ارزیابی عملکرد الگوریتم فراکاوشی جستجوی ذرات باردار بهبود یافته در بهینه سازی بهره برداری از سامانه مخازن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته دکتری گروه مهندسی عمران/ آب، دانشگاه تبریز

2 استاد / گروه مهندسی عمران- آب، دانشگاه تبریز

3 دانشیار/ گروه مهندسی عمران- سازه، دانشگاه تبریز

چکیده

در سالهای اخیر از انواع روشهای بهینه‌یابی فراکاوشی در مسائل مربوط به بهره‌برداری بهینه از سامانه مخازن استفاده شده است. در این تحقیق نسخه بهبود یافته الگوریتم جستجوی ذرات باردار برای افزایش قابلیت جستجوی سراسری الگوریتم و جلوگیری از گیر افتادن در بهینه محلی ارائه شده است. بدین منظور از نوعی عملگر جهش استفاده شده و الگوریتم جستجوی ذرات باردار جهش یافته معرفی شده است. سپس به صحت‌سنجی و ارزیابی کارایی این الگوریتم در مقایسه با سایر الگوریتم‌های معتبر فراکاوشی در حل مسائل بهینه‌سازی استاندارد ریاضی پرداخته شده است. مطابق با نتایج بدست آمده، الگوریتم پیشنهادی بهترین عملکرد را در 17 تابع از 18 تابع مورد ارزیابی در مقایسه با دیگر الگوریتم ها از خود نشان داد. در ادامه از الگوریتم پیشنهادی جهت بهینه‌سازی دو مسئله مرجع سامانه چهار و ده مخزنه استفاده و با نتایج بدست آمده از سایر الگوریتم‌ها مقایسه شد. بر این اساس بهترین مقادیر تابع هدف به ترتیب برابر 308.29 و 1194.23 بدست آمد. در پایان کارایی الگوریتم در بهینه‌سازی بهره‌برداری از سیستم دو مخزنه (سدهای حوضه آبریز گرگان‌رود) با استفاده از معیارهای ارزیابی مختلف مورد ارزیابی قرار گرفته است. نتایج بدست آمده حاکی از عملکرد مناسب الگوریتم فراکاوشی جستجوی ذرات باردار و نسخه جهش یافته آن در حل مسئله بهره‌برداری بهینه از سامانه مخازن می‌باشد. بطوریکه کمترین مقدار تابع هدف برابر با 0.22 توسط الگوریتم پیشنهادی حاصل شد. همچنین این الگوریتم به ترتیب با تأمین 94.63 و 95.30 درصد از نیازهای کل پایین‌دست سدهای گلستان و وشمگیر عملکرد مناسبی از خود نشان داد.

کلیدواژه‌ها


عنوان مقاله [English]

Performance Evaluation of Improved Charged System Search Algorithm for Operation Optimization of Reservoir System

نویسندگان [English]

  • Mohammadhosein Rabee 1
  • Mohammad Taghi Aalami 2
  • Siamak Talatahari 3
1 PhD GraduateStudent of Civil Engineering, Department of Civil Engineering, University of Tabriz, Tabriz, Iran.
2 Professor of Civil Engineering, Department of Civil Engineering, University of Tabriz, Tabriz, Iran.
3 Associate Professor of Civil Engineering, Department of Civil Engineering, University of Tabriz, Tabriz, Iran.
چکیده [English]

After construction of dams according to different needs, the most important issue addressed by the exploiters and researchers is the issue of optimum operation management of reservoirs. In recent years, various meta-heuristic optimization techniques have been used for the reservoir operation optimization. In this study, an improved version of Charged System Search algorithm is presented to enhance the exploration ability and escape from local optima. For this purpose, a special mutation operator is used and a Mutant Charged System Search algorithm is introduced. Then, the validation and evaluation of the efficiency of this new improved algorithm are compared with other well-known meta-heuristic algorithms in solving the mathematical benchmark optimization problems. The new method achieves optimal results for 17 functions out of 18 functions. The proposed algorithm is used to solve two benchmark problems of operations of multireservoir sestem, namely four- and ten- reservoir sestems. Accordingly, the best values are obtained 308.29 and 1194.23, respectively. Finally, the efficiency of the algorithm for optimizing the operation of the two-reservoir system (Gorgan-Rood basin dams) is evaluated using various performance evaluation criteria. The results show the proper performance of the CSS algorithm and its mutated version in solving the multi-reservoir operation optimization problems. According to the results, the best solution achieved by the proposed algorithm is 0.22. Also, this algorithm showed the best performance by providing 94.63% and 95.30% of total demands of Golestan- Voshmgir multi-reservoir system.

