توسعه کاربرد مدل کنترل پیش بین برای بهبود مدل های شبیه سازی- بهینه سازی در مدیریت سامانه های انتقال آب: مطالعه موردی خط انتقال آب زرینه‌رود به تبریز

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد/ گروه مهندسی عمران- مدیریت منابع آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران.

2 استاد/ گروه مهندسی عمران- مدیریت منابع آب، دانشکده عمران، دانشگاه تبریز، تبریز، ایران

3 دانشیار/ گروه مهندسی مکانیک، دانشکده مکانیک، دانشگاه تبریز، تبریز، ایران.

چکیده

این مقاله به بررسی استفاده از روش کنترل پیش‌بین به‌منظور بهبود مدیریت حجم آب ذخیره‌شده در مخازن خطوط انتقال آب می‌پردازد. کنترل پیش‌بین از مدل‌های کنترل مدرن است که به دلیل عملکرد مناسب آن نسبت به تغییرات ناگهانی مدل، در سامانه‌های مهندسی مورد توجه قرار گرفته‌است. از قابلیت‌های اصلی کنترل پیش‌بین، مدل‌سازی پیش‌بین سیستم در تابع بهینه‌سازی است، این ویژگی باعث می‌شود کنترل‌کننده با آگاهی از شرایط سیستم در بازه‌های آتی، ورودی مناسب برای رسیدن به خروجی مطلوب را تنظیم کند. در این تحقیق با استفاده از الگوریتم کنترل پیش‌بین و در نظر گرفتن محدودیت ظرفیت پمپاژ ایستگاه‌ها و مخازن، یک کنترل‌کننده بهینه برای خط انتقال آب زرینه‌رود طراحی شد. این خط به طول 180 کیلومتر، شامل 24 انشعاب بوده و بزرگ‌ترین خط انتقال آب خاورمیانه است. در این تحقیق، کنترل‌کننده برای خط انتقال به‌صورت تابعی دو هدفه، حفظ حجم ایمن آب ذخیره‌شده در مخازن و کاهش نوسان جریان در ایستگاه‌های پمپاژ طراحی گردید. نتایج حاصل از اعمال روش کنترل پیش‌بین با داده‌های اپراتوری و همچنین روشی دیگر به نام روش کنترلی انتگرالی درجه دوم خطی مقایسه شد. بر اساس نتایج به‌دست‌آمده، الگوریتم کنترل پیش‌بین به‌خوبی توانست ضمن عملکرد بهتر نسبت به داده‌های اپراتوری و روش کنترلی انتگرالی درجه دوم خطی، قیود موجود در سامانه را ارضا کرده و نوسان پمپاژ را %22 کاهش دهد. همچنین حجم آب ذخیره‌شده مخازن را با کمترین انحراف در مجاورت حجم مطلوب حفظ کند. از طرفی الگوریتم پیشنهادی موجب می‌شود، مجموع دبی پمپاژ شده %8 از طریق بهینه‌سازی کاهش یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Utilization of Model Predictive Control to Improve Optimization – Simulation Models for Managing Water Transfer Systems: Case Study of Zarinehrood Water Transfer Line to Tabriz

نویسندگان [English]

  • Maryam Javansalehi 1
  • Mahdi Zarghami 2
  • Jafar Keighobadi 3
1 M. Javansalehi, M.Sc. Graduate of Water Recourses Engineering, Faculty of Civil Engineering, University of Tabriz, Iran.
2 M. Zarghami, Professor, Faculty of Civil Engineering, University of Tabriz, Iran
3 , Associate Professor, Faculty of Mechanical Engineering. University of Tabriz, Iran.
چکیده [English]

This paper studies the performance of model predictive control in improving the management of reservoirs in water transfer line. Model Predictive Control is an optimal modern control which due to its proper function against sudden disturbances has been developed for engineering control problems. One of the main capabilities of the predictive control algorithm is the prediction modeling of the system in optimization function. In this research with using a predictive control algorithm while applying the constraints regarding reservoir and pump stations capacity, an optimal controller is designed for the Zarinehrood transfer line to Tabriz. This network contains a total pipe length of 180 kms with 24 branches which is known as the largest transfer line in the Middle East. In this research the designed controller have been solved for the two objective functions, maintaining the safety water in the reservoirs and reducing the fluctuations in the pump stations. To evaluate the predictive control algorithm performance, the results of the MPC were compared with operator data and another control method called linear quadratic integral control . The obtained results show that the predictive control has been able to perform better than operator data and linear quadratic integral control. While yields high capability to satisfy all constraints while fluctuations in pumping stations have been decreased about 22% and the water in the reservoir tanks maintain the lowest error in the vicinity of the desired volume.The total amount of pumped water over the length of the transmission line has been decreased by 8%.

