کاربرد الگوریتم بهینه سازی کپک مخاطی (SMOA) در بهره برداری بهینه از سامانه سه مخزنه برق آبی

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 36

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWIM-13-4_005

تاریخ نمایه سازی: 8 بهمن 1402

چکیده مقاله:

مدیریت انرژی برق آبی تحت شرایط تغییر اقلیم ضروری است. در این پژوهش برای بهینه سازی سامانه سه مخزن برق آبی از الگوریتم بهینه سازی کپک مخاطی۱ (SMOA) استفاده می شود و برای ارزیابی عملکرد SMOA، نتایج آن با الگوریتم ژنتیک۲ (GA)، مقایسه می شود. قبل از هر چیز، عملکرد SMOA برای تابع آزمون اکلی۳ سنجیده می شود که عملکرد موفقیت آمیزی داشته است. در گام بعد، بهینه سازی بر روی سامانه سه مخزنه برق آبی سازبن مخزنی، سیمره و کرخه جریانی واقع در حوضه آبریز کرخه (ایران) استفاده می شود. بهینه سازی مسئله برق آبی برای دوره پایه ۲۰۰۵-۱۹۷۶ و دوره آینده ۲۰۶۹-۲۰۴۰ تحت سناریوی تغییر اقلیم RCP۸.۵ اجرا می شود. تابع هدف عبارت است از کمینه سازی کمبود تامین انرژی برق آبی. برای بهینه سازی مسئله سه مخزنه برق آبی، نتایج نشان می دهند که مقدار تابع هدف بر اساس SMOA به مقدار بهینه مطلق نزدیک می باشد به ویژه در دوره تغییر اقلیم. به طور کلی، عملکرد SMOA برای دست یابی به مقدار بهینه تابع هدف در دوره های تغییر اقلیم نسبت به دوره پایه بهتر و جواب ها پایاتر می باشد. در مقایسه بین SMOA و GA برای حالت بهره برداری سه مخزنه در دوره پایه و دوره آتی تحت سناریوی RCP۸.۵، عملکرد SMOA در رسیدن به مقدار مطلوب تابع هدف بسیار بهتر، سرعت همگرایی بیش تر، مدت زمان اجرا کم تر و جواب های تابع هدف پایاتر می باشد.

کلیدواژه ها:

الگوریتم بهینه سازی کپک مخاطی ، برنامه ریزی ژنتیک ، تغییر اقلیم ، سامانه سه مخزنه برق آبی

نویسندگان

پریساسادات آشفته

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • real-time operation rules: a new genetic programming approach. Proceedings of ...
  • Akbari-Alashti, H., Soncini, A., Dinpashoh, Y., Fakheri-Fard, A., Talatahari, S., ...
  • (۲۰۰۹). Meteorological and Climate Studies Report. Iran Water and Power ...
  • (۲۰۱۰). Water Resources Planning Studies. Iran Water and Power Resources ...
  • (۲۰۱۴). Report on Seymareh Project. Mahab Ghodss Consulting Company, Vol. ...
  • Arunkumar, R., & Jothiprakash, V. (۲۰۱۲). Optimal reservoir operation for ...
  • Bolouri-Yazdeli, Y., Bozorg-Haddad, O., Fallah-Mehdipour, E., & Marino, M. A. ...
  • Chang, J., Wang, X., Li, Y., Wang, Y., & Zhang, ...
  • Deb, K. (۲۰۱۲). Optimization for engineering design: Algorithms and examples. ...
  • Garousi-Nejad, I., Bozorg-Haddad, O., Loáiciga, H. A., & Mariño, M. ...
  • Holland, J. H. (۱۹۹۲). Genetic algorithms. Scientific American, ۲۶۷ (۱), ...
  • Hosseini-Moghari, S. M., Morovati, R., Moghadas, M., & Araghinejad, S. ...
  • IPCC (Intergovernmental Panel on Climate Change). (۲۰۱۳). Climate change ۲۰۱۳: ...
  • Jahandideh-Tehrani, M., Bozorg-Haddad, O., & Loáiciga, H. A. (۲۰۱۵). Hydropower ...
  • Liu, S., Xie, Y., Fang, H., Huang, Q., Huang, Sh., ...
  • Liu, X., Lu, J,. Zou, Ch., Deng, B., Liu, L., ...
  • Li, Sh., Chen, H., Wang, M., Heidari, A. A., & ...
  • Qiu, H., Hu, T., Zhang, S., & Xiao, Y. (۲۰۲۳). ...
  • Rahmati, K., Ashofteh, P.-S., Afzali, R., & Loáiciga, H. A. ...
  • Rahmati, K., Ashofteh, P.-S., & Loáiciga, H. A. (۲۰۲۱). Application ...
  • Ren, X., Zhao, Y., Hao, D., Sun, Y., Chen, Sh., ...
  • Sharifi, M. R., Akbarifard, S., Madadi, M. R., Qaderi, K., ...
  • Zaman, M., Fang, G., Huang, X., Shuo, X., & Xin, ...
  • Zhang, X., Liu, P., Xu, Ch.-Y., Guo, Sh., Gong, Y., ...
  • Zolghadr-Asli, B. (۲۰۱۷). Investigation of hydropower energy generation’s uncertainties under ...
  • نمایش کامل مراجع