بهره‌برداری بهینه از انرژی برق‌آبی مخازن با استفاده از الگوریتم ازدحام پروانه (مطالعه موردی: سد کارون 4)

نویسندگان

1 گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز، ایران.

2 استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، r

چکیده

انرژی برق‌آبی به عنوان سومین منبع تولید برق و همچنین مهم‌ترین انرژی تجدیدپذیر مولد برق در جهان به شمار می‌آید. استفاده بهینه از این منبع عظیم و گرانقیمت که هر روزه شاهد کاهش چشمگیر آن هستیم، بیش از پیش احساس می‌گردد. در این پژوهش از الگوریتم فراکاوشی ازدحام پروانه (MSA) به منظور بهره‌برداری بهینه از انرژی برق‌آبی مخزن سد کارون 4 واقع در حوضه آبریز کارون، برای یک دوره 106 ماهه (از مهر 1389 تا تیر 1398) استفاده شده است. پس از اطمینان از درستی عملکرد الگوریتم MSA با استفاده از چندین تابع محک استاندارد، مدلی برای بهره‌برداری بهینه برق‌آبی سد کارون 4 توسعه داده شد. همچنین نتایج حاصل از الگوریتم مورد بررسی با نتایج روش‌های شناخته شده الگوریتم ژنتیک (GA) و الگوریتم ازدحام ذرات (PSO) مقایسه شده است. الگوریتم‌های MSA، GA و PSO به ترتیب قادر به تولید بهینه انرژی به میزان 105853، 4/105697 و 6/105841 مگاوات نسبت به مقدار واقعی آن به میزان 54/64987 مگاوات، در طول دوره آماری بودند. همچنین مقدار تابع هدف برای الگوریتم‌های MSA، GA و PSO به ترتیب برابر با 147/0، 3026/0 و 1584/0 بدست آمد. نتایج به ‌دست آمده حاکی از عملکرد بالای الگوریتم MSA در مقایسه با دیگر الگوریتم‌های مورد بررسی در بهره‌برداری بهینه از انرژی برق‌آبی می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimal Operation of Hydropower Energy of Reservoirs Using Moth Swarm Algorithm (Case Study: Karun-4 Dam)

نویسندگان [English]

  • Saeed Akbarifard
  • Mohammadreza Sharifi 1
  • kourosh qaderi 2
1 Department of Hydrology and Water Resources, Faculty of Water Sciences Engineering, Shahid Chamran University of Ahvaz, Iran.
2 Assistant Prof. Department of Water Engineering , Shahid Bahonar Univercity of Kerman, Kerman, Iran. (Corresponding Autho
چکیده [English]

Hydropower energy is the third largest source of electricity generation and also the most important renewable energy producer in the world. For this reason, the optimal use of this huge and expensive source is essential. In this study, Moth Swarm Metaheuristic Algorithm (MSA) was used for optimization of the hydropower operation of Karun-4 reservoir located in Karun basin for a period of 106 months (from October 2010 to July 2019). After verifying the reliability of the MSA algorithm using several standard benchmark functions, a model was developed for optimal hydropower operation of the Karun-4 reservoir. Also, the results of the algorithm were compared with the results of known metaheuristic algorithms of the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). The MSA, GA and PSO algorithms were capable to generate energy 105853, 105697.4, and 105841.6 MW, respectively, compared with the actual value 64987.54 MW, during the statistical period. Also, the objective function value for MSA, GA and PSO algorithms, was obtained 0.147, 0.3026, and 0.1584, respectively. The results revealed that the MSA algorithm was the superior algorithm in optimal hydropower operation.

کلیدواژه‌ها [English]

  • Karun Basin
  • Optimal generation of hydropower energy
  • Meta-heuristics algorithm
افشار. م., رضایی سنگدهی. س., معینی. ر. (1393). الگوریتم بهینه‌‌سازی جامعه‌ی مورچگان در مسأله‌ی بهره برداری بهینه از مخازن سدها : مطالعه‌ی مقایسه‌ای چهار الگوریتم. فصلنامه مهندسی عمران فردوسی, 25(2): 117-134.
احمدیان فر. ا., ادیب. آ. (1394). بهینه سازی بهره‌برداری انرژی برقابی از سدها با استفاده از روش ترکیبی الگوریتم ازدحام ذرات و الگوریتم ژنتیک (مطالعه موردی: سد دز), علوم و مهندسی آبیاری, 38(3): 63-71.
احترام. م.، موسوی. س. ف.، کرمی. ح.، تهرانی. ن.، امیری. آ. (1395). ارائه ی روش هیبریدی برای بهینه سازی مخازن سدها مبتنی بر هوش مصنوعی. نشریه سد و نیروگاه برق آبی ایران. ۳(۱۱): ۵۴-۴۴.
حسینی موغاری. س.م., مقدس. م., عراقی نژاد. ش. (1396). کاربرد الگوریتم بهینه سازی فاخته در بهره برداری بهینه از مخزن برقآبی (مطالعه موردی: مخزن کارون4), فصلنامه علمی - پژوهشی مهندسی منابع آب, 10(32): 19-23.
شرکت مهندسی مشاور دزآب. (1389). گزارش مطالعات سیستمی حوضه آبریز دز و کارون.
Mohamed, A. A. A., Mohamed, Y. S., El-Gaafary, A. A., & Hemeida, A. M. (2017). Optimal power flow using moth swarm algorithm. Electric Power Systems Research, 142: 190-206.‏
Azizipour, M., Ghalenoei, V., Afshar, M. H., & Solis, S. S. (2016). Optimal operation of hydropower reservoir systems using weed optimization algorithm. Water Resources Management, 30(11): 3995-4009.‏ ‏
Baghipour, R., Hosseini, S. M., & Boor, Z. (2014). A water cycle algorithm for optimal allocation of DGs in distribution system considering environmental profit. International Journal of Mechatronics, Electrical and Computer Technology, 4(11): 430-454.‏
Jevtic, M., Jovanovic, N., Radosavljevic, J., & Klimenta, D. (2017). Moth swarm algorithm for solving combined economic and emission dispatch problem. Elektronika ir Elektrotechnika, 23(5): 21-28.‏
Mantegna, R. N. (1994). Fast, accurate algorithm for numerical simulation of Levy stable stochastic processes. Physical Review E, 49(5): 4677.‏
Nair, S. J., & Sasikumar, K. (2019). Fuzzy reliability-based optimization of a hydropower reservoir. Journal of Hydroinformatics, 21(2): 308-317.‏
Qaderi, K., Akbarifard, S., Madadi, M. R., & Bakhtiari, B. (2018, August). Optimal operation of multi-reservoirs by water cycle algorithm. In Proceedings of the Institution of Civil Engineers-Water Management (Vol. 171, No. 4, pp. 179-190). Thomas Telford Ltd.‏
Wu, X., Cheng, C., Lund, J. R., Niu, W., & Miao, S. (2018). Stochastic dynamic programming for hydropower reservoir operations with multiple local optima. Journal of Hydrology, 564: 712-722.‏ ‏
Wurbs, R. A. (1993). Reservoir-system simulation and optimization models. Journal of water resources planning and management, 119(4): 455-472.‏
Zhang, J., Wu, Z., Cheng, C. T., & Zhang, S. Q. (2011). Improved particle swarm optimization algorithm for multi-reservoir system operation. Water Science and Engineering, 4(1): 61-74.‏
 
Zhou, Y., Yang, X., Ling, Y., & Zhang, J. (2018). Meta-heuristic moth swarm algorithm for multilevel thresholding image segmentation. Multimedia Tools and Applications, 77(18): 23699-23727.‏