کلیدواژه‌ها [English]

  • Model predictive Control
  • Water transfer line
  • Simulation
  • optimization
  • Linear quadratic integral control algorithm

Azizi M and Keighobadi J (2017) Point stabilization of nonholonomic spherical mobile robot using nonlinear model predictive control. Robotics and Autonomous Systems 98:347-359

 
Blanco Barjas T, Willems P, Chiang PK, Cauwenberghs K, De Moor B, and Berlamont J (2010)  Flood regulation by means of model predictive control. Intelligent Infrastructures 407-437 Springer
Camacho E F and Bordons Alba C (2013) Model predictive control. Springer-Verlag London, 405P
Cannon M (2015) Model predictive control. University of Oxford Press, Oxford
Friedland B (1986) Control system design: An introduction to state-space methods. McGraw-Hill Book Company, New York, 528P
Ghajarnia N, Bozorg Haddad O and  Kouchakzadeh S (2011) Multi objective dynamic design of water distribution networks. Iran-Water Resources Research 7(3):21-40 (In Persian)
Hashemi S M, Monem M J, and Van Overloop P J (2013) Improving the operation of main irrigation canal using in-line storage operational strategy and applying Model Predictive Control (MPC). Iranian Journal of lrrigation and Drainage 6:342:352
Hosseini Pishrobat M and Keighobadi J (2016) Force-balancing model predictive control of MEMS vibratory gyroscope sensor. Journal of Mechanical Engineering Science 230:3055-3065
 
Khaki Sedigh A (2012) Linear control systems. Payam Noor University Press, 475P (In Persian)
Leigh J R) 2004( Control theory. the Institution of Engineering and Technology, London, UK, 269P
Liu Y, Ganigué R, Sharma K, and Yuan Z (2016) Event-driven model predictive control of sewage pumping stations for sulfide mitigation in sewer networks. Water Research 98:376-383
Lozoya C, Mendoza C, Mejia L Quintana J, Mendoza G, Bustillos M, Arras O, and Solis L (2014) Model predictive control for closed-loop irrigation. IFAC Proceedings 47:4429-2234
Maestre J, Raso L, Van Overloop P, and De Schutter B (2013). Distributed tree-based model predictive control on a drainage water system. Journal of Hydroinformatics 15:35-347
Ocampo-Martinez C, Puig V, Cembrano G, and Quevedo J (2013) Application of predictive control strategies to the management of complex networks in the urban water cycle.  IEEE Control Systems 33(1):15-41
Ogata K (1970) Modern Control Engineering. Prentice-Hall, Englewood Cliffs
Puig V, Ocampo-Martinez C, Romera J, Quevedo J, Negenborn R, Rodríguez P, and de Campos S (2012) Model predictive control of combined irrigation and water supply systems. Application to the Guadiana River. 9th IEEE International Conference, Beijing China, 11-14 April
Rezapour Tabari M  and  Mazak Mari M (2016) A Simulation-optimization approach for reducing seepage rate in water conveyance canals. Iran-Water Resources Research 11(3):17-30 (In Persian)
Van Overloop P J )2006) Model predictive control on open water systems. IOSPress Delft University Press
Wanjiru E M, Zhang K, and Xia X (2016) Model predictive control strategy of energy-water management in urban households. Applied Energy 179:821-831
Xu M, van Overloop P J, and Van De Giesen N (2013) Model reduction in model predictive control of combined water quantity and quality in open channels. Environmental Modelling & Software 42:72-87
Zarghami M, Hajykazemian H (2013) Urban water resources planning by using a modified particle swarm optimization algorithm. Resources Conservation and Recycling 70:1-8
Zhang R, Liu A, Yu L, and Zhang W (2015) Distributed model predictive control based on nash optimality for large scale irrigation systems. IFAC-PapersOnLine 48, 8:551-55