ارزیابی شبیه سازی رواناب حوزه های برفی با مدل شبیه سازی (SRM) و شبکه عصبی برای برآورد انرژی برقابی در مواجهه با کمبود آمار

نیروگاه های برقابی کوچک می توانند در تولید انرژی نقش زیادی ایفا نمایند.  سرشاخه های رودخانه ها مکان های مناسبی برای احداث این نیروگاه ها می باشند، ولی معمولا این مناطق برفگیر هستند و به علت مشکلات دسترسی، فاقد آمار و یا کم آمار هستند.  در این تحقیق تلاش شده تا با استفاده از حداقل آمار و اطلاعات در دسترس، شبیه سازی جریان در حوضه برفگیر سردآبرود که حوضه ای نسبتا کوچک و دارای آمار کم می باشد به وسیله مدل SRM۱ و شبکه های عصبی مصنوعی (ANNs)۲ به انجام رسد و سپس اثر خطا در برآورد جریان به واسطه اطلاعات کم، بر مقدار برآورد انرژی تولیدی بررسی گردد. در اجرای مدل SRM نیاز به سطح تحت پوشش برف می باشد که با استفاده از تصاویر سنجنده AVHRR۳ ماهواره NOAA۴ برای سال های ۱۹۹۹ و ۲۰۰۰ تامین شد.  برای ANNs مرحله آموزش با ۱ (سال ۱۹۹۹ با استفاده از ایستگاه های موجود در منطقه) و ۳ سال (۱۹۹۷ لغایت ۱۹۹۹ با استفاده از ایستگاه های منطقه و ایستگاه های مجاور) به طور جداگانه انجام و در هر دو مورد سال ۲۰۰۰ برای صحت سنجی در نظر گرفته شد. نتایج نشان داد در صورتی که ANNs با آمار روزانه سه سال آموزش داده شود می تواند نتایج بهتری از SRM ارائه کند. هرچند هر دو روش در برآورد پرآبی ها با مشکلاتی همراه هستند. برای بررسی اثر نتایج بالا در تولید برق، با استفاده از روش های تداوم جریان و روندیابی متوالی جریان، میزان انرژی تولیدی برآورد و با هم مقایسه گردید. در این خصوص از نرم افزار RETScreen و برنامه ای که طی تحقیق توسعه یافت، استفاده گشت.  نتایج این بخش نشان داد که در شرایط مساوی طول دوره آماری (۱۹۹۹ و ۲۰۰۰) مدل SRM به طور مطلوب تری شبیه سازی جریان و متعاقب آن  تولید انرژی را محاسبه کرده است. ولی در مورد ANNs با سه سال آموزش، نتایج به SRM نزدیک تر می گردد.  هرچند رواناب شبیه سازی شده با SRM تولید برق را بهتر برآورد کرده است که علت آن را باید در شبیه سازی بهتر جریان در محدوده مورد استفاده برای توربین های نیروگاه یافت.

کلیدواژه ها:

رواناب ذوب برف ، انرژی برقابی ، مدل SRM ، شبکه های عصبی مصنوعی ، کمبود آمار