ارزیابی عملکرد الگوریتم بهینه‌سازی جستجوی اتم در بهره‌برداری بهینه از سامانه‌های چند مخزنه و تک مخزنه تحت رسوب‌گذاری (مطالعه موردی: سد دز)

نوع مقاله : مقاله کامل علمی پژوهشی

نویسندگان

1 دانشجوی دکتری گروه مهندسی و مدیریت منابع آب، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران.

2 نویسنده مسئول، دانشیار گروه مهندسی آب و سازه‌های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران.

3 دانشیار گروه مهندسی آب و سازه‌های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران

4 دانشیار گروه عمران، دانشکده مهندسی، دانشگاه صنعتی خاتم‌الاانبیاء، بهبهان، خوزستان، ایران

چکیده

سابقه و هدف: با توجه به کمبود منابع آب و تقاضای روزافزون بشر، بهره‌برداری بهینه مخازن به یکی از مهم‌ترین موضوعات کلیدی جهان امروز تبدیل‌شده است. در این راستا بهره‌برداری صحیح و بهینه از سدها یکی از کارآمدترین ابزار مدیریت منابع آب بشمار می‌رود. نظر به تعداد بالای متغیرهای تصمیم، روابط و قیود موجود در مسائل، مدیریت مخازن و بهینه‌سازی آن‌ها از پیچیدگی‌های زیادی برخوردار است. از اینرو بسیاری از محققین در تحقیقات خود به این موضوع توجه ویژه‌ای داشته‌اند. در این پژوهش الگوریتم نوین و بهینه‌ساز جستجوی اتم (ASO) که برگرفته از مفاهیم دینامیک مولکولی است بر روی سامانه‌های منابع آب چند مخزنه توسعه داده خواهد شد. از طرفی عدم پیاده سازی سیاستهای مناسب در راستای حفاظت از خاک، پدیده مهم فرسایش را به‌ویژه در اراضی بالادست مخازن در پی داشته که یکی از نتایج منفی حاصل از آن رسوب‌گذاری خواهد بود. انتقال و انباشت رسوبات معلق، به‌نوبه خود منجر به کاهش حجم مفید مخزن خواهد شد که این مهم در اکثر مسائل بهینه‌سازی مخازن مورد غفلت قرار می‌گیرد. لکن در این پژوهش بهره‌برداری بهینه سد تک مخزنه توسط الگوریتم ASO با لحاظ آورد رسوب ماهانه مورد بررسی قرار می‌گیرد.
مواد و روشها: در ابتدا عملکرد الگوریتم جستجوی اتم بر روی توابع محک ریاضی بررسی خواهد شد. سپس با انجام تحلیل حساسیت جهت تعیین منطقی ضرایب تأثیرگذار الگوریتم و انتخاب تعداد ذرات و تعداد تکرارهای مناسب هر عملیات، عملکرد الگوریتم بر روی سامانه‌های متعارف چهار و ده مخزنه تحلیل می‌شود. در ادامه جهت تأمین آب پایین‌دست سد دز با رعایت موضوع مهم آورد ماهانه رسوب در مخزن، از الگوریتم جستجوی اتم و چهار الگوریتم رایج دیگر استفاده شده که نتایج آن‌ها با انتخاب معیارهای مقدار تابع هدف، مقادیر RMSE، MAE، NSE,PBIAS به‌وسیله تکنیکهای رتبه‌بندی تاپسیس (TOPSIS) و تاپسیس اصلاح‌شده (M-TOPSIS) اولویت‌بندی می‌گردد.
یافته‌ها: عملکرد الگوریتم جستجوی اتم بر روی سامانه‌های متعارف چهار و ده مخزنه تحلیل‌شده که نتایج نزدیکی 33/95 درصدی با جواب بهینه مطلق سیستم چهار مخزنه یعنی مقدار 29/308 و نزدیکی 67/89 درصدی با جواب مطلق سامانه ده مخزنه به مقدار 44/1194 را نشان می‌دهد. همچنین مقایسه الگوریتم جستجوی اتم و چهار الگوریتم رایج ازدحام سالپ (SSA)، الگوریتم سینوس کسینوسی (SCA)، الگوریتم ازدحام ذرات (PSO) و الگوریتم ژنتیک (GA) در سیستم تک مخزنه تحت رسوب‌گذاری از برتری مطلق الگوریتم جستجوی اتم (ASO) حکایت داشت.
نتیجه‌گیری: به‌کارگیری الگوریتم جستجوی اتم در حل مسائل بهینه‌سازی مدیریت منابع آب به‌ویژه با لحاظ موضوع اثرگذاری حفاظت خاک و رسوب‌گذاری مخازن توصیه می‌گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Performance evaluation of atom search optimization algorithm performance in optimal operation of multi-reservoir systems and single reservoirs under sedimentation (Case study: Dez Dam)

