودزن با استفاده از مدل IHACRES شده است. مقایسه نتایج حاصل از اجرای مدل‌ها به ازای داده‌های تاریخی و شبیه‌سازی شده نشان‌دهنده بهبود قابل توجهی در شاخص‌های عملکرد مدل DPFR نسبت به دو مدل دیگر به ویژه در زمینه اطمینان‌پذیری تامین نیازها می‌باشد. همچنین با مقایسه نتایج حاصل از مدل DPFR به ازای داده‌های تاریخی و شبیه‌سازی شده، به بررسی اثرات تغییر اقلیم در بهره‌برداری از مخزن سد پرداخته شده است.
- Abstract
- In this thesis, developing of reservoir optimal operating policies using an optimization model solved with Dynamic Programming (DP) is investigated. The results of applying dynamic programming are optimal releases and storages time series with the existing inflow to the reservoir. These optimal time series should be defined as some general operating rules that can be easily used by the reservoir operators. Two models are developed based on the DPR algorithm to obtain operating policies. In the first one artificial neural networks (ANN) and in the second one fuzzy regression (FR) model are used to generate operating policies from optimal time series obtained from the optimization model to simulate the system characteristics. The resulting models are called DP-ANN and DPFR. The algorithm of these models is as follows: first the optimization model (DP) is run using inflows to the reservoir, reservoir storages and demands data. Reservoir operating policies are then developed using ANN in the DP-ANN model and FR in the DPFR model. To determine the operating policies’ efficiency, the model enters the simulation process. From the second iteration, an excess restraint is added to the models so the releases obtained from dynamic programming are restricted using the policies of the previous iteration. This procedure will continue until the operating policies are optimized. As a case study, the DPR, DP-ANN and DPFR models are applied to Droudzan reservoir to derive optimal operating policies. Inputs to the models are considered both historical and simulated. LARS-WG model is used to generate the precipitation data for the future years. The inflow to the reservoir is then simulated by means of IHACRES model using generated data. The comparison of the results of running the models using both historical and simulated data shows considerable improvements in the reservoir reliability indices using the DPFR model. The impacts of climate change on the reservoir operation are also investigated in this thesis by comparing the results of the DPFR model obtained from historical and simulated data.
