استفاده از MOPSO در بهینه سازی چندهدفه بهره برداری از مخزن برقابی مطالعه موردی: سد کارون 5

نوع مقاله: یادداشت فنی (5 صفحه)

نویسندگان

1 دانش‌آموخته کارشناسی ارشد گروه مهندسی علوم و مهندسی آب، دانشکده فنی مهندسی، دانشگاه بین‌المللی امام خمینی (ره)، قزوین، ایران

2 دانشگاه بین المللی قزوین

چکیده

اغلب مسائل تصمیم‌گیری در دنیای واقعی به‌ویژه در زمینه مدیریت منابع آب، مسائل چندهدفه‌ای هستند که تصمیم‌گیری بر اساس اهداف متفاوت و متضاد انجام می‌شود. با توجه به دامنه وسیع کاربرد این‌گونه مسائل، مدل‌های متفاوتی برای حل آن‌ها پیشنهاد شده است، که از مهم‌ترین آن‌ها می‌توان به مدل‌های بهینه‌سازی چندهدفه NSGA-II و MOPSO اشاره کرد. هدف از این پژوهش مقایسه عملکرد الگوریتم‌های NSGA-II و MOPSO در حل مسئله بهره‌برداری بهینه چندهدفه از مخزن برقابی است. با توجه به اینکه مخازن برقابی در تأمین بار پیک شبکه برق مشارکت دارند، در ابتدا با استفاده از شبکه عصبی به پیش‌بینی قیمت روزانه انرژی در ساعت‌های اوج پرداخته شده، سپس نتایج حاصل از آن برای بهینه‌سازی چندهدفه بهره‌برداری از مخزن سد کارون 5، شامل دو هدف بیشینه‌سازی درآمد سالانه و بیشینه‌سازی حداقل انرژی تولیدشده روزانه، به کار گرفته‌شده است. نتایج این مطالعه نشان می‌دهد که هرچند زمان اجرای روش NSGA II بیش از دو برابر روش MOPSO است، ولی دقت نتایج آن در هر دو هدف 20درصد بهتر از MOPSO است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Multi-objective operation optimization of hydropower reservoirs by MOPSO Case study: Karun Dam 5

نویسنده [English]

  • maryam parhizkari 1
1 MS Graduated, Water Sciences and Engineering Department, Faculty of Engineering and Technology, Imam Khomeini International University, Qazvin, Iran
چکیده [English]

Near the most of real-world decision-making issues, especially in the water resource management area, are multi-objective issues that are taken based on different and conflicting goals. Due to the wide range of application of these issues, different models have been proposed to solve them, NSGA-II and MOPSO are the most important of these multi-objective optimization models. The purpose of this study is to compare the performance of NSGA-II and MOPSO algorithms in solving multi-objective optimal operation of a hydropower reservoir. Due to the fact that the hydropower reservoirs are involved in providing the peak load of the network electricity, a neural network to predict daily energy prices in peak hours was developed initially, then the results were used to optimize the multi-objective operation of Karun 5 Dam reservoir, includes two goals of maximizing annual income and maximizing minimum daily energy production. Although the run time of the NSGA-II method is about twice as high as the MOPSO, the precision of its results is 20% better for both purposes than MOPSO.

کلیدواژه‌ها [English]

  • Peak consumption
  • Peak Load
  • Neural Network
  • Electricity Network
  • PAB
Jamalmanesh A, khodaparast M, Seifi A, and Falahi MA (2018) The production-profitability model designed for hydropower plants with system dynamics approach. Iran-water Resources Research 14(5):42-56 (In Persian)

Zahraie B, Sadeghi F, Porsepahy Samian H and Jamali S (2018) Application of stochastic dual dynamic programming using markovian stochastic modeling for formulating long-term operation policies of hydropower systems. Iran-water Resources Research 14(2):198-211(In Persian)

Afshar K, Riahi R (2008) Restructuring in power industry and pass on the market electricity. Iran Power Network Management Company, 140p (In Persian)

Manzoor D, Yadipoor M (2017) Assess and prediction price fluctuations in Iran electricity market to help ARMAX.GHARCH model. Journal of Quantitative Economics Some 13:97-113 (In Persian)

Catalao J, Pousinho H and Mendes V (2011) Short-term electricity prices forecasting in a competitive market by a hybrid intelligent approach. Energy Conversion and Management 52:1061-1065

Perez-Diaz J, Wilhelmi J and Arevalo L (2010) Optimal short-term operation schedule of a hydropower plant in a competitive electricity market. Energy Conversion and Management 51:2955-2966

Chazarra M, Garcia-Gonzalez J, Perez-Diaz J and Arteseros M (2016) Stochastic optimization model for the weekly scheduling of a hydropower system in day-ahead and secondary regulation reserve markets. Electric Power Systems Research 130:67-77

Mazandarani Zadeh H, Moosavi J and Partovirad F (2008) Optimization of operation of tanks including the economic factors and energy prices hydropower. Journal of Civil and Environmental, AmirKabir, 69:73-93 (In Persian)

Ehteram M, Karami H, Mousavi SF, El-Shafie A and Amini Z (2017) Optimizing dam and reservoirs operation based model utilizing shark algorithm approach. Knowledge-Based Systems 122:26-38

Coello C, Pulido G and Lechuga M (2004) Handling multiple objectives with particle swarm optimization. IEEE Transactions on Evolutionary Computation 8:256-279

Coello C, Lamont G and Vanveldhuizen D (2007) Evolutionary algorithms for solving multi-objective problems. Springer, New York, USA 621p