نویسندگان [English]

  • Mohsen Moslemzadeh 1
  • Hojat Karami 2
  • Saeed Farzin 3
  • Iman Ahmadianfar 4
1 Dept. of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran
2 Corresponding Author, Dept. of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran.
3 Dept. of Water Engineering and Hydraulic Structures, Faculty of Civil Engineering, Semnan University, Semnan, Iran.
4 Dept. of Civil Engineering, Behbahan Khatam Alanbia University of Technology, Behbahan, Iran
چکیده [English]

Background and Objectives: Due to the scarcity of water resources and increasing human demand, the optimal operation of reservoirs has become one of the most important issues in the world. In this regard, the correct and optimal operation of dams is one of the most efficient tools for water resources management. Due to the large number of decision variables, relationships, and constraints in the problems, reservoir management, and optimization have many complexities. Therefore, many researchers in their research have paid special attention to this issue. In this research, a new algorithm namely Atom Search Optimization (ASO), which is derived from the concepts of molecular dynamics, will be developed for multi-reservoir water resource systems. On the other hand, failure to implement appropriate policies to protect the soil has led to an important phenomenon of erosion in the lands above the reservoirs, one of the negative consequences of which will be sedimentation. The transfer and accumulation of suspended sediments, in turn, will reduce the useful volume of the reservoir, which is neglected in most reservoir optimization issues. However, in this study, the optimal operation of a single reservoir dam is investigated by the Atom Search Optimization algorithm in terms of monthly sediment yield.
Materials and Methods: First, the performance of the atom search algorithm on mathematical benchmark functions will be investigated. Then, by performing sensitivity analysis to logically determine the effective coefficients of the algorithm and selecting the appropriate number of particles and the number of iterations of each operation, the performance of the algorithm on conventional systems of four and ten reservoirs is analyzed. In order to supply water downstream of Dez Dam, considering the important issue of monthly sediment flow in the reservoir, the atom search algorithm and four other common algorithms are used. The results are modified by selecting the objective function value criteria, RMSE, MAE, NSE, and PBIAS values and prioritized using TOPSIS and Modified-TOPSIS ranking techniques.
Results: The performance of the atom search algorithm on conventional systems of four and ten reservoirs is analyzed, which shows the results of 95.33% with an absolute optimal solution of four reservoirs, ie 308.29, and 89.67% with an absolute answer of ten reservoirs, 1194.44. Also, by comparing the atom search algorithm and four common Salp Swarm Algorithm (SSA), Sine Cosine Algorithm (SCA), Particle Swarm Optimization (PSO), and Genetic Algorithm (GA) in a single reservoir system under deposition, the absolute superiority of the ASO search algorithm was demonstrated.
Conclusion: The use of an atom search algorithm in solving optimization problems in the field of water resources management is recommended, especially in terms of the effectiveness of soil protection and sedimentation of reservoirs.

کلیدواژه‌ها [English]