کلیدواژه‌ها [English]

  • Charged system search algorithm
  • Optimal Operation
  • Multi-reservoir system
  • Mutation operator
Afshar MH (2013) Extension of the constrained particle swarm optimization algorithm to optimal operation of multi-reservoirs system. International Journal of Electrical Power & Energy Systems 51:71-81
Afshar MH, Azizipour M, Oghbaeea B, Kim JH (2017) Exploring the efficiency of harmony search algorithm for hydropower operation of multi-reservoir systems: a hybrid cellular automat-harmony search approach. In: Del Ser J (ed) Harmony search algorithm (ICHSA 2017). Advances in intelligent systems and computing, vol 514. Springer, Singapore, 252-260
Afshar MH, Hajiabadi R (2018) A novel parallel cellular automata algorithm for multi-objective reservoir operation optimization. Water Resources Management 32(2):785-803
Arunkumar R, Jothiprakash V (2013) Chaotic evolutionary algorithms for multi-reservoir optimization. Water Resources Management 27(15):5207-5222
Asgari HR, Bozorg Haddad O, Pazoki M, Loáiciga HA (2015) Weed optimization algorithm for optimal reservoir operation. Journal of Irrigation and Drainage Engineering 142(2):04015055‌
Bozorg Haddad O, Afshar A, Mariño MA (2006) Honey-bees mating optimization (HBMO) algorithm: A new heuristic approach for water resources optimization. Water Resources Management 20(5):661-680
Bozorg Haddad O, Afshar A, Mariño MA (2011) Multireservoir optimisation in discrete and continuous domains. In Proceedings of the Institution of Civil Engineers-Water Management 164(2):57-72‏
Bozorg Haddad O, Moravej M, Loáiciga HA (2014) Application of the water cycle algorithm to the optimal operation of reservoir systems. Journal of Irrigation and Drainage Engineering 141(5):04014064
Chang JX, Huang Q, Wang YM (2005) Genetic algorithms for optimal reservoir dispatching. Journal of Water Resource Management 19(4):321-331
Dorigo M (1992) Optimization, learning and natural algorithms. Ph.D. thesis, Politecnico di Milano, Milan, Italy.
Ehteram M, Mousavi SF, Karami H, Farzin S, Emami M, Othman FB, Amini Z, Kisi O, El-Shafie A (2017) Fast convergence optimization model for single and multi-purposes reservoirs using hybrid algorithm. Advanced Engineering Informatics 32:287-298
Fallah-Mehdipour E, Bozorg-Haddad O (2012) Optimization of multipurpose reservoir operation with application particle swarm optimization algorithm. Journal of Water & Wastewater 23(4):97-105 (In Persian)
Geem ZW, Kim JH, Loganathan GV (2001) A new heuristic optimization algorithm: harmony search. Simulation 76(2):60-68
Golestan Regional Water Company (2000) Investigation of irrigation nets of Golestan dam. 250p (In Persian)
Holland JH (1975) Adaption in natural and artificial systems. The University of Michigan Press, Ann Harbor, MI, 232p
Kaveh A, Talatahari S (2010) A novel heuristic optimization method: charged system search. Acta Mechanica 213(3):267-289
Kennedy J, Eberhart RC (1995) Particle swarm optimization. In: Proc. of IEEE International Joint Conference on Neural Network 4:1942-1948
Kumar DN, Reddy MJ (2006) Ant colony optimization for multi-purpose reservoir operation. Water Resources Management 20(6):879-898
Larson RE (1968) State increment dynamic programming. Elsevier Science, New York
Ming B, Liu P, Bai T, Tang R, Feng M (2017) Improving optimization efficiency for reservoir operation using a search space reduction method. Water Resources Management 31(4):1173-1190‏
Murray DM, Yakowitz SJ (1979) Constrained differential dynamic programming and its application to multireservoir control. Water Resources Research 15(5):1017-1027‏
Rabiei M, Aalami M, Talatahari S (2018) Reservoir operation optimization using CBO, ECBO and VPS algorithms. International Journal of Optimization in Civil Engineering 8(3):489-509
Reddy MJ, Kumar DN (2007) Optimal reservoir operation for irrigation of multiple crops using elitist-mutated particle swarm optimization. Hydrological Sciences Journal 52(4):686-701‌
Schardong A, Simonovic SP, Vasan A (2012) Multiobjective evolutionary approach to optimal reservoir operation. Journal of Computing in Civil Engineering 27(2):139-147‌
Seifollahi-Aghmiuni S (2015) A Multi-objective simulation-optimization tool development for multi-attribute design and operation of reservoir systems. Ph.D. thesis, University of Tehran, Tehran, Iran (In Persian)
Storn R, Price K (1997) Differential evolution–a simple and efficient heuristic for global optimization over continuous spaces. Journal of Global Optimization 11(4):341-359
Wolpert DH, Macready WG (1997) No free lunch theorems for optimization. IEEE Transactions on Evolutionary Computation 1(1):67-82‌
Yousefi Gh (1991) Report of Voshmgir resevoir operation. Golestan Water Regional Company, 167p (In Persian)