ساخت مدل‌های پیش‌بینی جریان رودخانه و بهره‌برداری از مخزن سد زاینده‌رود با استفاده از سیستم استنباط فازی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دوره دکترا، دانشکده مهندسی عمران، دانشگاه صنعتی شریف

2 استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف

3 دانشیار دانشکده مهندسی عمران، دانشگاه صنعتی شریف

چکیده

موقعیت حوضه زاینده‌رود در فلات مرکزی ایران که جزء مناطق کم باران ایران محسوب می‌گردد، به همراه رشد روزافزون جمعیت و توسعه بخشهای کشاورزی و صنعتی در منطقه، موجب افزایش قابل توجه تقاضای آبی در حوضه مذکور شده است. وضعیت جغرافیایی این حوضه از یک سو و محدودیت منابع آبی موجود از سوی دیگر، لزوم بهره‌برداری بهینه از این منابع را دو چندان می‌کند. در این مقاله مدلی مبتنی بر سیستم استنباط فازی برای بهره‌برداری از مخزن سد زاینده‌رود توسعه داده شده است. مدل پایگاه قواعد فازی بر مبنای قاعده کلی "اگر- آنگاه" است که در آن "اگر"، بردار متغیرهای مستقل فازی یا مقدمات شرط و "آنگاه"، نتیجه شرط می‌باشد. این مدل شامل دو قسمت است که در قسمت اول، حجم جریان فصلی رودخانه به‌ وسیله یک سیستم استنباط فازی پیش‌بینی می‌شود. شاخص‌ نوسانات جنوبی، بارش، برف و حجم، ورودی‌های مدل و حجم آورد فصلی رودخانه، خروجی این قسمت می‌باشند. در قسمت دوم، مدل بهره‌برداری از مخزن ساخته شده است. ابتدا با استفاده از یک مدل بهینه‌یابی غیر خطی حجم بهینه جریانهای خروجی به دست آمده و سپس به منظور استخراج قواعد بهره‌برداری، از سیستم استنباط فازی استفاده شده است. حجم جریانهای پیش‌بینی شده، حجم ذخیره مخزن در ابتدای هر ماه و تقاضای ماهانه، به عنوان مقدمات شرط، و میزان خروج از مخزن در هر ماه به عنوان نتیجه شرط در نظر گرفته می‌شود. داده‌های تاریخی به منظور آموزش و سپس ارزیابی قواعد به دو قسمت تقسیم گردید، به این ترتیب که از داده‌های سالهای 1369 تا 1377 برای ساخت مدل و سالهای 1378 تا 1383 برای ارزیابی مدل استفاده شده است. در مرحله بعد نتایج حاصل از مدل استنباط فازی با نتایج روشهای سنتی از قبیل سیاست بهره‌برداری استاندارد و رگرسیون خطی مقایسه شد. بدین منظور از شاخصهای متفاوتی برای ارزیابی قواعد استفاده شد. نتایج این مقایسه نشان می‌دهد، سیستم استنباط فازی روش مناسبی برای ساخت قواعد بهره‌برداری از مخزن می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

River Stream-Flow and Zayanderoud Reservoir Operation Modeling Using the Fuzzy Inference System

نویسندگان [English]

  • Saeed Jamali 1
  • Ahmad Abrishamchi 2
  • Massoud Tajrishy 3
1 PhD Student, Department of Civil Engineering, Sharif University of Technology
2 Professor, Department of Civil Engineering, Sharif University of Technology
3 Associate Professor, Department of Civil Engineering, Sharif University of Technology
چکیده [English]

The Zayanderoud basin is located in the central plateau of Iran. As a result of population increase and agricultural and industrial developments, water demand on this basin has increased extensively. Given the importance of reservoir operation in water resource and management studies, the performance of fuzzy inference system (FIS) for Zayanderoud reservoir operation is investigated in this paper. The model of operation consists of two parts. In the first part, the seasonal river stream-flow is forecasted using the fuzzy rule-based system. The southern oscillated index, rain, snow, and discharge are inputs of the model and the seasonal river stream-flow its output. In the second part, the operation model is constructed. The amount of releases is first optimized by a nonlinear optimization model and then the rule curves are extracted using the fuzzy inference system. This model operates on an "if-then" principle, where the "if" is a vector of fuzzy permits and "then" is the fuzzy result. The reservoir storage capacity, inflow, demand, and year condition factor are used as permits. Monthly release is taken as the consequence. The Zayanderoud basin is investigated as a case study. Different performance indices such as reliability, resiliency, and vulnerability are calculated. According to results, FIS works more effectively than the traditional reservoir operation methods such as standard operation policy (SOP) or linear regression.

کلیدواژه‌ها [English]

  • Fuzzy inference system
  • Reservoir operation
  • Performance Indices
  • Southern Oscillated Index
  • Standard Operation Policy
  • linear regression

1- تشنه لب، م.، صفار پور، ن.، و افیونی، د. (1378). سیستم‌های فازی و کنترل فازی، دانشگاه خواجه نصیر طوسی، تهران.

2- Huang, W. C. (1996). “Decision support system for reservoir operation.” Water Resour. Bull. , 32 (6), 1221- 1232.

3- Saad, M., Bigras, P., Turgeon, A., and Duquette, R. (1996). “Fuzzy learning decomposition for the scheduling of hydroelectric power systems.” Water Resour. Res., 32(1), 179- 186.

4- Fontane, D. G., Gates, T. K., and Moncad, E. (1997). “Planning reservoir operations with imprecise objectives.” J. Water Resour, Plan Manage., 123(3), 157- 162.

5- Bardossy, A., and Duckstein, L. (1995). Fuzzy rule–based modeling with application to geophysical, In: Biological and engineering systems, 1st Ed., CRC and Boca Raton, FL, USA.

6- Kosko, B. (1992). Neural networks and fuzzy systems, 1st Ed., Prentice – Hall, Englewood Cliffs, N. J.

7-Russel, S. O., and Campbell, P. F. (1996). “Reservoir operating rules with fuzzy programming.” J. Water Resour. Plan. Manage., 123(3), 165-170.

8- Sherestha, B. P., Duckstein, L., and Stakiv, E. Z. (1996). “Fuzzy rule–based modeling reservoir operating.” J. Water Resour. Plan. Manage., 122(4), 262-269.

9- Dubrovin, T., Jolma, A., and Turunen, E. (2002). “Fuzzy model for real – time reservoir operation.” J. water Resour. Plan. Manage., 128 (1), 66-73.

10- Jolma, A., Turunen, E., and Kummu, M. (2001). “Reservoir operation by fuzzy reasoning.” Proc., International Congress on Modeling and Simulation, MODSIM, Camberra, Australia, 10-13.

11- دفتر مطالعات آب و محیط زیست. (1384). مطالعات پیش‌بینی آورد حوضه آبریز زاینده‌رود با استفاده از داده‌های تصاویر ماهواره‌ای و زمینی، دانشکده مهندسی عمران، دانشگاه صنعتی شریف.

12- Labadie, W. J. (2004).“Optimal operation of multireservoir systems: state-of-the-art review.” J. Water Resour. Plan. Manage., 130(2), 93-111.

13- Hashimoto, T., Stedinger, J. R., and Loucks, D. P. (1982). “Reliability, resiliency, and vulnerability criteria for water resources system performance evaluation.” Water Resources Research, 18 (1), 14-20.