بهره‌برداری بهینه از ایستگاههای پمپاژ متوالی با استفاده از الگوریتم PSO

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی عمران-آب، دانشگاه علم و صنعت ایران

2 دانشیار دانشکده مهندسی عمران، دانشکده عمران، دانشگاه علم و صنعت ایران

چکیده

امروزه انرژی نقش بسیار مهمی در زندگی بشر دارد. با افزایش جمعیت و کمبود منابع انرژی استفاده و بهره‌وری بهینه از منابع انرژی از اهمیت خاصی برخوردار شده است. از جمله این منابع انرژی، انرژی الکتریسیته است که در ایستگاههای پمپاژ نقشی اساسی ایفا می‌کند.گاهی اوقات طولانی بودن مسیر انتقال آب و یا اختلاف ارتفاع زیاد در طول مسیر ایجاب می‌کند که ایستگاههای پمپاژ به صورت متوالی طراحی گردند. در این مقاله  با استفاده از الگوریتم PSO مدل جدیدی برای بهره‌برداری بهینه از ایستگاههای پمپاژ متوالی ارائه شده است. با توجه به محدودیتهای موجود، دستورالعمل بهره‌برداری از پمپ‌های موجود در هر ایستگاه به گونه‌ای ارائه شده که هزینه بهره‌برداری کمینه شود. مدل پیشنهادی در مورد طرح آبرسانی از سد درودزن به شهر شیراز استفاده و دستورالعمل بهره‌برداری بهینه از ایستگاههای پمپاژ موجود آن استخراج و ارائه شده است. نتایج حاصل، بیانگر ضرورت استفاده از مدل‌های بهینه‌سازی در بهره‌برداری از ایستگاههای پمپاژ و قابلیت بالای مدل پیشنهادی است.

کلیدواژه‌ها


عنوان مقاله [English]

Optimized Operation of Serial Pump Stations Using the PSO Algorithm

نویسندگان [English]

  • Rasool Rajabpur 1
  • Mohammad Hadi Afshar 2
1 Graduate Student of Civil Engineering, Iran University of Science & Technology
2 Assos. Professor of Civil Engineering, Iran University of Science & Technology
چکیده [English]

Energy plays an increasingly important role in human life. Population growth and shortage of energy warrant optimal utilization of our limited resources. Pumping stations typically run on electric power and economical use of the power is desirable. Serial pumping stations are often required when the pipeline is long or when the required pumping head is too large to be handled by the existing single pumps. In this paper, a new PSO-based model is proposed for optimal operation of serial pumping stations. The proposed model is applied to a real-world situation-the water supply system conveying water from Doroudzan Dam to the city of Shiraz. The results are compared with those of the existing operating policies. Comparisons indicate the high capability of the proposed model.

کلیدواژه‌ها [English]

  • Pumping station
  • Design
  • Operation
  • PSO algorithm
  • optimization
1- Ormsbee, L. E., Walski, T. M., Chase, D. V., and Sharp, W. W. (1989). “Methodology for improving pump operation efficiency.” J. Water Resour. Plan. Manage. Div., 115(2), 148–164.
2- Mackle, G., Savic, D. A., and Walters, G. A. (1995). “Application of genetic algorithms to pumpscheduling for water supply.” GALESIA 95, Conference Publication 4/4,400-405, London: Institute of Electrical Engineers.
3- Rodin, S. I. (1998). “Use of genetic algorithm for optimal control of bulk water supply.”  <http://stullia.t-k.ru/waterpump/waterpump.htm> (May 5, 2001).
4- Rodin, S. I., and Moradi-Jalal, M. (2002). “Use of genetic algorithm in optimization of irrigation pumping stations, WAPIRRA program.” <http://stullia.t-k.ru/waterpump/waterpump.htm> (June 10, 2002).
5- Moradi-Jalal, M., Marino, M. A., and Afshar, A. (2003). “Optimal design and operation of irrigation pumping station.” J. Irrig. Drain. Eng., 129 (3), 149-154.
6- Moradi-Jalal, M., Sergey, I., Rodin, S. I., and Hon, M. (2004). “Use of genetic algorithm in optimization of irrigation pumping station.” J. Irrig. and Drain. Eng., 130 (5), 357-365.
7- Baltar, A., and Fontane, D. G. (2004). A multiobjective particle swarm optimization model for reservoir operations and planning, Dept. of Civil and Environmental Engineering, Colorado State University, USA.
8- Chow, V. T., Maidment, D. R., and Mays, L. W. (1988). Applied Hydrology, Mc Graw – Hill,
New York.
9- Kumar, D. N., and Reddy, M. J. (2005). “Multipurpose reservoir operation using particle swarm optimization.”
10- Meraji, S. H., Afshar, M. H., and Afshar, A. (2006) “Reservoir operation by particle swarm optimization algorithm.” 7th International Conference of Civil Engineering (ICCE 7 th), Tehran, Iran.
11- Kennedy, J., and Eberhart, R. (1995). “Particle swarm optimization.” Proc. of the International Conference on Neural Networks, Perth, Austalia, 1942-1948.
12- Kennedy, J. (1998). The behavior of particles, Porto, V. W., Saravanan, N., Waagen, D., and Eiben, A. E. (eds.), In: Evolutionary Programming VII, Springer, 581-590.
13- Shi, Y., and Eberhart, R. C. (1999). “Empirical study of particle swarm optimization.” Proc. IEEE, International Congress Evolutionary Computation, Washington, D.C., USA, 1945 -1950.
14- Shi, Y., and Eberhart, R. (1998). Parameter selection in particle swarm optimization, Porto, V. W., Saravanan, N., Waagen, D., and Eiben, A. E. (eds.), In: Evolutionary programming VII, 611-616.
15- Konstantinos, E. P., and Vrahatis, M. N. (2002). Particle swarm optimization method for constrained optimization problems, UPARIC, GR-26110 Patras, Greece.