  • Atom Search Optimizer (ASO)
  • Reservoir Sedimentation
  • TOPSIS
  • Multi-Reservoir Systems
  • Sensitivity analysis
1.Ahmadianfar, I., Heidari, A.A., Noshadian, S., Chen, H., and Gandomi, A.H. 2022. INFO: An efficient optimization algorithm based on weighted mean of vectors. Expert Systems with Applications, 195, 116516.
2.Ashofteh, P.S., Bozorg-Haddad, O., and Loáiciga, H.A. 2020. Logical genetic programming (LGP) application to water resources management. Environmental monitoring and assessment, 192: 1. 1-11.
3.Asadieh, B., and Afshar, A. 2019. Optimization of Water-Supply and Hydropower Reservoir Operation Using the Charged System Search Algorithm. Hydrology, 6: 1. 5.
4.Samadi-Koucheksaraee, A., Ahmadianfar, I., Bozorg-Haddad, O., and Asghari-Pari, S.A. 2019. Gradient evolution optimization algorithm to optimize reservoir operation systems. Water resources management, 33: 2. 603-625.
5.Rabiei, M.H., Aalami, M.T., and Talatahari, S. 2018. Reservoir operation optimization using CBO, ECBO and VPS algorithms. Iran University of Science & Technology, 8: 3. 489-509.
6.Allawi, M.F., Jaafar, O., Hamzah, F.M., Ehteram, M., Hossain, M.S., andEl-Shafie, A. 2018.Operating a reservoir system based on the shark machine learning algorithm. Environmental Earth Sciences, 77: 10. 366.
7.Karami, H., Ehteram, M., Mousavi, S.F., Farzin, S., Kisi, O., and El-Shafie, A. 2019. Optimization of energy management and conversion in the water systems based on evolutionary algorithms. Neural computing and applications,31: 10.5951-5964.
8.He, Z., Wang, C., Wang, Y., Zhang, H., and Yin, H. 2022. An Efficient Optimization Method for Long-term Power Generation Schedulingof Hydropower Station: Improved Dynamic Programming with a Relaxation Strategy. Water Resources Management, 36: 4. 1481-1497.
9.Dogan, M.S., Lund, J.R., and Medellin-Azuara, J. 2021. Hybrid Linear and Nonlinear Programming Model for Hydropower Reservoir Optimization. Journal of Water Resources Planning and Management, 147: 3. 06021001.
10.Azadi, F., Ashofteh, P.S., Shokri, A., and Loáiciga, H.A. 2021. Simulation-Optimization of Reservoir Water Quality under Climate Change. Journal of Water Resources Planning and Management, 147: 9. 04021054.
11.Wang, X., Chen, X., Cui, Q., and Yang, Z. 2019. An improved two-step parameter adjustment method for the optimization of a reservoir operation function model based on repeated principal component analysis and a genetic algorithm. Journal of Hydroinformatics, 21: 1. 1-12.
12.Yaseen, Z.M., Karami, H., Ehteram, M., Mohd, N.S., Mousavi, S.F., Hin, L.S., Kisi, O., Farzin, S., Kim, S., andEl-Shafie, A. 2018. Optimization of Reservoir Operation using New HybridAlgorithm. KSCE Journal of Civil Engineering, 22: 11. 4668-4680.
13.Zhao, W., Wang, L., and Zhang, Z., 2019. A novel atom search optimization for dispersion coefficient estimation
in groundwater. Future Generation Computer Systems, 91: 601-610.
14.Zhao, W., Wang, L., and Zhang, Z.B. 2019. Atom search optimization and its application to solve a hydrogeologic parameter estimation problem. Knowledge- Based Systems, 163: 283-304.
15.Sarhan, G.M., Agwa, A.M., andEl-Fergany, A.A. 2019. Steady-State Modeling of Fuel Cells Based on Atom Search Optimizer. Energies (19961073), 12: 10.
16.Too, J., and Rahim Abdullah, A. 2020. Binary atom search optimisation approaches for feature selection. Connection Science, 32: 4. 406-430.
17.Zhao, W., Shi, T., Wang, L., Cao, Q., and Zhang, H. 2021. An adaptive hybrid atom search optimization with particle swarm optimization and its application to optimal no-load PID design ofhydro-turbine governor. Journal ofComputational Design and Engineering, 8: 5. 1204-1233.
18.Diab, A.A.Z., Ebraheem, T., Aljendy, R., Sultan, H.M., and Ali, Z.M. 2020. Optimal design and control of MMC STATCOM for improving powerquality indicators. Applied Sciences,10: 7. 2490.
19.Mirjalili, S., and Lewis, A. 2016. The whale optimization algorithm. Advances in engineering software, 95: 51-67.
20.Chow, V.T., and Cortes-Rivera, G. 1974. Applications of DDDP in water resources planning. Research Rep. 78, Univ. of Illinois, Water Resources Center, Urbana, IL.
21.Murray, D.M., and Yakowitz, S.J. 1979. Constrained differential dynamic programming and its application to multireservoir control. Water Resources Research, 15: 5. 1017-1027.
22.Mosaedi, A., Najafi, S.F.H., Heydarnezhad, M., Nabizade, M., and Meshkati, M.E. 2009. Estimation of sediment volumes in Karaj and Dez reservoirs and their comparison with hydrographic surveying. Journal of Agricultural Sciences and Natural Resources, 16(Special Issue 2). 261-272.
23.Fallahi, F., Beheshti, M., and Marashi, S. 2017. Ranking the environmental sustainability in selected Iranian provinces: A comparison of AHP and TOPSIS methods. J. of Quantitative Economics. 14: 1. 97-118.
24.Ren, L., Zhang, Y., Wang, Y., and Sun, Z. 2007. Comparative analysis of a novel M-TOPSIS method and TOPSIS. Applied Mathematics Research eXpress, 2007.